下棋机器人视觉系统的研究与开发

下棋机器人视觉系统的研究与开发

论文摘要

机器人技术的发展是一个国家高科技水平和工业自动化程度的重要标志和体现,机器人在当前生产生活中的应用越来越广泛,正在替代人发挥着日益重要的作用,是备受当今世界关注的热点课题。具有人机交互功能的下棋机器人是针对近年来迅速发展的科普领域对机器人的需求而研究与开发的一种典型的博弈机器人。下棋机器人是一种基于计算机视觉和图像处理等技术实现的面向广泛流动人员的人机交互系统。该系统基于计算机视觉技术实现棋局自动识别,以机器人自动完成棋子挪动方式实现自然的人机交互功能,在科普领域得到了很好的应用。目前下棋机器人系统还处在不断完善和发展的阶段。本文在阅读了大量机器人技术和图像处理方面的文献的基础上,首先分析了“下棋机器人”系统的原理和关键技术;概括了图像特征特点及其常用的特征提取与匹配方法。在总结分析了目前棋子定位和识别的常用方法和特点的基础上,提出了一种基于提取目标的不变矩特征和基于支持向量机的棋子识别方法。深入研究了Hu矩和zernike矩的原理,使用两种矩分别提取了目标文字的特征值,并对结果进行了分析比较。对支持向量机的理论做了详细的研究和分析,并通过实验证明了该方法在文字分类中具有很好的识别效果。针对视觉系统中由图像畸变等原因产生的定位偏差问题,提出了半自动标定棋盘的方法,并改进了坐标计算方法,有效的减小了定位偏差。最后,对该系统有待深入研究的一些问题做了展望。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 引言
  • 1.2 研究背景及现实意义
  • 1.2.1 机器人展品在科普领域的发展现状
  • 1.2.2 课题工程背景
  • 1.3 "下棋机器人"系统的技术难点及本文的研究内容
  • 1.3.1 "下棋机器人"系统的技术难点
  • 1.3.2 本文的主要研究内容
  • 1.4 本文的工作及创新点
  • 1.5 本文的结构安排
  • 第2章 基于视觉的下棋机器人系统
  • 2.1 引言
  • 2.2 下棋机器人系统的结构
  • 2.2.1 下棋机器人系统的整体结构
  • 2.2.2 下棋机器人系统原理
  • 2.3 下棋机器人系统中的关键技术
  • 2.3.1 棋盘标定与坐标变换
  • 2.3.2 棋子定位
  • 2.3.3 棋子识别
  • 2.4 视觉系统的原理和功能
  • 2.4.1 机器视觉的原理
  • 2.4.2 下棋机器人视觉系统的功能
  • 2.5 下棋机器人系统棋子坐标的计算方法
  • 2.5.1 改进的可调模拟棋盘
  • 2.5.2 改进的坐标计算方法
  • 2.6 小结
  • 第3章 下棋机器人视觉系统研究
  • 3.1 引言
  • 3.2 下棋机器人视觉系统的结构
  • 3.3 图像特征特点及其常用的特征提取与匹配方法
  • 3.4 常用的棋子定位和识别方法分析与对比
  • 3.4.1 基于霍夫变换的棋子定位方法
  • 3.4.2 基于重心法的棋子定位方法
  • 3.4.3 基于RFID的棋子识别方法
  • 3.4.4 基于色标的棋子识别方法
  • 3.4.5 基于文字特征的识别方法
  • 3.5 小结
  • 第4章 基于不变矩的棋子特征提取方法
  • 4.1 引言
  • 4.2 Hu矩的原理分析
  • 4.2.1 Hu矩原理
  • 4.2.2 Hu矩旋转不变性的证明
  • 4.3 Zernike矩
  • 4.3.1 Zernike矩原理
  • 4.3.2 从Zernike矩中推出的旋转不变性
  • 4.4 基于不变矩的特征提取和实验结果与分析
  • 4.5 小结
  • 第5章 基于支持向量机的棋子分类方法
  • 5.1 引言
  • 5.2 常用分类器的比较
  • 5.3 支持向量机原理的分析与研究
  • 5.3.1 函数集的VC维理论
  • 5.3.2 结构风险最小化原理
  • 5.3.3 核函数
  • 5.3.4 SVM算法的特点
  • 5.4 基于SVM的棋子分类
  • 5.4.1 规范样本数据
  • 5.4.2 关键参数的选取方法
  • 5.4.3 模型的训练及检测
  • 5.4.4 基于SVM分类的实验结果及分析
  • 5.5 小结
  • 第6章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 个人简历
  • 相关论文文献

    • [1].基于人工鱼群算法的孪生支持向量机[J]. 智能系统学报 2019(06)
    • [2].基于改进支持向量机的温室大棚温度预测[J]. 科技创新与应用 2020(10)
    • [3].结构化支持向量机研究综述[J]. 计算机工程与应用 2020(17)
    • [4].支持向量机理论及应用[J]. 科学技术创新 2019(02)
    • [5].加权间隔结构化支持向量机目标跟踪算法[J]. 中国图象图形学报 2017(09)
    • [6].多分类孪生支持向量机研究进展[J]. 软件学报 2018(01)
    • [7].模糊型支持向量机及其在入侵检测中的应用[J]. 科技创新与应用 2018(11)
    • [8].从支持向量机到非平行支持向量机[J]. 运筹学学报 2018(02)
    • [9].支持向量机的基本理论和研究进展[J]. 长江大学学报(自科版) 2018(17)
    • [10].孪生支持向量机综述[J]. 计算机科学 2018(11)
    • [11].一种新的基于类内不平衡数据学习支持向量机算法[J]. 科技通报 2017(09)
    • [12].分段熵光滑支持向量机性能研究[J]. 计算机工程与设计 2015(08)
    • [13].有向无环图-双支持向量机的多类分类方法[J]. 计算机应用与软件 2015(11)
    • [14].基于支持向量机的股票价格预测模型研究与应用[J]. 课程教育研究 2016(28)
    • [15].灰狼优化的混合参数多分类孪生支持向量机[J]. 计算机科学与探索 2020(04)
    • [16].基于属性约简—光滑支持向量机的中小企业信息化评价研究[J]. 软件工程 2020(07)
    • [17].基于稀疏孪生支持向量机的人脸识别[J]. 信息技术 2020(07)
    • [18].基于总类内分布的松弛约束双支持向量机[J]. 济南大学学报(自然科学版) 2018(04)
    • [19].基于多分类支持向量机的评估模型研究[J]. 数学的实践与认识 2017(01)
    • [20].改进的支持向量机在微博热点话题预测中的应用[J]. 现代情报 2017(03)
    • [21].多核在线支持向量机算法研究及应用[J]. 宜宾学院学报 2017(06)
    • [22].基于改进遗传算法的支持向量机参数优化方法[J]. 计算机与现代化 2015(03)
    • [23].一种层次粒度支持向量机算法[J]. 小型微型计算机系统 2015(08)
    • [24].自训练半监督加权球结构支持向量机多分类方法[J]. 重庆邮电大学学报(自然科学版) 2014(03)
    • [25].四类基于支持向量机的多类分类器的性能比较[J]. 聊城大学学报(自然科学版) 2014(03)
    • [26].一种模糊加权的孪生支持向量机算法[J]. 计算机工程与应用 2013(04)
    • [27].一种采用粗糙集和遗传算法的支持向量机[J]. 山西师范大学学报(自然科学版) 2013(01)
    • [28].基于在线支持向量机的无人机航路规划技术[J]. 电光与控制 2013(05)
    • [29].贪婪支持向量机的分析及应用[J]. 计算机工程与应用 2012(24)
    • [30].一种改进的双支持向量机[J]. 辽宁石油化工大学学报 2012(04)

    标签:;  ;  ;  ;  

    下棋机器人视觉系统的研究与开发
    下载Doc文档

    猜你喜欢