小型组机器人足球比赛视觉系统的设计与实现

论文摘要

本文是以RoboCup F180小型足球机器人视觉系统为背景展开的。针对现存视觉系统在实时性、识别精度和对光线变化的适应性等方面存在的不足,查阅了大量的相关文献资料并通过具体实践,就如何提高视觉系统的实时性、识别精度、以及对光线变化的鲁棒性进行了深入的研究,取得了以下主要成果:研究视觉系统的实时性能问题,指出现存视觉系统的图像分割和识别算法效率低下是制约视觉系统实时性能的瓶颈所在,并针对这个问题提出了三种解决方案,采用分布式结构,使视觉系统单独运行在一台电脑上;根据F180小型足球机器人比赛的特点采用了改进的基于阈值的图像分割和基于区域连通的连通域合并算法,以简化图像分割和识别的算法;采用基于Kalman滤波的目标搜索算法,以缩小目标的搜索区域,减少计算量。使用双摄像机克服了单摄像机拍摄的图像畸变严重以及色标和球所占像素个数过少的缺点。由于比赛场地面积大,采用单摄像机拍摄的图像畸变比较严重,目标的色标以及球所占像素个数过少,严重影响了识别精度,针对这个问题作者提出了双摄像头的方案并采用Tsai的方法进行摄像机的标定和畸变矫正提高了系统的识别精度。采用YUV颜色空间和全局阈值与局部阈值相结合的方法进行图像分割,提高了系统在不稳定光照条件下的识别率。采用面向对象的方法对视觉子系统进行功能建模,为将来系统的升级和维护提供了的方便,并通过编程实现了完整的视觉子系统。试验证明该视觉系统可快速精确的完成目标的识别,具有较强的抗干扰能力,且对光照的变化具有较强的鲁棒性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 足球机器人比赛
• 1.1.1 机器人足球比赛的发展
• 1.1.2 机器人足球比赛的研究意义
• 1.2 足球机器人比赛的基本组成
• 1.2.1 视觉子系统
• 1.2.2 决策子系统
• 1.2.3 通信子系统
• 1.2.4 足球机器人子系统
• 1.3 本论文的主要研究内容
• 1.4 本章小结
• 第二章 足球机器人比赛视觉子系统
• 2.1 视觉子系统概述
• 2.2 视觉子系统的硬件组成
• 2.2.1 摄像机的选择
• 2.2.2 镜头的选取
• 2.2.3 1394 数字接口卡的选取
• 2.3 视觉子系统的模块划分
• 2.4 本章小结
• 第三章 视觉系统的图像预处理
• 3.1 图像增强
• 3.1.1 图像增强基本原理
• 3.1.2 彩色图像对比度增强
• 3.1.3 图像消噪
• 3.2 几何畸变的校正
• 3.2.1 几何畸变产生的原因
• 3.2.2 几何畸变校正
• 3.2.2.1 带有径向畸变的摄像机成像模型
• 3.2.2.2 畸变矫正算法
• 3.3 本章小结
• 第四章 机器人彩色视觉目标定位与识别
• 4.1 颜色空间的选择
• 4.2 坐标系统
• 4.3 基于颜色空间的目标识别
• 4.3.1 目标分割
• 4.3.1.1 图像阈值分割
• 4.3.1.2 连通域合并
• 4.3.2 目标定位
• 4.3.3 目标识别
• 4.3.4 数据融合算法
• 4.4 基于 Kalman 滤波的目标搜索算法
• 4.4.1 应用Kalman 滤波的可行性
• 4.4.2 Kalman 滤波基本原理
• 4.4.3 Kalman 滤波实现
• 4.5 本章小结
• 第五章 视觉子系统的设计与实现
• 5.1 视觉系统软件总体框架
• 5.1.1 视觉系统软件结构
• 5.1.2 程序设计思路
• 5.2 系统人机界面与调试结果
• 5.3 本章小节
• 第六章 总结与展望
• 致谢
• 参考文献
• 附录一：作者在攻读硕士学位期间发表的论文
• 附录二：图像分割和目标识别的源程序