足球機(jī)器人色標(biāo)的設(shè)計(jì)與補(bǔ)償閾值研究

0研究的背景與問題的提出隨著信息社會(huì)和知識經(jīng)濟(jì)時(shí)代的到來，人類對人工智能技術(shù)的研究提出了更緊迫的要求。然而，長期以來，理論與實(shí)踐的分離一直是人工智能研究的普遍現(xiàn)象。沒有出于現(xiàn)實(shí)的問題和現(xiàn)有的應(yīng)用負(fù)載，這是這方面研究的主要困難。誕生的巴西機(jī)器人為這些困難的解決提供了非常有利的條件。由于成本高，“五個(gè)元素”的完整“同時(shí)”不受公司條件的限制，許多實(shí)際問題密切相關(guān)。這是人工智能研究的理想實(shí)驗(yàn)載體。人工智能的具體技術(shù)包括機(jī)器人技術(shù)、計(jì)算機(jī)視覺、模式識別、博弈技術(shù)、智能決策支持技術(shù)和多智能體技術(shù)，這為人工智能的研究和應(yīng)用提供了一個(gè)完美的平臺。自1992年開展這項(xiàng)研究以來，已引起世界各國科學(xué)家的廣泛參與和關(guān)注。目前的機(jī)器人足球賽有好幾種類型,本文所研究的足球機(jī)器人系統(tǒng)全視圖如圖1所示.它由3個(gè)體積不超過7.5cm×7.5cm×7.5cm的機(jī)器人(小車)組成一個(gè)球隊(duì),在150cm×130cm(或由5個(gè)體積不超過7.5cm×7.5cm×7.5cm的機(jī)器人(小車)組成一個(gè)球隊(duì),在220cm×180cm)的球場上自由運(yùn)動(dòng),將‘足球’(高爾夫球)撞入對方球門者取勝.球場上空(2m)懸掛的攝像機(jī)將比賽情況傳入計(jì)算機(jī)內(nèi),由預(yù)裝的軟件做出恰當(dāng)?shù)臎Q策與對策,通過無線通訊方式將指令傳送給機(jī)器人,機(jī)器人協(xié)同作戰(zhàn),雙方對抗,形成一場激烈的足球比賽.比賽過程中,雙方的教練員與系統(tǒng)開發(fā)人員不得干預(yù),和大家熟悉的足球比賽一樣,它具有一套類似的規(guī)則,如判罰點(diǎn)球、任意球等.由于足球機(jī)器人是由計(jì)算機(jī)視覺閉環(huán)的反饋控制系統(tǒng),系統(tǒng)的所有輸入信息就是視覺系統(tǒng)的辨識結(jié)果,因此,視覺系統(tǒng)的好壞是決定整個(gè)系統(tǒng)性能的關(guān)鍵.足球機(jī)器人視覺系統(tǒng)是通過辨識機(jī)器人頂部的色標(biāo)來確定其位置、朝向和車號的.根據(jù)系統(tǒng)的要求,視覺子系統(tǒng)的處理速度必須達(dá)到50～60次/s,對于該子系統(tǒng)的設(shè)計(jì)必須滿足實(shí)時(shí)性的要求.色標(biāo)的設(shè)計(jì)問題一直是足球機(jī)器人視覺系統(tǒng)所遇到的一個(gè)難題,好的色標(biāo)設(shè)計(jì)不僅能提高辨識精度,還能改善系統(tǒng)的實(shí)時(shí)性和抗干擾性,而不好的設(shè)計(jì)則會(huì)帶來相反的效果.目前在足球機(jī)器人比賽(FIRAMirosot)中,主要有如圖2所示的幾種色標(biāo)設(shè)計(jì).色標(biāo)中淺色為隊(duì)標(biāo),一般為黃色和藍(lán)色,深色為隊(duì)員標(biāo)志,可以選擇隊(duì)標(biāo)和球以外的任何顏色.由于色標(biāo)顏色已知,飽和度高,一般通過顏色分割不難找到.圖2(a)的辨識是靠分別辨識隊(duì)標(biāo)和隊(duì)員標(biāo)志的中心,通過兩個(gè)重心來獲得機(jī)器人的質(zhì)心和角度,并且通過隊(duì)員標(biāo)志的特征顏色來確定車號.圖2(b)的辨識是直接通過辨識隊(duì)標(biāo)的中心及形狀來確定機(jī)器人的質(zhì)心和角度,由于該設(shè)計(jì)中沒有隊(duì)員標(biāo)志,故3個(gè)隊(duì)標(biāo)的形狀各不相同,以區(qū)分車號.圖2(c)的辨識是通過辨識隊(duì)標(biāo)的中心和角度來確定機(jī)器人的質(zhì)心和角度,通過辨識隊(duì)員標(biāo)志來確定正方向和車號.1視覺誤差的原因色標(biāo)的設(shè)計(jì)會(huì)直接影響辨識的精度、系統(tǒng)的實(shí)時(shí)性以及抗干擾性.圖2(a)中,小車的質(zhì)心位于兩個(gè)色標(biāo)中心連線的中點(diǎn),小車的運(yùn)動(dòng)方向是由隊(duì)標(biāo)指向隊(duì)員標(biāo)志的射線逆時(shí)針旋轉(zhuǎn)45°所指的方向,如圖3(a)所示.辨識的時(shí)候,只需要分別辨識兩個(gè)色標(biāo)塊的中心,辨識算法比較簡單,系統(tǒng)實(shí)時(shí)性較高.不同的顏色受環(huán)境的影響不同,色塊向周圍擴(kuò)散的程度不同.由于顏色之間的相互干擾,使得色標(biāo)本身包含的顏色信息過于豐富,尤其是兩個(gè)色標(biāo)塊交界的區(qū)域,混色現(xiàn)象嚴(yán)重,這一方面帶來很多干擾,增加了色標(biāo)挑選的難度,另一方面導(dǎo)致色塊重心不穩(wěn),位置和角度偏差過大.另外,由于辨識的結(jié)果依賴于兩個(gè)色塊,當(dāng)其中一個(gè)由于環(huán)境的影響或噪聲的干擾而丟失時(shí),系統(tǒng)將無法給出準(zhǔn)確結(jié)果.兩個(gè)色標(biāo)是一種對稱分布,當(dāng)兩個(gè)機(jī)器人小車緊挨在一起的時(shí)候容易出現(xiàn)粘連現(xiàn)象.在5對5的比賽中,由于比賽雙方所要選取的色標(biāo)較多,難免會(huì)出現(xiàn)相同或相近(由于環(huán)境的影響或者分色方法的限制,在視覺系統(tǒng)中已經(jīng)難以區(qū)分)的色標(biāo).這時(shí)一方視覺系統(tǒng)就會(huì)受到另一方的干擾,而增加辨識時(shí)間,甚至造成錯(cuò)誤的辨識結(jié)果.圖2(b)中,小車的質(zhì)心位于隊(duì)標(biāo)的中心,小車的朝向可以通過辨識隊(duì)標(biāo)形狀的正方向來確定,如圖3(b)所示.這種設(shè)計(jì)的特點(diǎn)是只通過一種顏色來獲取辨識結(jié)果.由于環(huán)境在同一區(qū)域?qū)ν活伾挠绊懯窍嗤?因此帶來的干擾是均勻的,而由于通道造成的干擾也是均勻分布的,所以色塊的中心是穩(wěn)定的.由于比賽規(guī)則規(guī)定,對方不允許選用我方隊(duì)標(biāo)的顏色作為隊(duì)標(biāo)或者是隊(duì)員標(biāo)志的顏色,所以不存在對方的干擾問題.然而,由于環(huán)境的影響和通道噪聲的干擾,會(huì)造成色塊邊界的模糊及擴(kuò)散,從而影響對色塊形狀特征的提取.按照比賽規(guī)則的規(guī)定,色標(biāo)必須限制在7.5×7.5cm2的正方形內(nèi).在系統(tǒng)的設(shè)計(jì)過程中,為了盡可能地提高系統(tǒng)的實(shí)時(shí)性,一般都采用場采集的方式,也就是將一幅640×480分辨率的圖象分成兩場,而所處理的圖象只有320×240分辨率,且色塊還必須具有表征方向信息的特殊形狀,這樣一個(gè)色標(biāo)所包含的像素極其有限(3對3時(shí)不超過40個(gè)像素,5對5時(shí)不超過30個(gè)像素),所以色塊之間的形狀差異并不是很大,從而對角度的辨識算法提出了很高的要求,比較難以實(shí)現(xiàn).當(dāng)兩個(gè)我方的小車碰撞到一起的時(shí)候,由于色標(biāo)塊不能設(shè)計(jì)得太小,因此在邊界相接的地方,色塊的模糊和擴(kuò)散,必然導(dǎo)致兩個(gè)色塊的粘連.雖然可以通過開啟算法將它們分開,然而這種算法所需要的運(yùn)算量卻很大,必然影響系統(tǒng)的實(shí)時(shí)性.圖2(c)中,小車的質(zhì)心位于隊(duì)標(biāo)的中心.由于隊(duì)標(biāo)的設(shè)計(jì)具有明顯的方向性,通過下文給出的辨識算法可以得到隊(duì)標(biāo)所指向的一條矢量線,然后通過隊(duì)員標(biāo)志來輔助決定小車的正方向以及車號(如圖4所示).由于這種設(shè)計(jì)也是完全由單一色標(biāo)來獲取辨識結(jié)果的,所以它具有圖2(b)色標(biāo)設(shè)計(jì)的全部優(yōu)點(diǎn).另外,它采用隊(duì)員標(biāo)志來輔助決定正方向和車號,而不需要通過形狀來決定,從而也避免了圖2(b)色標(biāo)設(shè)計(jì)中復(fù)雜的形狀辨識,由于隊(duì)員標(biāo)志不決定辨識結(jié)果的具體數(shù)值,因此對于它的分割結(jié)果沒有太高的要求,它的面積不需要太大,只要能辨識出來即可,這樣隊(duì)標(biāo)就可以盡量地大,以保證良好的分割結(jié)果.在匹配的問題上,由于這種設(shè)計(jì)是先由隊(duì)標(biāo)確定中心點(diǎn),然后從中心點(diǎn)出發(fā),沿著方向線法線的方向在一定范圍內(nèi)搜索隊(duì)員標(biāo)志,因而不會(huì)出現(xiàn)匹配錯(cuò)誤的現(xiàn)象,同時(shí)也會(huì)極大地減少粘連現(xiàn)象.只有出現(xiàn)類似如圖5所示的情況時(shí)才會(huì)出現(xiàn)粘連.然而當(dāng)粘連情況發(fā)生時(shí),所獲取的中心通常位于色標(biāo)之外,也就是該點(diǎn)的顏色信息不符合隊(duì)標(biāo)的特征顏色.另外所統(tǒng)計(jì)出來的點(diǎn)數(shù)也會(huì)大大超過一個(gè)色塊的閾值,所以可以很容易地發(fā)覺粘連的發(fā)生,通過圖5所示的方法,從中心點(diǎn)出發(fā),沿著所辨識到的方向矢量線的法線方向做一條直線就可以解決大部分的粘連問題.雖然圖5所示的情況只是一種特例,但是即使在更為普遍的情況下,例如兩個(gè)機(jī)器人之間略有錯(cuò)位時(shí),利用這種方法也可以近似地將它們分開,且不會(huì)造成太大的誤差.2補(bǔ)償鄰近的算法從光學(xué)的角度來講,物體表面的散射光向各個(gè)方向均勻輻射,因?yàn)樯珮?biāo)的對稱性,光源和環(huán)境對色標(biāo)的辨識結(jié)果的影響可以認(rèn)為是均勻的,即在統(tǒng)計(jì)意義下是零均值的,所以色標(biāo)中心的求取可以通過統(tǒng)計(jì)的辦法來直接獲得,設(shè)(x0,y0)為中心點(diǎn)坐標(biāo),則(x0,y0)可由下式求得(分區(qū)方法如圖6)x0=∑xA1+∑xA2+∑xA3+∑xA4+∑xA5+∑xA6nA1+nA2+nA3+nA4+nA5+nA6y0=∑yA1+∑yA2+∑yA3+∑yA4+∑yA5+∑yA6nA1+nA2+nA3+nA4+nA5+nA6x0=∑xA1+∑xA2+∑xA3+∑xA4+∑xA5+∑xA6nA1+nA2+nA3+nA4+nA5+nA6y0=∑yA1+∑yA2+∑yA3+∑yA4+∑yA5+∑yA6nA1+nA2+nA3+nA4+nA5+nA6其中,∑xAi和∑yAi代表區(qū)域Ai(i=1,2,…,6)的符合隊(duì)標(biāo)特征顏色的點(diǎn)的x坐標(biāo)及y坐標(biāo)的和,nAi代表區(qū)域Ai符合隊(duì)標(biāo)特征顏色的點(diǎn)的數(shù)量.對于角度的求取,可以采用多種算法,例如最小二乘直線擬合法、求最短線段法等.這些方法都存在受噪聲影響較大的問題,由于色塊的發(fā)散和通道噪聲的干擾,使得辨識到的色塊不穩(wěn)定(如圖7所示),從而使計(jì)算結(jié)果來回震蕩,而這種結(jié)果對決策來說是極為不利的.還有一些算法雖然可以精確地得出結(jié)果,但是滿足不了系統(tǒng)實(shí)時(shí)性的要求.為此經(jīng)過仔細(xì)研究隊(duì)標(biāo)的特點(diǎn),利用中心穩(wěn)定的特點(diǎn),提出了一種補(bǔ)償逼近的算法.算法的基本思想是:利用隊(duì)標(biāo)的中心對稱特點(diǎn),從中心點(diǎn)出發(fā),沿x軸或y軸將隊(duì)標(biāo)分成兩個(gè)對稱的部分,分別求取兩個(gè)部分的中心,則兩個(gè)中心點(diǎn)的連線所指的方向即為對標(biāo)所指角度的近似值?θθ?.以x軸分割為例,圖6中的兩個(gè)中心點(diǎn)分別由A1,A3,A4和A2,A5,A6求得.而實(shí)際的角度應(yīng)該由A1,A3,A5和A2,A4,A6所確定的中心求得,所以求得的近似值存在較大誤差.而利用當(dāng)前所獲得的近似角度的法線分割出區(qū)域A3′,A4′,A5′,A6′,然后再利用A1,A3′,A5′和A2,A4′,A6′重新計(jì)算出一個(gè)角度?θ′θ?′,那么通過補(bǔ)償算法所獲得的?θ′θ?′是比?θθ?更為接近準(zhǔn)確值的近似值.這樣通過多次補(bǔ)償運(yùn)算就可獲得精確的角度值.實(shí)際應(yīng)用中,考慮到實(shí)時(shí)性的問題,補(bǔ)償次數(shù)可以取1到2次.這時(shí)在色標(biāo)辨識結(jié)果飽滿的情況下,算得的角度偏差最大不超過1°.具體計(jì)算如下:xu=∑xA1+∑xA3+∑xA4nA1+nA3+nA4(1)yu=∑yA1+∑yA3+∑yA4nA1+nA3+nA4(2)xd=∑xA2+∑xA5+∑xA6nA2+nA5+nA6(3)yd=∑yA2+∑yA5+∑yA6nA2+nA5+nA6(4)xu=∑xA1+∑xA3+∑xA4nA1+nA3+nA4(1)yu=∑yA1+∑yA3+∑yA4nA1+nA3+nA4(2)xd=∑xA2+∑xA5+∑xA6nA2+nA5+nA6(3)yd=∑yA2+∑yA5+∑yA6nA2+nA5+nA6(4)式中,(xu,yu)和(xd,yd)分別為x軸上半部分和下半部分的中心坐標(biāo),則?θθ?為?θ=arctan(yd-yuxd-xu)(5)θ?=arctan(yd?yuxd?xu)(5)于是有∑xA4′={∑xi||yi-y0xi-x0|<|tan(?θ)|xi<x0,yi<y0}(6)∑yA4′={∑yi||yi-y0xi-x0|<|tan(?θ)|xi<x0,yi<y0}(7)∑xA5′={∑xi||yi-y0xi-x0|<|tan(?θ)|xi>x0,yi>y0}(8)∑yA5′={∑yi||yi-y0xi-x0|<|tan(?θ)|xi>x0,yi>y0}(9)∑xA4′=?????∑xi∣∣∣∣∣∣yi?y0xi?x0∣∣<|tan(θ?)|xi<x0,yi<y0?????(6)∑yA4′=?????∑yi∣∣∣∣∣∣yi?y0xi?x0∣∣<|tan(θ?)|xi<x0,yi<y0?????(7)∑xA5′=?????∑xi∣∣∣∣∣∣yi?y0xi?x0∣∣<|tan(θ?)|xi>x0,yi>y0?????(8)∑yA5′=?????∑yi∣∣∣∣∣∣yi?y0xi?x0∣∣<|tan(θ?)|xi>x0,yi>y0?????(9)可得補(bǔ)償后的上、下兩個(gè)中心點(diǎn)坐標(biāo)的求取公式為x′u=∑xA1+∑xA3+∑xA4+∑xA5′-∑xA4′nA2+nA5+nA6+nA5′-nA4′(10)y′u=∑yA1+∑yA3+∑yA4+∑yA5′-∑yA4′nA2+nA5+nA6+nA5′-nA4′(11)x′d=∑xA2+∑xA5+∑xA6+∑xA4′-∑xA5′nA2+nA5+nA6+nA4′-nA5′(12)y′d=∑yA2+∑yA5+∑yA6+∑yA4′-∑yA5′nA2+nA5+nA6+nA4′-nA5′(13)則?θ′可由下式求得?θ′=arctan(y′d-y′ux′d-x′u)(14)若要獲得更精確的結(jié)果,可令?θ=?θ′,代入式(6)到式(9),得到更接近于精確角度的?θ′.在足球機(jī)器人系統(tǒng)中,考慮到系統(tǒng)實(shí)時(shí)性的需要,一般只進(jìn)行一次補(bǔ)償,其誤差就已小于1°,完全能滿足辨識精度的要求.最小二乘直線擬合算法(LSLF)、不補(bǔ)償以及補(bǔ)償之后的辨識結(jié)果比較如圖8所示.橫坐標(biāo)為實(shí)驗(yàn)次數(shù),縱坐標(biāo)為角度值.目前該算法已經(jīng)應(yīng)用于NewNeu3.0足球機(jī)器人視覺子系統(tǒng)中,在配置為PⅢ933,256M內(nèi)存的微機(jī)上測試,視覺系統(tǒng)辨識周期為11ms(3對3)和13ms(5對5),完全能夠達(dá)到50次/s(PAL制