共查询到15条相似文献,搜索用时 109 毫秒
1.
目标识别是足球机器人视觉子系统的关键,论文对M i r o S o t中型组足球机器人视觉子系统的预处理和目标识别提出了改进的算法。基于D S P提出了改进的提取目标物体几何特征进行模式匹配的方法,实现了对复杂环境中目标物体的识别,并通过Code Composer Studio(CCS)进行了仿真测试,有较高的识别率。 相似文献
2.
本文基于YUV颜色空间,采用Minkowski距离对颜色进行分类;利用改进的差分法,对图像中的目标进行检测和识别,提出了一种识别机器人足球比赛中目标的快速算法,提高了系统的实时性,减少了程序的运算量。 相似文献
3.
基于彩色图像分割的机器人足球目标识别 总被引:3,自引:3,他引:3
研究了机器人足球视觉系统中基于彩色图像分割的目标识别的方法。为了适应光照条件的变化,采用分离出亮度信息的YUV颜色空间;将彩色图像分割分为离线的颜色分类和实时的分割、识别两个部分,并采用最大似然法完成颜色的自动分类,满足了机器人足球视觉系统实时、准确的要求。试验证明,在光照条件改变的情况下能够有效地进行目标识别。 相似文献
4.
5.
针对实际比赛中足球机器人视觉系统不能快速、准确地搜索到目标物体的问题,分析了RGB空间模型的优缺点以及基于彩色HSI变换原理,结合足球机器人的实际情况采用了一种从RGB空间到HIS空间快速变换的方法对颜色信息进行处理.同时,通过分析以往的目标搜索方法的优缺点,提出了一种基于颜色索引表的顺序网格法和种子填充法相结合的目标搜索方法,并在足球机器人视觉系统中进行了实验.实验结果表明这种方法既在一定的程度上降低了噪声干扰的影响,又避免了逐个像素计算颜色值,大大降低了计算量,从而提高了系统的实时性和可靠性. 相似文献
6.
动态光照条件下足球机器人视觉目标的识别 总被引:1,自引:0,他引:1
赛场光照条件的波动会对足球机器人视觉目标识别产生较大的影响.为了使目标识别算法在变化的光照条件下保持较高的识别稳定性,本文根据实时采集的图像提供的信息,通过构造随光照条件动态变化的动态背景阈值、亮度阈值,并对有效色彩信息进行动态的饱和度调整,有效地降低了光照条件对图像识别的干扰.实验结果表明:该算法在动态变化的光照条件下,仍然能够保持较高的识别准确性. 相似文献
7.
基于全向视觉和前向视觉的足球机器人目标识别 总被引:2,自引:0,他引:2
为了快速正确地进行机器人的目标识别,首先介绍了RoboCup中型组足球机器人NuBot使用的全向视觉系统及其目标识别方法;然后通过引入一套简单的前向视觉系统来弥补全向视觉的不足,以提高机器人对其前方目标球的感知识别精度,同时给出了一种简单有效的前向视觉系统标定方法;最后介绍两套视觉系统共同工作的实现机制,以提高机器人的目标识别处理速度。实验结果表明,两套视觉系统能够很好地共同完成机器人的目标识别。 相似文献
8.
9.
一种改进的类人足球机器人彩色目标识别算法 总被引:1,自引:0,他引:1
针对类人足球机器人视觉需求,提出一种结合区域生长和基于形状判别的阈值自适应更新的彩色目标识别算法。该算法在HSI空间基于S分量把图像分为高饱和区域和低饱和区域,在高饱和区域基于H分量采用区域生长算法识别目标;通过目标形状判别自适应更新阈值,并用新阈值更新区域生长中原来的阈值,以稳定准确地识别彩色目标。在类人足球机器人系统中的成功应用表明,该算法能在不同光照条件下稳定地识别出彩色目标,对光照环境有良好的适应性和鲁棒性,具有良好的识别效果。 相似文献
10.
一种足球机器人中指定颜色属性物体的识别方法 总被引:3,自引:0,他引:3
为解决足球机器人中已知颜色属性的物体的识别问题,本文提出了一种基于HSV模型,应用H、V参数特征值来识别指定颜色属性物体的方法,在HSV模型中,参数H能较集中的反映被识别物体的颜色种类特性,但当RGB值较小时,色调趋向于不确定,可以通过引入参数V改进这点不足,从而有效的实现颜色物体的识别。 相似文献
11.
基于模糊算法的足球机器人目标跟踪控制 总被引:1,自引:1,他引:0
为实现在Robocup中型组足球机器人比赛中能够实时准确的跟踪移动的足球,提出了一种基于全景视觉的目标跟踪模糊控制方法,采用双输入双输出控制结构,并以DM-B221型Robocup中型组足球机器人为例,建立机器人运动模型进行仿真比较,分析了目标跟踪的实时性准确性.结果表明,足球机器人在2×7规则下由于控制规则过于粗糙,不能满足实时性且质心运动曲线比较陡,但在4×7规则下能够在0.15s内平滑到达目标点,满足控制实时性和准确性要求.实验表明控制规则的鲁棒性是系统能够满足控制要求的主要因素. 相似文献
12.
足球机器人彩色视觉图像的分割与识别 总被引:10,自引:1,他引:10
足球机器入世界杯(RoboCup)比赛要求视觉处理子系统能够准确地定位出场上机器人和球(共11个目标)的位置。受场地光照等比赛环境的影响,需要识别的各种色彩空间并非是规则且互不相交的矩形区域。因此用传统的阚值分割方法很难得到满意的结果。论文采用了一种结合阚值分割与种子点区域生长(SRG)的混合方法,这种方法先用阚值法将HSI色彩空间分成若干各不相交的子集,在每个子集中分别确定若干种子点,然后从这些种子点进行区域生长,在进行区域生长时,定义了一种适合HSI色彩空间的同类判据(homogeneity criterion),引入两个像素的联合抗噪因子P来衡量H的可信度。实验表明,采用的这种方法可以明显地提高区域分割的精度,实现彩色图像的准确分割,很好地满足了比赛的需要。 相似文献
13.
提出一种新的适用于跟踪移动机器人的视觉系统的彩色图像分割技术,这种方法采用符合人类视觉特性的HIS颜色空间表示图像的颜色特性,利用人对颜色的感知来对颜色分量进行非等问隔的量化并形成特征矢量,根据HIS颜色空间三个基本分量合成的一维特征矢量直方图进行分割,并克服HIS颜色空间存在不可避免的奇点对图像分割的影响。另外采用一种基于背景图像的非均匀光照修正算法,应用在足球机器人中。实验结果表明该方法不仅使目标定位扣方向角更精确,而且提高动态环境下的鲁棒性。 相似文献
14.