基于颜色相似度量的足球机器人目标识别

以足球机器人视觉系统为研究对象,采用一套基于颜色信息的目标识别方法.在足球机器人视觉系统中,我们采用颜色相似系数来确定各主色的颜色值,以此作为图像分割和图像识别的依据.采用全局网格搜索方法实现目标体的识别过程.实验证明,该算法具有良好的准确性和实时性.     

基于序列图像相关性的足球机器人目标搜索

在分析足球机器人视觉特点的基础上,提出了一种基于连续图像之间相关性的快速目标搜索方法。     

一种足球机器人中指定颜色属性物体的识别方法

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。     

基于动态色彩补偿的足球机器人目标识别方法

在足球机器人视觉系统中,颜色特征由于其信息量大,具有几何不变性并广泛应用于目标识别,难点在于识别的鲁棒性和实时性的保证。针对半自主微型足球机器人比赛中,由于场上光强随时间变化引起的彩色空间漂移现象,提出一种基于动态彩色补偿的目标识别算法。首先利用场上机器人小车的历史运动信息,预测目标的位置,并将目标搜索区域限定在一个较小的范围内,从而大大减少了搜索时间,其次在搜索范围内,针对场上光强随时间变化而引发的色彩漂移现象,实时计算照明变化率,并对颜色知识库进行补偿,实现了目标的鲁棒识别。     

多目标实时搜索的足球机器人视觉系统设计--Robocup系列研究之五

针对机器人足球比赛的需要，基于对多目标的实时跟踪搜索，提出一种在精度、稳定性、实用性等方面都符合要求的足球机器人视觉系统设计方案。     

一种改进的类人足球机器人彩色目标识别算法

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。     

基于彩色图像分割的机器人足球目标识别

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。     

基于DSP的足球机器人目标识别

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。     

一种稳健的足球机器人目标识别算法

视觉系统是类人足球机器人获取环境信息的主要途径。在比赛中,受场地光照等比赛环境的影响,用传统的分割识别算法难以达到满意的效果。文中提出一种结合目标颜色和形状信息的识别算法。该算法在HSI空间执行基于颜色信息的快速阀值分割,获取目标像素,并且加入了自适应阀值更新,然后利用目标像素和目标形状信息执行优化边缘检测识别目标,最终获得目标在图像中准确的位置信息。实验证明：该算法能长时间在不同光照条件下稳定获取对象在图像中的位置信息,满足实时性的要求。     

基于最优搜索的足球机器人射门算法

机器人足球比赛中,小球的运动状态因受到碰撞和摩擦变化剧烈,所以大多数情况下不存在全局意义上的最佳射门路径,或者规划的路径机器人在给定的时间内根本无法完成。基于目标函数的足球机器人射门算法,通过在机器人运动能力范围内的最优搜索,能够找出当前状态下机器人按要求逼近球的最佳路径。该算法能够适应各种速度状态,明显提高机器人射门命中率,并迅速对小球状态突变做出响应。在比赛中,常常需要根据场上态势对机器人进行控制算法切换,但由于不同控制算法速度输出的跳跃性,机器人会出现相对球位置的抖动。针对以距离作为切换条件的情况下,不同控制算法切换时产生的“抖动”现象,分析了现象产生的原因,并通过S-曲线加权算法,有效避免了“抖动”的产生,实现了不同控制算法在切换边界的平滑过渡。     

基于DSP的足球机器人设计

通过对目前国内常用足球机器人性能的分析，以提高机器人足球平台硬件系统性能为目标，设计了一种基于DSP为控制核心，并结合Fuzzy-PID控制算法的足球机器人。实验证明，由于DSP存在运算速度快、接口丰富、功耗低等优点，因此对足球机器人的运动性能、控制精度、实时性都有了极大的改善。     

基于改进势场法的足球机器人路径规划系统

人工势场法是机器人路径规划中应用较多的一种方法,但方法在障碍物较多时由于势场合力不容易控制而常常出现避障失败现象.足球机器人比赛系统场上障碍物情况复杂,尤其是在边界附近和禁区附近,传统势场法较难胜任.根据足球机器人比赛平台特点和赛场上较常出现的情况,重点对边界附近和禁区附近的机器人路径规划进行分析研究,根据比赛平台的特点将周围环境的物理特点转化成特定的数学表达式,糅合到传统势场函数公式中进行改进处理,从而构造出能够适应足球场地环境的人工势场路径规划系统.仿真实验结果证明该方法是有效的.     

基于动作视觉协调的足球机器人视觉跟踪方法

文章提出了一种基于动作视觉协调的足球机器人视觉跟踪方法,它跟踪准确,对光照环境的适应性强。实验表明,该方法简单有效。该方法已应用于某校研制的Mirosot机器人足球比赛系统,并且参加比赛取得了优良成绩。     

基于改进型遗传算法的足球机器人路径研究

目前针对足球机器人路径规划,主要采用栅格法和链接图法,但栅格法无法达到精确的规划路径,而连接图法主要针对具有复杂多边形的障碍物,这两种方法不能满足足球机器人实时性的要求.为此采用简化编码方式和格雷码,建立了以路径最短、避障为优化目标的遗传算法适应度函数,采用轮盘赌选择,单点交叉,基本位变异等方法,完成了遗传操作.仿真结果表明:在建立的约束关系下,改进型遗传算法在路径最短方面比人工势场法有所改进,表现出较好的优化效果.     

基于人工神经网络的足球机器人分层学习研究

主要研究人工神经网络在机器人足球比赛中的应用。介绍了足球机器人使用BP网络学习基本动作和行为决策的分层学习模型,并讨论了对BP算法的诸多改进方法。结合BP网络和产生式系统,提出了一个混合动作选择器,并进行了实验,给出了实验结果。     

自主式足球机器人控制系统设计研究

足球机器人为智能机器人学科的发展提供一个具有挑战性的课题,本文介绍了一种基于DSP的足球机器人控制系统的实现方案,并对足球机器人系统的整体体系结构、硬件系统和软件系统进行了介绍。实验证明,该足球机器人运行稳定性,设计合理。     

基于颜色特征的图像分割方法及其在足球机器人中的应用

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。     

类人足球机器人场上目标识别算法

在比赛过程中类人足球机器人的视觉系统需要对足球、球门以及对阵双方机器人进行识别. 考虑到算法的快速性及有效性,采用基于颜色信息的算法对球及球门进行识别,通过球及球门的颜色阈值提取图片中球与球门可能的位置,再由球与球门的背景色或面积信息确定球与球门的正确位置. 对双方机器人的识别,首先提取机器人的特征,然后通过在线实时的监督学习方法训练一组级联分类器,通过训练好的分类器对双方机器人进行检测. 实验表明算法能够快速有效地识别场上目标,且算法具有较好的鲁棒性.     

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。