基于全向视觉的足球机器人定位的研究.doc

长沙理工大学硕士学位论文基于全向视觉的足球机器人定位的研究姓名：门琳娜申请学位级别：硕士专业：控制理论与控制工程指导教师：邓本再20100401，：、，（），：；：；长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。州赫嘲嗍冲年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于、保密口，在年解密后适用本授权书。、不保密团。（请在以上相应方框内打“）作者签名：导师签名：龄唧懒再日期：年日期函辟日日，夕月月厂论文研究背景及意义第一章绪论弟一早珀匕（）机器人世界杯足球赛是近几年比较热门的高科技对抗活动。加拿大大不列颠哥伦比亚大学教授在年首次提出训练机器人进行足球比赛，目的是通过机器人足球比赛这个动态的平台，为人工智能和机器人控制学科的发展提供一个挑战性的课题，所以这个想法得到了世界各国科学家的积极赞同和广泛支持，国际上许多著名的研究机构和组织都对此项目进行了深入的研究，将其付诸实践并不断推动其发展。足球机器人是目前研究机器人技术及多智能体技术的重要平台，是人工智能领域最具挑战性的课题之一。每年国际上都有各种类型的足球机器人比赛，比较有影响的主要有国际机器人联合会（）和国际人工智能协会组织的。足球机器人是一项集高科技和娱乐性于一体的竞技项目，涉及机器入学、机电一体化、通信与计算机技术、图像处理、传感器数据融合、决策与对策、模糊神经网络、人工生命与智能控制等学科的内容，是最受关注的一类娱乐机器人。足球机器人比赛不仅需要人工智能中的分布式问题求解技术，还需要模糊控制、共享控制、仿真技术以及其他学科如无线通讯。只有将所需技术有机地融合为一体，才能构建一支完整的机器人球队并获得胜利，对足球机器人的研究对未来机器人的发展有重大意义。中型组机器人足球赛（）是机器人足球世界杯的主要项目之一。比赛要求机器人能够完全自主的感知周围环境、进行决策分析和运动控制，并进行相互之间的通讯等，不允许任何形式的场外干预。而视觉系统就成为了整个机器人足球比赛中重要组成部分，它能从二维投影中恢复有用的场景信息，并将图像信息作为输入，据此建立现实环境的模型，进而产生控制输出。通过视觉系统能够确定本方机器人、对方机器人以及识别出球的具体位置和信息，为决策系统提供信息，以便进行下一步的运动控制。机器人要在某一环境中自主运动，首先要确定自身及周围物体在环境中的位置情况。所以定位技术对机器人的实际应用是非常关键的，是实现运动和其他任务的基础环节，且具有很强的工程背景，涉及较多的工程应用领域，是一个具有重要研究价值的课题。足球机器人定位技术自主移动机器人定位和导航是密切关联的两个问题，机器人定位是为路径规划、避障等服务的，是机器人导航最基本的部分。一般情况下机器人导航可以分为全局导航和局部导航两种方式。全局导航是指机器人实现自定位后，利用整个环境的全局信息进行的导航方式。而用来获取机器人周围局部信息而非进行自定位的导航方式，称为局部导航。一般情况下由于全局导航的智能水平较高，多数机器人采用全局导航的方式，但当机器人不能实现自定位或者自定位不准确时，采取局部导航的方式就非常有必要。自主机器人定位的效果受到诸如目标识别的不准确性、外界环境的复杂性、障碍物检测的不确定性、计算机资源的有限行等的影响，因而是一种相对复杂且难度很大的技术。定位是确定移动机器人在二维工作环境中相对于全局坐标的位置及其本身的姿态，是移动机器人导航的最基本环节。机器人的定位方式取决于所采用的传感器。移动机器人常用的定位传感器有里程计、摄像机、激光雷达、超声波、陀螺仪、指南针、速度或加速度计、触觉或视觉传感器等。与此相对应，机器人定位技术可分为相对定位技术和绝对定位技术两类乜。相对定位是通过测量机器人相对于初始位置的距离和方向来确定机器人的当前位置，常用的传感器包括陀螺仪、光电编码器、里程计、加速度计等，通过累积测量结果来推算当前机器人位置，并确定相对于初始状态的位姿的定位方法。该方法的优点是能够提供相对的位姿信息，而它的缺点就是误差会随时间累积，且会随着活动距离的增大而增大。所以此方法只适合于范围相对较小且距离短的定位。而进行大范围的定位时则需要借助于其他传感器对此误差进行纠正。绝对定位主要采用导航信标、主动或被动标识、地图匹配或卫星导航技术进行定位，定位精度高。常用的绝对定位方法包括视觉定位、激光扫描定位、电磁定位、全球卫星定位等。）视觉定位：该方法是近年发展起来的一种定位方法。其原理是通过视觉传感器获取周围景物的图像，通过各种图像处理手段提取出周围环境特征，从而建立环境模型来实现定位啼。这种定位方法的优点是成本低、但是获取信息量大且灵敏度高，缺点是计算量大且对周围环境光线的要求较高。随着图像处理方法的不断改进和计算机硬件设备性能的不断提升，视觉定位的整体性能将会得到极大的提高，视觉定位也将会成为自主机器人定位技术发展的一个重要趋势。）激光扫描定位：其原理是利用旋转镜面机构对外发射激光束，通过检测物体反射回来的激光束情况来获得周围环境信息。这种定位方法定位周期短，抗干扰性好、精度高且无累积误差，但设备造价昂贵、成本较高。）电磁定位：该方法是首先让低频电流流过埋设在路径下的电缆，通过机器人上的线圈检测电缆周围产生的磁场，进而通过控制该信息的方向来实现对规定路径的导航控制。电磁定位嘲的优点是原理简单，便于实现控制和通信，缺点是不灵活且维护困难。）全球定位系统：主要借助于全球卫星定位系统（）鸭，是近来由通信技术发展起来的一项革命性技术，其原理是利用接收机对导航卫星发射的信号进行分析来实现目标定位。由于易受天气等外部因素的影响，定位的精确性和稳定性受到很大制约。）地图模型匹配阴是一种机器人利用其自身的传感器创建一个自己的局部环境的技术，然后把局部地图和保存在内存中的全局地图进行比较，计算出自己在环境中的真实位置和方位。该技术对构造的传感地图的精度有严格的要求并要有足够多的静态的、易识别的特征用于匹配当前只限于实验室或相对简单的环境。诸多研究表明，基于视觉的定位方法的优势明显，信号探测范围宽且获取信息相对较为完整，是未来自主移动机器人定位的重要发展趋势。自主移动机器人视觉定位方法的发展总体上可概括为如下三个方面：研究对象从封闭式个体到分布式信息共享群体；适用环境从简单静态到复杂动态；研究方法从简单的几何推理到复杂的概率计算。这种发展取决于定位技术在具体实现过程中是否有效，而这也和各种相关因素对机器人的影响大小有关。以美国的卡内基梅隆大学的机器人研究发展为例：其最开始采用的方法基于机器人与周围环境关系的几何方法，然后为了适应更加复杂的环境条件，就采用概率统计模型来建立机器人观测模型，最后在此基础上实现了分布式机器人的协作定位。中型组足球机器人系统组成中型组足球机器人属于全自主机器人，场上的角色分为守门员、前锋、后卫等，各个机器人遵照比赛规则进行各项活动。每个机器人都具有自主决策能力。完整的中型组机器人系统一般由运动控制系统、传感器系统、通讯系统和决策控制系统组成。图显示了机器人系统构成。整个系统的运行过程如下：传感器系统采集比赛场上的信息，经过处理后将位置信息传递到决策系统；决策系统根据来自传感器系统的信息和其他机器人相互通信获得的信息分析场上的形式，根据分析的结果确定各自相应的行为，并据此对运动的路径进行下一步的规划，找到到达目标位置和实现姿态控制的最佳路径，形成下一步运动的参数，传给运动控制系统；运动控制系统最终把机器人的运动参数分解到各个车轮上，采用控制保证每个轮子实现相应的运动，最终控制机器人按指定的路径和速度来运动。系统的各部分功能如下：图中型组机器人系统（）传感器系统：传感器子系统一般采用视觉、超声、里程计等传感器。视觉传感器系统由摄像机、图像采集设备和图像处理软件组成，主要功能是采集图像并进行处理。其他传感器则完成目标的测距、测角等功能。（）决策控制系统：决策控制系统是整个系统的控制关键，它的主要任务是实时进行像素判断、策略决策、调动机器人，控制机器人的运动等。（）运动控制系统：中型组足球机器人一般采用轮式结构，由车体、动力驱动部件、无线通讯部件、传感器和控制电路组成。机器人根据决策控制系统发出的控制指令执行相应的动作，完成决策子系统的命令。（）无线通信系统：中型组机器人都配有无线网卡，机器人之间通过无线通讯来进行各种信息交换，实现相互之间的配合。论文研究的主要内容论文的主要研究内容是基于已有的全向视觉系统，对全景图像进行分割和目标识别，在此基础上设计实现机器人的自定位算法。本课题采用的视觉系统是由图像采集硬件和图像处理软件两部分组成，硬件部分包括全向反射镜、固定装置。数字摄像机。软件部分则要实现图像预处理、图像分割、特征提取和机器人定位等功能。论文的研究工作是基于中型组足球机器人的实验平台上进行的，如图所示：本文的主要研究工作如下：（）研究了全向视觉传感器的成像原理及设计方法，并根据中型组机器人足球赛对全向视觉系统的要求，选择合适的全向视觉反射镜。（）研究了全向视觉的图像处理算法，详细介绍了本课题采用的颜色空间及图像的分割和识别方法。（）根据环境先验信息和全向视觉的成像特性，提取场上的特征点信息，实现基于全向视觉信息的机器人自定位方法。结合里程计和码盘信息，研究一种基于卡尔曼滤波的信息融合方法，提高系统的定位精度。图中型组机器人论文章节安排如下：第一章：简要介绍了本文的研究背景及意义，对中型组机器人的组成进行简单描述，最后对论文主要研究内容进行总结。第二章：对全向视觉系统的原理及结构进行研究和详细论述，并设计实现一种适合中型组足球机器人比赛的视觉系统。第三章：研究了图像处理的软件部分，包括颜色模型卒间的转换和选择、图像分割和图像识别等，以达到特征提取的目的，在此基础上提出一种基于特征点的定位方法，并对实验结果加以验证。第四章：详细论述了融合全向视觉信息和码盘信息的卡尔曼滤波定位方法，并进行系统仿真实验，最后对实验结果进行详细分析并提出了改进的方法。第五章：总结了现有系统的不足并对前景进行了展望。第二章全向视觉系统研究与实现视觉是人类感知信息的主要途径，人类约有以上的信息都是通过视觉感知的。视觉信息在足球机器人导航中也扮演极其重要的角色，是视觉导航的关键。利用视觉技术可以提高足球机器人的导航能力，是机器视觉研究【】的重要内容。为了获取更大的视野场景，人们开始研究全景视觉。目前已经提出了很多全向成像方法。全景视觉系统的硬件结构主要包括全向反射镜与摄像机【。其中不同的全向反射镜设计将直接影响到全景成像的效果，因此选择一种合适的镜面形状至关重要，常用的镜面形状包括锥面、球面、抛物面和双曲面等，因其特点不同分别适用于不同的应用场合。本章首先介绍了全景系统成像的基本原理，分析了比赛对视觉系统的各项要求，通过对几种典型镜面的比较，选择一种能够满足比赛要求的全向反射镜面。然后对全向视觉系统采集的图像进行颜色空间的变换、图像分割、特征提取等，为机器人自定位提供准确的定位信息。图是本课题采用的机器人视觉系统构成。反射镜图机器人视觉系统组成全景视觉技术概况全向视觉系统具有度的水平视场角和一定角度的垂直方向角，是其他常规镜头无法相比的。全向图像不仅获取信息量大，还能解决立体匹配中常出现的对应点超出图像边界而消失的问题。全向视觉技术研究发展很快，已经连续年组织全向成像视觉研讨会（），会上交流全向成像系统的成像理论和具体研究成果【。因此全向视觉将成为计算机视觉领域中的一个重要的研究内容【】【】。全向视觉成像方式根据成像原理，获取全向图像的方法大致分为如下三种：旋转成像或多摄像机成像、鱼眼镜头成像和全向反射镜成像。（）旋转成像的原理是用普通摄像机通过其光心的垂直轴旋转，在旋转过程中获取不同角度的多幅图像，通过对这些图像进行拼接或重新采样来获得全向图像。但摄像机光学中心的物理位置具有不确定性，使得旋转轴的位置可能不经过摄像机光心，成像不满足单一视点约束的条件。而且这种成像设备需要精确的旋转运动控制部件，合成全向图像也需要较长时间，不能满足动态场景全向成像的需求。成像方式如图所示。视视场图旋转全向成像方式（）鱼眼镜头具有很短的焦距（），视场角接近度，从而使摄像机能够观察到接近半球面内的物体，获取大视场图像。但这种成像存在较大的图像畸变，且因为其畸变模型不满足透视投影条件，因而不能从获取的图像中映射出无畸变的透视投影图像。且视场角越大的代价是其光学系统越复杂，造价越昂贵。其成像方式如图所示。，皿糊、图鱼眼镜头成像（）反射镜全向成像近几年得到广泛的研究，可以满足其它成像方式不能达到的要求，成像方法如图所示。由反射面和常规摄像机组成的全向成像系统利用反射镜反射光线形成特殊的光路来扩大视场角。它具有视场角大，速度快，结构简单，无运动部件，安装简单等优点，且图像分辨率也可以达到较满意的水平。使用某些特殊设计的反射镜面还可以保持单一视点约束的条件，可以从所获取的图像中映射出无畸变的透视投影图像。：反射镜成像平面摄像机图相机一反射镜模型几种典型镜面介绍全景视觉成像的基本原理是由反射镜面将入射光线反射至摄像机镜头进而成像。目前研制的反射镜全向成像视觉系统，以反射镜面类型可分为：锥形体反射镜全向视觉系统、球面反射镜全向视觉系统、抛物面反射镜全向视觉系统和双曲面镜反射镜全向视觉系统，这些镜面的共同特点是镜面形状简单，能够用数学解析式精确的描述，加工难度相对比较小，适合构建紧凑廉价的全向视觉系统，但通过这些镜面或缺的全向图像存在一定程度的失真，图像中的分辨率会随着视觉系统距离的增加而降低。其成像原理如图所示。芾圆锥面镜球面镜抛物面镜双曲面镜图全景成像原理【】使用锥形体反射镜组成全向成像系统，也有学着使用球形体反射镜组成全向成像系统，但这两种系统的共同缺点是成像平面上会出现晕光效应，而且图像变形较大，出现晕光效应的原因主要是由于从各个方向入射到摄像机透镜系统的光线没有汇聚到一点。如果成像系统满足单一视点约束，则可以解决这一问题。设计了采用抛物面反射镜和正交投影镜头构成了全向视觉系统。使用反射镜全向成像方式满足透视投影成像模型条件，容易进行系统标定、图像分析和处理，实现了对图像或图像序列的定量操作。全景视觉系统成像原理单视点全景视觉系统成像的基本原理在实际的情况中，需要对不同的要求进行不同曲面形状的反射镜面作出合乎实际的设计，单视点是全景视觉系统的一个非常重要的属性，它的特点是能将全景图像转换成标准的投影图像，方便进行图像的分析和处理。在单视点条件下，图像的每一个像素都对应着经过视点的一条入射光线。若已知折反射系统的光路，就可以反推出每个像素对应的入射光线的方向。因此，可以将全景图像的像素点投影到离视点任意距离的某个平面上形成平面投影图像。由此可见，单视点的重要性在于它允许将全景图变换成平面投影图，看起来与普通摄像机得到的图像并无差别，而观察视角更大，从而可以使用一般的处理投影图的方法进行图像的分析和处理。其成像示意图如图所示：单视点铽焦点、，、。、）镜面任一点缮十矗海：，）成像平面国，）图单视点全景成像示意图设镜面上任一点坐标为（，），则其角度关系满足：一口口可以推出：口一，并有一一一又有：三三三，：一，：三，代入得：忙）（妄）鱼坤）。（）（）（）（）其中以及下式中的均为常数，这个方程的通解为：（一匕）手（竿）陋，（一（舟竿。），这两个方程定义了所有满足单视点限制的镜面曲线，选择不同的、值可以得到很多理论上的解。注意到，这里和具有一定的物理意义，必须根据应用的具体要求来选取，表示摄像机焦点和视点的距离，必须是大于零的，同时为了保证系统的紧凑性又不能取得过大。选定了之后，不同的值就不满足，的限制条件时，这些解是退化的，不能用来构成实际的单视点全景视觉系统。常见的单视点全向反射镜包括椭球形镜面、双曲线镜面和抛物线镜面，而锥形镜面和球形镜面是两组退化的解，不是单视点的。全景视觉系统的分辨率全景视觉系统的一个非常重要的属性是成像的分辨率。若己知分辨率的计算方法，可以在设计时选择合适的反射镜和摄像机以保证系统具有足够大的分辨率，也可以采用特殊的全向反射镜或摄像机使得系统具有统一的分辨率。全景视觉系统的分辨率计算比较复杂，与使用的普通摄像机的分辨率以及全向反射镜的形状都有关系，摄像机的不同的投影方式也将直接影响分辨率的计算，下面分别对针孔投影和垂直投影的两种情况进行分析。针孔投影情况使用普通的针孔成像的摄像机，假定全景视觉系统中使用的普通摄像机的焦距为，如果目标点对应的无穷小角度的在成像面上成像为一个无穷小的面积，则全景摄像机空间分辨率为。图给出了针孔投影情况下全景视觉系统分辨率示意图。传统摄像机的分辨率为坐：二，因此，用成像面的无穷小面积表示的镜面面积可以写为搬：（广）。而用成像面的无穷小面积表示的目标点对应的无穷小角度等榴以，又有。缈全景摄像机的空间分辨率为：耵因此丝高掣籀历。，（），（）甜可见，全景摄像机的分辨率等于使用普通摄像机的分辨率再乘以一个比例因子厂（）这里（，）是成像的镜面点坐标。单视点（，）焦点）矿巍？吖，秘穗成像平面（）图针孔投影全景撮像机分辨翠不慈图根据（，）式可以得出一下两个结论，首先，对于平面镜要，全景摄像机的分辨率与使用的普通摄像机的分辨率相同。其次，注意到式（，）中的比例因子是点（，）到有效视点（，）的距离的平方处以点（，）到焦点（，）的距离的平方。用表示点（，）到有效视点（，）的距离，表示点（，）到焦点（，）的距离，则（）式可以写成杉肛；。对于椭球形镜面，存在某个常数。，使得，。，因此椭球形镜面的比例因子可以改写为仁。一），随着减小，增大，比例因子变大。对于双曲线镜面，则存在某个常数丸，使得，因此双曲线镜面的比例因子可以改写为（。），随着，增大，减小，比例因子变大。所以对于椭球形镜面和双曲线镜面，（）式中的比例因子都随着的增大而增大。因此，采用具有统一分辨率的普通摄像机构成的双曲线镜面和椭球形镜面全景摄像机在边缘处具有最高的分辨率。垂直投影情况垂直投影情况如图所示，传统的垂直投影的摄像机的分辨率为，这罩是摄像机的一个线性放大常数，根据角度关系，丽，可得瓦）罢，使用抛物线方程！磊；，乘积项，可以化简为等因此，与椭球形镜面和双曲线镜面一样，使用抛物线镜面的系统分辨率也随着镜面点到中心的距离的增大而增大。以上分析了两种投影方式下分辨率的变化情况，曲面的分辨率随着镜面点到中心距离的增加而增加并不是说远处的物体成像会比近处的大，而是说相对于普、视点魏：镜面面积；卜、一；点叫。芄像平面魏图垂直投影全景摄像机分辨率示意图通摄像机而言远处物体成像的分辨率要大一些，因为透视的效果，远处的物体成像分辨率仍然比近处的物体小的多，而设计的一个要求就是尽量的增大远处物体的分辨率。全向反射镜的设计全向视觉反射镜传感器的最终成像效果受到很多因素的影响，而反射镜的曲面是最重要的因素，针对足球机器人比赛这个特殊的实际应用，也对视觉系统的选择有着特殊的要求。所以在对上节全景视觉成像原理分析的基础上，本节主要针对以上要求来进行反射镜曲面的选择和设计。足球机器人比赛对视觉系统的基本要求全向视觉传感器作为足球机器入最重要的传感器，主要用于采集图像进行机器人定位，因此视觉系统应满足以下条件：（）能够观察到以足球机器人为中心的水平面内的基本信息。（）能感知颜色，因为目标物体能够通过颜色来被区分，同时也要用来区分敌友的标签，这些标签通常有各自不同的颜色。（）能够以非常高的精度去定位球的方向和位置，当球离机器人非常近甚至与机器人接触时，为了能正确的控制踢球，感知应该具有很好的精度。在球离机器人距离适当时候，要能感知到球在什么方位，从而找到球的位置来控制球，在距离上允许一定的偏差。综上所述，反射镜的设计应使机器人能够尽量多地获取近处地面的水平信息和远处方向的垂直信息。以上两点可以直接用畸变函数（）和（）表达，在近距离范围内我们希望（）尽量成线性，以便于提取场地内尽可能多的信息，远距离区域我们希望（）尽量成线性，以便于提取固定物体的人工路标信息。全向反射镜选择不同类型的反射镜的成像效果差异很大，各种类型的曲面反射镜除了具有一般意义上的优缺点之外，还具有不同的（）、（）特性。表总结了几种典型反射镜面的优缺点。表典型镜面的优缺点对照表曲面优点缺点球面加工容易，散光小，有一个焦点，不全向图不能转换为常规的透需要有大的焦距可以获得聚焦图像视图像，图像边缘有畸变锥面加工容易，可以多面镜子构成阵列图像变形较大，存在盲区双曲面单视点，变形小，分辨率高，全向图加工困难，设计不灵活可以转换成常规透视图像抛物面全向图可以转换成常规透视图加工困难，透镜价格昂贵图、分别是给定条件下，双曲面、抛物而、球面和锥面这四种常规曲面的典型（）、（）曲线。从两图可以看出各曲面（）特性都成线性，锥面镜线性较好但在近处有死区，远处竖直方向上只能看到。球面镜近处无死区，远处竖直方向可以看到，但（）变化非常剧烈；双曲面反射镜和抛物面反射镜的特性相似，近处都无死区，（）变化相对缓慢，远处竖直方向上可以看到以上。图常规曲面镜全向成像（）曲线图常规曲面镜全向成像（）曲线综上所述，比较几种镜面的优缺点，发现双曲线镜面具有单视点、变形小、分辨率高、体积小的特点，根据中型组足球机器人对比赛精度的要求，能够很好的满足比赛要求，因此选定双曲线镜面用于构建全景视觉系统。全向反射镜设计选定双曲面之后，要根据比赛要求来选定参数，完成整个视觉系统的设计。整个系统的设计要求包括系统尺寸选择和双曲面参数设计。（）系统尺寸的确定系统尺寸主要指反射镜离摄像头透视中心的距离和反射镜口径，如图水平实际距离。单位；竖直实际距离单位；所示。系统以光轴旋转对称，取过摄像头透视中心。和像素平面短边所在的剖面进行分析。设为长方形短边上有效像素端点到图像中心点的最短距离，为透镜焦距，摄像头在该方向的视场角为。则：口：竺也：（）设计时根据应用要求旋转合适的摄像头，确定反射镜离摄像头的距离，由上式计算出反射镜口径。（）双曲面参数设计如图所示，为反射镜焦点，为与反射镜对称的双曲面另一支的焦点，为双曲面焦距。将镜头中心置于，则延长线汇聚于焦点的光线经双曲面反射后必汇聚于。图双曲面反射镜成像不恿图由于双曲面为旋转对称结构，只须在平面内进行分析。设双曲面方程为：（）一百：（）其中、为双曲线参量，双曲线两焦点之间的距离为。成像系统尺寸、已经确定，点的坐标为（，），由式得到方程：纽二垡互）一娶：，经过点和点的光线与轴的夹角为系统在竖直方向的视场角。由图可得：（一三）可去（日詈础一）他由于系统尺寸、已确定，由上式则双曲面参量、由视场角唯一确定。这样我们就可以通过调整视场角获得一系列双曲面，通过观察其畸变函数曲线来选取合适的双曲面参量。采用咀上方法，根据比赛要求选取参数，镜头焦距为，短边半径，镜头中心高度为反射镜上沿与镜头中心距离，镜面口径，则有双曲面反射镜方程为：（万）一羔：，：。（）“图是本课题所采用的双曲线反射镜。图为装配好的机器人视觉系统。图为双曲线反射镜采集的争景图像。烈曲线反射镜实物图机器人视觉系统求取目标点方法翻双曲面反射镜全景图像对于单视点全景视觉系统，在己知全向反射镜的形状和摄像机的相关参数后，通过理论推导，可以得到场地上目标点与全最图的像素点之间的对应关系。如图所示，目标点一，）对应的成像点为占，），镜面到场地的平面距离。已知，下面推导如何由，）计算，）。首先可知成像点的方位角，成像点毗以）到图像中心的距离为丁了万。设镜面点的坐标为（，），然后求解和的值。根据比例关系等圭和双曲线公式去（一旦）一古可以推出：塑爰筹茅笪，：生二三！从而求出镜面点的方位角一（詈）。最后由角度关系赢卵，可以求出目标点坐标，）：“（【由此可得出场地目标点与它的成像点之间的关系，成像点的坐标来估计目标点的位置。（）又已知镜面高度，则可以根据第三章图像处理及识别定位在对全向视觉系统进行构建后，可以采集到整个场地度的全向图像信息。本章主要介绍如何对采集到的图像进行处理，并从中提取出有用信息，能够对目标进行识别，从而为机器人及球进行定位提供依据。本章首先介绍颜色空间的选择和颜色标定方法，然后对图像进行预处理，并对图像进行阈值分割，在此基础上进行目标识别，最后介绍了基于多特征点的机器人定位方法，并对实验结果进行分析。图像预处理从实际景物转变成图像信息，或者图像从一种形式转换为另外一种形式，由于设备、信道和客观条件等限制，输出图像的质量可能会不甚理想。图像的预处理就是用于调整图像的对比度，突出图像中的细节，改善视觉效果的种方法。预处理一般不涉及图像质量变坏的物理过程，只是根据图像质量变化的一般性质来提出一些改善方法，如图像信号很差或者对比度不明显的时候，可以采用增加对比度或直方图均衡法来改善。图像的噪声很大，可以采用图像平滑或者中值滤波的方法去除噪声。图像轮廓很弱或者需要提取轮廓以供分析的时候，可以采用锐化的方法进行处理。视觉处理概述对基于视觉的足球机器人来说，视觉子系统是其决策系统的主要信息来源。它的主要功能是实时采集比赛场地的图像信息，然后进行自动分析、处理和识别目标，以此来获得比赛场上的运动物体的（包括比赛双方的机器人、球）位置、运动方向、速度等信息，然后将这些信息提供给决策系统以供分析、判断和决策。一般情况下，由视觉传感器采集的图像由于受到种种条件的限制和随机干扰，不能在视觉系统中直接使用，必须在早期阶段对原始图像进行灰度矫正、噪声过滤等预处理操作。对机器人视觉系统来说，所用的图像预处理方法并不考虑图像是否降质，只是将图像中感兴趣的特征进行突出，衰减其次要的特征，故预处理后的输出并不需要去逼近原图像。这类图像预处理方法称为图像增强。图像增强技术基本上可分为空间域处理法和频率域处理法。空问域是直接对图像中的像素进行处理。频率域处理法的原理是卷积定理，它采用修改图像的傅立叶变换的方法对图像进行增强处理。空间域图像增强可分为基于点处理的方法和基于邻域的方法。基于点处理的增强方法是指基于图像像素点的增强只依赖于该点的灰度，而与其他像素无关。基于邻域的方法是指某个像素点的增强与其邻域内的其他像素有关。颜色空间选择机器人足球委员会规定，比赛中所有场内重要目标都必须具有规定的标准颜色，比如说球是红色的，球门分别是蓝色和黄色的，同时每个机器人都有自己独立的色标，所以颜色是视觉系统最重要的信息。尽管不同的特征都具有自己的颜色，但是光照、阴影区、不同亮度以及不同硬件本身特性等多种因素的变化，都会影响颜色信息的获取。这就要求在处理前选择合适的颜色模型以利用已知环境参数，同时还能够克服不利因素的影响。颜色是外晃光刺激作用于人的视觉器官而产生的主观感觉，颜色特性既可以从物理量进行描述，也可以从观察者的主观感觉来描述。颜色视觉有三种特性，描述颜色的物理量是亮度、主波长和纯度，相应的心理感觉是明度，色调和饱和度。所谓颜色模型是指某个三维颜色空间中的以供可见光子集，它包含某个色彩域的所有色彩。足球机器人系统中常用的颜色模型有、和。下面对这三种常用的颜色模型进行描述并进行比较，以寻找一种最适合比赛需要的颜色模型用于进行分析。）颜色模型按照光学理论，红、绿、蓝可以混合在一起得到绝大部分颜色，因而这三种颜色被称为三原色，三原色是相互独立的，因为其中任何以供原色都不能有另外两种原色配出。这样就可以保证配色范围是最大的，按照这一原理建立的色彩模型叫做色彩模型。在颜色空间中，各种颜色的光都可以由红、绿和蓝三种基色加权混合而成，如图所示，模型以、三个参数为坐标，用一个单位立方体来描述。在正方体的主对角线上，各原色的量相等，产生由暗到亮的白色，即灰度等级沿主对角线从原点到点（，）的白色逐渐过渡。坐标原点（，）表示黑色，坐标点（，）表示白色，正方体的其他六个顶点分别为红、黄、绿、青、蓝和品红。颜色模型通常用于彩色阴极射线管和彩色光栅图形显示器。三原色是加性原色，在系统中，标准白光的光通量是按以下比例混合而成的九：九：九：，若规定（）为一个基本单位，（）为个基本单位，（）为个基本单位，则任何一种的彩色可表示为（）（）曰曰）。灰品红蓝（，）图颜色模型空间的优势是简单、直观，而且使用时无需转换分类速度较快。但是也存在很多不足之处：）空间是颜色显示空间，不适合人的视觉特征，各分量所表示的含义相对模糊。）空间中两点的欧式距离与实际颜色距离是非线性关系，欧式距离变化很大的时候，实际颜色变化却不一定变化大。）空间的三个分量之间的相关性太高，不能仅使用其中两个分量进行分类。）颜色模型在现代彩色电视系统中，通常摄像机把摄得的彩色图像信号经分色、分别放大校正后得到信号，再经过矩阵变换电路得到亮度信号和两个色差信号、，最后发送端将亮度和色差三个信号分别进行编码，用同一信道发送出去，这就是常用的颜色空间。采用颜色空间【的重要性就是他的亮度信号和色度信号、是分离的。如果只有信号分量而没有、分量，那么这样表示的图就是黑白灰度图。彩色电视采用的空间就是为了用亮度信号解决彩色电视剧与黑白电视机的兼容问题，使黑白电视机也能接收彩色信号。其中反映了输入信号红色部分信号亮度值之间的差异。而反映的是输入信号蓝色部分与信号亮度值之间的差异，它们之间的转换关系为：一（）一一）颜色模型颜色模型是与人类对颜色的感知方式紧密相连的，它由色调、饱和度和亮度三个量来度量，共同引起人类视觉的总效果。其中亮度代表光的强度，具体表现为颜色的明暗程度，与光源的强弱有关；色调代表光线中主要的频谱颜色，具体表现为不同的颜色；饱和度代表光线中频谱颜色的纯净度，具体表现为颜色深浅；模型有两个重要的性质：与彩色信息无关，和与人感受彩色的方法密切相关。三分量之间的相关性必之间的要小很多。人眼对变化的分辨能力比对变化的能力要强。空间中彩色图像的每一个均匀性彩色区域都对应于一个相对一致的色调，这说明色调能够被用来进行对立于阴影的彩色区域的分割。颜色空间和颜色空间的转换公式如下：，刁）：，一拿（尺，）、。一互丽霄（雨）（丽面）（）通过对以上几种颜色模型的分析和比较，它们都有各自的优缺点。但由于图像采集卡的输出模式通常为，而从到或的转换要涉及到大量的浮点运算，所以对系统的实时性产生较大的影响，因此采用颜色模型可以在使用方便的同时，保证系统的实时性。但它的缺点就是在于三个分量之间的相关性较大，使得在不同的光照条件下，同一颜色物体的值会分散在整个空间中，对图像进行识别产生较大的影响，因而在后续的介绍中，为了方便进行图像分割及识别，我们首先对其进行灰度变换，转换公式为（），其中为灰度值，、为每个像素的红、绿、蓝分量值。图像增强控制机器人在比赛场地上运动采集样本图像，要保证采集图像中包括全部的待识别目标，且光照条件等具有一定的代表性。若图像识别处理中直接采用颜色模型，则可以直接使用摄像机采集到的输出值，不需要进行换算，此时计算最为简单并且具有实时性。但实践结果表明对同一颜色属性物体，在不同的光线条件下，测得的颜色值分布很分散，不适合对图像进行分割和识别，因此要对图像首先进行灰度变换。图是对场地采集到的图像进行灰度变换后得到的灰度图像，并通过观察其直方图发现其灰度值相对集中不均匀，不能观察到很多细节，如图所示。图灰度图像硼幽灰度图像直凹锄砌姗伽椰猢砌伽。为了足图像获得较好的对比度，是图像获得均匀的扶度等级，我们选择直方图均衡法对图像进行处理。直方图均衡是把一已知狄度概率分布的图像，经过一种变换，使之演变成具有均匀灰度概率分布的图像。图是对灰度图像直方图均衡化之后的图像，图是图像直方图均衡化后的直方图。图图像直方图均衡化：剖削像直方图均衡化后的直方茎畦剐图像的像素总数为，分为个跃度级，用代表灰度级出现的频数舢舢硼咖锄伽薹砌伽。于是第个灰度级出现的频率为：以）！磐，一（）各灰度直方图均衡离散变换公式为，置丁以）（）由以上图像可以看出直方图均衡化后的图像直方图已经相对很平坦，像素的灰度值几乎能够分布在整个灰度区间，因而采用这种方法进行灰度补偿是有效的。图像分割图像分割【是自动目标识别与目标跟踪系