足球機器人硬件平臺建設及復雜條件下視覺關鍵技術研究.pdf

1、至今，足球機器人的研究已經(jīng)取得了重大的進展。在學術界，RoboCup中型組比賽[1]體現(xiàn)了其最高水平。足球機器人的設計包含了許多不同知識的集成：機械學，運動學，動力學，控制理論、機器視覺、人工智能等等。足球機器人的結構包含三部分：基本運動系統(tǒng)、運動控制系統(tǒng)和視覺系統(tǒng)。視覺提供了數(shù)量巨大的的環(huán)境信息，是移動機器人未來最有希望的傳感器。自主機器視覺不僅僅是感知，也是對被感知數(shù)據(jù)的解釋，包括定位，繪制地圖，場景理解等等[7]。然而，受復雜條件

2、的限制，許多仿真可行的視覺算法在現(xiàn)實環(huán)境中效果不佳。自主移動機器視覺面臨的復雜條件主要有：傳感器噪聲，傳感器混疊，機械震動噪聲，復雜光照噪聲，感知復雜性，和動態(tài)目標場景的理解復雜性等等。 本文的主要工作如下： 完成了足球機器人硬件平臺的建設，使機器人技術有了很好的載體，為檢驗算法理論的優(yōu)劣打下了良好的基礎。該足球機器人平臺采用了國際上流行的全向視覺系統(tǒng)及全向運動機構。全向視覺系統(tǒng)垂直安裝在機器人項部，通過全向反射鏡，機器

3、人不必轉身即可獲得全場信息；單向俯視視覺系統(tǒng)能夠檢測機器人正面近處的環(huán)境信息，為機器人的控球和射門提供了有力的保證。 在圖像處理的形狀識別階段，大噪聲條件表現(xiàn)為圖像邊緣是鋸齒狀，這對形狀的角點識別造成了困難。使用最小均方誤差準則，可以有效的濾除噪聲的影響。針對大噪聲條件下噪聲強度的平均值和均勻性都未知的特點，提出了一種基于最小均方誤差的新的大噪聲自適應角點識別算法。這種方法計算變長點集的殘差平方和，使得角點出現(xiàn)在特征曲線的極小值

4、處，避免了使用閾值的弊端。并利用折半查找策略，降低了時間復雜度。在單角點識別的基礎上，針對多角點識別，討論了利用這種算法降低時間復雜度的方法。通過分析表明這些算法能夠較為有效地提高大噪聲條件下單調邊緣單角點識別的正確率，降低了時間復雜度。 在機器視覺的目標識別階段，復雜條件主要表現(xiàn)為復雜光照和遮擋，以及多動態(tài)目標的復雜相對位置。復雜條件導致了特征的不完全、不確定。對于遮擋和陰影造成的球門形狀不規(guī)則，本文基于全向反射鏡的全對稱性，