《实时快速的图像处理算法在机器人视觉系统中的应用.doc》由会员分享，可在线阅读，更多相关《实时快速的图像处理算法在机器人视觉系统中的应用.doc（5页珍藏版）》请在金锄头文库上搜索。
1、北京科创机器人 本文得到国家自然科学基金(69875017)和863计划(2001AA422200)的支持。实时快速的图像处理算法在机器人视觉系统中的应用张泽峰 陈小平 李动恒（中国科学技术大学计算机系 合肥 230027）摘要：计算机视觉是自主机器人感知外部世界最重要的手段。本文以四腿机器人足球比赛为背景和研究平台，探讨一种基于图像分割的快速图像处理算法。在2001年RoboCup四腿机器人足球比赛中，本算法取得了良好的应用效果。关键字：图像处理，图像分割，机器人视觉，RoboCup机器人足球比赛A implementation of fast realtime image processi
2、ng algorithm in robot vision systemZhang ZeFeng, Cheng XiaoPing, Li Dongheng(University of Science and Technology of China, Hefei 230027)Abstract: Vision system is a communication bridge between robot and its environment. On the background of legged robot soccer competition, this article provides a
3、fast image processing algorithm based on image segmentation, which was proved success during the legged robot soccer competition in RoboCup 2001.Keywords: image processing, image segment, robot vision, RoboCup, legged robot soccer competition1 背景介绍多主体系统是人工智能研究的一个前沿领域，而机器人足球则为多主体系统的研究提供了一个标准问题和公共平台。机
4、器人足球世界杯赛（RoboCup）是目前世界上规模最大的机器人足球系列学术活动，自1997年起每年一届。四腿机器人足球赛是RoboCup世界杯赛的四大项目之一，其研究内容不仅包含多主体合作与对抗，还广泛涉及计算机视觉和智能控制等众多领域的前沿研究与综合集成。（图一） （图二）如图一所示，四腿机器人足球比赛在一个3米长、2米宽的平台上进行，平台以绿地毯为底，周围是白色斜边。两边设一蓝一黄两个球门。在场地的周围有六个用来定位的道标，这些道标是不同上下颜色的组合，因而可以唯一标识。比赛统一使用由SONY公司提供的AIBO 专用型机器人（参见图二）。该机器人内置32M内存，通过16M记忆棒输入程序。机
5、器人的头部有一个微型摄像机，可以以每秒25帧的速度提供最大176x144象素大小的彩色图像。比赛时，双方各有三名队员（2002年起改为各四名），分别为暗红色和暗蓝色。以进球数决定胜负。机器人和球是场地上需要辨认的运动的物体。2 视觉系统的体系结构在整个机器人的系统结构中，视觉系统是一个底层模块，它负责从实时采集的图像中抽取出各个有用物体的几何信息，例如距离，偏向角等。这些信息将送往高层以进行进一步的处理，例如道标的几何信息可以送往定位模块，协助机器人进行自定位。首先，视觉系统必须将图像进行分割，以区分不同的物体部分，统计色块的几何特性；然后，根据实际物体的特征，将色块进行拼合，以期准确有效地辨
6、认出图像中存在的物体，并进一步计算其几何信息。这里面的重点是图像分割，它是影响整个算法效率和精确性的关键。以上这些工作是视觉系统中的在线图像处理部分，对它的要求是效率高，处理速度快。图像分割所使用的颜色信息表是离线分析器根据预先采样的图片通过训练得到的。两个功能部分共同组成了视觉系统的体系结构。3 算法及实现31 颜色空间和色点位图的建立我们选取YUV点阵作为图像的表示方法，因为Y维是颜色的明暗度，UV维则表示颜色的特征，这样的表示方法使得色点对于Y维的感应度不高（代表同一种颜色的点阵在YUV空间内趋向于Y维，采用RGB作为颜色的表示方法则没有这样的特性），可以有效地降低表示空间大小，提高运算
7、速度。这样对于一个UV组合，我们可以认为Ymax,Ymin代表某个颜色的表示。在离线训练的时候，我们手工地从采样图像中指定代表各种颜色的样点。易知采样图像越多，代表同一种颜色的色点在颜色空间内的分布越接近于一个闭合体。这个时候，可以通过自动的计算色点的凸包来逼近真正的颜色表示区域。通过离线训练之后，得到关于场景描述的颜色表，该颜色表存放在机器人身上，并在启动的时候载入，作为进行实时图像处理的依据。32 图像分割图像分割是指将原图中同一类别的色点进行组合，找到图像中连续的连通片(Slice)，统计这些连通片的几何属性，例如外凸包围框，质心，密度等，为进一步辨认图像中的物体做准备。为了达到实时性的
8、效果，必然要求图像处理的速度尽量的快，所以我们采用四连通作为片连通标准，而且仅仅扫描图像一次。通过观察多幅图片可知，连通性发生在相连的两行之间，所以我们可以对上行的处理结果进行短暂的记忆，通过查找当前行与上行的四连通交叉来进行连通片的组合。也就是说，对于每行图像数据，我们顺序进行扫描，找到其中属于同一种颜色类别的色段(ColorSegment)，在该色段所覆盖的区域(Start,End)上，寻找上行对应的色段，如果有的话，就进行色段合并，否则就认为找到了一个新的连通片。这个新的连通片是暂时的，因为可能在后续的处理中，该连通片又被合并到别的连通片中。算法如下：for each line L of
9、 Bitmapfor each each ColorSegment CS in Lfind Overlapped ColorSegment Collect CSi of last line in Start,Endif(CSi=NULL)CS is a new Slice of LElseMerge CS into CSi在这儿有三点需要指出：1）不必每次重新构造每行对应的色段集合，可以通过使用两个指针进行交换来切换上行和当前行。2）在覆盖集合不为空的情况下，要注意不同的连通片在该覆盖下应该成为一个相连的连通片，我们采取的准则是以第一个覆盖的连通片为准，其余的相异连通片和当前的色段都合并到第一
10、个连通片中。3）关于连通片的几何属性的统计应该在扫描中完成，所以在进行合并的时候要同时考虑到几何属性的合并。在实际应用中，我们发现，如果光线条件较差，或者离线数据训练不足，就会存在大量的噪音，在生成的位图中表现为存在大量的空洞和孤立点。在这种情况下，图像分割的过程中就会频繁产生新的连通片，片的合并频率也会增高。预先对图像进行平滑滤波的处理方法会降低处理负担，而且得到的结果也会趋于精确，当然代价是多了一个预处理过程。我们采取的方法是仅仅对地面的绿色进行滤波，采用的模板是均值滤波，也就是说，当一个色点的周围的绿色达到一定的阈值的时候，才认为该点是绿点。4 物体识别有了从图像中抽取处理的各个连通片的
11、几何信息之后，识别场景中存在的物体就显得相对简单。当一个人观看一幅图像的时候，如果他有相应的环境知识，要辨认出环境中的物体，抽象思维能力和容错匹配使得该工作很简单。但让计算机来完成同样的工作，它必须依赖于待辨认物体的几何特征，在各种颜色的连通片集合中去匹配这种特征，这其中还包含有非法性检测的过程。就我们的测试平台四腿机器人足球比赛而言，场景中需要辨认的物体有球，道标，球门，己方和对方的比赛队员。具体的判别规则如下（“在场地上”定义为代表物体的连通片跟代表地面的绿色连通片在图像中的外凸长方形有交叉）：球。比赛用球为桔黄色，其识别相对比较简单。我们所采用的准则是将场地上面积最大的形状近似于圆形的桔
12、黄色块作为球。地标。我们可用图像分割的结果结合地标的特征直接判断各个地标是否在图像中出现。例如，对于上红下黄的地标，我们依次将找到的红色块跟黄色块进行匹对，看看是否能构成一个地标。我们所采用的地标的判断准则有：两个色块的距离是否接近；两个色块的面积大小是否相近等。球门。两种球门（蓝门、黄门）的识别过程跟球的识别过程类似。但因为球门的颜色跟地标的颜色接近，所以如果某个蓝色块（黄色块）在判断地标的时候已经使用过，则不再用于判断球门。机器人。由于两种机器人身上的颜色特征标记为暗红、暗蓝，而实验证明，这两种颜色的阈值比较难做到很高的精确性（由于明暗度较低），我们采用这样的方法：当发现场地上存在机器人身
13、体颜色色块时，缺省情况下认为是看到了蓝队员，如果在这个色块的内部包含有红色色块，则认为是看到了红队员。5 实验结果为了能够对该图像处理算法进行调试和检验其运行效率，我们使用相同的核心算法编写了两套程序，一套针对机器人底层硬件设计，一套可以离线在计算机上模拟处理。下面的三幅图是从机器人摄像机获取的原始图像，对应的另外三幅是经过图像分割后得到的效果图像（该图像拍摄时光线条件较好）。从图像中可以看出，相同色块已经进行了分割聚类，同时各个色块的几何信息也已经统计出。再结合场景的特定信息，对物体进行辨认抽取和三维逆变换之后，得到的我们感兴趣的物体信息（包括物体的相对距离和相对偏角）如表。该程序代码在机载
14、处理器上运行时，可以达到每秒钟25帧的处理速度；在有其他运算负载（如高层决策模块和动作控制模块）的情况下，仍可以以每秒钟超过10帧的速度运行，基本满足目前的实时要求。 （）（）（）图像编号识别出的物体估算距离估算偏角(A)道标52354mm2度球1700mm9度蓝球门2061mm-32度(B)道标32564mm-15度道标51439mm2度球2155mm-17度(C)道标12212mm-10度黄球门1565mm23度处理结果表6 结论在机器人学中，有很多种现成的图像处理算法可寻，但往往不能满足RoboCup四腿机器人足球赛的实际需要。针对这种情况，本文提出了一种由离线的颜色特征抽取器和在线的图
15、像分割算法相结合的快速图像处理方法。离线的颜色特征抽取器的基本要求是生成的颜色空间要尽量精确，在线的图像分割算法的基本要求是处理速度要尽量的快，以满足实时性要求。这两种方法结合在一起，共同构成了整个算法的精髓。在2001年机器人足球世界杯赛中，“科大蓝鹰”作为中国唯一四腿机器人队首次参赛，获得了前八名的好成绩，并且证明了本算法的优良性能。7 参考文献1 H.Kitano, Y.Kuniyoshi, I.Noda, RoboCup: A challenge problem for AI. AI Magazine, 18(1), pages 73-85, 19972 陈小平，国际机器人足球（RoboCup）最新进展，机器人技术与应用，2001年第一期3 M. Veloso, E. Winner, S. Lensor, J. Bruce, and T. Balch, Vision-Servoed Localization and Behaviors for an Autonomous Quadruped Legged Robot: Artificial Intelligence Planning Systems, 2
