仿人足球机器人目标定位技术与追踪算法改进

　　对于仿人足球机器人来说，视觉功能是极其重要的。在足球机器人的各种关键技术中，机器视觉是应用范围最广，最为基本的技术之一。移动机器人视觉的研究主要集中在颜色模型建立、目标识别、定位以及跟踪等方面。仿人机器人视觉系统的识别与定位算法也是目前的研究热点，目标的实时识别与定位是足球机器人在足球赛中精确踢球的前提。文章主要是针对目前足球机器人在视觉系统上所存在的问题进行了颜色模型建立及目标定位算法的改进，加入了目标追踪算法，确保目标识别与定位的准确。在ｉＫｉｄ足球机器人上进行试验并调试，试验结果具有较好的实时性和准确性。

　　引言

　　在RoboCup仿人足球机器人比赛中，视觉是其获得外界信息的主要途径，机器人通过摄像头去采集周围环境的图像信息，进而对环境进行认知，对目标进行识别。在机器人足球比赛中，球场中的信息包括蓝色和黄色的球门、角球柱、橙色的球等，足球机器人需要对其所获取到的信息进行识别及判断进而做出相应的决策，因此仿人足球机器人识别的准确性和实时性对于比赛的结果来说是至关重要的。本次创新项目研究主要是基于iKid机器人的视觉系统。

　　根据场地调试经验发现机器人视觉模型及定位追踪算法中存在以下不足：1）当周围环境有稍微变化或者环境中有与目标物体颜色相接近的物体时，对目标识别标定结果有很大的影响；2）由RGB到HSV的转换影响系统的实时性；3）目前足球机器人的定位是利用坐标之间的变换及三角形成像规律算法，调试中发现这种定位算法在精度上存在很大问题；4）当机器人距离目标物体较远时，对目标定位不准确，定位误差较大。

　　针对于以上问题，本次项目中，本文提出改进原有机器人的视觉模型、目标定位算法等，并加入追踪算法，使iKid机器人视觉系统更加准确高效。

　　１ 机器人系统结构

　　此项目研究的平台是iKid仿人足球机器人。iKid机器人共有20个自由度，头部有仰俯和摇摆两个自由度，腿部有6个自由度，手臂处分别有3个自由度。其头部采用的是USB网络摄像头Logitech C905，核心板型号为Cortex-A8，所选用的舵机型号为韩国Robots公司的RX28和RX64。

　　在智能决策系统硬件方面，iKid机器人采用Cortex-A8核心板，其主处理器为Samsung S5PV210。此外，S5PV210内部集成了高性能图形引擎，同时也包含了图像硬解码功能，能够流畅运行Android、Linux等操作系统。

　　iKid仿人足球机器人的图像采集器选择的是USB2.0网络摄像头Logitech C905，它能够以30帧/秒的速度传送分辨率为640×480的压缩图像，摄像头的采集频率可达人眼的频率，且能在当前比赛场地的坐标位置看到场地任意位置的目标。摄像机还具备可变白平衡、可变增益等自动调节功能，能够使机器人在不同的光照情况下保持良好的图像质量。该摄像头支持RGB和YUYV格式的图像，支持多分辨率。

　　在iKid机器人决策方面，采用的是运动控制系统与智能决策系统分离的分布式系统，经Wi-Fi传送的信息及摄像机采集到的图像信息处理后使机器人做出相应的决策，控制舵机做出相应的运动，使机器人做出相应的运动。

　　具体系统简图如图２所示。

　　图２ iKid仿人足球机器人系统简图（参见右栏）整体来讲，iKid足球机器人的硬件平台由其视觉系统、决策系统及运动控制系统构成。

　　２ 色彩模型的改进

　　２．１ 色彩模型的选取

　　彩色图像的方式模型有多种，较为常用的是RGB模型、HSV模型和YUV模型。RGB模型受光线的影响较大，而在比赛中，稍微移动一下比赛场地就可能受到影响，进而需要重新标定。YUV模型中，Y项表示的是光照强度，也就是明亮度（Luminance），U和V表示的是色度（Chrominance）。其中亮度信号Y

　　和色度信号U、V的信息是相互独立的，关联性小，同时降低彩色分量的分辨率也不会明显对图像的质量造成影响。

　　YUV色彩模型是从RGB模型经线性变换而得到的，转换公式如下：

　　其中，N为图像分辨率，B为位数， r为帧速率。为了保证足球机器人在赛场上能较快地进行图像获取和处理，通过多次试验选择将采集到的图像以RGB的压缩格式通过图像处理器的硬解码功能转换为YUYV格式图像。每张图片能够用8ms完成格式转换。YUYV色彩模型是抽样格式，即为YUV4:2：2，保留Y像素，UV在水平空间上每两个像素采样一次。

　　其次建立像素表，像素表表示一个图像的YUV与颜色表中的数据相互映射的关系。原始的YUV为三组8位数据，将三组数据并列建立表的索引便可发现每组数据都能被索引到，即通过某一处的像素点Y、U、V的值在表中进行索引得出对应像素点的颜色标号。为了减少光照造成的影响，先让足球机器人多次进行场地图像采集，然后对所拍摄到像素点的Y、U、V的值进行统计，进而选择阈值。

　　在进行机器人颜色标定及建立色彩模型的过程中，分析数据发现环境照明度的变化对U和V值的分布影响极小，可认为U和V值并不随着光照条件的变化而变化，色彩校正表一般来说是不需要重新生成的，仅当光线发生较大变化时仍然需要重新标定。

　　下图为摄像头采集到的图像颜色分离及归类处理过程流程：

　　在机器人识别的过程中，还加入了边缘检测方法，主要通过判断目标球是否为圆形及判断球门的长和高是否满足一定的比例，还有限制机器人识别较远位置的足球的能力，最终识别并确定目标物体，以保证识别的准确性。

　　３ 球的定位

　　球的定位在机器人的足球比赛中是至关重要的一个环节，也是机器人所应当具备的最基本的功能，

　　因为不论进攻、防守都是以球为中心的对抗，所以做好足球机器人对球的定位具有重要的意义。

　　iKid机器人视觉系统是摄像头位于机器人头部随着机器人头部及身体运动的单目系统。iKid机器人原采用的是三角形定位法，经场地调试认为该算法对机器人的目标识别的精度不能很好地满足比赛需求，容易产生失误。因此实现精确定位的关键在于图像坐标系与机器人坐标系之间的转换。????

　　单目视觉系统采集到的是图像的二维信息，因此需要限制目标物体所在的平面，最终确定目标物

　　体的空间位置。采用小孔成像模型建立机器人目标

　　再根据小孔成像模型所得到了公式（３）联立计算可得：

　　（８） （参见右栏）

　　其中，k为摄像头采集到的图像的放大系数。

　　４ 目标的追踪算法

　　为了能够提高仿人足球机器人在赛场上找球的效率，进行更准确快速的目标定位，本文设计采用Camshift算法进行目标的追踪。根据以往的比赛经验，iKid机器人在找球的过程中，一旦由于某些原因丢失了目标，系统将命令机器人重新全方位搜索，需要重新对环境进行识别和判断，在赛场上，因来回找球浪费大量时间对比赛十分不利，加入目标追踪算法会大大提高效率。

　　４．１ Camshife算法基本原理

　　Camshife算法是根据摄像头所采集到的视频图像，利用目标颜色的特征在连续的视频图像中找到移动的目标，进而准确判断出其位置和大小。在下一帧的所获得的视频图像信息中，利用前一帧的大小位置信息来初始化搜索范围，这样可以大量节省

　　寻找目标的时间，进而实现对目标的连续追踪。

　　４．２ 目标定位与追踪实验结果

　　以iKid足球机器人为实验平台，在比赛场地中进行目标球的标定与识别，结果如图７、８所示。

　　５ 整体结果

　　经实际调试及赛场经验数据记录，算法改进后，iKid机器人在视觉识别和定位方面有了较大的提高。像素表的建立使机器人能够快速查表滤除杂色，提高了识别的准确度；加入目标追踪算法实现了iKid机器人对目标的追踪，整体完成了项目预期的目的。

　　在仿人机器人调试中还遇到下列问题，相应的解决方法如下：

　　（１）摄像头采集图像时，受光线影响较大，很多相近的颜色难以区分，选择阈值较为困难。改进措施：对机器人摄像头参数进行调整，对光线进行补偿，得到较好的图像。

　　（２）在操作者对视觉进行标定时，需要采集全场各个角度的图像，图像采集标定时较慢。改进措施：利用上层决策，使机器人的摄像头自主旋转，扫描全场来采集图像，这样避免了死角出现，也减少了人为采集图像的时间，提高了效率。

　　参考文献：

　　［１］ 胡丽花．基于视觉的类人足球机器人目标定位算 法设计［Ｄ］．杭州：浙江理工大学，2011.

　　［２］ 王冉．基于Camshift算法的运动预测目标跟踪改 进算法研究［Ｄ］．济南：山东大学，2012.

　　［３］ 邱雪娜．基于视觉的运动目标跟踪算法及其在移 动机器人中的应用［Ｄ］．上海：华东理工大学，2011.

　　［４］ 马昕．基于单目视觉的移动机器人目标识别与定 位［Ｄ］．济南：山东大学，2011.11.

　　［５］ 许家铭，谢仑．一种仿人足球机器人目标定位与追踪算法［Ｊ］．华中科技大学学报（自然科学版）， 2011，39（S2）：243-245，258