【摘要】：視覺信息處理技術(shù)對于足球機器人來說,是完成各項任務(wù)的最基礎(chǔ)以及最關(guān)鍵的技術(shù)。本文的研究背景基于RoboCup中型組足球機器人,對中型組足球機器人的研究包括視覺設(shè)計、運動控制、硬件設(shè)計、路徑規(guī)劃、攻防策略等方面。其中全向視覺系統(tǒng)處于關(guān)鍵性地位,該系統(tǒng)性能的好壞直接對足球機器人任務(wù)是否順利完成起著重要的作用。對這一系統(tǒng)的研究可以促進人工智能領(lǐng)域相關(guān)技術(shù)的發(fā)展,同時也使得機器視覺的應(yīng)用更加的豐富多樣。在中型組足球機器人比賽的應(yīng)用場景中,目標足球是足球機器人最主要的識別任務(wù)。當目標被識別時,會產(chǎn)生外部干擾,如光照強度、圖像失真等。因此,抗干擾性以及識別精度是目標識別和跟蹤算法主要需要提高和改進的方面。本文主要圍繞足球機器人目標識別與跟蹤進行了以下一些方面的研究和改進:(1)圖像的預(yù)處理中型組足球機器人的視覺系統(tǒng)一般采用全向視覺系統(tǒng),該系統(tǒng)的顏色空間需要有針對性的進行選擇,本文通過將HSI顏色空間和YUV顏色空間的分量相結(jié)合,設(shè)計出了一種更有針對性的顏色空間,更有利于目標的識別。在圖像預(yù)處理的過程中,對同態(tài)濾波算法進行了改進,將該算法與Mallat小波變換結(jié)合,彌補了傳統(tǒng)同態(tài)濾波對于局部特征的增強效果較差的缺點。改進后的方法更能提高圖像的信噪比,并且可以較完整的保留原始圖像中的局部信息。(2)目標物體的識別在對目標物體進行識別的過程中需要對圖像進行區(qū)域掃描,一般的方法為逐個像素掃描,這樣做的效率比較低。而且足球機器人的目標識別一般采用閾值法,但該方法對光照比較敏感。所以為了克服以上這些缺點,本文提出了基于biSCAN掃描線的SVM算法。經(jīng)實驗驗證,該算法的魯棒性較好,對光照變化有較強的適應(yīng)力,能夠滿足比賽需求。(3)目標物體的跟蹤本文采用均值漂移來作為目標跟蹤的理論依據(jù),并針對全向視覺的特點對目標特征模型進行了改進,使得改進后的算法更加的適用于足球機器人的目標跟蹤。該算法對目標形狀以及角度的變化的抗干擾性較強,適合應(yīng)用于全向視覺的目標跟蹤中。實驗證明該算法對目標的跟蹤效果較好,基本滿足比賽中對目標跟蹤的要求。通觀全篇,本文針對傳統(tǒng)算法的一些不足進行了改進,提出了基于Mallat小波變換的同態(tài)濾波圖像增強算法、基于biSCAN的SVM識別算法以及基于全向視覺特點的目標特征模型,實驗結(jié)果表明,這些改進有效的提升了目標識別與跟蹤的準確度以及穩(wěn)定性。
【學位授予單位】：華僑大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP242
【圖文】：

RoboCup比賽種類

全向視覺原理圖

【參考文獻】

相關(guān)期刊論文 前10條

1 黃安奇;侯志強;余旺盛;劉翔;;利用背景加權(quán)和選擇性子模型更新的視覺跟蹤算法[J];中國圖象圖形學報;2014年09期

2 康一梅;謝晚冬;胡江;黃琪;;目標尺度自適應(yīng)的Mean Shift跟蹤算法[J];兵工學報;2011年02期

3 甘明剛;陳杰;劉勁;王亞楠;;一種基于三幀差分和邊緣信息的運動目標檢測方法[J];電子與信息學報;2010年04期

4 童云;李孝安;;基于動態(tài)色彩補償?shù)淖闱驒C器人目標識別方法[J];計算機仿真;2009年10期

5 艾明晶;戴隆忠;曹慶華;;霧天環(huán)境下自適應(yīng)圖像增強去霧方法研究[J];計算機仿真;2009年07期

6 王紹波;郭業(yè)才;王帥;;基于自適應(yīng)低通濾波的超聲醫(yī)學圖像增強算法[J];中國醫(yī)學影像技術(shù);2009年03期

7 王曉榮;張印強;陸艷;;全自主移動足球機器人目標識別[J];微計算機信息;2008年29期

8 陳春寧;王延杰;;在頻域中利用同態(tài)濾波增強圖像對比度[J];微計算機信息;2007年06期

9 盧麗,劉萬春,劉俐;基于彩色圖像分割的機器人足球目標識別[J];計算機工程與設(shè)計;2004年11期

10 祁亨年;支持向量機及其應(yīng)用研究綜述[J];計算機工程;2004年10期

本文編號：2727163