仿人足球機器人目標定位技術與追蹤算法改進

　　對于仿人足球機器人來說，視覺功能是極其重要的。在足球機器人的各種關鍵技術中，機器視覺是應用范圍最廣，最為基本的技術之一。移動機器人視覺的研究主要集中在顏色模型建立、目標識別、定位以及跟蹤等方面。仿人機器人視覺系統的識別與定位算法也是目前的研究熱點，目標的實時識別與定位是足球機器人在足球賽中精確踢球的前提。文章主要是針對目前足球機器人在視覺系統上所存在的問題進行了顏色模型建立及目標定位算法的改進，加入了目標追蹤算法，確保目標識別與定位的準確。在ｉＫｉｄ足球機器人上進行試驗并調試，試驗結果具有較好的實時性和準確性。

　　引言

　　在RoboCup仿人足球機器人比賽中，視覺是其獲得外界信息的主要途徑，機器人通過攝像頭去采集周圍環境的圖像信息，進而對環境進行認知，對目標進行識別。在機器人足球比賽中，球場中的信息包括藍色和黃色的球門、角球柱、橙色的球等，足球機器人需要對其所獲取到的信息進行識別及判斷進而做出相應的決策，因此仿人足球機器人識別的準確性和實時性對于比賽的結果來說是至關重要的。本次創新項目研究主要是基于iKid機器人的視覺系統。

　　根據場地調試經驗發現機器人視覺模型及定位追蹤算法中存在以下不足：1）當周圍環境有稍微變化或者環境中有與目標物體顏色相接近的物體時，對目標識別標定結果有很大的影響；2）由RGB到HSV的轉換影響系統的實時性；3）目前足球機器人的定位是利用坐標之間的變換及三角形成像規律算法，調試中發現這種定位算法在精度上存在很大問題；4）當機器人距離目標物體較遠時，對目標定位不準確，定位誤差較大。

　　針對于以上問題，本次項目中，本文提出改進原有機器人的視覺模型、目標定位算法等，并加入追蹤算法，使iKid機器人視覺系統更加準確高效。

　　１ 機器人系統結構

　　此項目研究的平臺是iKid仿人足球機器人。iKid機器人共有20個自由度，頭部有仰俯和搖擺兩個自由度，腿部有6個自由度，手臂處分別有3個自由度。其頭部采用的是USB網絡攝像頭Logitech C905，核心板型號為Cortex-A8，所選用的舵機型號為韓國Robots公司的RX28和RX64。

　　在智能決策系統硬件方面，iKid機器人采用Cortex-A8核心板，其主處理器為Samsung S5PV210。此外，S5PV210內部集成了高性能圖形引擎，同時也包含了圖像硬解碼功能，能夠流暢運行Android、Linux等操作系統。

　　iKid仿人足球機器人的圖像采集器選擇的是USB2.0網絡攝像頭Logitech C905，它能夠以30幀/秒的速度傳送分辨率為640×480的壓縮圖像，攝像頭的采集頻率可達人眼的頻率，且能在當前比賽場地的坐標位置看到場地任意位置的目標。攝像機還具備可變白平衡、可變增益等自動調節功能，能夠使機器人在不同的光照情況下保持良好的圖像質量。該攝像頭支持RGB和YUYV格式的圖像，支持多分辨率。

　　在iKid機器人決策方面，采用的是運動控制系統與智能決策系統分離的分布式系統，經Wi-Fi傳送的信息及攝像機采集到的圖像信息處理后使機器人做出相應的決策，控制舵機做出相應的運動，使機器人做出相應的運動。

　　具體系統簡圖如圖２所示。

　　圖２ iKid仿人足球機器人系統簡圖（參見右欄）整體來講，iKid足球機器人的硬件平臺由其視覺系統、決策系統及運動控制系統構成。

　　２ 色彩模型的改進

　　２．１ 色彩模型的選取

　　彩色圖像的方式模型有多種，較為常用的是RGB模型、HSV模型和YUV模型。RGB模型受光線的影響較大，而在比賽中，稍微移動一下比賽場地就可能受到影響，進而需要重新標定。YUV模型中，Y項表示的是光照強度，也就是明亮度（Luminance），U和V表示的是色度（Chrominance）。其中亮度信號Y

　　和色度信號U、V的信息是相互獨立的，關聯性小，同時降低彩色分量的分辨率也不會明顯對圖像的質量造成影響。

　　YUV色彩模型是從RGB模型經線性變換而得到的，轉換公式如下：

　　其中，N為圖像分辨率，B為位數， r為幀速率。為了保證足球機器人在賽場上能較快地進行圖像獲取和處理，通過多次試驗選擇將采集到的圖像以RGB的壓縮格式通過圖像處理器的硬解碼功能轉換為YUYV格式圖像。每張圖片能夠用8ms完成格式轉換。YUYV色彩模型是抽樣格式，即為YUV4:2：2，保留Y像素，UV在水平空間上每兩個像素采樣一次。

　　其次建立像素表，像素表表示一個圖像的YUV與顏色表中的數據相互映射的關系。原始的YUV為三組8位數據，將三組數據并列建立表的索引便可發現每組數據都能被索引到，即通過某一處的像素點Y、U、V的值在表中進行索引得出對應像素點的顏色標號。為了減少光照造成的影響，先讓足球機器人多次進行場地圖像采集，然后對所拍攝到像素點的Y、U、V的值進行統計，進而選擇閾值。

　　在進行機器人顏色標定及建立色彩模型的過程中，分析數據發現環境照明度的變化對U和V值的分布影響極小，可認為U和V值并不隨著光照條件的變化而變化，色彩校正表一般來說是不需要重新生成的，僅當光線發生較大變化時仍然需要重新標定。

　　下圖為攝像頭采集到的圖像顏色分離及歸類處理過程流程：

　　在機器人識別的過程中，還加入了邊緣檢測方法，主要通過判斷目標球是否為圓形及判斷球門的長和高是否滿足一定的比例，還有限制機器人識別較遠位置的足球的能力，最終識別并確定目標物體，以保證識別的準確性。

　　３ 球的定位

　　球的定位在機器人的足球比賽中是至關重要的一個環節，也是機器人所應當具備的最基本的功能，

　　因為不論進攻、防守都是以球為中心的對抗，所以做好足球機器人對球的定位具有重要的意義。

　　iKid機器人視覺系統是攝像頭位于機器人頭部隨著機器人頭部及身體運動的單目系統。iKid機器人原采用的是三角形定位法，經場地調試認為該算法對機器人的目標識別的精度不能很好地滿足比賽需求，容易產生失誤。因此實現精確定位的關鍵在于圖像坐標系與機器人坐標系之間的轉換。????

　　單目視覺系統采集到的是圖像的二維信息，因此需要限制目標物體所在的平面，最終確定目標物

　　體的空間位置。采用小孔成像模型建立機器人目標

　　再根據小孔成像模型所得到了公式（３）聯立計算可得：

　　（８） （參見右欄）

　　其中，k為攝像頭采集到的圖像的放大系數。

　　４ 目標的追蹤算法

　　為了能夠提高仿人足球機器人在賽場上找球的效率，進行更準確快速的目標定位，本文設計采用Camshift算法進行目標的追蹤。根據以往的比賽經驗，iKid機器人在找球的過程中，一旦由于某些原因丟失了目標，系統將命令機器人重新全方位搜索，需要重新對環境進行識別和判斷，在賽場上，因來回找球浪費大量時間對比賽十分不利，加入目標追蹤算法會大大提高效率。

　　４．１ Camshife算法基本原理

　　Camshife算法是根據攝像頭所采集到的視頻圖像，利用目標顏色的特征在連續的視頻圖像中找到移動的目標，進而準確判斷出其位置和大小。在下一幀的所獲得的視頻圖像信息中，利用前一幀的大小位置信息來初始化搜索范圍，這樣可以大量節省

　　尋找目標的時間，進而實現對目標的連續追蹤。

　　４．２ 目標定位與追蹤實驗結果

　　以iKid足球機器人為實驗平臺，在比賽場地中進行目標球的標定與識別，結果如圖７、８所示。

　　５ 整體結果

　　經實際調試及賽場經驗數據記錄，算法改進后，iKid機器人在視覺識別和定位方面有了較大的提高。像素表的建立使機器人能夠快速查表濾除雜色，提高了識別的準確度；加入目標追蹤算法實現了iKid機器人對目標的追蹤，整體完成了項目預期的目的。

　　在仿人機器人調試中還遇到下列問題，相應的解決方法如下：

　　（１）攝像頭采集圖像時，受光線影響較大，很多相近的顏色難以區分，選擇閾值較為困難。改進措施：對機器人攝像頭參數進行調整，對光線進行補償，得到較好的圖像。

　　（２）在操作者對視覺進行標定時，需要采集全場各個角度的圖像，圖像采集標定時較慢。改進措施：利用上層決策，使機器人的攝像頭自主旋轉，掃描全場來采集圖像，這樣避免了死角出現，也減少了人為采集圖像的時間，提高了效率。

　　參考文獻：

　　［１］ 胡麗花．基于視覺的類人足球機器人目標定位算 法設計［Ｄ］．杭州：浙江理工大學，2011.

　　［２］ 王冉．基于Camshift算法的運動預測目標跟蹤改 進算法研究［Ｄ］．濟南：山東大學，2012.

　　［３］ 邱雪娜．基于視覺的運動目標跟蹤算法及其在移 動機器人中的應用［Ｄ］．上海：華東理工大學，2011.

　　［４］ 馬昕．基于單目視覺的移動機器人目標識別與定 位［Ｄ］．濟南：山東大學，2011.11.

　　［５］ 許家銘，謝侖．一種仿人足球機器人目標定位與追蹤算法［Ｊ］．華中科技大學學報（自然科學版）， 2011，39（S2）：243-245，258