论文部分内容阅读
双足机器人系统是当前机器人领域的一大研究热点。双足机器人融合了计算机视觉、运动控制、传感与数据融合、智能控制和通信等多个领域的技术。视觉系统是双足机器人的重要组成部分,是机器人获取环境信息最重要的来源之一。因此本课题的研究具有重要的理论意义和实用价值。
本课题针对AFU2009双足机器人研究平台和足球比赛要求,对双足机器人视觉系统的目标识别与跟踪问题进行了深入研究,使机器人能够实时的检测识别出彩色目标,并对目标进行跟踪预测。论文主要工作包括:
1.标定机器人视觉系统的摄像机参数。首先,描述AFU2009双足机器人结构系统及视觉系统；其次,分析摄像机的透视投影模型及摄像机的线性、非线性模型；第三,在比较现有的摄像机标定算法后重点研究了张正友摄像机标定法,并采用基于张氏标定法的MATLAB工具箱对摄像机参数进行了标定。
2.研究双足机器人的彩色目标识别算法。首先,介绍了图像分割算法及目标特征的直方图描述等灰度图像处理技术、颜色空间选择及颜色空间之间的转换和区域生长识别算法等彩色图像处理技术；其次,提出了基于形状判别的颜色阈值自适应更新方法,并结合区域生长算法形成改进的彩色目标识别算法,以改进传统的区域生长识别算法。改进算法在HSI空间根据饱和度S把图像区域区分为高饱和区域与低饱和区域,在高饱和区域基于H分量采用区域生长算法识别目标。通过目标形状判别自适应更新颜色阈值,并用新阈值更新区域生长中原来的阈值,以稳定准确地识别彩色目标。
3.提出融合Camshift算法和粒子滤波器的目标跟踪新算法。首先分析了Mean Shift算法、Camshift算法和粒子滤波算法的原理。在粒子滤波器结构框架下,设计了包含双足机器人运动、摄像机运动和自适应学习的目标运动速度的系统状态模型；采用核直方图表示目标的特征值和候选目标区域与目标区域之间的相似度,构建系统观测值；采用了目标区域描述更新算法,以更新初始目标区域描述；用Camshift算法原理搜索粒子滤波器预测的粒子的最佳位置,并根据观测模型更新粒子的权值。由于引入Camshift算法,使每个粒子表示的状态更合理,能在使用较少粒子的情况下获得良好的跟踪效果,从而大大提高算法的实时性。