耿小飛，毛麗民，莊夢秋，夏德偉

（常熟理工學院電氣與自動化工程學院，江蘇常熟 215500）

中型組足球機器人全場定位系統(tǒng)的研究

耿小飛，毛麗民，莊夢秋，夏德偉

（常熟理工學院電氣與自動化工程學院，江蘇常熟 215500）

針對基于兩個特征點的全場定位中存在盲區(qū)、定位不夠精確、不夠穩(wěn)定等缺點，提出了一種基于場線信息的全場定位方法，該方法Hough變換檢測場線，并利用場線信息定義世界坐標系.在滿足實時性要求的情況下，實現(xiàn)了精確，穩(wěn)定的定位.

全向視覺；基于場線；全場定位

機器人足球世界杯（RobCup）是國際上一項為促進分布式人工智能、智能機器人技術(shù)及其相關(guān)領(lǐng)域的研究與發(fā)展而舉行的大型比賽和學術(shù)活動[1-2].現(xiàn)在足球機器人自定位發(fā)展到綜合利用全向視覺系統(tǒng)、里程計、加速度計、陀螺儀等多種傳感器的信息融合定位方法[3].科爾曼濾波定位法、Markov定位法、粒子濾波定位法[4]等算法也得到廣泛的應(yīng)用.人工神經(jīng)網(wǎng)絡(luò)[5]和多傳感信息融合技術(shù)[6]也為目標識別開辟了新的途徑.

在RobCup比賽中，定位系統(tǒng)在足球機器人中是機器人導航的基本環(huán)節(jié)、重中之重，是解決其他問題的前提和基礎(chǔ)，因為只有明確了自身位置，目標點才有意義，也才能在此基礎(chǔ)上做出路徑規(guī)劃.本文主要研究了基于兩個特征點的全場定位和基于場線信息的全場定位方法，目的是快速、準確地實現(xiàn)機器人的全場定位.

1 足球機器人全場定位的幾何算法

圖1 基于一個路標和一個角柱的全場定位示意圖

1.1 基于兩個特征點的全場定位

圖1是基于一個路標和一個角柱的自定位.右門與地面接觸的中點M（路標）的確定：先找出右側(cè)球門區(qū)域，計算出它的中心坐標（x，y），它與機器人坐標系的原點連線，該直線上由藍色向綠色過度的點就是點M．N點是角柱上黃色的區(qū)域，因為黃色的高度大致與全景鏡面的高度差不多.由全景反射鏡可以測得M，N與機器人的距離分別是r1，r2．M，N之間的距離近似等于球場寬度的一半.根據(jù)余弦定理可以得到

這樣可以確定O點的坐標為（xN-r2sinθ，yN+r2cosθ）.

目前基于全向視覺的足球機器人全場定位方法是利用球門，立柱等地表信息的幾何三角定位方法[7].在比賽中，可以利用的地標特征較少，當?shù)貥吮徽趽鯐r，無法獲得地標點的準確信息，這種定位方法誤差較大.

1.2 實驗結(jié)果

表1為基于一個路標和一個角柱的全場定位方法在光照條件為16盞60 W日光燈，無陽光直射的10.8× 7.2 m（實際場地的0.6倍縮放）的實驗室場地中的實際測試結(jié)果.場上除去綠色場地、白色長線、紅色球之外無其他干擾.

從表1的數(shù)據(jù)可以看出，這種方法有一個明顯的缺點：機器人若偏離球場中央較大時，會存在較大的偏差，如表中的（50，50）點.另外，當機器人與定位點之間存在障礙物遮擋時，如表中（490，380），該點距離在中圈內(nèi)，但由于測試時放置了障礙，導致該定位方法在該點存在盲區(qū)，定位結(jié)果也出現(xiàn)了較大誤差.

表1 基于一個路標和一個角柱的全場定位實驗結(jié)果（單位：

2 基于場線信息的全場定位方法

圖2 預處理前圖像

機器人全場定位是指機器人在世界坐標系中的位置和朝向信息，定位值用（x，y，θ）[8]表示，其中x，y表示機器人的位置坐標，θ表示機器人的朝向.機器人的場地中只有比較有限且對比強烈的幾種顏色，如果能夠快速地將白色場線從圖像中提取出來并與環(huán)境的幾何模型比較就能夠?qū)崿F(xiàn)機器人在場地上的實時全場定位.

由于全景相機加工精度等原因造成的誤差，我們往往需要對獲得的圖像進行諸如去噪[9]、銳化等預處理[10].

從圖2和圖3可以看出，經(jīng)過預處理后的圖像具有更高的對比度與更加清晰的邊緣，更有利于場線的提取.

2.1 利用快速Hough變換[11]檢測場線

快速Hough變換的具體描述如下：

1）確定由m個特征點組成的圖像空間P=｛pi=（xi，yi）|i=1，2，…，m｝；

2）按順序依次從P中取出一個點pj作為種子點；

3）從由剩余特征點組成的點集P1=｛pi=（xi，yi）|i=j+1，2，…，m｝中隨機選擇出特征點pk用于第4）和第5）步的運算，直至已隨機選取的特征點數(shù)量達到P1中特征點數(shù)量的一定比例，則轉(zhuǎn)第6）步；

4）計算

5）考慮一條直線上的任意兩個點按照（1）式計算的結(jié)果一定相等，且一條直線至少需通過兩個點，進行如下累積計算：如果θjl與已存在的所有θjl都不相等，即θjk與所有的θjl關(guān)系都滿足|θjk-θjl|≥δ1，則新開一個累積存儲單元H（θjk）←1，否則如果θjk與已存在的某一θjl的差距很小，即滿足|θjk-θjl|＜δ1，則H（θjl）←H（θjl）+ 1.回到第3）步；

6）獲得具有最大累積數(shù)的累積存儲單元，如果該H（θ）大于閾值T1，則認為可能存在一條過點pj的直線（ρ，θ），按下式計算直線參數(shù)：

圖4 利用快速Hough變換檢測場線的結(jié)果

圖5 世界坐標系

7）依次選取P中所有的特征點p=（x，y），將在可能的直線（ρ，θ）上即滿足；

|xcosθ+ysinθ-ρ|＜δ2的點從P中刪除，如果被刪除的點數(shù)目超過閾值T2，則確認該可能直線為圖像上存在的直線.如果P中剩余特征點數(shù)目大于T3，則初始化累積存儲空間，回到第2）步；

8）算法結(jié)束.

圖4中紅色的線是利用Hough檢測場線的結(jié)果.從圖中的情況可以看出利用Hough變換進行場線的檢測可以得到很好的效果，為后續(xù)的坐標定位提供了有利條件.

2.2 判斷檢測得到的直線的歸屬

機器人場地的邊線共有9條白線，我們將其編號為1～9.為了便于定位，我們利用球門目標定位的結(jié)果，將兩個球門中心點連接起來，定義為0號線.如圖5所示，圖像上物體之間的距離通過乘以一個固定系數(shù)可以轉(zhuǎn)換為實際的世界坐標系物體之間的距離.利用已知的場地環(huán)境信息，如球門到白線的距離，不同白線之間平行與垂直關(guān)系，白線與球門之間的方位等等，可以判斷每條白線的歸屬.

（1）將檢測出來的直線分為互相垂直的兩組；

（2）根據(jù)所檢測到的直線與0號線的關(guān)系、球門中心點到檢測直線的距離、球門中心點與檢測直線之間的方位等來判斷該直線是場地的1～9號線中的哪一條.

2.3 利用得到的白線進行機器人的自定位

完成判別檢測到直線的歸屬后，可以獲取足球機器人到相應(yīng)白線的距離和垂線方位角，利用這些信息可以進行機器人的自定位.

在實際的應(yīng)用中我們會碰到如有多組互相垂直的白線、多條平行的白線和一個球門中心點等情形，此時可以得到多組位置信息，我們需要根據(jù)白線和機器人距離遠近程度對得到的多組位置信息進行加權(quán)平均，最終得到機器人的位置信息，使該算法更具有魯棒性.

表2為基于場線信息的全場定位方法在光照條件為16盞60 W日光燈，無陽光直射的10.8×7.2 m（實際場地的0.6倍縮放）的實驗室場地中的實際測試結(jié)果.場上除去綠色場地、白色長線、紅色球之外無其他干擾.該條件下機器人足球比賽場地上的白線是非常明顯的標志，采用全景視覺的足球機器人在球場的任何位置都能看到場地上的白線.如果能夠準確檢測出白線，完成對整個球場地圖的創(chuàng)建，即可實現(xiàn)對場上目標的絕對定位.

結(jié)合表2的數(shù)據(jù)可以看出，基于場線信息的定位方法與基于一個路標和一個角柱的全場定位方法相比，從定位精度和穩(wěn)定性上來看都有明顯提高.由于該種方法需要筆記本電腦對獲取的連續(xù)幀做更多的圖像處理分析，主要表現(xiàn)為大量的矩陣信息的計算，選用高性能的計算機可以在單位時間內(nèi)抓取并處理更多的視頻幀，得到的信息也就更能反映當時的情景，也即提高了系統(tǒng)的實時性.

表2 基于場線信息的全場定位方法實驗結(jié)果（單位：cm）

3 結(jié)語

本文綜述了RobCup足球比賽中常見的幾種基于視覺的幾何定位法、基于兩個特征點的定位方法和基于場線信息的定位方法.基于兩個特征點的算法實現(xiàn)簡單，所需計算量小，但抗干擾能力弱，定位存在盲區(qū)且定位不夠穩(wěn)定；基于場線信息的定位方法算法比前者復雜，圖像處理的計算量也比前者大得多，但在穩(wěn)定性與精度方面與前者相比得到了很大的提升.

[1]何澤宇，付莊，曹其新，等.具有輸入飽和特性的中型足球機器人運動控制研究[J].計算機工程與應(yīng)用，2003，18：105-107.

[2]盧惠民.機器人全向視覺系統(tǒng)全場定位方法研究[D].長沙：國防科技大學，2005.

[3]劉寅東，張一龍，姜亞萍.輪式移動機器人軌跡跟蹤控制的參數(shù)化方法[J].東北電力大學學報，2009，29（2）：73-78.

[4]厲茂海，洪炳熔.移動機器人的概率定位方法研究進展[J].機器人，2005，27（4）：380-384.

[5]李春梅，周驥平，顏景平.人工神經(jīng)網(wǎng)絡(luò)在機器人視覺中的應(yīng)用[J].制造業(yè)自動化，2000，2（9）：533-536.

[6]楊樹謙，宋桌.紅外成像制導在飛航導彈上的應(yīng)用[C].中國宇航學會.2003年全國光電技術(shù)學術(shù)交流會暨第十六屆全國紅外科學技術(shù)交流會論文集（上）.長沙：中國宇航學會，2003：205-208.

[7]徐則中，莊燕賓.移動機器人定位方法對比研究[J].系統(tǒng)仿真學報，2009（7）.

[8]張弦，蘇志遠.自主移動機器人定位技術(shù)研究綜述[J].機電產(chǎn)品開發(fā)與創(chuàng)新，2010（2）.

[9]謝鳳英，趙丹培，姜志國.Visual C++數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2008.

[10]章毓晉.圖像處理和分析[M].北京：清華大學出版社，1998：149-181.

[11]盧惠明，鄭志強.一種新的用于檢測直線的快速Hough變換[J].計算機應(yīng)用，2005（10）.

A Research into Omni-vision Based Location for Middle-sized Soccer Robot

GENG Xiao-fei,MAO Li-min,ZHUANG Meng-qiu,XIA De-wei
（School of Electrical and Automation Engineering,Changshu Institute of Technology,Changshu 215500,China）

Accurate omni positioning is the premise of the medium-sized group of robots working properly.Omni positioning based on two feature points is neither precise enough nor stable enough and there is a dead zone, which proposes an omni positioning method based on the information of the field lines.The Hough is transformed to detect field lines,and the world coordinate system of the message definition of the field lines is used to meet the real-time requirements of the case so that accurate and stable positioning can be achieved.

omni-vision;field lines;omni positioning

TP368.1

B

1008-2794（2012）10-0100-04

2012-08-20

耿小飛（1989—），男，江蘇張家港人，常熟理工學院電氣與自動化工程學院自動化專業(yè)2008級學生.

毛麗民（1981—），男，江蘇常熟人，講師，碩士，研究方向：機器人與目標跟蹤，E-mail：maolimin_1981@163.com.