王會，毛麗民，江維勇，萬瑩，俞雷

（常熟理工學(xué)院電氣與自動化工程學(xué)院，江蘇常熟 215500）

中型組足球機器人場地標(biāo)定系統(tǒng)的研究

王會，毛麗民，江維勇，萬瑩，俞雷

（常熟理工學(xué)院電氣與自動化工程學(xué)院，江蘇常熟 215500）

場地標(biāo)定關(guān)系到機器人在場地中的正常運作.本文研究了中型組足球機器人的場地標(biāo)定系統(tǒng)，應(yīng)用基于顏色的閾值分割法，對采集的圖像通過閾值分割來確定HSI圖像中場上信息的顏色閾值，實現(xiàn)了對綠色場地、橙色足球、白色標(biāo)志線、黑色障礙物的標(biāo)定.實際運行達到預(yù)期效果，證明了該方法的有效性.

足球機器人；圖像處理；閾值；場地標(biāo)定；

場地標(biāo)定對足球機器人的正常運作有至關(guān)重要的作用.在場地標(biāo)定時，顏色空間的選取直接決定了圖像處理效果，本文將RGB格式的圖像轉(zhuǎn)換為HSI圖像進行處理，分別采用中值濾波與梯度銳化法進行平滑銳化[1]，圖像分割采用基于閾值法的彩色圖像分割法.最后通過實際調(diào)試證明選取的方法是可行的，能夠有效完成場地標(biāo)定工作.

1 顏色空間的選取

目前主要有三種顏色空間模型：RGB模型、YUV模型和HSI模型.攝像頭采集的圖像為RGB模型，該模型較易獲取，但沒有將照度等信息剝離，難以進行顏色閾值的劃分，因此處理時先將RGB轉(zhuǎn)換為HSI，再對HSI空間進行圖像處理.

RGB是最常用最直觀的顏色空間，使用紅（Red）、綠（Green）、藍（Blue）三個顏色分量來描述顏色.由于R、G、B三個分量和亮度相關(guān)，即只要亮度改變，三個分量都會變化，所以對于純色系的識別簡單，但受亮度影響過大，且RGB是不均勻的顏色空間，因此不適合于圖像分割和分析，難以進行顏色閾值的劃分.

HSI是從人的視覺系統(tǒng)出發(fā)，用色調(diào)（Hue）、色飽和度（Saturation）和亮度（Intensity）來描述色彩[2].在HSI中，亮度I指彩色光對人眼球的光刺激強度，顯然它只和光的能量有關(guān)，而與光的顏色無關(guān)[3].色調(diào)分量H和飽和度分量S與人類知覺顏色的關(guān)系緊密.閾值劃分簡單，只需要在色調(diào)分量上進行范圍劃定，亮度分量被剝離，同時限定一個亮度最低值即可實現(xiàn)功能.這些特點使得HSI模型非常適合借助人的視覺系統(tǒng)來感知顏色特征的圖像處理算法.

足球機器人攝像頭采集到的圖像為RGB空間，要將其轉(zhuǎn)換為HSI顏色空間再進行圖像處理.以下為RGB顏色空間與HSI顏色空間之間的轉(zhuǎn)換公式[7]：

在轉(zhuǎn)換的時候為了提高運算速度，將公式優(yōu)化為：

2 圖像處理

2.1 HSI圖像處理

本文在實際HSI圖像處理過程中具體分為CRGB2HSI（顏色空間轉(zhuǎn)換）、CErosionl（腐蝕）、CDilation（膨脹）、CConctDomain（連通域檢測）四個處理環(huán)節(jié).

2.2 圖像分割

圖像分割就是把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過程.現(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法[4]以及基于特定理論的分割方法等.圖像分割的目的就是要在一幅圖像中提取出不同區(qū)域的輪廓，這就是將圖像分割成不同的區(qū)域，每個區(qū)域都由大致相同的像素組成[5].

圖像分割采用的是基于閾值法[6]的彩色圖像分割.閾值法假設(shè)顏色值在一定范圍內(nèi)的像素屬于同一類區(qū)域，據(jù)此將色彩空間劃分為若干不相交的子集.閾值法的最大特點是計算簡單，在重視運算效率的應(yīng)用場合得到了廣泛的應(yīng)用[8].我們應(yīng)用閾值分割法在HSI色彩空間利用圖像的顏色直方圖將被檢測物體從背景中分割出來.

3 閾值的獲取

場地標(biāo)定是基于顏色閾值的不同，因此在賽前需要針對不同的場地進行標(biāo)定，獲取場地各個目標(biāo)的顏色閾值范圍.由于需要將攝像頭采集到的RGB圖像轉(zhuǎn)換成HSI顏色模型，因此我們利用的閾值參數(shù)結(jié)構(gòu)體為HSIParam.

4 場地顏色的標(biāo)定

足球機器人進入場地后需要對場進行標(biāo)定，標(biāo)定前首先要設(shè)定好攝像頭參數(shù)，完成設(shè)定后，將機器人放置在場地的一些特定位置，如中圈、球門前方.采集全景圖像作為顏色標(biāo)定圖像，從而可得到HSI色彩空間下的顏色分布圖（如圖1所示），在顏色分布圖上標(biāo)出合適的方框，選定幾種顏色的閾值范圍，包括綠色場地，白線，紅球及敵我雙方機器人的顏色標(biāo)志.為了去除干擾，要反復(fù)調(diào)整閾值，以去除其他顏色的干擾.彩色攝像機輸出格式為RGB，所以查表的分類索引為RGB.先將攝像機采集到的RGB顏色數(shù)據(jù)轉(zhuǎn)換為HSI顏色數(shù)據(jù)，在HSI顏色空間下進行顏色分類，確定對應(yīng)顏色的閾值.由此可以得到HSI的顏色閾值，再利用空間轉(zhuǎn)換關(guān)系將HSI閾值轉(zhuǎn)換為RGB閾值，最終建立RGB顏色空間到分類結(jié)果的查找表.

4.1 標(biāo)定黑色障礙物

利用HSI顏色編輯器進行場地標(biāo)定的色域選取，需要標(biāo)定的黑色障礙物目標(biāo)主要是己方和對方的機器人本體，應(yīng)盡可能將綠色場地內(nèi)的機器人和裁判的黑色衣褲等障礙物劃到范圍中，如圖2所示.黑色的特點是在H向量上包含了所有值，在S向量的上限很小而下限為0，同時I值也在一個很低的范圍內(nèi).因為部分場地存在光照原因，機器人本體的影子會造成機器人周圍的綠色變得較深，標(biāo)定黑色障礙物時需要注意機器人自身影子部分，否則機器人會因為規(guī)避自己的影子造成亂跑現(xiàn)象.

黑色障礙物的閾值分布：H：0-360，S：0-17，I：0-66.

4.2 標(biāo)定綠色場地

對場地顏色的標(biāo)定要嚴(yán)格注意不要與場外綠色物體相混淆.如果無法避免將場外物體標(biāo)定上，則盡量避免標(biāo)定的場外物體與場地像素太過接近.綠色像素的范圍，將決定視覺算法在圖像中尋找目標(biāo)物體的范圍所以應(yīng)盡可能將其限定在比賽場地之內(nèi)，如圖3所示.標(biāo)定結(jié)果將影響后面所標(biāo)定的目標(biāo)識別結(jié)果，場地的范圍應(yīng)在排除場外顏色干擾的情況下盡可能的標(biāo)全，且優(yōu)先考慮排除場外顏色干擾.程序中，所有目標(biāo)識別是以綠色范圍內(nèi)的顏色作為有效識別目標(biāo).

綠色場地的閾值分布：H：133-183，S：20-255，I：65-100.

4.3 標(biāo)定白色標(biāo)識線

相對于其他目標(biāo)，場地上的白線比較細，所以標(biāo)定時應(yīng)盡可能把白線標(biāo)定完全，切勿遺留大段的白線處于未標(biāo)定狀態(tài)，如圖4所示.標(biāo)定時，對綠色場地以外的任何相似白色物體都可以忽略，因為有前一項標(biāo)定的保證，場地外的白色不會形成干擾.此項標(biāo)定結(jié)果將影響機器人在場地里的自我定位.

白色的標(biāo)定在H和S向量上，跟黑色標(biāo)定相似，甚至S值上限可以再高一些.在I值上，白色則是一個貼近上限的范圍.為了將白線標(biāo)全，閾值范圍可以稍微大一些.

圖1 HSI下的顏色分布

圖3 場地綠色的標(biāo)定

圖4 白色場地線的標(biāo)定

白色標(biāo)志線的閾值分布：H：1-360，H：0-56，I：130-255.

4.4 標(biāo)定比賽用足球

如圖5，比賽用球一般為桔色，因為在全景中面積較小，所以標(biāo)定原則跟白色場線一樣需要將目標(biāo)像素標(biāo)全.同樣，在綠色場地標(biāo)定的基礎(chǔ)上，場外的桔色顏色物體不會對識別結(jié)果產(chǎn)生干擾，所以場外桔色物體只要不在綠色場地范圍內(nèi)，也可以標(biāo)記進來.但是要注意綠色場地內(nèi)或者緊挨著綠色場地邊緣是否有別的干擾色，這些顏色會對標(biāo)定產(chǎn)生一定的干擾，因此要除去.

比賽用球的閾值分布：H：333-27，S：25-255，I：59-143,

4.5 預(yù)覽所有標(biāo)定結(jié)果

顏色閾值標(biāo)定結(jié)果如圖6所示，界面上看到所標(biāo)定的綠色場地、白色標(biāo)識線、橙色足球、黑色障礙物分別對應(yīng)亮綠、淡蘭色、桔色、紫色像素.

圖5 橙色足球的標(biāo)定

圖6 預(yù)覽所有標(biāo)定結(jié)果

5 結(jié)論

本文研究了場地標(biāo)定視覺系統(tǒng)，根據(jù)標(biāo)定結(jié)果運行程序，由上位機發(fā)出指令，機器人能夠比較標(biāo)準(zhǔn)的跑位，在比賽中也能較好的識別敵方機器人并與其搶球、帶球以及射門.通過實驗驗證，這些算法達到了預(yù)期的場地標(biāo)定目的.

[1]余存.RoboCup中型組足球機器人視覺系統(tǒng)的研究與設(shè)計[D].濟南：山東大學(xué)碩士學(xué)位文.2007.

[2]楊文兵，許法強.基于顏色空間轉(zhuǎn)換的彩色圖像平滑處理[J].科技信息.2009，15（9）；12-15.

[3]張學(xué)習(xí)，楊宜民.彩色圖像工程中常用顏色空間及其轉(zhuǎn)換[J].計算機工程與設(shè)計.2008.3（7）：21-23.

[4]孫慧賢，張玉華.基于HSI顏色空間的彩色邊緣檢測方法研究[J].光學(xué)技術(shù)，2009，4（5）34-37.

[5]鄧星橋.足球機器人視覺系統(tǒng)的研究[D].成都：西華大學(xué)碩士學(xué)位論文，2007，45-52.

[6]韓思奇，王蕾.圖像分割的閾值法綜述[J].系統(tǒng)工程與電子技術(shù)，2002，5（10）：23-25.

[7]袁奮杰，周曉，丁軍，等.基于FPGA的RGB和HSV色空間轉(zhuǎn)換算法實現(xiàn)[J].電子器件，2010（8）：4-33.

[8]周敬.圖像分割中閾值法的研究[J].機電技術(shù)，2010（1）：34-38.

A Study of Medium-sized Soccer Robot Field Calibration System

WANG Hui,MAO Li-m in,JIANGWei-yong,WAN Ying,Yu Lei
(School of Electrical and Automation Engineering,Changshu Institute of Technology,Changshu 215500,China)

This paper studies the medium-sized soccer robot field calibration system,which is of great impor?tance to the robot’s normal operation in the field site.Based on the color threshold segmentation method,the field information of the color threshold in HSI images is determined by means of images collected by threshold segmentation so as to achieve the green field,orange football,white marking,and black football flag line obsta?cle calibration.The actual operation achieves the desired result,and proves that themethod is effective.

soccer robot;image processing;threshold;field calibration

TP368.1

B

1008-2794（2012）08-0076-04

2012-06-16

江蘇省大學(xué)生實踐創(chuàng)新訓(xùn)練計劃項目“中型組機器人目標(biāo)自動識別與跟蹤研究”（B2339）

王會（1991—），女，江蘇徐州人，常熟理工學(xué)院電氣與自動化工程學(xué)院自動化專業(yè)學(xué)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(biāo)跟蹤.