NAO機器人的目標識別與定位研究.pdf

1、在Robocup標準平臺組比賽中，NAO機器人主要通過攝像頭感知球場的實時信息，為了適應(yīng)球場的復(fù)雜環(huán)境，要求機器人的圖像處理算法有較高的實時性和魯棒性。圖像處理部分要從圖像中快速提取出球場中的目標，本文所述的目標是球、球門和場地白線。自定位是機器人在比賽中必須完成的任務(wù)，定位也是比賽中一項關(guān)鍵技術(shù)，其水平也是機器人智能程度的重要指標。蒙特卡羅(MCL)粒子濾波定位算法被廣泛應(yīng)用于機器人的定位中，各種改進算法提高了MCL算法的效率。本文以

2、NAO機器人為研究平臺，主要研究了標準平臺組比賽中的目標識別和機器人自定位的MCL粒子濾波算法。
　　 1.對圖像按目標的顏色進行分割，為了避免場外信息對機器人目標識別的影響，提出了確定球場邊界的方法。根據(jù)球場圖像中邊界是非凹形的特點，提出了一種尋找最大斜率的方法，快速而準確的確定出圖像中的球場邊界，有效防止了場外信息的干擾，而且減少了后續(xù)目標識別算法的圖像處理區(qū)域。
　　 2.在圖像預(yù)處理的基礎(chǔ)上，從NAO機器人的實際

3、出發(fā)，實現(xiàn)了對球場目標的球和球門的識別。球和球門的識別都是以其特殊顏色為基礎(chǔ)，其中球的識別用到了Hough的圓檢測方法，球門的識別中涉及到角點的計算，以區(qū)分球門的左右門柱。
　　 3.因為其受到NAO機器人白色外殼的干擾，使得場地白線的識別是球場目標識別的難點。本文提出先用網(wǎng)格掃描找到白色邊緣，再用邊緣生長的方式遍歷白色邊緣，并根據(jù)邊緣點的斜率變化情況，對遍歷的白色邊緣進行分類，再用Hough變換給出識別結(jié)果。這個方法簡單而有效