中型組足球機器人抗干擾系統(tǒng)的研究

錢晟，毛麗民，張亞飛，浦宇歡

（常熟理工學院電氣與自動化工程學院，江蘇常熟 215500）

中型組足球機器人抗干擾系統(tǒng)的研究

錢晟，毛麗民，張亞飛，浦宇歡

（常熟理工學院電氣與自動化工程學院，江蘇常熟 215500）

提出了結合RGB和HSI色彩空間的顏色算法以減少光照干擾，基于HSI顏色模型對圖像進行二值處理消除噪聲；根據(jù)實際現(xiàn)場環(huán)境，選取最佳方案消除場周圍的顏色干擾.實際運行測試表明了該方法的有效性.

視覺系統(tǒng)；顏色模型；干擾

在中型組足球機器人系統(tǒng)中，視覺系統(tǒng)是一個至關重要的系統(tǒng).機器視覺就是用攝像機代替人眼來做測量和判斷.機器視覺系統(tǒng)將被攝取目標轉換成圖像信號，傳送給圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉變成數(shù)字化信號[1]；圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別的結果來控制現(xiàn)場的設備動作[2].本文對中型組足球機器人在比賽中可能遇到的若干種干擾因素進行了分析，對視覺系統(tǒng)存在的問題進行研究并提出了改進方法，使改進后的視覺系統(tǒng)有較高的識別精度，并能減少環(huán)境的干擾.

1 光照抗干擾

1.1 HSI圖像處理

HSI圖像處理方法和流程見圖1.

1.2 圖像顏色空間模型

顏色空間模型是指某個三維顏色空間的一個可見光子集，里面包含了某個顏色域的所有顏色.顏色通常用三個相對獨立的屬性來描述.三個獨立變量綜合作用，于是就構成一個空間坐標，也就是顏色空間.使用三個不同的屬性描述顏色就產生了不同的顏色空間.但被描述的顏色對象本身是客觀的，不同顏色空間只是從不同的角度去衡量同一個對象顏色空間.顏色空間按照基本結構可以分兩大類，基色顏色空間和色、亮分離顏色空間.比較常用的有RGB空間、HSI空間[3].

圖1 HSI圖像處理流程圖

RGB（Red，Green，Blue）：按照光學理論，紅，綠，藍可以混合在一起得到絕大部分色彩，紅，綠，藍被稱為三原色，三原色是相互獨立的，其中任何一個原色都不能由另外兩種原色配出，這樣可以保證配色范圍是最大的，按照這一原理建立的色彩模型叫做RGB彩色模型，在應用上即稱為RGB顏色空間[4].HSI：HSI彩色空間采用色度H，飽和度S，亮度I來表示像素顏色，即HSI顏色空間.這樣目標的色度和亮度相互獨立，系統(tǒng)的穩(wěn)定性得到提高[5].兩者的對比詳見表1.

1.3 顏色模型變換算法

給定一幅RGB彩色格式的圖像，每一個RGB像素和H、S、I分量可用下面的公式得到，其中R、G、B值的范圍在[0，1][6]：

式（1）中H分量是決定顏色的重要因素，當它發(fā)生變化時，色調值也將變化.亮度I對應成像亮度和圖像灰度，是顏色的明亮程度.首先亮度分量與色度分量是分開的，I分量與圖像的彩色信息無關，其次是H及S分量與人感受彩色的方式緊密相連（這里強調了顏色的重要性，因為人對光的感知還與I分量有關）.

HSI模型是比較合適的圖像處理空間，這樣可以避免光照帶來的干擾.攝像機采集的圖像為RGB模型，需要將其進行轉換[7].

表1 顏色空間對比

2 物體顏色雜質抗干擾

2.1 二值處理

一幅圖像包括目標物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群.這是研究灰度變換的最特殊的方法，稱為圖像的二值化.二值處理前后的圖像效果見圖2和圖3.

圖2 二值處理前圖像圖

圖3 二值處理后圖像

2.2 腐蝕處理

腐蝕和膨脹是兩個互為對偶的運算[8].腐蝕是一種消除邊界點，使邊界向內部收縮的過程.令A，B是離散歐幾里德Z2空間的子集，A為二值目標，B為結構元素，A被B腐蝕計為AΘB，定義為：

其中Bx表示B平移了矢量x后的變換.上式表明A用B腐蝕的結果是所有x的集合，其中B平移了矢量x后仍在A中.換句話說，用B來腐蝕A得到的集合B是完全包含在A中時B的原點位置的集合.

算法可總結為三點：（1）用3×3的結構元素，掃描圖像的每一個像素.（2）用結構元素與其覆蓋的二值圖像做“與”操作.（3）如果都為1，結果圖像的像素為1，否則為0.

對圖4進行二值化處理，然后用結構元素與二值圖像“與”操作，得出如圖5的效果.

2.3 顏色空間HSI閾值選取

把機器人放置于場地的中心、球門前的幾個位置，然后采集全景圖作為顏色標定圖像，這些圖像包括了在此光照條件下各種顏色的分布情況，具有一定的代表性.將圖像在HSI色彩空間的顏色分布圖上用手動的方法畫出一些方框，選定幾種感興趣的顏色的閾值范圍，包括球、綠色場地、白線等.手動選取閾值過程見圖6.為了保證閾值的通用性，選擇了一個閾值之后，需要在其他幾幅圖像中進行實驗反復調整閾值，直到對于大部分的標定圖像都能識別出感興趣的顏色區(qū)域，并去除掉無關的顏色干擾.但是考慮到球和光照角度變化的影響，必須為閾值寬度保留適當?shù)挠喽?

基于顏色信息在HSI空間采用閾值法分割目標，主要是確定目標區(qū)域的六個閾值，它們分別代表目標區(qū)域顏色的H，S，I分量的最小閾值和最大閾值.

圖4 腐蝕處理前圖像

圖5 腐蝕處理后圖像

圖6 手動選取閾值過程

在圖像區(qū)域中有一像素點a（Ha,Sa,Ia），可以利用下式進行判斷：

如果符合（4）式的三個條件，可判定像素點a是目標素點.

3 場地周圍干擾

若周圍其他物體剛好和球的顏色相近也會產生干擾.例如在閾值標定時，場外的紅色物體會與紅色球一起標定起來，從而造成干擾.

足球機器人最主要的識別目標是球，如果對球進行顏色分割[9]，會需要較多時間，而且很難實現(xiàn).在比賽中，不管是球還是機器人都是運動的，這樣不能在合理的時間里檢測到目標，會影響機器人的實時性要求.為了提高效率，對帶有球的圖像進行分割的時候，采用分區(qū)種子擴充法.

先把整幅圖像分為若干個子區(qū)域，以每個子區(qū)域的中心為基點，然后向四周擴散.求取以長方形中心點的方法來確定球的重心.

圖7為球的平面圖，取A為種子點，然后向上下左右四個方向進行掃描，則得到A1，A2，A3，A4這4個邊界點，將這4個邊界點連起來形成一個長方形，這個長方形的中心點就是球的重心.子區(qū)域塊的大小一般以球的直徑的四分之一為邊界的正方形組成.在填充的同時也要計算處理色塊的重心，在確定邊界點時需考慮坐標分布，若相對邊界點的距離超過球直徑的長度，就說明是干擾點.球的分割過程如圖8所示，從左往右，從上至下的網絡中心掃描像素點，找到目標顏色后向四周擴散.

圖7 球的平面圖

圖8 球的分割過程

圖9 RGB采集的圖片

圖10 經過HSI轉化過后采集的圖片

圖11 綠色場地1

圖12 綠色場地2

圖13 球1

圖14 球2

4 測試結果

抗光照干擾測試：對比圖9和圖10可以看出，在直接從攝像機采集到的RGB圖像上，場地外的窗戶有陽光，場地中央也留有一束陽光，可以觀察到場地顏色有所失真，特別是場地白線和周圍白墻都有些偏綠，對稍微遠一點的物體顏色偏差很大.而經過轉換后采集的圖像就不同，同樣的干擾環(huán)境，圖像各物體顏色與人的肉眼所觀察到的基本一致，各物體顏色變化細微，滿足對光照問題的抗干擾要求.

對比圖11可看出，由于飽和度范圍的增加，綠色場地的標定更加準確.圖12在選取適當?shù)腟閾值后能把圖11中有差異的場地顏色塊也標定進去.

由圖13可看出，標定范圍過大，將有差異的色塊也標定進去增加識別度。圖14通過改變S閾值，從而避免了對識別球的外界干擾.理想的飽和度范圍應該只標定球場中的紅色球而不識別其他相近顏色物體.

如圖15、16所示，白色場線2通過調節(jié)H、S值把白色場線1中場線未標到的地方也標定進去.

中型組足球機器人需要滿足實時性和準確性，在以上方法中最合適的就是利用坐標來判斷是球還是干擾.對于足球機器人，根據(jù)其識別的球場線建立坐標系，并確定球場的范圍，當識別物的位置坐標超過了球場的最大范圍即判斷為干擾，否則識別為球.根據(jù)比賽的規(guī)則，當球出界，機器人會在邊線處停止，此時球也可視為干擾.

以旅行家Ⅲ中型組足球機器人為平臺，利用坐標判斷球的方法在實際應用中是可行的，對場外紅色能起到很好的抗干擾作用，即使在對球的閾值標定時將其他紅色標進去也不受影響.

圖15 白色場線1

圖16 白色場線2

5 總結

中型組機器人在比賽中可能會遇到各種干擾因素，給視覺系統(tǒng)帶來不同的影響.通過RGB顏色模型對HSI顏色模型進行轉換，可減少光照強度變化和光照分布不均勻對系統(tǒng)的影響.通過開運算處理來解決目標物體顏色雜質所形成的干擾.通過實驗，對圖像中綠色場地、白色場地、球等感興趣的顏色區(qū)域都能準確識別出來.

[1]郭成果.全方位移動機器人視覺子系統(tǒng)的設計與實現(xiàn)[D].杭州：浙江大學，2006.

[2]陳溟.足球機器人彩色圖像對光照不變性研究[D].青島：中國海洋大學，2011.

[3]楊璟，朱雷.基于RGB顏色空間的彩色圖像分割方法[J].計算機與現(xiàn)代化，2010（8）：148.

[4]李鐵軍.RoboCup中型組機器人視覺系統(tǒng)的研究與開發(fā)[D].濟南：山東大學，2006.

[5]田國會，尹建芹，寧春林，等.足球機器人視覺子系統(tǒng)及其關鍵問題[J].山東工業(yè)大學學報，2002（1）：88.

[6]袁奮杰，周曉，夏軍.基于FPGA的RGB和HSV色空間轉換算法實現(xiàn)[J].電子器件，2010（4）：494-496.

[7]徐春梅，王春，耀劉躍.基于機器視覺系統(tǒng)的顏色識別[J].機械設計與制造，2011（8）：257.

[8]黃樟燦，陸昊卷，李亮.彩色圖像去噪方法討論[J].計算機工程與科學，2001，23（4）：16.

[9]王澤兵，楊朝暉.彩色圖像分割技術研究[J].電視技術，2005（4）：20.

A Study of Medium-sized Group of Soccer Robots Anti-jamming System

QIAN Cheng,MAO Li-min,ZHANG Ya-fei,PU Yu-huan
(School of Electrical and Automation Engineering,Changshu Institute of Technology,Changshu 215500,China)

The vision subsystem is one of the most important parts in the football robot system.The vision subsystem mainly includes real-time,accuracy and adaptability.This paper completes the anti-interference processing mainly from three aspects.The First is light interference.The paper uses a color extract algorithm which combines RGB color space and HSI color space.Using RGB color model to collect image,it is transformed into HSI color model immediately.The HSI color model is not sensitive to light,so it can be used for color calibration.The second is the color impurity.Based on the HSI color model,the picture is dealt with to eliminate the noise by erosion and dilation.The authors of this paper select the most appropriate spatial color model conversion to reduce impurities interference effects.The third is some color interference surrounding the match field. Some solutions have been reached in this paper.According to the actual environment,the best one is selected to eliminate environmental interference.The actual running tests show the effectiveness of the image process method.

vision system;color model;interference

TP368.1

B

1008-2794（2012）10-0095-05

2012-09-24

錢晟（1989—），男，江蘇常熟人，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：機器人與目標跟蹤研究，E-mail：maolimin_1981@163.com.