小型足球机器人视觉系统大众赏析

　　0 引言

　　RoboCup小型组足球机器人系统包括视觉、决策、无线通讯和机器人小车等。机器人在比赛中，视觉系统按所处的位置和作用，分2种模式：①分布式视觉系统，每个机器人小车有独立的视觉机构，用于目标捕捉和自身定位;②集控式视觉系统，所有机器人小车共用1个视觉机构，为机器人小车和目标定位。故对视觉系统以讨论。

　　1 视觉系统

　　1.1 图像输入和数字化

　　采用CCD彩色摄像机和图像采集卡实现图像输入。用CCD摄像机采集整个场地信息，CCD摄像头的输出信号采用电视标准，每幅图像为1帧，1帧由两场组成;每场240行;采用隔行扫描方式，输出信号有2种制式NTSC和PAL，其中NTSC每秒30帧，PAL为25帧，所以一般采用NTSC。像机输出的是模拟信号，要用计算机来处理这些信息须由图像采集卡来完成信息的转换。

　　1.2 图像预处理

　　机器人视觉系统中，常用预处理技术有：①图像增强，一般采用直方图均衡化技术，以一定的映射关系修改原始黑种人的像素灰度，产生1个比原方图更为平坦的直方图，对图像有明显增强效果;②图像的去噪声处理，即图像的平滑。一般采用邻域平均技术，用邻点灰度的平均值取代该点的灰度。也可用平滑技术，即模板技术;③边缘增强处理，即图像的锐化。一般用微分尖锐化处理技术采用梯度法，使用每个像素位置的梯度值。除上述几种预处理技术外，考虑到足球机器人系统实时性要求较高，比赛环境可变，可对所摄取图像的容量和质量进行调整，包括图像调整和压缩。在满足精度的前提下，可采用“场”方式或“TARGET”采集方式，来减小图像容量，提高采集速度[1]。

　　1.3 图像分割

　　在图像识别过程中，其颜色信息是主要的识别依据，色彩模型的选取对正确识别颜色有很大的影响，目前常用的色彩模型有RGB和HIS。RGB模型是线性表示系统，其优点是较简单、直观。但实践结果表明，对同一颜色属性物体，在不同条件(光照、光源种类、亮度、物体反射特性等)下，其测得的RGB颜色分布很分散，3个分量互相关联变化波段很宽，占据空间比例很大，很难确定识别RGB的阈值范围，非常容易把并非指定颜色的物体包括进去，而漏掉应该识别的部分物体。

　　HSI模型是基于视觉原理的模型，其定义了3个互不相关、容易预测的颜色属性：色度(Hue)、饱和度(Saturation)和明亮度(Illumination)，其中的色度属性能较准确地反映颜色种类，对外界光照条件的变化敏感程度低。对同一颜色属性物体，具有较稳定和较窄的数值变化范围。饱和度S可作为辅助判断条件，亮度I一般不作判断。所以系统采用HIS模型。