学位论文 > 优秀研究生学位论文题录展示

小型智能足球机器人系统全局视觉的研究与设计

作　者: 朱艳丽
导　师: 李晓明
学　校: 浙江理工大学
专　业: 机械电子工程
关键词: 足球机器人图像分割目标识别 BP神经网络畸变校正
分类号: TP242.6
类　型: 硕士论文
年　份: 2011年
下　载: 27次
引　用: 0次
阅　读: 论文下载

内容摘要

在人工智能与机器人学的历史上,1997年将作为一个转折点被记住。1997年5月,IBM的“深蓝”击败了人类国际象棋世界冠军,人工智能界40年的挑战终于取得了成功。足球机器人比赛是继“深蓝”之后为促进人工智能与智能机器人技术的研究与教育而设立的一个标准问题,其目的是通过竞赛进行技术的同台较量,促进相关领域发展。足球机器人涉及人工智能、机器人学、通信、传感、图像处理等诸多领域的前沿研究和技术集成,具有典型的研究意义。视觉子系统是足球机器人四大子系统之一。比赛过程中有关环境的所有信息都是通过视觉子系统获取的,视觉子系统对于整个系统的重要性不言而喻。视觉子系统主要处理的是颜色信息,光照条件的变化会引起图像识别效果不稳定;摄像头产生的桶形失真,要求视觉子系统必须具有较强的鲁棒性;小型组足球机器人是高速运动的物体,要求处理图像的实时性必须满足;同时为了精确定位足球机器人的位置和方向角,视觉子系统提供的信息必须准确。本文以RoboCup小型组足球机器人为研究平台,通过对视觉子系统的功能和性能要求进行分析,提出该系统的整体设计方案。为了满足以上要求,本文将视觉子系统划分成畸变校正、图像分割、目标识别三个功能模块分别进行研究,提出了基于BP神经网络的图像分割技术,提高了视觉子系统在光照不稳定条件下的识别率;采用基于背景建模的连通域目标搜索算法,提高了目标识别的处理速度。本文研究的主要内容有以下几个方面:(1)在图像分割模块中,提出基于HSI颜色空间的BP神经网络的彩色图像分割技术,在光照不稳定条件下取得了很好的图像分割效果。(2)在摄像机标定和畸变校正模块部分,采用了Tsai两步法的校正算法,取得很好的校正效果,为目标的精确定位做好准备。(3)在目标识别模块中,采用基于背景建模的连通域目标搜索算法,极大的提高了图像处理速度。足球机器人视觉子系统总体运行实验结果证明:本文设计的方案及算法在满足足球机器人基本要求的同时,其光照适应性,准确性,实时性都有很大的提高。

全文目录

摘要  4-5
Abstract  5-10
第一章绪论  10-18
  1.1 智能足球机器人比赛研究背景与意义  10-12
    1.1.1 智能足球机器人比赛的起源和发展  10
    1.1.2 足球机器人比赛的研究意义  10-11
    1.1.3 足球机器人比赛分类  11
    1.1.4 RoboCup 小型组足球机器人比赛规则简介  11-12
  1.2 机器人视觉系统国内外研究现状  12-14
  1.3 RoBoCup 小型组足球机器人系统的组成  14-16
    1.3.1 视觉子系统  15
    1.3.2 车载子系统  15-16
    1.3.3 通信子系统  16
    1.3.4 决策子系统  16
  1.4 本文研究内容和结构  16-17
  1.5 本章小结  17-18
第二章小型组足球机器人视觉子系统总体方案设计  18-23
  2.1 视觉子系统概述  18-19
  2.2 视觉子系统结构设计  19
  2.3 视觉子系统的硬件选型  19-20
  2.4 视觉子系统软件设计  20-22
  2.5 本章小结  22-23
第三章图像预处理与畸变校正  23-31
  3.1 基于HSI 颜色空间的图像增强  23-24
    3.1.1 图像增强技术分类  23
    3.1.2 彩色图像增强  23-24
  3.2 基于改进Tsai 方法的摄像机标定与畸变校正  24-30
    3.2.1 摄像机标定的目的  24-25
    3.2.2 摄像机标定的成像模型  25
    3.2.3 摄像机镜头畸变  25
    3.2.4 径向畸变和切向畸变  25-26
    3.2.5 畸变校正的方法  26
    3.2.6 改进的Tsai 畸变校正  26-30
  3.3 本章小结  30-31
第四章基于神经网络的彩色图像分割技术  31-52
  4.1 图像分割方法简介  31
  4.2 颜色空间的选取  31-35
    4.2.1 RGB 颜色空间  31-32
    4.2.2 HSI 颜色空间  32-34
    4.2.3 YUV 颜色空间  34-35
  4.3 BP 神经网络  35-38
    4.3.1 BP 神经网络的结构  35
    4.3.2 BP 算法的学习原理  35-37
    4.3.3 BP 神经网络的局限性  37-38
  4.4 BP 神经网络算法的改进  38-40
  4.5 BP 神经网络结构的确定  40-46
    4.5.1 样本的选择和图像特征提取  40-41
    4.5.2 网络的输入输出确定  41-42
    4.5.3 传递函数的选择  42
    4.5.4 误差函数的选取  42-43
    4.5.5 BP 网络的学习算法  43-46
  4.6 应用BP 神经网络分割彩色图像流程及结果  46-50
  4.7 图像分割后的形态学操作  50-51
  4.8 本章小结  51-52
第五章基于背景建模的目标识别  52-63
  5.1 小型组足球机器人目标识别  52-53
  5.2 目标特征值的提取  53
  5.3 连通区域搜索  53-58
    5.3.1 现有方法介绍  53-55
    5.3.2 基于混合高斯的背景建模算法  55-56
    5.3.3 基于背景建模的连通区域目标搜索算法  56-58
  5.4 小型组足球机器人目标匹配  58-60
    5.4.1 色标模板设计  58-59
    5.4.2 目标匹配  59
    5.4.3 数据融合  59-60
  5.5 目标识别在系统中的实现  60-61
  5.6 视觉子系统运行界面  61-62
  5.7 本章小结  62-63
第六章总结与展望  63-65
  6.1 全文总结  63-64
  6.2 研究展望  64-65
参考文献  65-71
致谢  71-72
攻读硕士学位期间的研究成果  72

小型智能足球机器人系统全局视觉的研究与设计

内容摘要

全文目录

相似论文