足球機器人場地圖像信息特征的提取

許 信，沈昱明

(上海理工大學(xué) 光電信息與計算機工程學(xué)院，上海 200093)

足球機器人場地圖像信息特征的提取

許 信，沈昱明

(上海理工大學(xué) 光電信息與計算機工程學(xué)院，上海 200093)

中型組足球機器人比賽中，要求機器人對足球場地的特征信息能夠快速地識別和提取，并且轉(zhuǎn)化為決策信息。針對這一要求，文中基于顏色RGB分量分割、Sift特征點匹配算法、區(qū)域增長算法，提出了一種智能控制算法對所獲取的圖像進行處理和信息特征提取，并將圖像識別的結(jié)果標(biāo)識出來。利用Matlab/GUI對整個圖像處理和特征信息識別進行了仿真，結(jié)果表明，該算法能夠?qū)崿F(xiàn)對足球場地特征信息的提取和標(biāo)識。

足球機器人；圖像處理；特征提?。粓D像分割；目標(biāo)識別

中型組足球機器人比賽中，比賽場上特征信息的提取至關(guān)重要，信息的準(zhǔn)確性將直接影響到足球機器人的決策和比賽勝負(fù)[1]。文獻[2]中提出了一種圖像拼接技術(shù)，以獲得完整的場地周圍信息，將提取特征點后的圖像利用插值法進行融合，并用Canny算法提取邊緣線，實現(xiàn)對圖像中特征信息的提取。

中型組足球機器人比賽中場地環(huán)境比較復(fù)雜，而準(zhǔn)確地獲取場地信息是比賽獲勝的關(guān)鍵[3]，為此提出了一種改進的圖像處理算法，該算法采用圖像分割技術(shù)和信息特征提取技術(shù)。在圖像獲取部分，通過中型組足球機器人上的全景攝像頭將場地周圍拍攝下來；在圖像預(yù)處理部分，通過高斯濾波算法、圖像增強方法等對所獲得的圖像進行預(yù)處理；在特征提取部分對圖像抽象化；在識別部分對圖像特征進行RGB顏色分量分割算法、Sift特征點匹配算法及區(qū)域增長法等進行處理，最終在圖像中提取出要識別的目標(biāo)[4-6]。足球機器人獲取了這些特征信息才能夠及時準(zhǔn)確地做出相應(yīng)決策，并取得好的比賽成績。

1 總體設(shè)計方案

中型組足球機器人通過頂端的全景攝像頭將場地圖像拍攝下來，由傳感器傳送到計算機上，然后在圖像處理中通過高斯濾波、邊緣檢測及膨脹與腐蝕等預(yù)處理之后，對圖像上的信息進行特征提取。

對場地、球門、球等特征識別采用顏色RGB分量分割的方法進行提取；足球場上的白色邊線采用高斯濾波、邊緣增強后用區(qū)域生長的方法來進行提??；對于場地上的機器人，通過Sift特征點匹配的方法對其進行特征提取[7]。

圖1 設(shè)計方案流程圖

2 彩色圖像的預(yù)處理

由于足球機器人全景攝像頭所獲得的圖像疊加了噪聲[8]，圖像存在偏色、對比度低等缺陷。為了提高獲取圖像信息特征的精度，在進行圖像識別之前，首先對圖像進行預(yù)處理，目的是改善圖像質(zhì)量，為圖像識別和特征信息提取提供條件，使得圖像特征提取效果更佳。

2.1 高斯濾波

高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲。為了濾除原始圖像中的噪聲，建立高斯函數(shù)模型如下

Idouble = im2double(img_gray);

II = imfilter(Idouble,fspecial('gaussian',[3 3],0.95));

Iedge = edge(II,'canny');

通過述程序，先將img_gray圖像轉(zhuǎn)換為雙精度型，通過fspecial函數(shù)建立一個高斯濾波器，由imfilter函數(shù)對采集到的圖像中的高斯噪聲進行濾除，使得處理后的圖像更平滑。邊緣檢測是圖像分割的基礎(chǔ)，在對圖像進行高斯濾波后，再利用edge函數(shù)實現(xiàn)對圖像的邊緣檢測[9-11]。

圖2 高斯濾波圖像

圖3 邊緣檢測圖像

2.2 圖像增強

圖像增強部分采用對濾波圖像進行膨脹和腐蝕，目的是改善圖像的視覺效果，使得圖像更加平滑，改善圖像的邊緣效果，建立圖像增強函數(shù)如下

function [ region ] = pretreatment( img_gray )

Idouble = im2double(img_gray);

II = imfilter(Idouble,fspecial('gaussian',[3 3],0.95));

Iedge = edge(II,'canny');

B=[0 1 0 1 1 1 0 1 0];

Iedge1=imdilate(Iedge,B);

Iedge2=imerode(Iedge1,B);

region = II + Iedge2;

end

3 圖像信息特征提取的基本原理

根據(jù)目標(biāo)的顏色特征，對場地、球門、球通過顏色RGB分量分割法進行提取[12]，白色邊線采用區(qū)域生長法，足球機器人通過Sift特征點匹配方法分別進行特征提取。簡單而言該算法通過圖像采集、圖像分割、目標(biāo)識別，最終對足球場地特征信息進行識別提取。

3.1 顏色RGB分量分割原理

彩色圖像中的每個像素由紅(R)、綠(G)、藍(B)三基色按照一定比例組合表示。通過線性或非線性變換可以從三基色計算出色調(diào)、飽和度、亮度等各個彩色特征。對于彩色圖像不同的分割目的，可以選用不同的彩色特征組合[13]，建立如下的分割函數(shù)。

for i = 1:M

for j= 1:N

if abs(image(i,j,1)-100)<35 && abs(image(i,j,2)-165)<40 && abs(image(i,j,3)-140)<45

image(i,j,1) = 255;

image(i,j,2) = 0;

image(i,j,3) = 0;

end

end

end

imshow(uint8(image ));

當(dāng)像素中紅(R)的值在65～135且綠(G)的值在125～205且藍(B)的值在95～185時，符合條件的像素點都為綠色場地部分，并用 image(i,j,1) = 255;image(i,j,2) = 0;image(i,j,3) = 0; 將識別出來的綠色場地用紅色標(biāo)注出來。由RGB分量分割法，用image(i,j,1) = 255;image(i,j,2) = 255;image(i,j,3) = 0;將識別的左球門，用黃色標(biāo)注出來。用image(i,j,1) = 0;image(i,j,2) = 0;image(i,j,3) =255;將識別出來的右球門，用藍色標(biāo)注出來。用biaoji(i,j) = 2；將識別的紅色球標(biāo)注出來。

3.2 sift算法特征點匹配的原理

用sift特征點匹配法對足球機器人識別，通過imread函數(shù)讀取采集到的圖片，將圖像上取出來的特征點(關(guān)鍵點)，通過siftMatch函數(shù)進行匹配，從而將其標(biāo)識出來。

global im

boxImage = imread('ball0.jpg') ;

sceneImage = im ;

axes(handles.axes3);

[matchLoc1 matchLoc2] = siftMatch(boxImage, sceneImage)

3.3 區(qū)域增長算法的原理

對于場地中的白色邊線識別，采用區(qū)域增長算法實現(xiàn)。首先讀取出采集到的圖像，然后將彩色圖像轉(zhuǎn)換為灰度圖像，在(169，148)和(165，246)處分別撒下一顆種子，在規(guī)定閥值T為0.2的情況下，當(dāng)領(lǐng)域與種子點差值的絕對值在0.2內(nèi)時，則該點為增長點，將該點劃入生長區(qū)域，當(dāng)不在0.2之內(nèi)時，則表示不滿足生長，此時暫停生長，從而將足球場地的邊線白色識別并標(biāo)注出來。

image = im;

grayimage = rgb2gray(image);

[ region ] = pretreatment( image(:,:,1) );

axes(handles.axes7);

imshow(image);

J1 = regiongrowing(region,169,148,0.2 );

J2 = regiongrowing(region,165,246,0.2 );

J = J1+J2 ;

4 實驗分析

為了更加直觀清楚的展現(xiàn)整個圖像處理和圖像特征信息識別的過程，本文基于Matlab設(shè)計了GUI界面進行仿真實現(xiàn)。

4.1 GUI界面建立

GUI界面，主要用了6個命令按鈕(Push Button)、6個Axes坐標(biāo)軸對象、1個靜態(tài)文本框(Static Text)、1個框架面板(Panel)、2個開關(guān)按鈕(Toggle Button)等，其畫面建立如圖4所示。

圖4 GUI界面圖

4.2 GUI圖形界面運行操作及結(jié)果

打開所編的M文件，運行程序，在跳出的GUI圖形界面中點擊導(dǎo)入圖片按鈕[14-15]，即把要處理的圖片讀取出來，然后依次點擊顏色分量識別場地按鈕、顏色分量識別球門按鈕、Sift匹配識別機器人按鈕、區(qū)域生長識別白線按鈕。運行后整個足球比賽場地上信息的特征提取已完成。GUI圖形界面的運行如圖5所示。

圖5 仿真結(jié)果

根據(jù)圖5所示的仿真結(jié)果可知，在設(shè)計的GUI界面中，通過界面中的按鈕設(shè)置，可以清晰地看到這一系列算法對圖像的處理過程和結(jié)果，左半邊的圖像輸出區(qū)域依次顯示的是機器人拍攝下的未經(jīng)處理的足球場地原始圖像、足球場綠色場地識別結(jié)果、足球門識別結(jié)果、Sift特征點匹配識別機器人結(jié)果、區(qū)域生長法識別場地邊線結(jié)果及紅色球的識別結(jié)果。在GUI界面實際運行的過程中，區(qū)域增長法識別場地白色邊線的過程可以清晰的看到生長識別的整個動態(tài)過程。右半邊的系統(tǒng)操作按鈕分別對應(yīng)著左半邊的場地特征信息的識別結(jié)果圖，并設(shè)計了清除和退出按鈕，機器人比賽中攝像頭采集并傳送到計算機上的圖片是一幀一幀的，通過導(dǎo)入的每一幀不同的圖像來隨時隨地的識別出場地的特征信息及機器人當(dāng)前所在的位置，每一幀圖像識別完成后，由清除鍵清除處理完的這一幀圖像，而當(dāng)中型組足球機器人整場比賽完后，足球機器人不再需要對場地特征信息識別和提取，此時由退出鍵實現(xiàn)讓足球機器人視覺系統(tǒng)暫停工作。整個足球機器人比賽場上信息的特征信息提取設(shè)計過程完全根據(jù)實際的比賽過程設(shè)計。從整個GUI界面的設(shè)計及各種控制算法的運用，以及最終的仿真結(jié)果可以看出：這一套由高斯濾波算法、圖像增強算法等預(yù)處理后的圖像，再由顏色RGB分量分割算法、Sift特征點匹配算法、區(qū)域增長法等控制算法對圖像進行分割處理可以達到很好的特征信息識別和提取。

4 結(jié)束語

本文以中型組足球機器人比賽為研究背景，針對圖像處理和圖像特征信息提取設(shè)計了一種控制算法，通過高斯濾波算法、圖像增強處理對原始圖像進行預(yù)處理，提高了后期圖像信息特征提取的精度，圖像處理通過顏色RGB分量分割算法、Sift特征點匹配算法、區(qū)域增長法對預(yù)處理后的圖像進行特征信息的提取。仿真結(jié)果表明，本文提出的控制分割算法不但理論上是可行的，而且可以很好的將圖像中的特征信息進行標(biāo)識，能夠識別出球、球門、場地白線等特征，確定場地中機器人位置及方向，從而為比賽提供信息，符合足球機器人實際的比賽過程，具有較強的實用價值。

[1] 謝理訓(xùn). RoboCup中型組足球機器人的圖像識別研究[D].廣州:廣東工業(yè)大學(xué),2009.

[2] 王亞東,雷國華,安波.一種仿人足球機器人視覺系統(tǒng)環(huán)境特征獲取與識別方法[J]. 黑龍江工程學(xué)院學(xué)報,2013,27(2):68-71.

[3] 丘柳東.足球機器人目標(biāo)識別與自定位研究[D].重慶:重慶大學(xué),2011.

[4] 趙保華.基于足球機器人的圖像處理與圖像識別[D].蘭州:蘭州理工大學(xué),2006.

[5] 劉祚時,胡發(fā)煥.足球機器人視覺圖像的快速識別[J].計算機工程,2007,33(17):234-236.

[6] 何超.機器人視覺系統(tǒng)中的圖像分割與目標(biāo)檢測[D].杭州:浙江大學(xué),2003.

[7] 白利勇,黃鴻,趙增榮.基于RoboCup中型組足球機器人視覺圖像識別的一種快速算法[C].北京:中國自動化學(xué)會青年學(xué)術(shù)年會,2003.

[8] 張洋.基于小波分解的計算機圖像去噪算法[J].電子科技,2016,29(8):103-105.

[9] 曹愛增,石興廣,劉峰.機器人足球識別算法研究[J].濟南大學(xué)學(xué)報:自然科學(xué)版,2006,20(3):235-237.

[10] 支玲玲,葛慶平,姬照中.邊緣顏色匹配算法在計算機拼圖中的應(yīng)用[J].計算機工程與設(shè)計,2010,31(16):3705-3707.

[11] 丁亞男.基于圖像分解的車牌定位算法[J].電子科技,2014,27(1):42-46.

[12] 何鑫,劉立柱.機器人足球視覺系統(tǒng)中的實時圖像處理[J].微計算機信息,2005, 21(8):49-50.

[13] 郁浩,張榮福,程金光,等.基于圖像處理的鋼包標(biāo)牌識別方法[J].電子科技,2016,29(1):94-97.

[14] 王巧花,葉平,黃民.基于Matlab的圖形用戶界面(GUI)設(shè)計[J].煤礦機械,2005(3):60-62.

[15] 李磊.基于Matlab GUI的數(shù)字圖像處理系統(tǒng)設(shè)計[D].成都:成都理工大學(xué),2012.

Feature Extraction of Image Information Based on Soccer Robot Field

XU Xin, SHEN Yuming

(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)

Middle Size League soccer robot, there is a require for robot that can identify and extract the characteristics information of football filed quickly, and change into decision information. For this requirement, this paper provide an intelligent control method that can process and extract the feature information for acquired image based on the colorRGBcomponent segmentation, the Sift feature point matching algorithm, the regional growth algorithm, and marking this results. Finally, the whole image processing and information feature identification are simulated by Matlab/GUI. The results show, this method can extract feature information and mark the results for football filed.

soccer robot; image processing; feature extraction; image segmentation; target recognition

2017- 02- 22

國家自然科學(xué)基金(61603257)

許信(1989-)，男，碩士研究生。研究方向：電子電路及數(shù)字圖像處理。沈昱明(1960-)，男，教授。研究方向：流量測量技術(shù)及智能測控技術(shù)。

10.16180/j.cnki.issn1007-7820.2017.12.030

TP391.41

A

1007-7820(2017)12-114-04