基于NAO機(jī)器人的紅球識別與定位算法

褚光耀 陳中 徐佳妮 鄭濤濤 唐智科

【摘要】NAO全自主仿人機(jī)器人將傳感器、視覺系統(tǒng)和控制器集于一體，是目前世界學(xué)術(shù)界應(yīng)用最廣泛的仿人機(jī)器人。在國家定期進(jìn)行的標(biāo)準(zhǔn)高爾夫球比賽中，NAO機(jī)器人主要通過兩個攝像頭獲取球場上的信息，然后通過對所獲取目標(biāo)信息進(jìn)行顏色識別處理得到有效信息。這就要求機(jī)器人的圖像處理算法有較高的實(shí)時性和準(zhǔn)確性。比賽中，其能識別目標(biāo)紅球，并能準(zhǔn)確而迅速的定位紅球，是高爾夫球比賽過程中非常重要的兩個環(huán)節(jié)。

【關(guān)鍵詞】NAO機(jī)器人;視覺傳感;圖像識別與處理

衡陽師范學(xué)院課外學(xué)術(shù)科技項(xiàng)目（編號：16）支助

1. 引言

近年來，機(jī)器人技術(shù)作為高新技術(shù)產(chǎn)業(yè)發(fā)展的代表得到了快速的進(jìn)步，其中全自主仿人機(jī)器人是機(jī)器人技術(shù)的最先進(jìn)代表。仿人機(jī)器人的研究工作始于1960年代，現(xiàn)在軟銀公司開發(fā)的NAO機(jī)器人已成為世界上人型機(jī)器人的代表。該類機(jī)器人被機(jī)器人世界杯組委會定為RobotCup參賽機(jī)器人，當(dāng)然是對這款機(jī)器人的認(rèn)可。選定NAO機(jī)器人為參賽平臺可以在一定程度上反映機(jī)器人的智力水平，它主要體現(xiàn)在以下幾個方面：識別目標(biāo)對象，平衡處理，避讓障礙物，感知環(huán)境以及相應(yīng)事件的決策等。目前，國內(nèi)外提出的許多研究算法還不夠成熟，無法實(shí)現(xiàn)快速的目標(biāo)識別定位。本文打算利用計(jì)算機(jī)視覺技術(shù)和多傳感器系統(tǒng)來實(shí)現(xiàn)目標(biāo)的檢測定位等功能。

2. NAO機(jī)器人視覺系統(tǒng)

NAO機(jī)器人視覺系統(tǒng)通過分析處理攝像機(jī)拍攝的彩色圖像獲取有關(guān)周圍環(huán)境的信息，例如通過圖像處理獲得機(jī)器人自己的位置以及是否有障礙物和障礙物的位置等重要信息。

NAO的兩個攝像頭：一個在額頭上，負(fù)責(zé)距離機(jī)器人較遠(yuǎn)的地點(diǎn)的水平觀察，視野范圍寬廣，另一個攝像頭位于NAO嘴部，負(fù)責(zé)距離機(jī)器人較近處的環(huán)境掃視。NAO機(jī)器人兩臺攝像頭的分辨率皆為640*480，兩個攝像頭之間的夾角為40度。系統(tǒng)可以提供30幀/秒的圖像幀率。當(dāng)機(jī)器人移動時，攝像頭的水平和垂直視圖跟隨頭部轉(zhuǎn)身而改變。在實(shí)際運(yùn)動中，由于系統(tǒng)原因，兩臺攝像頭不能同時工作，但可以隨時切換。NAO機(jī)器人拍攝和輸出的圖像格式為YUV422，該類圖像的每個像素只占用2個字節(jié)。

3. 紅球識別

3.1 色彩空間

目前，色彩空間通?？煞譃镽GB空間、CMY空間、HSV空間和YUV空間等。在這四種顏色空間中，最常用的是RGB顏色空間，它是由R（紅）、G（綠）、B（藍(lán)）三種顏色組合而成，其它的顏色都由它們變換得來。但由于RGB 顏色空間沒有考慮光照強(qiáng)度的影響，所以若采用RGB顏色空間獲取圖像，環(huán)境中的光照強(qiáng)度將會對識別產(chǎn)生較大影響。實(shí)驗(yàn)結(jié)果表明，在不同環(huán)境（物體反射特性、光源的種類和光照強(qiáng)度等） 下，對具有相同顏色的物體，測得的R、G、B三個分量值彼此聯(lián)系，RGB顏色值很分散且波段非常寬。因此很難確定RGB顏色空間的閾值范圍，從而導(dǎo)致漏掉本應(yīng)被識別的部分物體，或者將環(huán)境中并非目標(biāo)顏色的物體識別成目標(biāo)。所以在比賽中，若采用RGB顏色空間，則可能會因?yàn)閳龅毓庹詹痪鶆驅(qū)е履繕?biāo)丟失。為加強(qiáng)識別效果，在高爾夫球賽中通常利用OpenCV庫中cvtColor（）函數(shù)將RGB顏色空間轉(zhuǎn)化為HSV顏色空間。

3.2 紅球顏色閾值的選擇

選擇紅色作為識別的目標(biāo)顏色，機(jī)器人自動獲取并確定紅色特征點(diǎn)的閾值，然后根據(jù)目標(biāo)閾值識別獲取的圖像顏色。為獲取其顏色特征中相對穩(wěn)定的范圍，應(yīng)對不同成像距離和光照等環(huán)境條件下的目標(biāo)顏色多次進(jìn)行測量，然后將得到的穩(wěn)定范圍進(jìn)行進(jìn)一步轉(zhuǎn)換。在比賽中根據(jù)轉(zhuǎn)換規(guī)則直接確定目標(biāo)閾值，這樣不僅可以提高確定閾值效率，而且避免了當(dāng)場調(diào)整閾值的不確定性和其他偶然因素的影響，從而提升機(jī)器人在比賽中的識別效果。

3.3 紅球識別過程

對NAO機(jī)器人拍攝的圖片，通過顏色識別，獲取滿足預(yù)設(shè)閾值范圍的紅色像素點(diǎn)。然后按下列步驟處理獲取的紅色點(diǎn)來檢測紅球：

3.3.1 初步處理紅色特征點(diǎn)

理由：由于光照的影響，識別到的紅色像素點(diǎn)周圍會出現(xiàn)一些干擾噪聲。這些噪聲點(diǎn)較分散，但紅球紅色像素點(diǎn)較集中。我們通過判斷紅色點(diǎn)的相鄰點(diǎn)，即選擇周圍有代表性的八個點(diǎn)，來判定其是否是滿足條件的紅色點(diǎn)。如果其周圍有5個及以上點(diǎn)是紅色特征點(diǎn)，那么我們判定該點(diǎn)是滿足條件的紅球像素點(diǎn)，反之判定其為噪聲點(diǎn)。

3.3.2 獲得圖片中的圓形

NAO機(jī)器人識別的這個物體，既是紅的又是圓的。具體做法是：對采集到的每一幀圖像，如圖1所示，我們稱為原始圖，將其背景設(shè)置為（0，0，0），紅色像素設(shè)置為（255，255，255）。在預(yù)處理后我們采用高斯濾波平滑圖像，處理效果圖如圖2所示。高斯濾波實(shí)質(zhì)上是一種信號的濾波器，其主要用來對信號進(jìn)行平滑處理。然后采用霍夫變換檢測圓形，這一步驟通過OpenCV庫中的霍夫圓檢測函數(shù)實(shí)現(xiàn)，如圖3所示。

從圖中我們可以得到以下信息：處于圖片下方的紅球都能被較好的識別，同時確定球心的位置，且上面一顆干擾綠球也被還原成了綠色。通過上述步驟已經(jīng)完成了NAO對目標(biāo)紅球的識別以及定位。

紅球識別具體實(shí)現(xiàn)過程如下：

1）獲取圖像;

2）通過顏色空間的轉(zhuǎn)換：將BGR顏色空間轉(zhuǎn)換為HSV顏色空間;

3）高斯模糊：利用OpenCV中的GaussianBlur（）函數(shù)進(jìn)行高斯模糊，讓局部信息模糊;

4）圖像二值化：利用inRange（）函數(shù)進(jìn)行圖像二值化（由于紅色對應(yīng)的HSV的區(qū)間范圍有兩個，所以在代碼實(shí)現(xiàn)上用了“并”操作）;

5）紅球篩選：霍夫圓檢測篩選符合條件的紅球;

6）是否檢測到符合條件的紅球？是到7），否到1）;

7）返回紅球在圖片中的坐標(biāo)。

4 紅球定位算法

傳統(tǒng)的單目測距方法主要針對 NAOv3以前的機(jī)器人，原理簡單且易實(shí)現(xiàn)，但其缺點(diǎn)是僅適用于對靜止物體的跟蹤，對移動物體的追蹤則顯得十分笨拙。

單目測距的基本思想是： 機(jī)器人檢測到目標(biāo)紅球后，調(diào)節(jié)其HeadPitch和HeadYaw關(guān)節(jié)值使目標(biāo)紅球處于視野中心。假定此時機(jī)器人身高為 h，目標(biāo)紅球半徑為 r，再求出目標(biāo)紅球在機(jī)器人某一攝像頭處形成的垂直夾角 ，最后利用勾股定理計(jì)算出目標(biāo)紅球與機(jī)器人的水平距離s，如圖4所示，在追蹤目標(biāo)過程中重復(fù)此計(jì)算過程。

比賽用紅球?yàn)闃?biāo)準(zhǔn)的半徑為3cm的專用球，根據(jù)上述分析可以得出以下計(jì)算機(jī)器人與紅球的距離的具體步驟：

設(shè)攝像頭距離紅球的空間距離為 （1）

那根據(jù)勾股定理，NAO機(jī)器人距離紅球的水平距離s：

由（1）（2）公式得出公式（3）

求出水平距離s后，NAO再去尋找紅球，對紅球定位及實(shí)施擊球過程如下：

1）視野中是否發(fā)現(xiàn)紅球？發(fā)現(xiàn)了到2）否則回1）;

2）對準(zhǔn)紅球，行走到距離紅球特定距離處;

3）轉(zhuǎn)頭找到Mark？找到轉(zhuǎn)4）沒有轉(zhuǎn)3）;

4）尋找黃？找到轉(zhuǎn)5）沒有找到轉(zhuǎn)4）;

5）機(jī)器人、紅球、球洞三點(diǎn)一線：根據(jù)獲取的機(jī)器人相對于Mark的角度以及相對于黃桿的距離，并計(jì)算機(jī)器人需要轉(zhuǎn)動的角度和移動距離;

6）擊球，是否進(jìn)球？進(jìn)了轉(zhuǎn)7）沒有進(jìn)球轉(zhuǎn)3）;

8）結(jié)束。

結(jié)合前面對紅球的定位，可以對定位過程進(jìn)行必要的改進(jìn)。在比賽中，機(jī)器人找球時要考慮紅球滾動的情況。況且機(jī)器人行走時可能會出現(xiàn)方向偏移等誤差情況，所以要執(zhí)行多次測距以減小誤差。為此提出了改進(jìn)的目標(biāo)定位算法，即讓機(jī)器人在追蹤走近紅球過程中一直將紅球置于視野中心，直到紅球的球心在機(jī)器人視野中線上且滿足相關(guān)的初始的條件才完成。同時，需要提取目標(biāo)紅球與機(jī)器人視野中心的水平偏角和垂直偏角，根據(jù)前面提到的機(jī)器人視野角度范圍可以得出計(jì)算公式，其中水平偏角為，垂直偏角為β。一般來說，NAO機(jī)器人的水平視野范圍度數(shù)為47.8，即視野中心點(diǎn)距離兩邊的水平視野范圍是23.9。

設(shè)s表示NAO機(jī)器人攝像頭到視野中心點(diǎn)的距離，則水平偏角的計(jì)算公式為： （4）

根據(jù)公式（4）與（5）得出

根據(jù)已知的紅球圓心（x，y），我們可以求出目標(biāo)紅球距離NAO機(jī)器人視野中心的水平偏角，同理可以通過公式，求出目標(biāo)紅球距離NAO機(jī)器人視野中心的垂直偏角β。將求得的值設(shè)為函數(shù)moveTo（0.1，0，）的第三個參數(shù)，并將β值設(shè)為NAO機(jī)器人HeadPitch關(guān)節(jié)值，這樣就可以使目標(biāo)紅球一直處于機(jī)器人的視野中心，讓機(jī)器人一直朝著目標(biāo)紅球的方向前進(jìn)。NAO走近紅球后，再次識別紅球，并計(jì)算α值和β值，然后通過設(shè)定HeadPitch關(guān)節(jié)值來控制NAO機(jī)器人做下一步動作。

5. 總結(jié)

本文設(shè)計(jì)了紅球識別和定位算法，在識別紅球的同時確定球心所在位置。由于官網(wǎng)提供的API識別算法有較大的不穩(wěn)定性，因此本文提出了基于HSV顏色空間的彩色圖像處理技術(shù)。該技術(shù)避免了光照條件對機(jī)器人紅球識別的影響。對機(jī)器人拍攝的圖片，我們通過紅色閾值設(shè)定，紅色噪聲點(diǎn)過濾，圖像二值化，圖像高斯平滑，霍夫圓變換檢測圓形等操作，識別和定位目標(biāo)紅球。通過討論單目測距追蹤紅球的優(yōu)缺點(diǎn)，提出了一種更為簡單的，不進(jìn)行測距，直接通過實(shí)時調(diào)整機(jī)器人的頭部關(guān)節(jié)值，使目標(biāo)紅球動態(tài)處于其視野中心的紅球跟蹤方法。我們通過實(shí)踐檢驗(yàn)得出該方式更具實(shí)用性，能夠滿足NAO機(jī)器人高爾夫球賽的要求。

參考文獻(xiàn)：

[1] 孟憲龍. RoboCup中NAO紅球識別追蹤及自定位研究[D].安徽大學(xué)，2014.

[2] 孟憲龍，李龍澍，羅罹.RoboCup中NAO機(jī)器人球場目標(biāo)紅球識別與快速找球策略[J].電腦知識與技術(shù)，2013，9（24）：5515-5519.

[3] 王中意，朱小波，車進(jìn).NAO機(jī)器人的視覺系統(tǒng)與圖像處理分析[J].電子世界，2017（22）：63+65.

[4] 趙謙， 朱華偉， 曾召華， 等. 基于 YUV 顏色空間特征的目標(biāo)跟蹤融合算法[J]. 電視技術(shù)， 2013， 37（ 9） .

[5] 柏雪峰，楊斌.基于NAO機(jī)器人目標(biāo)識別與定位算法[J].成都信息工程學(xué)院學(xué)報，2014，29（06）：625-629.

[6] 張文彬，宋愛國.一種用于高爾夫賽的NAO機(jī)器人比賽系統(tǒng)設(shè)計(jì)[J].測控技術(shù)，2018，37（03）：32-35.

[7] 張一鳴，秦世引.基于單目視覺的移動機(jī)器人測距方法[J].微計(jì)算機(jī)信息，2008（29）：224-225+205.