Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2019, Vol. 59 Issue (4): 298-305    DOI: 10.16511/j.cnki.qhdxxb.2019.21.006
  机械工程 本期目录 | 过刊浏览 | 高级检索 |
仿人足球机器人的非预定义足球检测算法
张继文1,2, 宋立滨1, 许君杰1, 石循磊1, 刘莉1,2
1. 清华大学 机械工程系, 北京 100084;
2. 东莞深圳清华大学研究院创新中心, 东莞 523808
Unpredefined ball detection algorithm for humanoid soccer robots
ZHANG Jiwen1,2, SONG Libin1, XU Junjie1, SHI Xunlei1, LIU Li1,2
1. Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China;
2. Tsinghua Innovation Center in Dongguan, Dongguan, 523808, China
全文: PDF(5042 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 为适应人类赛场环境,仿人足球机器人需能够识别未预先定义足球,此时足球不再具有固定的与场地鲜明对比的颜色,因而不能通过传统的单色块识别策略解决。该文将足球颜色划分为专有色和共有色两类,采用两轮颜色标记方法生成颜色查找表;在图像像素级联通分割获得色块的基础上,提出基于图连接关系的宏像素聚类算法,从而得到若干足球识别候选对象;再利用模糊逻辑方法中的隶属度函数从候选对象中获得最佳足球识别结果。实验表明在不具备高性能计算硬件平台的情况下,算法能够在存在大量干扰,远近距离大幅度变化的条件下准确识别出非预先定义的足球,避免与边线、机器人等对象的混淆,且达到每秒15帧的计算速率。该算法能够在严格受限的计算能力下达到高效的足球识别能力,从而为参赛机器人提供了一种崭新策略。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张继文
宋立滨
许君杰
石循磊
刘莉
关键词 仿人机器人计算机视觉聚类颜色标记模糊逻辑    
Abstract:Humanoid soccer robots need to adapt to the conditions in human soccer games such as detecting a soccer ball that does not have predefined characteristics such as a definite color and that may blend in with the playing field. For such conditions, the problem cannot be solved by classical detection strategies based on a single colorblock. In this study, the ball color is split into a specific color and a shared color. Two rounds of labelling are used to generate a color lookup table. Color-blocks obtained by pixel-level segmentation are used in a marco-pixel clustering method based on a connecting relationship graph to generate several ball candidates. The best ball object is estimated via the membership function by fuzzy logic. Tests show that the method is able to detect unpredefined balls even in a very disturbed environment and at large distances from the robot and is also able to avoid confusion with the border lines and other robots on the field without excessive computing requirements. The calculations can reach a high framerate of 15 frames per second. This strategy provides an efficient detection method using strictly limited computing resources for robot soccer players.
Key wordshumanoid robot    computer vision    clustering    color labeling    fuzzy logic
收稿日期: 2018-10-24      出版日期: 2019-04-09
基金资助:广东省省级科技计划项目(2017A040405002);国家自然科学基金资助项目(61403225)
引用本文:   
张继文, 宋立滨, 许君杰, 石循磊, 刘莉. 仿人足球机器人的非预定义足球检测算法[J]. 清华大学学报(自然科学版), 2019, 59(4): 298-305.
ZHANG Jiwen, SONG Libin, XU Junjie, SHI Xunlei, LIU Li. Unpredefined ball detection algorithm for humanoid soccer robots. Journal of Tsinghua University(Science and Technology), 2019, 59(4): 298-305.
链接本文:  
http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2019.21.006  或          http://jst.tsinghuajournals.com/CN/Y2019/V59/I4/298
  图1 (网络版彩图)Robocup中曾使用过的 非预先定义足球
  图2 基于颜色分类与区域分割的球检测策略
  图3 两轮标定生成球颜色查找表策略
  图4 宏像素及其邻接矩阵实例
  图5 以节点0为起点的宏像素聚类过程实例
  图6 以节点7为起点的宏像素聚类过程实例
  图7 宏像素聚类过程算法
  图8 (网络版彩图)原始图像中球与边线混淆条件下 所生成的多个宏像素聚类结果
  图9 用于非预定义球检测的仿人机器人外形 及其机载计算机系统[14]
  图10 (网络版彩图)自原始图像到提取出最终识别结果的任意球检测过程实例
  表1 多个候选对象特征参数及隶属度函数
  图11 (网络版彩图)多种典型条件下的任意球检测过程结果
  表2 多个球对象特征参数及隶属度函数
[1] NADARAJAH S, SUNDARAJ K. Vision in robot soccer:A review[J]. Artificial Intelligence Review, 2015, 44(3):289-310.
[2] JOSEPH R, DIVVALA S, GIRSHICK R, et al. You only look once:Unified, real-time object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas, NV, USA:IEEE, 2016:779-788.
[3] JONATHAN L, EVAN S, TREVOR D. Fully convolutional networks for semantic segmentation[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Boston, MA, USA:IEEE, 2015:3431-3440.
[4] RAHMAN A, WIDODO N S. Colored ball position tracking method for goalkeeper humanoid robot soccer[J]. Telecommunication Computing Electronics and Control, 2013, 11(1):11-16.
[5] TRIFAN A, NEVES A J R, CUNHA B, et al. UAVision:A modular time-constrained vision library for soccer robots[C]//Robot Soccer World Cup. Switzerland:Springer, Cham, 2014:490-501.
[6] 李晓瑜, 杨马英. 足球机器人视觉图像分割算法[J]. 吉林大学学报(工学版), 2013(s1):260-264. LI X Y, YANG M Y. Objective segmentation method of video image in robot soccer[J]. Journal of Jilin University (Engineering and Technology Edition), 2013(s1):260-264. (in Chinese)
[7] 杜鑫峰, 熊蓉, 褚健. 仿人足球机器人视觉系统快速识别与精确定位[J]. 浙江大学学报(工学版), 2009, 43(11):1975-1981. DU X F, XIONG R, CHU J, et al. Fast recognition and precise localization of humanoid soccer robot vision system[J]. Journal of Zhejiang University (Engineering Science). 2009, 43(11):1975-1981. (in Chinese)
[8] BUDDEN D, FENN S, WALKER J, et al. A novel approach to ball detection for humanoid robot soccer[C]//Australasian Joint Conference on Artificial Intelligence. Berlin Heidelberg:Springer, 2012:827-838.
[9] MAZZEO P L, SPAGNOLO P, LEO M, et al. Ball detection in soccer images using isophote's curvature and discriminative features[J]. Pattern Analysis and Applications, 2016, 19(3):709-718.
[10] BRUCE J, BALCH T, VELOSO M. Fast and inexpensive color image segmentation for interactive robots[C]//Proceedings of 2000 IEEE/RSJ International Conference on Intelligent Robots and Systems, Takamatsu, Japan:IEEE, 2000(3):2061-2066.
[11] ABUBAKER A, QAHWAJI R, IPSON S, et al. One scan connected component labeling technique[C]//IEEE International Conference on Signal Processing and Communications, Dubai, United Arab Emirates:IEEE, 2007:1283-1286.
[12] HARTL A, VISSER U, ROFER T. Robust and efficient object recognition for a humanoid soccer robot[C]//RoboCup 2013:Robot World Cup XVⅡ. Berlin Heidelberg:Springer, 2013:396-407.
[13] THRUN S. Probabilistic robotics[M]. Cambridge:MIT Press, 2006.
[14] 张继文, 刘莉, 陈恳. 小型仿人足球机器人MOS-7的系统设计及局部优化[J]. 清华大学学报(自然科学版), 2016, 56(8):811-817. ZHANG J W, LIU L, CHEN K. System design and local optimization of a small humanoid soccer robot MOS-7[J]. Journal of Tsinghua University (Science and Technology), 2016, 56(8):811-817. (in Chinese)
[1] 肖熙, 徐晨. 基于声学状态似然值得分模型及监督状态模型的语音识别特征融合算法[J]. 清华大学学报(自然科学版), 2019, 59(6): 476-481.
[2] 申嘉荣, 徐千军. 碾压混凝土坝层面抗剪断强度的人工神经网络与模糊逻辑系统预测[J]. 清华大学学报(自然科学版), 2019, 59(5): 345-353.
[3] 骆歆远, 陈欣, 寿黎但, 陈珂, 吴妍静. 面向室内空间的语义轨迹提取框架[J]. 清华大学学报(自然科学版), 2019, 59(3): 186-193.
[4] 李子浩, 田向亮, 黎忠文, 周炜, 周志杰, 钟茂华. 基于客流规律的地铁车站客流风险分析[J]. 清华大学学报(自然科学版), 2019, 59(10): 854-860.
[5] 马锐, 高浩然, 窦伯文, 王夏菁, 胡昌振. 基于改进GN算法的程序控制流图划分方法[J]. 清华大学学报(自然科学版), 2019, 59(1): 15-22.
[6] 索明亮, 周鼎, 安若铭, 李顺利. 邻域密度网格聚类算法及应用[J]. 清华大学学报(自然科学版), 2018, 58(8): 732-739.
[7] 张新钰, 高洪波, 赵建辉, 周沫. 基于深度学习的自动驾驶技术综述[J]. 清华大学学报(自然科学版), 2018, 58(4): 438-444.
[8] 陈晓方, 钱荧灿, 王雅琳, 阳春华. 基于主元导数特征聚类的加氢裂化动态调整区间识别[J]. 清华大学学报(自然科学版), 2018, 58(1): 81-86.
[9] 王建荣, 高永春, 张句, 魏建国, 党建武. 基于Kinect辅助的机器人带噪语音识别[J]. 清华大学学报(自然科学版), 2017, 57(9): 921-925.
[10] 肖熙, 周路. 基于k均值和基于归一化类内方差的语音识别自适应聚类特征提取算法[J]. 清华大学学报(自然科学版), 2017, 57(8): 857-861.
[11] 韩东红, 宋明, 张宏亮, 王佳茜, 王嘉兴, 王国仁. 基于密度的不确定数据流聚类算法[J]. 清华大学学报(自然科学版), 2017, 57(8): 884-891.
[12] 裴继升, 叶晓俊. 基于语法推导的溯源依赖关系路径模式挖掘算法[J]. 清华大学学报(自然科学版), 2017, 57(6): 561-568.
[13] 方勇, 刘道胜, 黄诚. 基于层次聚类的虚假用户检测[J]. 清华大学学报(自然科学版), 2017, 57(6): 620-624.
[14] 刘书明, 吴以朋, 王晓婷, 刘友飞, 李佳杰. 应用聚类算法识别供水管网爆管事故[J]. 清华大学学报(自然科学版), 2017, 57(10): 1096-1101.
[15] 李煦, 屠明, 吴超, 国雁萌, 纳跃跃, 付强, 颜永红. 基于NMF和FCRF的单通道语音分离[J]. 清华大学学报(自然科学版), 2017, 57(1): 84-88.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn