13、基于嵌入式单目视觉的场地目标检测与定位方法

基于嵌入式单目视觉的场地目标检测与定位方法

在机器人足球领域，RoboCup小型足球联赛（SSL）一直致力于推动机器人技术的发展。其中，Vision Blackout挑战鼓励队伍仅使用嵌入式传感信息来执行基本足球任务，这就对目标检测和位置估计技术提出了新的要求。本文将详细介绍一种嵌入式单目视觉方法，用于在足球场地内检测物体并估计其相对位置。

1. 背景介绍

在RoboCup小型足球联赛中，比赛由两支全向移动机器人队伍进行，A组每队8名球员，B组每队6名球员。传统上，赛场上方的摄像头捕捉的画面由专用计算机处理，运行SSL Vision系统来检测和跟踪机器人、球门、球和场地线等元素。场外计算机接收位置信息和裁判指令，并通过射频通信与机器人进行信息交换。

然而，近年来联赛提出了Vision Blackout挑战，要求队伍仅使用嵌入式传感信息来执行基本足球任务。在2021年的比赛中，队伍需要完成三项任务：在场地某处抓取静止的球、将球射入空门以及将球射入有静态防守的球门。因此，从嵌入式设备中检测和定位球、机器人和球门变得至关重要。

SSL机器人直径限制为180mm，速度可达3.7m/s，需要低功耗、小尺寸、高吞吐量的解决方案。传统的基于扫描线和颜色分割的球检测方法虽然在近期比赛中取得了准确的结果，但无法检测其他SSL对象，并且对局部光照或场地变化缺乏鲁棒性。

随着深度学习神经网络（DNN）架构和并行处理技术的发展，卷积神经网络（CNN）在嵌入式应用中的目标检测方面得到了广泛应用。与传统计算机视觉技术相比，CNN在环境条件的鲁棒性和对新对象类别的适应性方面具有显著优势。此外，一个包含用于检测图像中球、球门和机器人的2D边界框的开源SSL数据集也为研究提