51、人形足球机器人的鲁棒高效目标识别系统

人形足球机器人的鲁棒高效目标识别系统

在机器人足球领域，准确且高效的目标识别是机器人实现自主决策和行动的关键。本文将介绍一种基于区域生长的目标识别系统，该系统能够在人形足球机器人上实时处理相机图像，识别出场地中的线条、球门柱和球等目标。

目标识别方法

在完成预处理步骤后，需要开发不同的目标识别检测器。这里创建了用于识别线条、球门柱和球的三种检测器。
- 线条识别 ：主要基于区域生长，分两步进行以提高性能。
1. 遍历所有线段，若相邻线段的颜色差异和长度比低于阈值，则将它们连接起来。此步骤仅考虑颜色差异，连接的组件不仅包括线条，还涵盖所有类型的对象。
2. 将相邻线段连接成实际区域，将其平均颜色与颜色原型进行比较。为识别这些区域中的线段，考虑区域的形状。一般来说，场地线在图像中投影为梯形，因此对区域应用梯形形状拟合。之后，根据形状评估得到的区域，区分出线段、中心圆线段和非线段。最后，进行简单的合理性检查，将线段投影到场地平面，合并共线线段，检测中心圆，并计算场线交点。
- 球门识别 ：由于球门整体形状复杂，将球门检测简化为检测球门柱，球门横杆仅作为左右方向的指示和合理性检查。检测球门柱的一般思路是结合霍夫变换和区域生长。
1. 为线段分配评级，即与颜色原型的颜色差异。
2. 将评级后的线段累积到一维霍夫空间中，图像被分割成多个区间，区间边界是通过世界垂直轴消失点的直线。
3. 对霍夫空间应用线性化的运动补偿以补偿滚动快门效应，填充霍夫空间后，用一维高斯滤波器平滑以减少噪声，并确定5个最高的局部最大值。
4. 对局部最大值进行区域生长，应用多个合理性