论文部分内容阅读
机器人足球比赛是近年来在国际上迅速兴起的以高科技为支持的竞技对抗活动。它涉及到多个领域的知识，包括机器人、自动控制、机械学、通信、传感、图像处理、视觉识别及人工智能等[1]。大场地比赛是MiroSot足球机器人发展的必然方向，但由于MiroSot Large League 11 vs 11具有前所未有的超大比赛场地和更多的机器人，使得原有的视觉识别子系统在精确度、识别速度和正确率等方面都面临着新的挑战[2，3]。本文研究了MiroSot大场地足球机器人系统的几个特有问题。
一、系统结构
1.1系统结构
国际机器人足球联盟（FIRA）规定，MiroSot Large League比赛场地的标准尺寸为400cm×280cm，且双方各派11个队员上场。超大规模的比赛场地和更多的目标信息给硬件设备、视觉和决策都提出了新的难题，主要问题存在于：
1 由于场地面积和机器人目标个数的增加，使得需要处理的信息量成倍增长，只靠单个计算机将难以保证系统的实时性。
2 如果仍然采用单摄像机来采集整个场地的信息，由于摄像机的分辨率有限，所采集到的球和机器人色块小，噪声干扰大，难以满足目标定位的精确性和可靠性要求。
在考虑比赛规则的基础上，为充分发挥系统的性能，本文设计了一种基于“远程脑”的双机互连结构来分别进行图像和策略的处理。“远程脑”控制的思想最早是由日本东京大学的井上博允提出的[4]，在此基础上，崔世刚等人将“远程脑”的概念扩展为远程大脑和远程小脑两部分，这样能更好地平衡远程大脑的计算负荷，也便于系统各个组成部分实现模块化管理[5]。将“远程脑”的概念引入足球机器人系统，能够明显地改善系统的性能，解决以上所述问题。系统结构如图1所示。
视觉子系统包括两个摄像机和一台视觉处理计算机（远程小脑），每个摄像机采集半个比赛场地，将图像信息传送给与之相连的远程小脑，由远程小脑完成两幅图像的处理如场地的拼接、目标识别、位置提取与跟踪，并将结果传送回策略子系统（大脑），供大脑进行策略规划，并产生左右轮速信息，由通讯子系统传输给机器人，机器人执行动作。
1.2 视觉子系统
视觉子系统对现场数字图像的处理采用了离线和在线两种方式：赛前采用离线方式对系统进行设置，通过人机交互的方式调整摄像机的参数，并进行场地标定和特征提取，构建场地和目标图像知识库；比赛开始后，采用在线方式进行实时图像处理，将两幅图像进行信息融合以获取全部目标的位置和运动信息，同时可以根据识别的实际效果修正目标图像知识库。MiroSot 11Vs11视觉子系统处理流程图如图2所示。
后面主要探讨大场地足球机器人系统中场地标定以及目标信息融合的问题，考虑系统的不同工作状态，离线方式下为了保证场地标定的精确性，提出了一种大场地两步标定法；在线方式下为保证系统运行的实时性，应用基于特征级信息融合的方法实现左右半场目标信息融合。
2场地标定
2.1基本思想
机器人足球视觉系统中场地标定的本质是要找到所拍摄图像与真实场景之间的几何映射关系，进而从图像中恢复实际场景的几何信息。由于11v11比赛采用了超大规模的比赛场地，每个摄像机只能拍摄到半个场地（如图3所示），因此我们采取了两步标定法，即先对左右两个半场分别进行标定，然后将标定结果进行拼接来实现整个场地的标定。由于摄像机镜头存在加工和装配误差，所拍摄图像存在着一定程度的非线性几何失真，故在进行标定之前，对图像进行矫正处理是必要的。
2.2 图像畸变校正
为了在短物距下获得大范围视场，我们一般采用短焦广角镜头，这种镜头在成像过程中，都存在着不同程度的几何失真，足球机器人视觉系统的失真主要是由光学镜头的径向畸变所引起，从拍摄到的图像可以看出，场地边界略呈弧形。
令 和 分别为理想摄像机拍摄的像面坐标； 和 分别为实际摄像机拍摄的像面坐标，则有如下的数学关系[6，7]：
2.3 左右半场标定
由于经过了畸变矫正，场地图像信息恢复了线性特征，故可直接采用线性方法进行标定。首先对左右半场分别标定，只需以场地中一些位置已知的特征点作为标定点，在图像中找到其匹配点，再通过计算得到摄像机坐标系和世界坐标系的映射关系。以左半场为例，具体标定过程如下：
1.在图像上选择场地的四个角 作为标定点，这四个点的屏幕坐标和其相对应的世界坐标都为已知，如图4（b）和4（c）所示；
其中， L、W分别为世界坐标中A、D两点和A、B两点之间的实际距离。
3.若假设世界坐标系原点 （即 ）对应的屏幕坐标为 ，矫正图像中任意一点 的像面坐标为 ，由此可以推导出 的世界坐标 ：
用同样方法可对右半场进行场地标定，从而得到左右半场的矫正坐标系 、 与其世界坐标系 、 的映射关系 和 ：
2.4 场地拼接
左右半场世界坐标系 、 与全场世界坐标系 存在如下关系：
1. 的坐标原点与 的坐标原点重合；
2. 的坐标原点在 下的坐标为（200，0）；
3. 、 的x轴和y轴分别与 的x轴和y轴平行。
故通过线性转换即可计算出 、 到 的映射关系 ：
综上，由（3）、（6）、（7）可得到左右摄像机的像面坐标系 、 到全场世界坐标系的映射关系R：
三、实验
实验采用了视觉和策略两台计算机，通过对等网线相连构成双机直接网卡互连结构，并使用两台BASLER数字摄像机采集左右半场信息，通过IEEE1394传输线连接到视觉计算机的采集卡上，采用双缓冲区交替采集图像时视觉子系统的处理周期可达到25ms，视觉和策略用双线程实现并行处理，可使整个系统的运行周期减小到30ms，从而保证了系统运行的实时性。 运用两步标定法进行了标定实验，经过畸变校正和两步标定后的实验结果如表1所示：
实验1和实验2分别为在左右半场测试的数据，从实验结果可看出，只有少量误差出现在场地的周边位置，场地标定精度较高，可满足系统精确性的要求。
利用前面所述目标信息融合算法对场上的目标进行实时定位跟踪，连续采集3000帧图像，其中跟踪我方机器人失误6帧，跟踪对方失误4帧，跟踪球4帧。实验数据表明，该算法可满足目标定位的可靠性要求。
四、结论
本文首先分析了大场地机器人足球比赛的特殊性，针对其瓶颈问题展开探讨，设计了基于“远程脑”概念的双机互连结构，改善了系统的性能。在此基础上，讨论了视觉系统中的双摄像机视场下的场地标定问题，提出了一种左右场地分别标定然后进行拼接的大场地两步标定法。实验证明，该设计方案可满足大场地足球机器人系统实时性和可靠性要求。
参考文献
[1]洪炳熔，韩学东.机器人足球比赛研究[J]，机器人ROBOT，Vol 25，No.4 July，2003.
[2]彭强，江浩. 大场地足球机器人视觉子系统及其识别算法. 西南交通大学学报，2005，4，168-172.
[3]毛强， 高浩， 韩家新， 等. 半自主足球机器人11vs11的双机互联设计与实现. 福建电脑， 2013，6：3-4
[4]INOUE Hirochika. A platform for robotics research based on the remote-brained robot approach[J]. The International Journal of Robotics Research， 2000，19（10）：933-954.
[5]崔世刚，廉正光，邴志刚，董锦旗. 基于ARM的新型远程脑服务机器人控制系统设计. 天津工业大学学报，2006，8，8-10.
[6]廖中士，高培焕，苏艺，王大鹏.一种光学镜头摄像机图像几何畸变的修正方法.中国图形图像学报，2000，5（A）（7） 594-597.
[7]S. Liao， P. Gao， Y. Su， D. Wang. A geometric rectification method for lens camera. Journal of Image and Graphics， vol.5， no.7， pp.594-597， July 2010.
（作者单位：1.中信戴卡股份有限公司；2.瑞和安惠项目管理集团有限公司；3.秦皇岛职业技术学院）
一、系统结构
1.1系统结构
国际机器人足球联盟（FIRA）规定，MiroSot Large League比赛场地的标准尺寸为400cm×280cm，且双方各派11个队员上场。超大规模的比赛场地和更多的目标信息给硬件设备、视觉和决策都提出了新的难题，主要问题存在于：
1 由于场地面积和机器人目标个数的增加，使得需要处理的信息量成倍增长，只靠单个计算机将难以保证系统的实时性。
2 如果仍然采用单摄像机来采集整个场地的信息，由于摄像机的分辨率有限，所采集到的球和机器人色块小，噪声干扰大，难以满足目标定位的精确性和可靠性要求。
在考虑比赛规则的基础上，为充分发挥系统的性能，本文设计了一种基于“远程脑”的双机互连结构来分别进行图像和策略的处理。“远程脑”控制的思想最早是由日本东京大学的井上博允提出的[4]，在此基础上，崔世刚等人将“远程脑”的概念扩展为远程大脑和远程小脑两部分，这样能更好地平衡远程大脑的计算负荷，也便于系统各个组成部分实现模块化管理[5]。将“远程脑”的概念引入足球机器人系统，能够明显地改善系统的性能，解决以上所述问题。系统结构如图1所示。
视觉子系统包括两个摄像机和一台视觉处理计算机（远程小脑），每个摄像机采集半个比赛场地，将图像信息传送给与之相连的远程小脑，由远程小脑完成两幅图像的处理如场地的拼接、目标识别、位置提取与跟踪，并将结果传送回策略子系统（大脑），供大脑进行策略规划，并产生左右轮速信息，由通讯子系统传输给机器人，机器人执行动作。
1.2 视觉子系统
视觉子系统对现场数字图像的处理采用了离线和在线两种方式：赛前采用离线方式对系统进行设置，通过人机交互的方式调整摄像机的参数，并进行场地标定和特征提取，构建场地和目标图像知识库；比赛开始后，采用在线方式进行实时图像处理，将两幅图像进行信息融合以获取全部目标的位置和运动信息，同时可以根据识别的实际效果修正目标图像知识库。MiroSot 11Vs11视觉子系统处理流程图如图2所示。
后面主要探讨大场地足球机器人系统中场地标定以及目标信息融合的问题，考虑系统的不同工作状态，离线方式下为了保证场地标定的精确性，提出了一种大场地两步标定法；在线方式下为保证系统运行的实时性，应用基于特征级信息融合的方法实现左右半场目标信息融合。
2场地标定
2.1基本思想
机器人足球视觉系统中场地标定的本质是要找到所拍摄图像与真实场景之间的几何映射关系，进而从图像中恢复实际场景的几何信息。由于11v11比赛采用了超大规模的比赛场地，每个摄像机只能拍摄到半个场地（如图3所示），因此我们采取了两步标定法，即先对左右两个半场分别进行标定，然后将标定结果进行拼接来实现整个场地的标定。由于摄像机镜头存在加工和装配误差，所拍摄图像存在着一定程度的非线性几何失真，故在进行标定之前，对图像进行矫正处理是必要的。
2.2 图像畸变校正
为了在短物距下获得大范围视场，我们一般采用短焦广角镜头，这种镜头在成像过程中，都存在着不同程度的几何失真，足球机器人视觉系统的失真主要是由光学镜头的径向畸变所引起，从拍摄到的图像可以看出，场地边界略呈弧形。
令 和 分别为理想摄像机拍摄的像面坐标； 和 分别为实际摄像机拍摄的像面坐标，则有如下的数学关系[6，7]：
2.3 左右半场标定
由于经过了畸变矫正，场地图像信息恢复了线性特征，故可直接采用线性方法进行标定。首先对左右半场分别标定，只需以场地中一些位置已知的特征点作为标定点，在图像中找到其匹配点，再通过计算得到摄像机坐标系和世界坐标系的映射关系。以左半场为例，具体标定过程如下：
1.在图像上选择场地的四个角 作为标定点，这四个点的屏幕坐标和其相对应的世界坐标都为已知，如图4（b）和4（c）所示；
其中， L、W分别为世界坐标中A、D两点和A、B两点之间的实际距离。
3.若假设世界坐标系原点 （即 ）对应的屏幕坐标为 ，矫正图像中任意一点 的像面坐标为 ，由此可以推导出 的世界坐标 ：
用同样方法可对右半场进行场地标定，从而得到左右半场的矫正坐标系 、 与其世界坐标系 、 的映射关系 和 ：
2.4 场地拼接
左右半场世界坐标系 、 与全场世界坐标系 存在如下关系：
1. 的坐标原点与 的坐标原点重合；
2. 的坐标原点在 下的坐标为（200，0）；
3. 、 的x轴和y轴分别与 的x轴和y轴平行。
故通过线性转换即可计算出 、 到 的映射关系 ：
综上，由（3）、（6）、（7）可得到左右摄像机的像面坐标系 、 到全场世界坐标系的映射关系R：
三、实验
实验采用了视觉和策略两台计算机，通过对等网线相连构成双机直接网卡互连结构，并使用两台BASLER数字摄像机采集左右半场信息，通过IEEE1394传输线连接到视觉计算机的采集卡上，采用双缓冲区交替采集图像时视觉子系统的处理周期可达到25ms，视觉和策略用双线程实现并行处理，可使整个系统的运行周期减小到30ms，从而保证了系统运行的实时性。 运用两步标定法进行了标定实验，经过畸变校正和两步标定后的实验结果如表1所示：
实验1和实验2分别为在左右半场测试的数据，从实验结果可看出，只有少量误差出现在场地的周边位置，场地标定精度较高，可满足系统精确性的要求。
利用前面所述目标信息融合算法对场上的目标进行实时定位跟踪，连续采集3000帧图像，其中跟踪我方机器人失误6帧，跟踪对方失误4帧，跟踪球4帧。实验数据表明，该算法可满足目标定位的可靠性要求。
四、结论
本文首先分析了大场地机器人足球比赛的特殊性，针对其瓶颈问题展开探讨，设计了基于“远程脑”概念的双机互连结构，改善了系统的性能。在此基础上，讨论了视觉系统中的双摄像机视场下的场地标定问题，提出了一种左右场地分别标定然后进行拼接的大场地两步标定法。实验证明，该设计方案可满足大场地足球机器人系统实时性和可靠性要求。
参考文献
[1]洪炳熔，韩学东.机器人足球比赛研究[J]，机器人ROBOT，Vol 25，No.4 July，2003.
[2]彭强，江浩. 大场地足球机器人视觉子系统及其识别算法. 西南交通大学学报，2005，4，168-172.
[3]毛强， 高浩， 韩家新， 等. 半自主足球机器人11vs11的双机互联设计与实现. 福建电脑， 2013，6：3-4
[4]INOUE Hirochika. A platform for robotics research based on the remote-brained robot approach[J]. The International Journal of Robotics Research， 2000，19（10）：933-954.
[5]崔世刚，廉正光，邴志刚，董锦旗. 基于ARM的新型远程脑服务机器人控制系统设计. 天津工业大学学报，2006，8，8-10.
[6]廖中士，高培焕，苏艺，王大鹏.一种光学镜头摄像机图像几何畸变的修正方法.中国图形图像学报，2000，5（A）（7） 594-597.
[7]S. Liao， P. Gao， Y. Su， D. Wang. A geometric rectification method for lens camera. Journal of Image and Graphics， vol.5， no.7， pp.594-597， July 2010.
（作者单位：1.中信戴卡股份有限公司；2.瑞和安惠项目管理集团有限公司；3.秦皇岛职业技术学院）