基于视觉的足球机器人自主决策方法研究
|
摘要
足球机器人涉及到智能控制、数据融合、计算机技术、无线通讯、图像工程、微机电系统、电气传动等多个研究领域,为控制理论研究提供了一个较好的实验平台,并推动了机器人技术的迅速发展和多智能体的深入研究。
本文以RoboCup足球机器人比赛为背景,以DF-II(东风II代)全自主足球机器人为平台,对足球机器人的图像处理、目标预测和协调决策三个关键技术进行了研究。
(1)介绍了DF-II全自主足球机器人平台的构成,给出了视觉子系统、决策子系统、执行子系统和通讯子系统的体系结构及工作原理。
(2)研究了视觉系统的图像平滑及图像分割技术。采用高斯滤波对视觉系统采集图像进行图像平滑,采用基于YUV颜色模型的图像分割算法进行图像分割,并分别进行了仿真实验,为机器人下一步的目标预测和决策方案的制定提供可靠信息。
(3)在分析比较几种目标预测算法的基础上,提出了采用基于自适应强跟踪滤波的目标预测算法,并与卡尔曼滤波算法进行了比较,仿真实验验证了算法的有效性。
(4)在前期图像处理和目标预测的基础上,提出了基于无线网络的协调决策方案,系统采用双层决策模型,通过对场上机器人进行静态角色分配和动态角色转换,灵活应对比赛环境的变化,采用仿真软件AI-RCJ4.0实验平台,通过改变足球机器人比赛中团队决策和队员的个体决策验证了协调决策方法的有效性。
The soccer robot is involved in many research fields, including intelligent control, data fusion, computer technology, wireless communication, image engineering, micro electromechanical system and electrical driver and so on. It provides a good test platform for the control theory and promotes the rapid development of robot technology and embedded research on Multi-Agent System.
Based on the platform of“DF-Ⅱ”autonomous soccer robot, three key technologies are studied in the background of Robocup, including image processing, object prediction and decision of the autonomous soccer robot system.
(1) The composition of“DF-Ⅱ”autonomous soccer robot is introduced. The working principle and architecture of subsystems are presented, including vision subsystem ,decision-making subsystem, wireless communication subsystem, and executive subsystem.
(2) The technologies of image smoothing and image segmentation of vision system are studied. The Gauss Filtering is adopted to accomplish image smoothing and the algorithm based on YUY color model is adopted to accomplish image segmentation. The simulation experiments are processed so as to provide reliable information for making projects of the robot next object prediction and decision.
(3) On the basis of analysis and comparison of some object prediction algorithms, an algorithm based on self-adapting strong tracking filtering is brought forward. The simulation results from the algorithm are effective to object prediction by comparing Kalman filtering algorithm.
(4) According to the research of image processing and object predication, the coordination decision project based on wireless network is proposed. The double-layer decision model is used to neatly accommodate the change of the game environment through the static role assignment and dynamic role conversion of robots. The coordination decision method is validated to be effective through changing group decision and individual decision on the robot game by AI-RCJ4.0 simulation software.
本文以RoboCup足球机器人比赛为背景,以DF-II(东风II代)全自主足球机器人为平台,对足球机器人的图像处理、目标预测和协调决策三个关键技术进行了研究。
(1)介绍了DF-II全自主足球机器人平台的构成,给出了视觉子系统、决策子系统、执行子系统和通讯子系统的体系结构及工作原理。
(2)研究了视觉系统的图像平滑及图像分割技术。采用高斯滤波对视觉系统采集图像进行图像平滑,采用基于YUV颜色模型的图像分割算法进行图像分割,并分别进行了仿真实验,为机器人下一步的目标预测和决策方案的制定提供可靠信息。
(3)在分析比较几种目标预测算法的基础上,提出了采用基于自适应强跟踪滤波的目标预测算法,并与卡尔曼滤波算法进行了比较,仿真实验验证了算法的有效性。
(4)在前期图像处理和目标预测的基础上,提出了基于无线网络的协调决策方案,系统采用双层决策模型,通过对场上机器人进行静态角色分配和动态角色转换,灵活应对比赛环境的变化,采用仿真软件AI-RCJ4.0实验平台,通过改变足球机器人比赛中团队决策和队员的个体决策验证了协调决策方法的有效性。
The soccer robot is involved in many research fields, including intelligent control, data fusion, computer technology, wireless communication, image engineering, micro electromechanical system and electrical driver and so on. It provides a good test platform for the control theory and promotes the rapid development of robot technology and embedded research on Multi-Agent System.
Based on the platform of“DF-Ⅱ”autonomous soccer robot, three key technologies are studied in the background of Robocup, including image processing, object prediction and decision of the autonomous soccer robot system.
(1) The composition of“DF-Ⅱ”autonomous soccer robot is introduced. The working principle and architecture of subsystems are presented, including vision subsystem ,decision-making subsystem, wireless communication subsystem, and executive subsystem.
(2) The technologies of image smoothing and image segmentation of vision system are studied. The Gauss Filtering is adopted to accomplish image smoothing and the algorithm based on YUY color model is adopted to accomplish image segmentation. The simulation experiments are processed so as to provide reliable information for making projects of the robot next object prediction and decision.
(3) On the basis of analysis and comparison of some object prediction algorithms, an algorithm based on self-adapting strong tracking filtering is brought forward. The simulation results from the algorithm are effective to object prediction by comparing Kalman filtering algorithm.
(4) According to the research of image processing and object predication, the coordination decision project based on wireless network is proposed. The double-layer decision model is used to neatly accommodate the change of the game environment through the static role assignment and dynamic role conversion of robots. The coordination decision method is validated to be effective through changing group decision and individual decision on the robot game by AI-RCJ4.0 simulation software.
引文
[1] Mackworth A. On seeing robots. In: Computer Vision: Systems, theory, and applications [J]. World Scientific, Singapore, 1992. 1-13.
[2] htt://www.robocup.org/
[3] Burkhard,H.D. Duhaut,D. Fujita,M., The road to RoboCup 2050, IEEE Robotics & Automation Magazine, Jun 2002, On page(s): 31-38
[4]章毓晋,图像处理和分析,北京:清华大学出版社,1998.
[5]闫娟,数字图像的平滑处理方法研究,软件导刊,2009,8(1):182-184.
[6]蔺鹏,数字图像噪声处理典型方法分析,
[7]阮秋琦,数字图像处理[M]2版,北京:电子工业出版社,2007.
[8]朱虹.数字图像处理基础,北京:科学出版社,2005.
[9]赵保华,基于足球机器人的图像处理与图像识别,兰州理工大学硕士学位论文,2006.
[10]李卓林,全局视觉足球机器人目标识别方法的研究,长春理工大学硕士学位论文,2007.
[11]曾达幸,中型组足球机器人的视觉识别与视觉定位研究,燕山大学硕士学位论文,2004.
[12]刘斐,应用于足球机器人的彩色全向视觉关键技术研究,国防科学技术大学博士学位论文,2007.
[13]沈庭芝,方子文.数字图像处理及模式识别.北京:北京理工大学出社.1998:152-159.
[14]边肇祺,张学工等,模式识别[D].北京:清华大学出版社.2001.
[15]袁于程,RoboCup中型组机器人全景视觉系统的研究,苏州大学硕士学位论文,2009.
[16]张祺,基于视觉的机器人足球比赛系统研究,广东工业大学博士学位论文,2003.
[17] Arthur R, Weeks G. Eric Hague. Color Segmentation in the HIS color space using the K-clustering algorithm[C], 1997, SPIE 3026, pp.143-154
[18] Kehtarnavaz N.,Monaco J., Nimtschek J. et al. Color image segmentation using multi-scale clustering. Image Analysis and Interpretation, 1998 IEEE Southwest Symposium on,1998,:142-147.
[19]徐利华,陈早生,二值图像中的游程编码区域标记,光电工程,Vol.31,NO.6,2004,pp.63-65
[20]张丁等,一种新的自适应变长码编码算法,浙江大学学报(工学版),Vol.40,No.5,2006,pp.783-795.
[21] William O. McCalister, Chih-Cheng Hung. Image Segmentation Using Run-Length Coding Technique[C]. SCIA 2003, LNCS 2749, 343-348
[22] James Bruce, tucker Balch, Manuela Veloso. Fast and Inexpensive Color Image Segmentation for Interactive Robots[C]. Proceedings of the 2000 IEEE/RSJ International Conference on Intelligent Robots and Systems, 2000, 2061-2066
[23]龚剑,机器人足球视觉目标的快速识别,微计算机信息,2007,23(3-2).
[24]刘国栋,机器人足球视觉图像快速识别方法的研究,计算机仿真,2005,22(11):172-175.
[25]许志倩,足球机器人视觉系统目标识别算法的改进,流体运动与控制,2007,3-22
[26]沈濛等,基于颜色的足球机器人视觉跟踪算法,机械与电子,2007-4.
[27]潘永利等,数字图像技术在移动机器人中的应用,青岛理工大学学报,2008,29-5
[28]庞云,RoboCup中型机器人图像系统研究,同济大学硕士学位论文,2007.
[29]李铁军,RoboCup中型组机器人视觉系统研究与开发,山东大学硕士学位论文,2006.
[30]余存,RoboCup中型组机器人视觉系统的研究与设计,山东大学硕士学位论文,2007.
[31]王光友,基于全景视觉的自主移动机器人定位方法研究,北方工业大学硕士学位论文,2009.
[32]王文远,基于图像信噪比选择优化高斯滤波尺度,电子与信息学报,2009-10.
[33]蔡叶青,基于颜色特征的图像分割方法及其在足球机器人中的应用,计算技术与自动化,2008,27(1):70-73.
[34]谢勤岚,图像降噪的自适应高斯平滑滤波器,计算机工程与应用,2009,45(16):182-184.
[35]刘伟,RoboCup中型组机器人全景视觉系统设计与实现,2004,国防科学技术大学硕士学位论文.
[36]黄官正等,基于Kalman滤波对运动目标状态最优控制,军事运筹与系统工程,2006,20-1.
[37]王文学等,卡尔曼滤波在机器人足球比赛中的应用,机器人,2006,28(4):410-414.
[38]董晓杰等,卡尔曼滤波在足球机器人定位中的应用,装备制造技术,2008(2):45-48.
[39]亢海龙等,基于卡尔曼滤波的轮式机器人定位方法,机械与电子,2009(7):72-74.
[40]胡建华,一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法,计算机应用,2007,27(4):916-918.
[41]于翔川,基于非线性滤波的目标跟踪算法研究,西安电子科技大学硕士学位论文,2009.
[42]罗磊等,EKF定位跟踪算法研究,重庆邮电大学学报,2009,21(1).
[43]李彩菊,扩展卡尔曼滤波和粒子滤波算法性能比较研究,声学技术,2009,28(4):74-78.
[44]张婷婷,基于粒子滤波的机动目标跟踪方法研究,西安电子科技大学硕士学位论文,2009.
[45]刘阳,基于粒子滤波的机器人视觉跟踪研究与实现,大连理工大学硕士学位论文,2008.
[46]孙伟,基于粒子滤波的视频目标跟踪关键技术及应用研究,西安电子科技大学博士学位论文,2009.
[47]宋海涛等,基于强跟踪滤波的全自主机器人目标预测,航天控制,2007,25(3):57-58.
[48]于秀芬,轮式移动机器人视觉定位与目标跟踪研究,南京航空航天大学硕士学位论文,2004.
[49]朱李礼,强跟踪滤波在目标跟踪中的应用,第十届全国电工数学学术年会论文集.
[50]胡振涛,刘先省.基于测量方差时变的改进强跟踪滤波算法[J].传感器技术,2005,24(6):65-68.
[51]段战胜,韩崇昭,党宏社.一种带未知时变系统噪声水平的目标跟踪滤波器[J].系统仿真学报,2004,16(11):2591-2593.
[52]范文兵,刘春风,张素贞.一种强跟踪扩展卡尔曼滤波器的改进算法[J].控制与决策,2006,21(1):73-76.
[53]周东华,叶银忠.现代故障诊断与容错控制[M].北京:清华大学出版社,2000.
[54]徐宁,实时-鲁棒的移动机器人自主跟随算法,微计算机信息,2009,25(1-2):232-233.
[55]尚文,以视觉传感为主的移动机器人定位导航和环境建模,东南大学博士学位论文,2004.
[56]姬江涛,基于机器视觉的机器人武器目标跟踪系统,微计算机信息,2008,01-2-0238-02.
[57]徐毓,一种实现机动目标跟踪的STF动态模型PDA算法,电子学报,2003(7):981-984.
[58] iming Liu,多智能体原理与技术,清华大学出版社,2003.
[59]黄维芳等,RoboCup中Agent理论与结构研究,现代电子技术,2006,Vol.29,No.2,6-8.
[60] J onatan Aronsson. Genetic Programming of Multi-agent System in the RoboCup Domain. Sweden Lund University,2003.
[61] Gerd Mayer, Hans Utz, Gerhard K. Kraetzschmar. Towards Autonomous Vision Self-Calibration for Soccer Robots[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems, 2002, pp.214-219.
[62]阎丽娜,面向机器人足球系统的多机器人协作与Petri网建模,南京理工大学硕士学位论文,2008.
[63]刘云江,基于多智能体理论的机器人足球决策系统研究,北京工业大学硕士学位论文,2005.
[64]庞云,RoboCup中型组机器人物体识别技术研究,科技导报,2007.
[65]王凡,基于Agent的多机器人路径规划的研究,武汉理工大学硕士学位论文,2006.
[66]乔娟,中型组全自主机器人足球比赛决策子系统的研究与开发,北方工业大学硕士学位论文,2009.
[67]崔连虎,RoboCup中型组机器人协作问题研究,国防科学技术大学硕士学位论文,2007.
[68]吴旭华,基于MAS的多机器人系统及其协作机制研究,西北工业大学硕士学位论文,2004.
[69]翟兴平,RoboCup中型组机器人系统及多机器人协作研究,同济大学硕士学位论文,2007.
[70]李烽,全自主足球机器人决策系统研究,江西理工大学硕士论文,2007.
[71]焦平平,多机器人通信与编队问题研究,北京交通大学硕士学位论文,2008.
[72]吴思思,分布式多机器人系统控制研究,华中科技大学硕士学位论文,2006.
[73]谢云,全自主机器人足球比赛系统的通信与多传感器信息整合技术,广东工业大学博士学位论文,2005.
[74]高晶,全自主式足球机器人运动控制方法的研究与实现,河北工业大学硕士学位论文,2007.
[75]谢云,全自主足球机器人通信子系统的设计与实现,计算机工程与应用,2005,30-32.
[76]李鹏,足球机器人无线通信子系统设计,中国新通信,2009(8),91-93.
[2] htt://www.robocup.org/
[3] Burkhard,H.D. Duhaut,D. Fujita,M., The road to RoboCup 2050, IEEE Robotics & Automation Magazine, Jun 2002, On page(s): 31-38
[4]章毓晋,图像处理和分析,北京:清华大学出版社,1998.
[5]闫娟,数字图像的平滑处理方法研究,软件导刊,2009,8(1):182-184.
[6]蔺鹏,数字图像噪声处理典型方法分析,
[7]阮秋琦,数字图像处理[M]2版,北京:电子工业出版社,2007.
[8]朱虹.数字图像处理基础,北京:科学出版社,2005.
[9]赵保华,基于足球机器人的图像处理与图像识别,兰州理工大学硕士学位论文,2006.
[10]李卓林,全局视觉足球机器人目标识别方法的研究,长春理工大学硕士学位论文,2007.
[11]曾达幸,中型组足球机器人的视觉识别与视觉定位研究,燕山大学硕士学位论文,2004.
[12]刘斐,应用于足球机器人的彩色全向视觉关键技术研究,国防科学技术大学博士学位论文,2007.
[13]沈庭芝,方子文.数字图像处理及模式识别.北京:北京理工大学出社.1998:152-159.
[14]边肇祺,张学工等,模式识别[D].北京:清华大学出版社.2001.
[15]袁于程,RoboCup中型组机器人全景视觉系统的研究,苏州大学硕士学位论文,2009.
[16]张祺,基于视觉的机器人足球比赛系统研究,广东工业大学博士学位论文,2003.
[17] Arthur R, Weeks G. Eric Hague. Color Segmentation in the HIS color space using the K-clustering algorithm[C], 1997, SPIE 3026, pp.143-154
[18] Kehtarnavaz N.,Monaco J., Nimtschek J. et al. Color image segmentation using multi-scale clustering. Image Analysis and Interpretation, 1998 IEEE Southwest Symposium on,1998,:142-147.
[19]徐利华,陈早生,二值图像中的游程编码区域标记,光电工程,Vol.31,NO.6,2004,pp.63-65
[20]张丁等,一种新的自适应变长码编码算法,浙江大学学报(工学版),Vol.40,No.5,2006,pp.783-795.
[21] William O. McCalister, Chih-Cheng Hung. Image Segmentation Using Run-Length Coding Technique[C]. SCIA 2003, LNCS 2749, 343-348
[22] James Bruce, tucker Balch, Manuela Veloso. Fast and Inexpensive Color Image Segmentation for Interactive Robots[C]. Proceedings of the 2000 IEEE/RSJ International Conference on Intelligent Robots and Systems, 2000, 2061-2066
[23]龚剑,机器人足球视觉目标的快速识别,微计算机信息,2007,23(3-2).
[24]刘国栋,机器人足球视觉图像快速识别方法的研究,计算机仿真,2005,22(11):172-175.
[25]许志倩,足球机器人视觉系统目标识别算法的改进,流体运动与控制,2007,3-22
[26]沈濛等,基于颜色的足球机器人视觉跟踪算法,机械与电子,2007-4.
[27]潘永利等,数字图像技术在移动机器人中的应用,青岛理工大学学报,2008,29-5
[28]庞云,RoboCup中型机器人图像系统研究,同济大学硕士学位论文,2007.
[29]李铁军,RoboCup中型组机器人视觉系统研究与开发,山东大学硕士学位论文,2006.
[30]余存,RoboCup中型组机器人视觉系统的研究与设计,山东大学硕士学位论文,2007.
[31]王光友,基于全景视觉的自主移动机器人定位方法研究,北方工业大学硕士学位论文,2009.
[32]王文远,基于图像信噪比选择优化高斯滤波尺度,电子与信息学报,2009-10.
[33]蔡叶青,基于颜色特征的图像分割方法及其在足球机器人中的应用,计算技术与自动化,2008,27(1):70-73.
[34]谢勤岚,图像降噪的自适应高斯平滑滤波器,计算机工程与应用,2009,45(16):182-184.
[35]刘伟,RoboCup中型组机器人全景视觉系统设计与实现,2004,国防科学技术大学硕士学位论文.
[36]黄官正等,基于Kalman滤波对运动目标状态最优控制,军事运筹与系统工程,2006,20-1.
[37]王文学等,卡尔曼滤波在机器人足球比赛中的应用,机器人,2006,28(4):410-414.
[38]董晓杰等,卡尔曼滤波在足球机器人定位中的应用,装备制造技术,2008(2):45-48.
[39]亢海龙等,基于卡尔曼滤波的轮式机器人定位方法,机械与电子,2009(7):72-74.
[40]胡建华,一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法,计算机应用,2007,27(4):916-918.
[41]于翔川,基于非线性滤波的目标跟踪算法研究,西安电子科技大学硕士学位论文,2009.
[42]罗磊等,EKF定位跟踪算法研究,重庆邮电大学学报,2009,21(1).
[43]李彩菊,扩展卡尔曼滤波和粒子滤波算法性能比较研究,声学技术,2009,28(4):74-78.
[44]张婷婷,基于粒子滤波的机动目标跟踪方法研究,西安电子科技大学硕士学位论文,2009.
[45]刘阳,基于粒子滤波的机器人视觉跟踪研究与实现,大连理工大学硕士学位论文,2008.
[46]孙伟,基于粒子滤波的视频目标跟踪关键技术及应用研究,西安电子科技大学博士学位论文,2009.
[47]宋海涛等,基于强跟踪滤波的全自主机器人目标预测,航天控制,2007,25(3):57-58.
[48]于秀芬,轮式移动机器人视觉定位与目标跟踪研究,南京航空航天大学硕士学位论文,2004.
[49]朱李礼,强跟踪滤波在目标跟踪中的应用,第十届全国电工数学学术年会论文集.
[50]胡振涛,刘先省.基于测量方差时变的改进强跟踪滤波算法[J].传感器技术,2005,24(6):65-68.
[51]段战胜,韩崇昭,党宏社.一种带未知时变系统噪声水平的目标跟踪滤波器[J].系统仿真学报,2004,16(11):2591-2593.
[52]范文兵,刘春风,张素贞.一种强跟踪扩展卡尔曼滤波器的改进算法[J].控制与决策,2006,21(1):73-76.
[53]周东华,叶银忠.现代故障诊断与容错控制[M].北京:清华大学出版社,2000.
[54]徐宁,实时-鲁棒的移动机器人自主跟随算法,微计算机信息,2009,25(1-2):232-233.
[55]尚文,以视觉传感为主的移动机器人定位导航和环境建模,东南大学博士学位论文,2004.
[56]姬江涛,基于机器视觉的机器人武器目标跟踪系统,微计算机信息,2008,01-2-0238-02.
[57]徐毓,一种实现机动目标跟踪的STF动态模型PDA算法,电子学报,2003(7):981-984.
[58] iming Liu,多智能体原理与技术,清华大学出版社,2003.
[59]黄维芳等,RoboCup中Agent理论与结构研究,现代电子技术,2006,Vol.29,No.2,6-8.
[60] J onatan Aronsson. Genetic Programming of Multi-agent System in the RoboCup Domain. Sweden Lund University,2003.
[61] Gerd Mayer, Hans Utz, Gerhard K. Kraetzschmar. Towards Autonomous Vision Self-Calibration for Soccer Robots[C]. IEEE/RSJ International Conference on Intelligent Robots and Systems, 2002, pp.214-219.
[62]阎丽娜,面向机器人足球系统的多机器人协作与Petri网建模,南京理工大学硕士学位论文,2008.
[63]刘云江,基于多智能体理论的机器人足球决策系统研究,北京工业大学硕士学位论文,2005.
[64]庞云,RoboCup中型组机器人物体识别技术研究,科技导报,2007.
[65]王凡,基于Agent的多机器人路径规划的研究,武汉理工大学硕士学位论文,2006.
[66]乔娟,中型组全自主机器人足球比赛决策子系统的研究与开发,北方工业大学硕士学位论文,2009.
[67]崔连虎,RoboCup中型组机器人协作问题研究,国防科学技术大学硕士学位论文,2007.
[68]吴旭华,基于MAS的多机器人系统及其协作机制研究,西北工业大学硕士学位论文,2004.
[69]翟兴平,RoboCup中型组机器人系统及多机器人协作研究,同济大学硕士学位论文,2007.
[70]李烽,全自主足球机器人决策系统研究,江西理工大学硕士论文,2007.
[71]焦平平,多机器人通信与编队问题研究,北京交通大学硕士学位论文,2008.
[72]吴思思,分布式多机器人系统控制研究,华中科技大学硕士学位论文,2006.
[73]谢云,全自主机器人足球比赛系统的通信与多传感器信息整合技术,广东工业大学博士学位论文,2005.
[74]高晶,全自主式足球机器人运动控制方法的研究与实现,河北工业大学硕士学位论文,2007.
[75]谢云,全自主足球机器人通信子系统的设计与实现,计算机工程与应用,2005,30-32.
[76]李鹏,足球机器人无线通信子系统设计,中国新通信,2009(8),91-93.