（1．江西理工大學應用科學學院，江西 贛州 341000；2．江西理工大學 機電工程學院，江西 贛州 341000） 摘要：集控式足球機器人視覺系統，分圖像輸入和數字化、圖像預處理、圖像分割和圖像識別幾步進行。其圖像識別通過圖像采集卡、圖像增強、去噪處理、邊緣增強技術，HIS模型，及基于連續圖像相關性的順序網格和種子填充相結合的目標搜索方法實現。 關鍵詞：足球機器人；圖像處理；HSI顏色模式 0 引言 RoboCup小型組足球機器人系統包括視覺、決策、無線通訊和機器人小車等。機器人在比賽中，視覺系統按所處的位置和作用，分2種模式：①分布式視覺系統，每個機器人小車有獨立的視覺機構，用于目標捕捉和自身定位；②集控式視覺系統，所有機器人小車共用1個視覺機構，為機器人小車和目標定位。故對視覺系統以討論。 1 視覺系統 1．1 圖像輸入和數字化 采用CCD彩色攝像機和圖像采集卡實現圖像輸入。用CCD攝像機采集整個場地信息，CCD攝像頭的輸出信號采用電視標準，每幅圖像為1幀，1幀由兩場組成；每場240行；采用隔行掃描方式，輸出信號有2種制式NTSC和PAL，其中NTSC每秒30幀，PAL為25幀，所以一般采用NTSC。像機輸出的是模擬信號，要用計算機來處理這些信息須由圖像采集卡來完成信息的轉換。 1．2 圖像預處理 機器人視覺系統中，常用預處理技術有：①圖像增強，一般采用直方圖均衡化技術，以一定的映射關系修改原始黑種人的像素灰度，產生1個比原方圖更為平坦的直方圖，對圖像有明顯增強效果；②圖像的去噪聲處理，即圖像的平滑。一般采用鄰域平均技術，用鄰點灰度的平均值取代該點的灰度。也可用平滑技術，即模板技術；③邊緣增強處理，即圖像的銳化。一般用微分尖銳化處理技術采用梯度法，使用每個像素位置的梯度值。除上述幾種預處理技術外，考慮到足球機器人系統實時性要求較高，比賽環境可變，可對所攝取圖像的容量和質量進行調整，包括圖像調整和壓縮。在滿足精度的前提下，可采用“場”方式或“TARGET”采集方式，來減小圖像容量，提高采集速度[1]。 1．3 圖像分割 在圖像識別過程中，其顏色信息是主要的識別依據，色彩模型的選取對正確識別顏色有很大的影響，目前常用的色彩模型有RGB和HIS。RGB模型是線性表示系統，其優點是較簡單、直觀。但實踐結果表明，對同一顏色屬性物體，在不同條件（光照、光源種類、亮度、物體反射特性等）下，其測得的RGB顏色分布很分散，3個分量互相關聯變化波段很寬，占據空間比例很大，很難確定識別RGB的閾值范圍，非常容易把并非指定顏色的物體包括進去，而漏掉應該識別的部分物體。 HSI模型是基于視覺原理的模型，其定義了3個互不相關、容易預測的顏色屬性：色度（Hue）、飽和度（Saturation）和明亮度（Illumination），其中的色度屬性能較準確地反映顏色種類，對外界光照條件的變化敏感程度低。對同一顏色屬性物體，具有較穩定和較窄的數值變化范圍。飽和度S可作為輔助判斷條件，亮度I一般不作判斷。所以系統采用HIS模型。 RGB空間到HSI空間的變換公式如下： 通過上述公式，將圖像和各像素的RGB分量值轉換到HIS空間，在HIS空間完成圖像分割和圖像識別的等工作。 1．4 圖像識別 圖像識別采用基于連續圖像相關性的順序網絡和種子填充相結合的目標搜索方法。所謂順序網格，就是將搜索區域人為地按一定的準則分割為一定數量、大小相等的正方形小區域，并按一定的順序在該小區域中掃描目標，搜索出目標物體的大概位置。種子填充是以該點為種子點，以一定的顏色信息為標準向四周擴散，直到將滿足要求的所有像素點全部找到[3]。 通過對機器人小車設計參數的分析，可知其最大運行速度是1個確定不變的數值，即在連續2幅圖像中，同一輛機器人小車間的運行距離的最大值是恒定不變的。因此考慮利用相鄰2幅圖像間的相關性，在以前1幅圖像中機器人小車的位置為掃描中心，以機器人小車的最大運行距離為半徑的區域內搜索目標物體，既減少整幅圖像順序網格掃描的目標點數，同時由于使用種子填充的方法，在一定的程度上降低了噪聲干擾的影響，從而使系統的實時性和可靠性得到提高。區域中心處為掃描起始點，箭頭為順序搜索方向，每次搜索的網格大小視色標而定。 2 結語 足球機器人比賽的視覺系統，使用HSI空間模型代替RGB空間模型進行圖像處理和目標辨識，以克服RGB空間模型的不足，滿足視覺子系統可靠性要求。采用基于連續圖像相關性的順序網格和種子填充相結合的搜索方法，減少搜索目標像素數量，在一定程度上降低噪聲干擾，提高系統的辨識速度。