Tag标签
  • 传统
  • 图文
  • 卡片
全部文章

颜色的搭配外98个中邦守旧颜色编号

24种颜色识别图

  

颜色的搭配外98个中邦守旧颜色编号

  

颜色的搭配外98个中邦守旧颜色编号

  

颜色的搭配外98个中邦守旧颜色编号

  视觉系统的颜色标定24 严重影响系统的实时性。为此我们将图像由24位线位表示 即原来每个象素的R、G、B值各用8位表示 建立颜色查找表时 将R、G、B值压缩成各用5位表示 这样建立的颜色查找表长度为152。通常在视觉系统中定义一个4维数组colorLUT 来表示所用颜色的查找表其中R、G、B代表RGB空间的三个分量 每个分量的长度为52 n表示颜色种类。 颜色查找表需要通过颜色采样来填充 填充以后的颜色查找表作为该种颜色的信息库在在线识别时使用。对第i种颜色采样时 采样像素的R、G、B三个分量均用8位二进制表示 令r、g、b为压缩的5位2进制表示的三色分量 r、g、b共同对应的颜色查找表项的值置1否则为0 即colorLUT 1表示该点像素对应的颜色值已存储在颜色信息库中。对于采样区域的每一个像素点经过上述处理后都会在颜色查找表中找到对应得索引项颜色信息库就填充完毕了。 图像差分技术图像差分是一种检测运动物体常用的方法 它又分为图像序列差分和背景差分两种方法 45 图像序列差分法图像序列差分法的基本思想是 如果在一幅图像的某一位置物体发生变化 那么对应于该位置的灰度也将发生变化 而物体没有发生变化的部分 则灰度不发生变化或发生很小变化。该方法只需比较序列图像中相邻两幅图像或的对应像素灰度的差别。最简单的算法是采用计算帧差绝对值的方法。对于检测图像区域S 运动报警的判定条件为 ccijSSijtSijttThMax cSijt为亮度图像序列在t时刻ij点处的灰度值 Th为某个灰度阈值。这种算法实现简单 程序设计复杂度低 易于实现实时监视。由于相邻帧的时间间隔较短 受目标阴影的影响也不大 对动态环境有较好的适应性。但其最大的缺点是对光照、雨雪变化敏感 若光照变化剧烈或者场景有雨雪 就会效果欠佳。考虑到图像的光照条件的变化 对判定条件进行了改进 加入了对整体光照敏感的添加项 即改进的判定条件为 相比判别条件式 ccijSSSijtSijttN其中 为抑制系数 SN为检测区域S内的像重庆大学硕士学位论文 视觉系统的颜色标定25 素数目。在假定检测区域的像素足够多的前提下 如果图像光照变化较小 添加项的值趋近于零 。如果图像光照变化明显则添加项有明显增大 在取值适当的情况下 添加项大于判别条件式 左边导致式 判定条件不成立判断为没有运动 这样就有效的抑制了光照变化带来的影响。 背景差分法 背景差分法是利用当前图像与背景图像的差分来检测运动区域的一种技术。先为背景中每个像素进行统计建模 再将当前图像和背景模型进行比较 据此对图像进行二值化处理 从而得到前一图像素集合 运动对象 。背景差分法表述如下 dijtIijtBijt 如果dijtTh 1Dijt 否则 0Dijt 。其中 dijt表示差值图像 Iijt表示当前视频图像 Bijt表示背景图像 Dijt表示目标运动图像 Th是二值化时的阈值。 此方法的主要特点是要求使用当前被监视环境中的一幅静态背景 利用背景图像与当前帧图像的差进行运动目标检测。基于背景差分的运动目标检测虽然较图像序列差分法可以提取出更为完整的目标图像 但所采集到的背景图像随着时间的推移会对光照和外部条件造成的场景变化比较敏感 出现许多伪运动目标点 影响到目标检测的效果。 快速颜色标定为了避免手工标定的缺点 本文不采用手工方式来划定标定区域 而是由计算机来判断样本图像中目标颜色所在的区域 然后根据目标颜色建立其颜色信息库。快速颜色标定的快速还体现在可同时标定多种目标。对多种颜色完成一次快速颜色标定的工作过程如下 对样本图像进行预处理 减少其他非目标颜色的干扰 即进行图像差分处理。在实际比赛中 双方同时在场地上标定色标颜色 场地上情况复杂 如果只是简单进行图像分割 则有可能将对方与我方相近颜色的色标误认为识别目标 所以在对样本图像进行图像分割之前要对样本图像进行预处理。具体做法是 把贴有多种目标颜色的色标贴在小车顶部 让小车在场地上缓慢移动 然后停止在待标定的场地区域 记录下小车开始移动时的图像和停止后的图像 然后对两幅图像进行差分运算。通过这样一次两幅图像的差分运算 可以大大的减少了场地上其他非目标颜色的干扰 为下一步的分割做好了准备。 对样本图像中的各个目标颜色进行分割。为了准确地对各个目标颜色进行颜色标定 建立各自的颜色信息库 必须采用一种合适的分割方法对几种颜色进行分割。Ohta 13 等人提出用动态K L变换法找不同彩色区域 并由此得出一组适用与多种彩色图像分割的正交特征1I 2I 3I 视觉系统的颜色标定26 显然1I 2I 3I 为R、G、B时的线I实际上反映了图像的灰度特征 2I和3I则反映了图像的彩色特征。因此 根据不同的图像采取不同的特征即可进行有效分割。 1列出了比赛中常见的几种颜色和场地背景在图像上的RGB值和1I2I3I值1I反映的是像素间的灰度差别 2I、3I则反映的是像素间的颜色差别。由表3 1可知 目标与场地、几个目标之间的区别主要在于2I和3I 所以只使用2I、3I两个特征量即可对图像进行有效的分割。 目标与场地的颜色RGB值和1I2I3I值Table 1I2I 3I 黄色 255 101 16 124 119 1725 蓝色 41 150 255 148 6667 107 粉红色255 165143 6667 43 10175 紫色 173 65 198 145 3333 12 6525 绿色 132 255 165 184 16 5325 黑色 场地 通过图像分割计算机确定了各个目标颜色的区域 然后就可以对各个目标颜色进行颜色分析 按照3 1提到由于环境光线的不均匀性 为了能够保证目标颜色能在场地上的各个位置都能被视觉系统正确识别 必须在场地的各个位置对目标颜色进行颜色标定才能最大可能地保证建立的颜色查找表完整、可靠。通过比赛经验的总结以及决策系统的要求 场地的某些位置属于关键位置 如门区是必须要进行标定的地方。只需在这些位置进行颜色标定即可满足系统要求。 通过设计机器人小车的运行路径可以实现在无人干涉下的快速完成颜色标定 只需在标定前摆放好小车的起始位置并命令小车开始运行 标定完成后命令小车停止。小车的运行路径如图3 2所示。 重庆大学硕士学位论文 视觉系统的颜色标定27 机器人小车的运行路径Fig3 Movingpath robot图中粗实线黑框表示小车的起始位置 粗虚线黑框表示小车在各个分区的停留位置 箭头指示了小车的运行方向 由于完成一次快速颜色标定的时间为3秒左右 当小车达到标定位置时让其停留5秒 让计算机完成一次快速颜色标定 该重庆大学硕士学位论文 视觉系统的颜色标定28 次标定完成后小车按照指定路线继续运动。 在这些位置都完成颜色标定后就能够建立一个满足比赛要求的颜色信息库。 实验及结果分析该方法已成功应用在重庆大学“巴将军”机器人足球队的MiroSot的5vs5足球机器人系统中。采用该方法 对黄色、紫色和绿色3种颜色进行标定。运行环境为 P4 8的CPU内存为512M Matrox的Meteor Standard图像采集卡 三星的SCC 131A摄像机 安装的是Windows XP系统 使用VC 编译环境。 实验一顶部贴有目标颜色的小车从场地的右半场移动到左半场 对样本图像进行差分处理 如图3 3所示 为样本图像即小车移动后的图像方框内为3种目标颜色 从上到下依次为黄色、紫色、绿色 为两幅图像的差分图像散落在图像左上、右上及右下区域的色块为非目标色块。 样本图像的预处理Fig3 sampleimage 重庆大学硕士学位论文 视觉系统的颜色标定29 对样本图像完成预处理后 如图3 所示非目标颜色已经被全部过滤掉 设置好2I和3I的阀值对图3 的图像进行分割分割结果如图3 样本图像的分割Fig sampleimage 通过分割 计算机准确找到了各个目标颜色所在的区域 然后对目标颜色进行特征提取 该次标定过程结束。 实验证明 通过图像差分处理 然后进行图像分割后 计算能够准确找到目标颜色所在区域。 实验二为了比较快速标定方法和传统手工标定方法的优劣 设计了两种方法的对比实验。两种方法的对比主要是从标定所需时间和建立的颜色信息库的质量两个方面来进行的 而颜色信息库的质量无法进行直接的比较 因为颜色信息库是目标识别的依据和基础 在现场环境和识别算法相同的情况下可以通过比较目标识别的丢失率来比较两种方法所建立的颜色信息库的质量。 标定对象还是黄色、紫色和绿色3种颜色 用以识别5个小车目标 两种方法各进行10组对比 每组对比的两种方法都是在相同的外部条件下进行 并且各组对比都是在不同的时段进行测试 手工标定由熟练操作人员采用常用标定方法来完成的。对比结果如表3 表格中的识别丢失率为识别5个小车的平均丢失率丢失率是在10分钟内测试识别失败 包括无法识别和识别错误 的次数与识别总次数之比。 实验方法比较客观地反映了两种方法的优劣 通过与手工标定方法对比可以看到 快速标定方法大大缩短了颜色标定的时间 节约了大量的比赛准备时间 降低了视觉系统赛前准备的繁琐度 而且目标识别的丢失率也降低了很多 表示建立的颜色信息库更为完整、可靠 为整个视觉系统的正常运行提供了保证。 重庆大学硕士学位论文 视觉系统的颜色标定30 两种方法的比较结果Table3 Comparisonbetween methods次数 手工标定方法 快速标定方法 所需时间 分钟 识别丢失率 000 所需时间 分钟 识别丢失率 000 1012 平均值13 本章小结快速颜色标定方法由计算机判断目标颜色所在区域并完成颜色标定 并且可以同时标定多种目标颜色 该方法利用正交特征1I、2I、3I来对图像进行分割 在分割之前对样本图像作了一次差分运算 大大减少了场地上其他非目标颜色的干扰 为下一步的图像分割做好了准备 由于比赛中所使用的颜色之间的区别较大 而其他干扰颜色已基本去除 仅利用正交特征1I、2I、3I中的2I和3I两个特征量就可对图像进行准确分割 通过分割计算机准确地判断出了目标颜色所在的区域 使得目标颜色提取的信息量相对完整 目标颜色信息库更为完整、可靠。同时 该方法由于避免了烦琐的手工操作 减少了标定的时间 使得颜色标定的效率有了很大的提高。 重庆大学硕士学位论文 机器人小车的快速识别31 色标设计Mirosot足球机器人比赛中是通过辨识机器人顶部的色标来确定其位置、方向和车号的。色标的设计问题一直是足球机器人视觉系统设计中的一个难题 因为色标设计与辨识算法是紧密相关的 好的色标设计不仅能提高辨识精度 而且可以改善系统的实时性和抗干扰性 46 49 国内及国际上主要的色标设计目前各参赛队伍使用的色标多种多样 下面列举具有代表性的一部分设计方案 如图4 1所示 并加以分析。 几种色标的设计方案Fig Severaldesign schemes colorsign 三种色标设计都是关于机器人小车中心对称的每种色标均有队标和队员标志两个色块组成 实时辨识时首先找出队标和队员标志两色块的中心点 那么小车的中心位置就是两色块中心点连线的中点 对于 两种色标小车的正方向是由队标指向队员标志的射线所指的方向 对于色标 小车的正方向即为队标中心指向队员标志中心的射线。上述三种色标设计简单直观且辨识算法简单 系统实时性高 但也有自身的缺点 不同的颜色受同一环境的影响是不同的由于存在着多种颜色 整个色标块在同一的环境下重庆大学硕士学位论文 机器人小车的快速识别32 受到影响不均匀 其中心位置不稳定 使识别出现较大的偏差 使用该色标进行识别算法其识别结果会受到队标和队员标记两者的影响 任何一个色标块如果受到干扰的影响而识别出的中心点就出现偏差 则会导致机器人的中心位置和方向角产生偏差 而任何一个色标块出现丢失的情况 就无法计算结果。3 由于这种色标是按中心对称分布的 当两个机器人紧挨在一起时 色标会出现粘连的现象 导致两个机器人无法区分开 而对方的其他机器人靠得较近时 也会对它产生影响 使其识别出错。 于该设计中没有队员标志故而各队标的形状或大小各不相同 以区分车号。小 车的中心位于队标的中心 小车的朝向和车号可以通过辨识队标的形状的正方向 来确定。这种设计的特点是只通过一种颜色来获取辨识结果。由于环境在同一区 域对同一颜色的影响是相同的 因此带来的干扰是均匀的 而由于通道造成的干扰也是均匀分布的 所以色块的中心是稳定的。由于比赛规则规定 对方不允许 选用我方队标的颜色作为队标或者是队员标志的颜色 所以不存在对方的干扰问 题。然而 由于环境的影响和通道噪声的干扰 会造成色块边界的模糊及扩散 从而影响对色块形状特征的提取。另外由于尺寸的限制 而且色块还必须具有表 征方向信息的特殊形状 所以色块之间的形状差异并不是很大 从而对角度的辨 识算法提出了很高的要求 比较难以实现。而且当两个我方的小车碰撞到一起的 时候 由于边界的模糊 必然导致两个色块的粘连 虽然我们可以通过开启算法 将它们分开 可是由于运算量很大 必然影响系统的实时性。 小车的中心位于队标的中心由于队标的设计具有明显的方向性 通过一定的辨识算法我们可以得到队标所指向的一条矢量线 然后通过队员标志 来辅助决定小车的正方向和车号。由于这种设计也是完全由单一色标来获取辨识 结果的 所以它具有图4 色标设计的全部优点。另外它采用队员标志来辅助决定正方向和车号而不需要通过形状来决定 从而也避免了图4 色标设计中复杂的形状辨识。在匹配的问题上由于这种设计是先由队标确定中心点 然后从中心点出发沿着方向线法线的方向在一定范围内搜索队员标志 因而不会出现匹配错误的现象。但是这种色标设计也存在粘连问题 虽然可以通过一定的算法解决粘连 但仍会影响系统的实时性。 色标设计总结色标的设计多种多样 国际上不乏新奇的设计 但是最终的目标都是为了满足识别机器人的需要。辨识色标的目的是为了得到以下信息 中心位置坐标和方向角 色标识别的结果是要实时得到机器人小车的中心位置坐标和方向角。中心位置重庆大学硕士学位论文 机器人小车的快速识别33 坐标的取得可分为两种方法 一是通过位于色标中心位置的单一色块来计算中心坐标 二是通过对称色块 计算其连线的中心坐标。 机器人小车的编号 要对多个机器人小车编号 通常还应增加队员标志的设计 通常采用不同的 颜色及颜色处于不同的位置来代表不同的队员。 一个设计合理 能有效提高系统性能的色标设计方案应该满足4个条件 符合比赛规则 由赛事组织者所分配的蓝色或黄色色标将用于标识机器人队别。所有机器人必须至少有一个3 5cm 5cm的区域用于贴蓝色或黄色的队标 队标在其顶部清晰可见 一旦分派了蓝色和黄色中的一个作为队标 机器人不得使用任何对方球队所用颜色的贴片 为了识别本队的每一个机器人 建议各队除了蓝色和黄色外 再准备至少10 种不同颜色的贴片。在规则范围内 可以任意设计色标方案。 能够有效降低辨识算法的复杂度 同时提高中心点和方向角的辨识精度 能够有效避免色标的粘连问题 能够使用最少的颜色种类来编码更多的机器人小车编号 避免因采用颜色数量过多增大图像画面的复杂度。 矩形色标设计文献 50 提出了一种新的色标设计方案 逐渐流行于各大学球队 如东北大学、河海大学均采用这种色标设计方案。色标设计如图4 一种矩形色标设计方案Fig designscheme rectanglecolor sign 色标尺寸为75mm 75mm 分为4个区域 周围留出5mm以防止不同机器人色标

  MiroSot足球机器人视觉系统颜色标定及机器人小车识别算法的研究,机器人算法,机器人小车,张正友标定算法解读,机器人视觉,机器人视觉导航,机器人视觉系统,机器人视觉控制,工业机器人视觉系统,机器视觉算法与应用

  视觉系统的颜色标定24 严重影响系统的实时性。为此我们将图像由24位线位表示 即原来每个象素的R、G、B值各用8位表示 建立颜色查找表时 将R、G、B值压缩成各用5位表示 这样建立的颜色查找表长度为152。通常在视觉系统中定义一个4维数组colorLUT 来表示所用颜色的查找表其中R、

上一篇:没有了

下一篇:

本站文章于2019-10-03 02:58,互联网采集,如有侵权请发邮件联系我们,我们在第一时间删除。 转载请注明:颜色的搭配外98个中邦守旧颜色编号 24种颜色识别图