机器人视觉系统研究

目录
前言
第1章绪论1
1.1机器人足球世界杯1
1.2RoboCup中型组比赛与中型组机器人2
1.2.1RoboCup中型组比赛介绍2
1.2.2RoboCup中型组比赛机器人介绍3
1.2.3RoboCup中型组的科学意义和工程价值5
1.3RoboCup中型组视觉感知研究现状5
1.3.1视觉系统设计及其标定6
1.3.2机器人的目标识别7
1.3.3目标运动状态估计10
1.3.4机器人的视觉自定位11
1.3.5多机器人协同感知12
1.4RoboCup中型组视觉感知的发展趋势13
1.5本书内容安排14
参考文献15
第2章足球机器人全向视觉系统设计与标定21
2.1全向视觉概述21
2.1.1多摄像机拼接全向视觉系统21
2.1.2鱼眼镜头全向视觉系统22
2.1.3折反射式全向视觉系统23
2.2足球机器人全向视觉系统的设计24
2.2.1单视点全向视觉系统的设计24
2.2.2NuBot全向视觉系统的设计29
2.3足球机器人全向视觉系统的标定36
2.3.1单视点全向视觉系统的标定37
2.3.2NuBot全向视觉系统的标定38
2.4本章小结46
参考文献46
第3章机器人足球中的颜色编码化目标识别50
3.1摄像机参数自动调节50
3.1.1相关研究51
3.1.2图像熵及其与摄像机参数的关系52
3.1.3基于图像熵的摄像机参数自动调节算法57
3.1.4实验结果与分析59
3.1.5算法的拓展应用65
3.1.6小结69
3.2足球机器人视觉系统颜色分类70
3.2.1颜色空间模型与查找表方法简介70
3.2.2混合颜色空间查找表分类方法73
3.2.3基于线性分类器的颜色空间划分方法79
3.2.4改进的颜色查找表方法在彩色全景图像颜色分类中的应用83
3.2.5小结86
3.3针对颜色编码化目标的识别算法86
3.3.1机器人足球比赛中的目标识别87
3.3.2场地白色标示线的可靠识别90
3.3.3黑色障碍物的可靠识别99
3.4本章小结104
参考文献104
第4章机器人足球中的非颜色编码化目标识别107
4.1相关研究107
4.2基于全向视觉成像模型的任意足球识别108
4.2.1足球在NuBot全向视觉中的成像特性分析109
4.2.2基于全向视觉的任意足球识别算法111
4.2.3实验结果与分析113
4.2.4小结118
4.3基于AdaBoost学习算法的任意足球识别119
4.3.1算法描述119
4.3.2实验结果与分析125
4.3.3小结132
4.4本章小结134
参考文献134
第5章目标跟踪与状态估计136
5.1基于当前统计模型与状态约束的单目标跟踪137
5.1.1足球机器人的运动特点137
5.1.2目标运动模型139
5.1.3滤波器约束条件144
5.1.4单目标跟踪滤波器147
5.1.5实验结果与分析149
5.1.6小结151
5.2基于联合概率数据关联的多目标跟踪151
5.2.1椭球跟踪门规则152
5.2.2数据关联算法的选择153
5.2.3实验结果与分析156
5.2.4小结161
5.3基于RANSAC和Kalman滤波的目标状态估计161
5.3.1球速估计问题研究现状162
5.3.2RANSAC介绍162
5.3.3基于RANSAC和Kalman滤波的球速估计算法163
5.3.4实验结果与分析166
5.3.5小结168
5.4基于双目视觉的三维空间目标状态估计170
5.4.1双目视觉系统171
5.4.2足球识别与定位172
5.4.3足球运动轨迹的拟合173
5.4.4足球运动落点位置的预测174
5.4.5机器人运动决策175
5.4.6实验结果与分析176
5.4.7小结182
5.5本章小结183
参考文献183
第6章足球机器人视觉自定位186
6.1足球机器人常用的视觉自定位方法187
6.1.1粒子滤波定位方法187
6.1.2匹配优化定位方法192
6.1.3两种自定位方法的优点和不足192
6.2结合使用粒子滤波和匹配优化的机器人自定位方法193
6.3实验结果与分析194
6.3.1遮挡情况下的自定位194
6.3.2全局自定位197
6.3.3不同光线条件下的自定位197
6.3.4算法的实时性能200
6.4本章小结201
参考文献201
第4章机器人足球中的非颜色编码化目标识别107
4.1相关研究107
4.2基于全向视觉成像模型的任意足球识别108
4.2.1足球在NuBot全向视觉中的成像特性分析109
4.2.2基于全向视觉的任意足球识别算法111
4.2.3实验结果与分析113
4.2.4小结118
4.3基于AdaBoost学习算法的任意足球识别119
4.3.1算法描述119
4.3.2实验结果与分析126
4.3.3小结133
参考文献134
第5章目标跟踪与状态估计136
5.1基于当前统计模型与状态约束的单目标跟踪137
5.1.1足球机器人的运动特点137
5.1.2目标运动模型139
5.1.3滤波器约束条件144
5.1.4单目标跟踪滤波器147
5.1.5实验结果与分析149
5.1.6小结151
5.2基于联合概率数据关联的多目标跟踪151
5.2.1椭球跟踪门规则152
5.2.2数据关联算法的选择153
5.2.3实验结果与分析156
5.2.4小结161
5.3基于RANSAC和卡尔曼滤波的目标状态估计161
5.3.1球速估计问题研究现状162
5.3.2RANSAC介绍163
5.3.3基于RANSAC和卡尔曼滤波的球速估计算法163
5.3.4实验结果与分析165
5.3.5小结168
5.4基于双目视觉的三维空间目标状态估计170
5.4.1双目视觉系统171
5.4.2足球识别与定位172
5.4.3足球运动轨迹的拟合173
5.4.4足球运动落点位置的预测174
5.4.5机器人运动决策175
5.4.6实验结果与分析176
5.4.7小结182
参考文献183
第6章足球机器人视觉自定位186
6.1足球机器人常用的视觉自定位方法187
6.1.1粒子滤波定位方法187
6.1.2匹配优化定位方法192
6.1.3两种自定位方法的优点和不足192
6.2结合使用粒子滤波和匹配优化的机器人自定位方法193
6.3实验结果与分析194
6.3.1遮挡情况下的自定位194
6.3.2全局自定位197
6.3.3不同光线条件下的自定位197
6.3.4算法的实时性能200
6.4本章小结201
参考文献201