提高视觉系统颜色识别鲁棒性的一种方案

前言

视觉系统中颜色识别的鲁棒性在视觉系统中经常遇到，怎样提高它的鲁棒性是一个有一定的理论意义和实用价值。本文就此提出一实用方案，就足球机器人视觉子系统中的颜色识别实例进行介绍。

在实现足球机器人视觉子系统时存在的一大难点就是图像颜色的鲁棒性，图像颜色的鲁棒性形成的主要原因是光照，还有图像采集时所形成的噪声，这些因素使所采集的图像上的颜色呈现不稳定性，而颜色训练算法就是为解决这个难点而设计的。颜色训练算法主要的目的就是制作一个颜色修正列表，当进行图像识别时,用列表进行判断每一个像素的颜色所代表的实际意义，这样就可以准确的识别出机器人上的色标，准确地识别出赛场上活动物体的坐标、方向等数据。

 

一、颜色模型的选取

在图像处理中最常用的两种颜色模型是YUV模型和RGB模型。这两种颜色模型是可以相互转换的。对应关系如下：

        

 

YUV中的Y表示亮度，U和V表示色调，可以表示所有的颜色。从理论上讲用这种颜色模型就可以由U和V来判断是某种颜色，但是由于图像采集卡产生的噪声， U和V的值也不是很准确。

RGB中的R表示红色，G表示绿色，B表示蓝色，每种颜色都是由三元色组成的可表示颜色高达256*256*256=16777216种颜色所以基本上可以表示所有的颜色。由于光照和图像采集卡产生的噪声，使图像中颜色的RGB值变化比较大。

如果图像采集卡输出的图像是RGB组成的颜色阵列，选用RGB颜色模型。本文提出的颜色训练算法是为解决使用RGB颜色模型所出现的颜色的鲁棒性这个问题而设计的。很明显，经过适当的转换，此法也可用于YUV颜色模型为基础的颜色识别。

 

二、方案的设计思想

足球机器人比赛中，足球机器人在场地内对抗比赛，必须时刻知道足球机器人在场地内的座标、方位角及球的位置，以便决策系统给出足球机器人动作控制。在R0B0TCUP-180足球机器人比赛中，每队五个队员，每队有一个直径40的色标，或是蓝色或是黄色的，球是直径38橙色高尔夫球。针对此种状况，要求足球机器人系统的视觉系统应具备：

1、能正确识别出敌我双方每个队员的座标、方位角，球的座标；

2、一定的实时性要求，例如一秒钟能十次处理摄像头送来的图像数据，并发出相应座标等数据；

3、在有限的PC资源下完成所需工作。一般每队配一台PC，它除了完成视觉系统的工作，还需完成决策系统及与上下位机的通信工作。

人识别物体是通过对物体的特征，如形状、图案、颜色或是特征的综合体进行比较而识别。人识别物体首先由视觉系统接收欲识别物体的信息，再与记忆中的物体相比较，继而作出决断。

模拟人对物体识别的方式，针对足球机器人的识别要求及条件，提出如下方案：

1、优化设计足球机器人头标的图案和颜色；

2、建立可在线训练和修改的颜色库，贮存各足球机器人的颜色和图案；

3、针对实物颜色库的快速查找算法。

三、优化设计足球机器人头标的图案和颜色

足球机器人每人都有一个头标，让安装在场地上部3米的摄像头摄入。这里有一些限制条件：场地较大，似乒乓球台；足球机器人每人占地（以投影面积计算）不得超过180平方厘米；摄像头的分辨力是有限的（一般采用1024 *1024）。对应这些条件，一个像素对应3 *3平方厘米，也即一个足球机器人对应的像素个数是很有限的，即在这有限的像素基础上进行识别。当然改善硬设备性能可以提供更宽松的识别处理。如果能在有限个像素的舞台上演出予定要求的戏剧来不是更好