具有颜色识别功能的类人机器人设计3 机器人, 中心

rise_ming

如上所述，最佳阈值的判断标准是使得类间方差最大。于是通过遍历每一个灰度值，并计算其划分带来的类间方差，总能找到一个合适的阈值满足条件。由于式(4)计算二阶中心矩计算量较大，考虑到：
   
    显然，式(6)只需要计算类内均值，即一阶矩。于是最大化就转化为最大化式(6)。
    接下来的工作就是对图像进行标定，这里所指的标定就是根据二值化后的图像，计算出目标区域的外接矩形位置。在目标构成比较简单的情况下，投影法是效率最高的方法，而当场景中存在多个目标时，多数情况下需要进行连通域计算。拓扑学中把连通性定义为，区域内任意两点之间存在至少一条曲线可以将两者连接。目前的连通域标记方法主要分两类：扫描法和轮廓跟踪法。扫描法的基本思路是逐个检查每个像素的值和连通性，从而获得所有的连通性描述信息，然后根据每点之间的相互关系计算出最后的区域个数和构成关系。基于扫描的连通标记演示如下(以8连通为例)：
    首先对二值图像进行行扫描得到线段连通标记，如图5所示。然后检查每行之间线段与上一行线段之间的连通关系，并更改标记。

    第1行：线段1创建标记A。
    第2行：线段2、1之间连通，线段2标记为A；线段3同理标记为A。
    第3行：线段4、2之间连通，线段4标记为A；线段5创建标记为B。
    第4行：线段6、4之间连通，线段6标记为A；线段6、5之间连通，将线段5的标记由B变为A。
    第5行：线段7创建标记B；线段8、6之间连通，线段8标记为A。结果如图6所示。

    将图像标定完毕可以去掉图像中的噪点，并且找到目标的中心，实现目标的定位。

3 实验与结果分析
    将控制卡装到机器人上，控制机器人运动，在运动中摄像头采集图像，并且用方框将目标进行标定。利用上述颜色识别算法对图红色绣球进行标定，得到如图7所示的结果。

    随着机器人的运动，绣球在图像中的位置发生变化，机器人根据标定结果，就可以得到绣球的位置，根据位置调整自己的运动准确找到绣球。图像采集的速度达到15帧／s，舵机控制准确度达到0．32°，可以圆满完成比赛任务。

结语
    本文以S3C6410作为主控芯片，设计了具有视觉识别功能的类人机器人控制系统。改进的颜色识别算法利用查表法、类间方差法、连通域等方法对图像进行处理，取得了良好的视频识别效果。实践证明，由该控制系统的设计方案制作而成的类人机器人，具有良好的自主控制稳定性和较好的视觉识别能力，能够较出色地完成比赛。