[发明专利]基于改进区域生长算法的仿人足球机器人图像分割

说明书

基于改进区域生长算法的仿人足球机器人图像分割，具体包括如下步骤：步骤1，设灰度差的阈值为零；步骤2，对图像进行逐行扫描，找出尚无归属的像素；步骤3，以该像素为中心，检查它相邻的像素，即将邻域中的像素逐个与它比较，如果灰度差小于事先确定的阈值，则将它们合并；步骤4，以新合并的像素为中心，再进行步骤3检测，直到区域不能进一步扩张；步骤5，重新回到步骤2继续扫描直到不能发现没有归属的像素；步骤6，求出所有邻接区域之间的平均灰度差，合并具有最小灰度差的邻接区域；步骤7，设定终止准则，通过反复进行上步的操作将区域依次合并，直到终止准则满足为止，生长过程结束。本发明能够显著改善机器人识别目标的效果。

技术领域

本发明涉及一种基于改进区域生长算法的仿人足球机器人图像分割，属于机器人目标识别领域。

背景技术

仿人足球机器人是当下机器人研究领域的潮流之一，系统的研究涉及到非常广泛的领域，包括机器人学、机械电子学、智能控制、多智能体、人工智能等等，吸引了世界各地的科研人员投身其中。而在仿人足球机器人领域中，目标识别作为极其重要的技术点，成为了各方研究的重点。由于需要识别的目标和背景环境和颜色可能近似，会造成识别的困难。例如，2016年，黑白足球引入标准平台联赛，这是全新的挑战。2015年之前，在仿人足球机器人的RoboCup比赛中使用的目标足球一直是橙色，在比赛的环境中是唯一的橙色物体，识别起来非常容易，但在2016年比赛引入了黑白色的新球，其主要是白色的，表面有一个个规则的黑色斑块，就像一个普通的微型足球。由于场地上分布着大量的白色背景，包括白线、球门等，甚至于仿人足球机器人本身也是白色的，身上还包含灰色部件。由于比赛期间目标足球通常会出现在仿人足球机器人附近，如何避免大量的误报是非常具有挑战性的。

发明内容

针对上述问题，本发明提出一种基于改进区域生长算法的仿人足球机器人图像分割，利用了改进的区域生长算法对图像进行前期处理，能够显著改善机器人识别目标的效果。

基于改进区域生长算法的仿人足球机器人图像分割，所述改进区域生长算法基于区域灰度差，操作的基本单位是像素，所述图像分割具体包括如下步骤：

步骤1，设灰度差的阈值为零；

步骤2，对图像进行逐行扫描，找出尚无归属的像素；

步骤3，以该像素为中心，检查它相邻的像素，即将邻域中的像素逐个与它比较，如果灰度差小于事先确定的阈值，则将它们合并；

步骤4，以新合并的像素为中心，再进行步骤3检测，直到区域不能进一步扩张；

步骤5，重新回到步骤2继续扫描直到不能发现没有归属的像素；

步骤6，求出所有邻接区域之间的平均灰度差，合并具有最小灰度差的邻接区域；

步骤7，设定终止准则，通过反复进行上步的操作将区域依次合并，直到终止准则满足为止，生长过程结束。

进一步地，在图像处理的过程中选择HSV颜色空间，减少光照影响。

进一步地，所述步骤6中，使用区域的平均灰度值去与各邻域像素的灰度值进行比较，设图像坐标为(x,y)的像素点的灰度值为f(x,y)，对一个有N个像素的图像区域R，灰度均值为：

对像素的比较为：

其中T为阈值。

进一步地，如果区域是均匀的，区域内的灰度变化应当尽量小；如果区域是非均值的，且由两部分构成，这两部分像素在R中所占比例分别为q1和q2，灰度值分别为m1和m2，则区域均值为q1m1+q2 m2。