[发明专利]一种用于机器人射击对抗比赛的自动识别打击系统及方法

说明书

本发明公开了一种用于机器人射击对抗比赛的自动识别打击系统及方法，系统包括敌方机器人、我方机器人、前方相机、后方相机、云台与炮管。自动识别方法采用自适应的传统算法，通过提取敌方机器人装甲板两侧灯条的颜色特征和亮度特征检测灯条，并通过灯条的位置与多个逻辑条件检测敌方机器人的装甲板，从而实现识别高速运动的敌方机器人。通过提取边缘信息和分类器区分数字，以识别敌方机器人装甲板上的数字，从而为决策算法必要的敌方机器人信息。在自动瞄准与打击中，通过红外相机提供深度信息获取敌方机器人与我方机器人的相对位置，控制机器人云台跟踪敌方机器人，从而实现自动瞄准，并加入敌方机器人的状态预测，以实现提前预判和精准打击。

技术领域

本发明涉及机器人技术领域，具体涉及一种用于机器人射击对抗比赛的自动识别打击系统及方法。

背景技术

随着人工智能技术的发展，机器人领域的相关研究成为当今热点。机器人可以协助或代替人类完成重复性和危险性的工作，为人们的生活带来巨大的便利。目前，机器人领域的相关技术包括环境感知、自主定位与导航、路径规划与智能决策等。

机器人射击对抗比赛是机器人领域的一种重要的比赛形式，例如RoboMaster人工智能挑战赛。该比赛是由大疆与全球机器人和自动化大会(IEEE InternationalConference on Robotics and Automation)联合主办的国际级大赛，比赛采用“全自动机器人射击对抗”的形式。该比赛模拟未来战场环境，考验了机器人的环境感知、预测打击、实时定位、多机协同、自主决策、运动规划等全方面的性能，针对战场环境对机器人的智能性有着很高的要求。

在机器人射击对抗比赛的比赛环境中，机器人需要自动识别敌方机器人并实现精准打击。由于比赛中双方机器人均处于高速运动状态，己方机器人的相机晃动和敌方机器人的不规则高速运动会导致相机成像模糊，如何在该条件下准确识别敌方机器人并实现精准瞄准与打击成为一大技术难题。

在自动识别中，普通的传统方法通过特征提取或模板匹配实现目标识别等任务，在特定环境下可以实现较高的准确率，但无法适用于多种环境，鲁棒性较差。深度学习在目标识别与去模糊等视觉任务中具有较为广泛的应用，且具有较高的鲁棒性，但是深度学习的计算代价较高，受限于比赛机器人所用迷你电脑的性能，无法实现较高帧率的识别。

自动瞄准需要获取敌方机器人的深度信息，以往采用的单目相机与PNP算法结合的深度估计方法误差较大，无法实现精准测距。此外，由于算法、执行机构与子弹飞行所带来的延迟，将出现子弹滞后于敌方机器人的现象，打击系统需要加入敌方机器人的状态预测，以实现提前预判和精准打击。

因此，设计一种用于机器人射击对抗比赛的自动识别与打击系统，以实现在高速运动状态下自动识别敌方机器人并自动打击，具有极高的研究意义与价值。

发明内容

有鉴于此，本发明提供了一种用于机器人射击对抗比赛的自动识别打击系统及方法，能够实现在高速运动状态下自动识别敌方机器人，并实现提前预判和精准打击。

为达到上述目的，本发明的技术方案为：系统包括敌方机器人、我方机器人、前方相机、后方相机、云台与炮管。

敌方机器人前后左右均设置有装甲板，装甲板两侧设置灯条。

前方相机设置于我方机器人前方，后方相机设置于我方机器人后方，云台为我方及其的瞄准设备，炮管为我方机器人的射击设备。

后方相机为USB广角单目相机，用于对后方视场内敌方机器人进行图像采集与检测，若检测到后方有敌方机器人出现，则控制我方机器人转身。

前方相机为Realsense RGB-D相机，用于对前方视场内敌方机器人进行图像采集，从所采集的图像中识别敌方机器人的装甲板信息。

我方机器人根据敌方机器人的装甲板信息控制云台在偏航和俯仰两个自由度下自由转动，从而带动炮管瞄准敌方机器人装甲板并进行射击。