[发明专利]一种基于卡尔曼滤波轨迹预测的能量机关识别算法

说明书

本发明涉及一种基于卡尔曼滤波轨迹预测的能量机关识别算法，利用几何约束集遍历轮廓删除伪装甲板，采用模板匹配方法对能量机关扇叶进行识别；接着建立了基于卡尔曼滤波的能量机关轨迹预测模型，采用卡尔曼滤波预测和更新能量机关运动状态，完成了能量机关的定位和预测；最后建立子弹抛物模型对云台角度进行补偿，获得云台横摆角和俯仰角；本发明不仅提高了查找能量机关轮廓的准确率，而且能够完成能量机关的准确定位与预测，解决了装甲误识别率高、鲁棒性差以及云台运动滞后等问题。

技术领域

本发明涉及一种基于卡尔曼滤波轨迹预测的能量机关识别算法，属于视觉算法技术领域。

背景技术

全国大学生机器人大赛Robomaster机甲大师赛是全球性的射击对抗类机器人比赛，作为全球性的机器人竞技平台，每年受到来自全球数百所高等院校、近千家高新科技企业以及数以万计的科技爱好者关注。多兵种自动机器人涵盖了定位导航、决策规划、目标识别、运动预测等多学科交叉知识，图像处理作为人类感知世界的视觉基础，在无人驾驶、车牌识别、数字识别等领域有着很多应用。目前参赛队伍的机械结构、电路控制已经基本成熟，智能化的视觉算法成为新的发展方向，装甲板自瞄、能量机关识别等视觉识别辅助功能对比赛进程有着至关重要的影响，目标命中准确率、能量机关激活速度已经成为了制约比赛获胜的关键因素。

传统的能量机关图像识别算法在图像预处理时，由于箭头之间有空隙，直接进行轮廓查找时不能得到整个轮廓，能量机关的箭头非连续性导致图像二值图容易出现小洞，导致形态学不闭合，干扰轮廓的查找；在进行能量机关的装甲板识别时，容易出现伪装甲板，增加了装甲板的误识别率。另外，由于实际云台的固有延迟不能忽略，子弹空中飞行时间也需要考虑，传统的能量机关识别算法未对云台角度做预测，导致云台的旋转或移动控制总是滞后于能量机关的实际运动，击打成功率较低。目前，能量机关轨迹预测模型主要是通过记录多个装甲板点获得拟合圆的圆心，建立装甲板运动在三维空间的圆的方程，将打击点围绕圆心旋转固定角度得到预测打击点；然而该能量机关轨迹预测模型对于打击能量机关的位置较为敏感，完成击打任务的机器人必须要正对能量机关，否则会带来预测误差，简单的能量机关识别算法已经无法满足能量机关运动轨迹预测的要求，降低能量机关装甲板的误识别率、提高算法识别鲁棒性已经成为制约比赛获胜的关键因素，因此对能量机关识别算法提出了更高的要求。

发明内容

本发明提供一种基于卡尔曼滤波轨迹预测的能量机关识别算法，不仅提高了查找能量机关轮廓的准确率，而且能够完成能量机关的准确定位与预测，解决了装甲误识别率高、鲁棒性差以及云台运动滞后等问题。

本发明解决其技术问题所采用的技术方案是：

一种基于卡尔曼滤波轨迹预测的能量机关识别算法，具体包括以下步骤：

首先对图像进行预处理；

基于几何约束集遍历轮廓，删除伪装甲板；

采用模板匹配方法对能量机关扇叶进行识别；

对能量机关进行定位及预测，即建立基于卡尔曼滤波的能量机关轨迹预测模型，获取卡尔曼滤波的运动方程和观测方程，采用卡尔曼滤波预测和更新能量机关运动状态；

建立子弹抛物模型，通过对云台角度进行补偿，获得云台横摆角和俯仰角，完成能量机关的激活；

作为本发明的进一步优选，前述对图像进行预处理具体包括以下步骤：

第11步，将摄像头获取的三通道图像转换为三个单通道图像，分离彩色通道，分别为红色通道、绿色通道以及蓝色通道；

第12步，将红蓝通道相减去除背景噪声的干扰，预处理删除敌方能量机关颜色得到灰度图图像；

第13步，将灰度图图像进行阈值化处理，得到图像的二值图；

第14步，对获得的二值图进行膨胀处理，采用椭圆拟合灯条轮廓获得灯条的外包椭圆；