[发明专利]基于分类检测框架及行棋决策网络的人机对弈方法

说明书

本发明公开了一种基于分类检测框架及行棋决策网络的人机对弈方法，包括：通过摄像头采集棋盘图像数据信息，将棋盘图像数据信息送入检测网络获取棋子坐标与类别信息；检测完毕后将象棋类别位置映射到二维规范虚拟棋盘，完成坐标系转换与可视化；将二维规范虚拟棋盘数据转化为fen码标准格式通过调用api接口送入搭建的决策网络获取行棋指令；获取行棋指令后，经过数据处理生成机械臂所需的坐标信息控制机械臂抓取棋子实现走棋。本发明为实现人机对弈提供解决方法，具有人机交互性强、检测精度高、行棋决策速度快、水平高、抗复杂环境干扰性强的优点。

技术领域

本发明涉及机器视觉及深度学习的技术领域，尤其涉及一种基于分类检测框架及行棋决策网络的人机对弈方法。

背景技术

象棋在我国有着悠久的历史，属于二人对抗性游戏的一种，由于用具简单，趣味性强，成为流行极为广泛的棋艺活动。中国象棋是中国棋文化也是中华民族的文化瑰宝。中国象棋对弈机器人系统是面向服务型机器人的一个典型复杂应用,其实现的关键在于棋盘识别定位和自主行棋策略,具有较高的研究价值。

目前,在目标检测领域,除了传统的基于模板匹配的算法已经出现了许多基于卷积神经网络的算法,比如YOLO、Faster-RCNN等,在多类别目标、多尺度小目标、三维物体检测等方面已有较多研究和应用。但是,其基于二维图像的目标检测方法在中国象棋这种,高密度、大数量、小目标、立体化目标的检测任务中,效果不够理想。同时,国内外机构在棋类自主决策问题方面已有不少的研究,基于蒙特卡洛树搜索与深度神经网络的决策算法在各种棋类中均有研究应用。在中国象棋行棋策略方面,有许多基于Minimax、Alpha-beta枝剪搜索的算法，然而目前少有高水平的中国象棋对弈智能体。传统的基于枝剪搜索或数据库算法的智能体,棋力受限于数据库体积和边缘计算资源,往往不具备高水平的对弈能力和直接识别棋盘的能力。一个功能完善可靠的中国象棋机器人系统,需要有基于机器视觉的高精度中国象棋棋局识别能力,以及一个能够进行高水平决策的智能体。

发明内容

发明目的：为了克服现有技术中存在的不足，提出一种基于分类检测框架及行棋决策网络的人机对弈方法，其为实现人机对弈提供解决方法，具有人机交互性强、检测精度高、行棋决策速度快、水平高、抗复杂环境干扰性强的优点。

技术方案：为实现上述目的，本发明提供一种基于分类检测框架及行棋决策网络的人机对弈方法，包括以下步骤：

S1：通过摄像头采集棋盘图像数据信息，对图像进行预处理后将图像送入训练好的检测网络分别获取棋子坐标与类别信息；

S2：将获取的象棋位置与类别信息映射到二维规范虚拟棋盘，并完成坐标系转换与可视化；

S3：将二维规范虚拟棋盘数据转化为fen码标准格式通过调用api接口送入搭建的具有多尺度及残差结构的策略价值网络获取行棋指令；

S4：获取行棋指令后，经过数据处理生成机械臂所需的坐标信息，规划机械臂的运动路径控制机械臂抓取棋子实现走棋。

进一步地，所述步骤S1具体包括如下步骤：

A1：启动龙芯开启TCP通信获取摄像头采集的数据，并且一直显示刷新起到监控棋局的作用；

A2：开启主控将TCP通信获取的图像数据通过canny边缘检测算法进行边缘处理；

A3：将边缘处理过的图片送入霍夫圆检测模块，获取到棋子的中心点坐标，并且将检测到的棋子裁剪出来处理变成相同的尺寸通过窗口显示；

A4：裁剪出来的棋子图片经过搭建的分类检测框架得到图像类别，然后将棋子的坐标信息与类别信息放进一个列表中。

进一步地，所述步骤A2中边缘处理的具体过程为：