一种基于形状的无色标机器鱼位姿识别算法
【技术领域】
[0001] 本发明设及计算机视觉检测技术领域，尤其设及一种基于形状的无色标机器鱼的 位姿识别。
【背景技术】
[0002] 中国机器人大赛的机器鱼全局视觉组比赛是一种具有观赏性、挑战性的项目，对 它的研究很有理论价值和实践意义。机器鱼全局视觉组是中国机器人大赛的一个分支，控 制方式为集控式。近几年比较热口的子项目有1VS1水球，2VS2水球，传球接力，带球接力， 带球环周，带球避障等，是水中机器人竞赛项目中发展较快的项目之一。
[0003] 目前，机器鱼全局视觉组采用的机器鱼已由有色标发展为无色标，因为无色标机 器鱼无安神全身黑色，不能借助主色标、方向色标来计算位置、方向，所W无色标机器鱼的 识别相对于有色标机器鱼的识别难度比较高，识别算法比较复杂，计算量较大。
[0004] 因此，为了实现对无色标机器鱼进行有效识别，本发明采用一种基于形状的位姿 识别算法对无色标机器鱼进行识别。
【发明内容】
[0005] 本发明的目的是提供一种无色标机器鱼位姿识别算法，W实现在视觉系统中对无 色标机器鱼位置和方向的确定。
[0006] 为了解决上述技术问题，本发明提供了一种无色标机器鱼位姿识别算法，包括如 下步骤：步骤S1，对采集到一幅图像进行图像处理W显示机器鱼；步骤S2,将鱼头部分作为 模板，W获取各幅图像中鱼头所在位置，并得到机器鱼的位姿。
[0007] 进一步，所述步骤S1中对采集到一幅图像进行图像处理W显示机器鱼的方法包 括；步骤S11，对图像进行灰度化处理；步骤S12,对灰度化后的图像进行二值化分割；W及 步骤S13,对二值化分割后的图像进行先腐蚀后膨胀的形态学处理，W显示机器鱼。
[000引进一步，所述步骤S11中对图像进行灰度化处理，即对图像采用藍色分量进行灰 度化。
[0009] 进一步，所述步骤S2中将鱼头部分作为模板W获取各幅图像中鱼头所在位置的 步骤包括；步骤S21，选取鱼头作为模板，即记录鱼头的形状特征，作为模板特征；步骤S22， 通过HOG描述子描述模板特征，再对每幅图像做模板匹配，捜索到每幅图像里的鱼头所在 位置。
[0010] 进一步，所述步骤S22中通过HOG描述子描述模板特征的方法包括；步骤221，确 定模板像素点构成的区域形状；即在求解模板HOG特征向量时，确定模板像素点构成的区 域形状，并将该区域形状定义为圆形HOG块；步骤S222,利用一阶微分计算图像梯度求解像 素点梯度的模和方向；步骤S223,选取梯度模值本身的投影对梯度方向的加权投影进行统 计；即对圆形册G块的划分，其中，任一圆形册G块由若干单元组成，且任何一个单元都由若 干个像素点组成；在捜索区域内统计目标区域所有像素点梯度在特定梯度方向上的投影， 对每个圆形HOG块里的单元个数进行单独统计，绘制W梯度方向为横轴的直方图，然后将 该个梯度分布平均分成多个方向角度，个数为bin,每个方向角度范围对应一个直方柱，若 看成向量，则其维数为bin*cellnum*blocknum，其中，cellnum为单元个数，blocknum为圆 形HOG块个数；并选取梯度模值本身的投影对梯度方向的加权投影进行统计。
[0011] 进一步，所述步骤S22中对每幅图像做模板匹配W捜索到每幅图像里的鱼头所在 位置的方法，即采用区域增长算法进行特定区域的目标捜索W快速锁定机器鱼所在的位 置。
[0012] 进一步，所述采用区域增长算法进行特定区域的目标捜索W快速锁定机器鱼所在 的位置的方法包括；步骤S224,在开始捜索之前，初步确定一个矩形范围作为捜索区域；该 矩形中点是上一帖图像中机器鱼的位置点，左上角和右下角沿x、y轴方向分别相对中点延 伸若干个像素点，然后在该个捜索区域内进行基于区域增长的图像分割；步骤S225,通过 二值化分割，得到黑色块的左右、上下边界坐标，再W此边界值构成一个矩形区域，最后在 此矩形区域内进行圆形滚动圈取捜索与匹配的遍历，即该区域内的每一点都作为一个捜索 圆形的圆屯、位置，求取每个圆形位置下，圆圈内的黑色像素点所构成的形状的方向角，将圆 形整体旋转该方向角，然后求取其所对应的HOG特征向量并求解其与模板的相似度；步骤 S226,选出相似度最高的圆形所在位置作为捜索的结果，即锁定机器鱼所在的位置。
[0013] 进一步，所述步骤S224中区域增长的方法包括；步骤S2241，对要处理的整幅图像 进行灰度值求解，其值域为0-255 ;步骤S2242,求解目标颜色灰度阔值，W该灰度阔值范围 更新颜色库，作为后续增长判据；步骤S2243,W-定的步长对目标图像进行逐行逐列的种 子点扫描捜索（W颜色库为准）；若捜到种子点，进入步骤S2244 ;反之，进入步骤S2246 ;步 骤S2244,判断捜到的种子点4邻域内的像素点是否符合增长判据；若符合，合并该点且对 该点灰度值赋予新值；反之，继续对其他邻域的像素点判断，直到4邻域都不符合增长判据 为止，进入步骤S2246 ;步骤S2245,用新合并点更新种子点，进入步骤S2244 ;步骤S2246， 最后得到被合并点构成的目标区域或捜索结束。
[0014] 进一步，所述步骤S2中得到机器鱼的位姿的方法包括；步骤S23,利用重屯、法求解 机器鱼在图像坐标系中的位置；W及步骤S24,利用基于最小惯性矩的对称轴拟合的方法 获得机器鱼在图像坐标系中的方向。
[0015] 进一步，所述步骤S24中利用基于最小惯性矩的对称轴拟合的方法获得机器鱼的 方向的方法包括；步骤S241，求解出对称轴的直线方向角正切值，形成一个主方向轴，另一 个次方向轴；步骤S242,结合机器鱼头部的形状，采用方向轴延伸法，即在两个方向轴上分 别进行黑色像素的跨度值计算，比较两个跨度值，较大的一个所对应的方向轴即为主方向 轴；步骤S243,所述主方向轴作为鱼头方向轴，且上在跨度的中点开始划分，且根据鱼胸罐 在中点处的上、下两个区域的黑色像素数量得出机器鱼在图像坐标系中的方向。
[0016] 本发明的有益效果是，本发明通过通过提取机器鱼图像的藍参量进行灰度化，鱼 身和泳池灰度色差明显，灰度化效果好；将鱼头部分作为模板，利用HOG描述子描述模板的 特征，描述效果准确；利用区域生长法进行特征匹配，提前缩小捜索区域，提高算法的速度， 快速找到了捜索位置，并且利用基于最小惯性矩的对称轴拟合的方法获取姿态角。
【附图说明】
[0017] 下面结合附图和实施例对本发明进一步说明。
[0018] 图1是本发明的无色标机器鱼位姿识别算法的总流程图；
[0019] 图2是图像处理后显示的机器鱼；
[0020] 图3是圆形区域block的划分示意图；
[0021] 图4是机器鱼方向角示意图；
[0022] 图5是机器鱼的两个方向轴示意图；
[0023] 图6是同一主方向轴对应的两种位姿示意图；
[0024] 图7是方向轴对应的正向朝向示意图；
[0025] 图8是机器鱼识别后的仿真效果图；
[0026] 图9是本发明的机器鱼位姿识别算法的实施流程图。
【具体实施方式】
[0027] 现在结合附图对本发明作进一步详细的说明。该些附图均为简化的示意图，仅W 示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[002引本发明的无色标机器鱼位姿识别算法的思路是；首先对摄像头采集机器鱼的若干 图像中的一幅图像进行图像处理，W识别出机器鱼影像；然后再进行机器鱼的定位与定向； 由于机器鱼的运动是靠鱼尾的不停摆动完成的，鱼头部分是保持直立状态。因此可W将鱼 头部分作为模板，然后记录其形状特征，作为模板特征。本发明选用HOG描述子来描述模板 的特征，然后在实际的系统运行过程中对每幅图像做模板匹配，捜索到每幅图像里的鱼头 所在位置，再通过一系列的判别运算，得到鱼头的位置和方向。
[0029] 具体方法详见实施例中相关内容。
[0030] 实施例1
[0031] 如图1所示，本实施例提供了一种无色标机器鱼位姿识别算法，包括如下步骤：
[0032] 步骤S1，对采集到一幅图像进行图像处理W显示机器鱼（具体为该机器鱼的二值 化图像）。
[0033] 步骤S2,将鱼头部分作为模板，W获取各幅图像中鱼头所