第1章 绪论 1
1.1 机器人足球世界杯 1
1.2 RoboCup中型组比赛与中型组机器人 2
1.2.1 RoboCup中型组比赛介绍 2
1.2.2 RoboCup中型组比赛机器人介绍 3
1.2.3 RoboCup中型组的科学意义和工程价值 5
1.3 RoboCup中型组视觉感知研究现状 5
1.3.1 视觉系统设计及其标定 6
1.3.2 机器人的目标识别 7
1.3.3 目标运动状态估计 10
1.3.4 机器人的视觉自定位 11
1.3.5 多机器人协同感知 12
1.4 RoboCup中型组视觉感知的发展趋势 13
1.5 本书内容安排 14
参考文献 15
第2章 足球机器人全向视觉系统设计与标定 21
2.1 全向视觉概述 21
2.1.1 多摄像机拼接全向视觉系统 21
2.1.2 鱼眼镜头全向视觉系统 22
2.1.3 折反射式全向视觉系统 23
2.2 足球机器人全向视觉系统的设计 24
2.2.1 单视点全向视觉系统的设计 24
2.2.2 NuBot全向视觉系统的设计 29
2.3 足球机器人全向视觉系统的标定 36
2.3.1 单视点全向视觉系统的标定 37
2.3.2 NuBot全向视觉系统的标定 38
2.4 本章小结 46
参考文献 46
第3章 机器人足球中的颜色编码化目标识别 50
3.1 摄像机参数自动调节 50
3.1.1 相关研究 51
3.1.2 图像熵及其与摄像机参数的关系 52
3.1.3 基于图像熵的摄像机参数自动调节算法 57
3.1.4 实验结果与分析 59
3.1.5 算法的拓展应用 65
3.1.6 小结 69
3.2 足球机器人视觉系统颜色分类 70
3.2.1 颜色空间模型与查找表方法简介 70
3.2.2 混合颜色空间查找表分类方法 73
3.2.3 基于线性分类器的颜色空间划分方法 79
3.2.4 改进的颜色查找表方法在彩色全景图像颜色分类中的应用 83
3.2.5 小结 86
3.3 针对颜色编码化目标的识别算法 86
3.3.1 机器人足球比赛中的目标识别 87
3.3.2 场地白色标示线的可靠识别 90
3.3.3 黑色障碍物的可靠识别 99
3.4 本章小结 104
参考文献 104
第4章 机器人足球中的非颜色编码化目标识别 107
4.1 相关研究 107
4.2 基于全向视觉成像模型的任意足球识别 108
4.2.1 足球在NuBot全向视觉中的成像特性分析 109
4.2.2 基于全向视觉的任意足球识别算法 111
4.2.3 实验结果与分析 113
4.2.4 小结 118
4.3 基于AdaBoost学习算法的任意足球识别 119
4.3.1 算法描述 119
4.3.2 实验结果与分析 125
4.3.3 小结 132
4.4 本章小结 134
参考文献 134
第5章 目标跟踪与状态估计 136
5.1 基于当前统计模型与状态约束的单目标跟踪 137
5.1.1 足球机器人的运动特点 137
5.1.2 目标运动模型 139
5.1.3 滤波器约束条件 144
5.1.4 单目标跟踪滤波器 147
5.1.5 实验结果与分析 149
5.1.6 小结 151
5.2 基于联合概率数据关联的多目标跟踪 151
5.2.1 椭球跟踪门规则 152
5.2.2 数据关联算法的选择 153
5.2.3 实验结果与分析 156
5.2.4 小结 161
5.3 基于RANSAC和Kalman滤波的目标状态估计 161
5.3.1 球速估计问题研究现状 162
5.3.2 RANSAC介绍 162
5.3.3 基于RANSAC和Kalman滤波的球速估计算法 163
5.3.4 实验结果与分析 166
5.3.5 小结 168
5.4 基于双目视觉的三维空间目标状态估计 170
5.4.1 双目视觉系统 171
5.4.2 足球识别与定位 172
5.4.3 足球运动轨迹的拟合 173
5.4.4 足球运动落点位置的预测 174
5.4.5 机器人运动决策 175
5.4.6 实验结果与分析 176
5.4.7 小结 182
5.5 本章小结 183
参考文献 183
第6章 足球机器人视觉自定位 186
6.1 足球机器人常用的视觉自定位方法 187
6.1.1 粒子滤波定位方法 187
6.1.2 匹配优化定位方法 192
6.1.3 两种自定位方法的优点和不足 192
6.2 结合使用粒子滤波和匹配优化的机器人自定位方法 193
6.3 实验结果与分析 194
6.3.1 遮挡情况下的自定位 194
6.3.2 全局自定位 197
6.3.3 不同光线条件下的自定位 197
6.3.4 算法的实时性能 200
6.4 本章小结 201
参考文献 201