基于NAO机器人的模式识别和自定位研究

【摘要】：对未知环境进行探索是当今仿人机器人研究领域中的较前沿的课题之一,精确的模式识别和自定位则是未知环境探索的关键性技术。如何克服外部环境的不确定性及仿人机器人自身传感器的约束性,是仿人机器人的模式识别和自定位的重点和难点。本文基于仿人机器人NAO,研究了仿人机器人在未知环境下的模式识别和自定位算法,并在RoboCup标准平台下进行验证和应用。通过实验比较得到鲁棒性更好的HSI颜色空间,根据RoboCup比赛的需求,建立三坐标模型。根据小孔成像原理,提出了一种新的测距原理。针对仿人机器人足球比赛场中的球场信息(球、球门、白线)的识别,根据计算机视觉和模式识别的基本理论,提出了关于区域创建、线段创建的基本模式识别算法,实现了仿人机器人NAO在RoboCup平台下对球场信息的准确识别。针对仿人机器人足球比赛过程中机器人的自我定位,基于RoboCup比赛的标准平台,提出了根据比赛场地上的白线相交点的信息实现仿人机器人的自我定位。同时,由于每个仿人机器人视野的局限性,单个机器人很难完成对全局环境信息的获取,本文采用将场地进行网格划分,实现全场信息的建模。在实际环境中,考虑到单个机器人接收环境信息的局限性和自身的约束性,本文开发了多机器人的通信定位技术,实现了多机器人之间的视觉共享,并且在RoboCup标准平台下有效地验证。