[论文解读] A Monocular Vision System for Playing Soccer in Low Color Information Environments

Hafez Farazi, Philipp Allgeuer+1 more|arXiv (Cornell University)|Sep 28, 2018

Image and Object Detection Techniques参考文献 12被引用 23

一句话总结

本文提出了一种用于人形足球机器人的单目视觉系统，该系统依赖亮度和纹理而非颜色来检测低色度环境下的场地特征和物体，在不同光照条件下均实现了鲁棒的实时性能。该系统在2015年RoboCup比赛中成功支持了比赛运行，对场地边界的检测成功率高达93%，对足球的检测成功率达81%，即使场地颜色编码极少也能实现。

ABSTRACT

Humanoid soccer robots perceive their environment exclusively through cameras. This paper presents a monocular vision system that was originally developed for use in the RoboCup Humanoid League, but is expected to be transferable to other soccer leagues. Recent changes in the Humanoid League rules resulted in a soccer environment with less color coding than in previous years, which makes perception of the game situation more challenging. The proposed vision system addresses these challenges by using brightness and texture for the detection of the required field features and objects. Our system is robust to changes in lighting conditions, and is designed for real-time use on a humanoid soccer robot. This paper describes the main components of the detection algorithms in use, and presents experimental results from the soccer field, using ROS and the igus Humanoid Open Platform as a testbed. The proposed vision system was used successfully at RoboCup 2015.

研究动机与目标

• 为应对近期RoboCup人形联盟规则变更所引入的低色度信息环境下的视觉感知挑战。
• 开发一种实时单目视觉系统，减少对颜色分割的依赖，以应对场地颜色编码减少的问题。
• 在不同光照条件下（包括光线不足和自然光）保持鲁棒性，且无需参数调校。
• 利用亮度和纹理线索，实现对关键比赛物体（足球、场地线条、球门柱、中圈及其它机器人）的精确检测。
• 在单核CPU上以30 Hz运行，使用ROS和igus®人形开放平台，实现实时操作。

提出的方法

• 系统将RGB图像转换为HSV色彩空间，以分离亮度（Value）与色度，实现与颜色无关的亮度检测。
• 场地边界检测采用绿色区域的凸包及未畸变边界点分析，以识别场地区域。
• 足球检测采用基于学习的方法，利用感兴趣区域内的颜色对比度和亮度特征，通过神经网络进行训练。
• 场地线条和中圈检测利用纹理和几何约束，要求线段长度至少1米，且在4.5米范围内完全可见。
• 球门柱检测依赖YUV色彩空间Y通道的强度阈值，重点检测低色度条件下的白色球门柱。
• 障碍物检测最后执行，结合形状、尺寸及相对于机器人视野的位置约束。

实验结果

研究问题

• RQ1 如何使单目视觉系统在颜色编码极少的环境中实现对足球场地特征和物体的可靠检测？
• RQ2 在动态足球环境中，亮度和纹理在多大程度上可替代基于颜色的分割以实现机器人实时感知？
• RQ3 该视觉系统是否能在无需参数重新调校的情况下，跨多种光照条件保持高检测准确率？
• RQ4 在低色度规则环境下，该系统性能与以往依赖颜色的方法相比如何？
• RQ5 当在单核CPU上以30 Hz运行时，该系统的计算效率如何？

主要发现

• 在1,482帧中，场地边界检测成功率达到93%，且无误报。
• 足球检测成功率达到81%，在457帧中仅有11次误报，优于以往在低色度环境下的方法。
• 场地线条检测成功率为57%，有17次误报，表明在低对比度和纹理变化下仍具可行性。
• 中圈检测在63%的情况下成功，有7次误报，表明在可见性受限条件下表现中等。
• 球门柱检测成功率为48%，有3次误报，反映出在低对比度下检测白色球门柱的挑战。
• 系统保持了实时性能，平均周期时间为25 ms（最小15 ms，最大38 ms），在单核CPU上稳定以30 Hz运行。