NAO机器人足球运动与基本动作技术开发

2024年3月15日发(作者：陡峭近义词)

ELECTRONICS WORLD

・

技术交流

NAO机器人足球运动与基本动作技术开发

咸阳职业技术学院电子信息学院 康志飞 同雯婷 冯雨晴 魏 元 屈 毅

针对NAO机器人足球运动与基本动作技术开发的问题，以

NAO机器人系统的基本结构、软硬件计思路、设计目标和内容以及

设计重点和难点等方面为切入点，系统的介绍了NAO机器人足球运

动与动作技术系统设计过程需遵循的基本方法和思路，以及实践应

用中的关键问题。在实践应用中，该设计思路能够有效解决NAO机

器人足球运动与基本动作技术开发的问题。

随着科学技术的发展，机器人在工业、军事和外太空探测等

领域得到了广泛的应用。仿人机器人作为机器人当中与人类最为

相似的机器人，可以代替人类完成重复性高、危险性大的工作。

本文使用的机器人平台为NAO仿人形机器人，在研究机器人视

觉算法的基础上，重点研究了仿人型机器人的目标检测与跟踪算

法。查阅了大量相关资料的基础上，进行了机器人视觉检测与跟

踪算法的研究。

1 目标

为了实验可以准确进行，在此制定一系列研究内容如下：首

先利用机器人视觉的理论基础，通过NAO机器人视觉系统，对球

场环境进行分析并建立空间直角坐标系，然后再对环境里边的足

球图像提取，图像去噪处理，定位足球在球场中的位置，并对所

选取进技术方法进行了具体的分析。其次利用仿人机器人的运动

学，通过实验比较了多种走向足球路径，选取一个最优的方案。

使用NAO机器人，完成机器人的自我定位、寻球、踢球等一系列

的实验任务，随着实验推行改进并验证NAO机器人视觉算法的有

效性和正确性。同时根据实验过程中的不足，提出了今后工作的

优化算法和改进方案。首先，对RGB、HIS、YUV三种颜色空间

下采集到的图像进行了分析对比，选择了受光照影响最小的YUV

颜色空间，减小了机器人所采集图像受到光照变化的影响。其

次，对所采集的图像进行图像分割，提取出所需要的目标图像，

接着采用去噪方法处理目标图像，滤除图像中的干扰噪声。最后

提取出目标定位和跟踪所需要的轮廓以及坐标等信息。视觉算法

确定的基础上，本文设计了NAO机器人的视觉定位、抓取实验，

对机器人的视觉算法进行验证。第一步，对NAO机器人的摄像机

模型进行了分析，依据采用单摄像头的要求，标定摄像机设置参

数，建立针NAO机器人单目测距模型。第二步，依据不同环境，

设计相应的控制策略，采用编程语言实现控制策略，使NAO机器

人精确跟踪目标。NAO机器人足球运动是目前机器人研究与探

索中的一个热门课题，它里边包含了很多热门领域。例如机器人

•

152

•

学、位置和力控制技术、传感器技术、计算机通讯技术、机器视

觉技术、智能控制等多学科高新技术，如此多的高新技术从而组

成这一个富有挑战性的高技术的研究平台。作为机器人领域的主

要研究对象，仿人机器人的视觉和控制技术一直都是其智能运动

的关键技术。用一些语言编写程序完成机器人定位目标物、拾取

并将球踢进的一系列实验任务。

2 机器人自我定位与色彩分割

感知模块在认知过程中运行。它们检测出刚刚被相机拍摄的

图像中的特征。感知基础结构的模块提供处理所拍摄图像的透视

图的表示，以不同的格式提供图像，并提供限制对进一步图像处

理步骤感兴趣的区域的表示。基于这些表示，模块检测对自我定

位、球和障碍物有用的特征，感知模块提供的所有信息都与机器

人的位置有关。机器人获取到图像然后进行定位自己在球场中

的位置，由此出现一个相对坐标系，分别是机器人的坐标系和球

场的坐标系。手动校准机器人的相机参数的过程是一项非常耗时

的任务，并且机器人的相机经常需要重新校准，为了解决这一问

题，使用了摄像机自动校准模块。虽然这种校准器大大减少了校

准所需的时间，但它在精度方面存在缺陷，特别是在颜色校准不

是很好的情况下。为了优化参数采用高斯-牛顿算法代替爬山算

法，然后通过多次迭代，多次修正回归系数，使回归系数不断接

近非线性回归模型的最好的回归系数，最后使原模型的残差平方

和达到最小。规定色度组件作为RGB色轮中的一个向量，到YUV

颜色空间。H描述了该颜色的U分量和V分量的向量在YUV颜色空

间中的角度，而饱和度分量S描述了该向量的长度除以对应像素

的亮度。亮度分量Y和它在YUV中的值是一样的。通过将饱和度

除以亮度，得到的饱和度值更准确地描述了颜色的实际饱和度，

使其更适用于从实际颜色中分离黑白。分割像素的颜色是通过应

用一个阈值到饱和通道，假如它低于给定的阈值，像素则是被认

为是描述非颜色，如黑色或白色。在这种情况下，颜色是黑还是

白是通过对亮度通道应用另一个阈值来确定的。然而，假如给定

像素的饱和度高于饱和阈值，如果它的色相值在为该颜色定义的

色相范围内，那么该像素就是某种颜色。然后通过彩色扫描线

扫描器沿垂直扫描线和水平扫描线进行扫描，这些扫描线以足够

小的宽度探测场边界。探测边界所采用方法是从图像底部向上搜

索垂直扫描线。简单地使用第一个非绿色像素作为边界是不可取

的，因为场线上的像素和场上的所有其他对象都符合这个标准。

ELECTRONICS WORLD

・

技术交流

图1

此外分离两个或更多的场是不可

能的，噪音可能导致错报。首先

为每个扫描线创建一个分数点，

而被像素每扫描一个绿色的像

素，会在分数中添加一个奖励，

对每一个非绿色像素减去一个惩

罚。然后选择得分最低的像素作

为对应扫描线的边界点。奖励和

惩罚将根据投影到场地时像素与

机器人之间的距离进行修改。在

图像中场的上方往往有更多的

绿色像素，它们很容易被跳过，

但是当从更远处看它们时，与下

一个字段相比，字段之间的差距

往往较小。因此，对于距离大于

3.5m的非绿色像素，使用更高的

惩罚。这也有助于消除自己场边

的噪音（图1）。

NAO机器人也是白色的。因此使用多步骤的探测方法来检测黑白

小球。首先我们的视觉系统主要基于垂直扫描线来搜索候选球，

找到候选球然后然后使用轮廓探测器拟合球的轮廓周围的候选位

置。然后过滤球候选球即图像与候选位置期望的轮廓匹配的程

度。最后检查每个剩余候选区域内的表面图案，从而确定球的位

置。为了计算向对方球门踢球的最佳位置，使用了一个称为踢供

器的模块。多数时候球门被部分对手挡住了，因此我们现在我们

需要选择使用哪种踢。对于每一次可能的踢球，模块都需要提供

信息，包括完成踢球需要多长时间，机器人对球的偏移量，包括

旋转偏移量。旋转偏移量定义了机器人方向和目标方向之间的一个

角度。基于这些信息，模块计算每一次踢腿的踢腿姿势，即机器人

必须站在的位置和执行踢腿时必须面对的方向。然后对每个姿势进

行评估，以找出可能的最佳姿势（图2）。

本文详细的讲述了NAO机器人从自我定位到踢球，以及对黑白

球识别定位的过程，在识别的过程中外界环境还是对NAO机器人识

别有很大影响，为可以正常进行踢球，可以采用深度学习的方式进

行参数的训练，逐渐降低环境对其影响。NAO机器人是一款仿人机

器人，在实验过程中，很多时候由于硬件方面问题从而无法实现。

所以还需要对硬件进行深入研究。

3 定位黑白球与踢球

黑白球的引入是2016年标

准平台联赛的主要新挑战。在

图2

基金项目：咸阳职业技术学院大学生科技创新研究项目（项目

编号：2019XS04）。

2015年机器人世界杯之前，足球

都是橙色的，很容易被发现。特

作者简介：康志飞，大学本科，现就读于咸阳职业技术学院

2018级电子信息工程技术专业，主要研究方向为人工智能、机器

人运动。

别是，它是球场上唯一的橙色物体。新球主要是白色黑色斑块，

就像一个迷你版的普通足球。最大的影响就是球场线、球门和

•

153

•