CN109079788A - 一种基于人形机器人的国际象棋下棋方法及人形机器人 - Google Patents
一种基于人形机器人的国际象棋下棋方法及人形机器人 Download PDFInfo
- Publication number
- CN109079788A CN109079788A CN201810961056.1A CN201810961056A CN109079788A CN 109079788 A CN109079788 A CN 109079788A CN 201810961056 A CN201810961056 A CN 201810961056A CN 109079788 A CN109079788 A CN 109079788A
- Authority
- CN
- China
- Prior art keywords
- chessboard
- image
- chess
- anthropomorphic robot
- angle point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1612—Programme controls characterised by the hand, wrist, grip control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于人形机器人的国际象棋下棋方法及人形机器人。其中,所述方法包括:人形机器人对该摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置,进而根据该得到的国际象棋棋盘角点的像素位置,设置一个目标位置,进而根据该设置的目标位置,采用单目测距计算方式,计算得到该国际象棋棋盘角点的实际位置,进而根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置。通过上述方式,能够实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
Description
技术领域
本发明涉及人形机器人技术领域,尤其涉及一种基于人形机器人的国际象棋下棋方法及人形机器人。
背景技术
2007年,在国内外掀起了一股研究人形机器人NAO(Aldebaran Robotics公司研制的一款人工智能机器人)的热潮,人形机器人NAO的出现代替了索尼机器狗成为标准平台。
在人形机器人领域,欧美的一些高校处于研究前沿,许多其他学者都相继学习他们的算法和创造性思维。学者们的研究角度各种各样,一些学者注重研究算法,例如图像识别、定位算法、语音处理等,另一些学者热衷于研究人形机器人的运动仿生学,其中许多研究是为了参赛,而另一些则是为了进一步完善科研工作。
在我国国内,对人形机器人领域的研究起步晚,直至2010年,我国仅有不足5个的高校或研究单位在研究过程中使用了人形机器人,并且成果也较少。相对来说,中国科学技术大学、西安交通大学和同济大学等在这方面较为靠前,其中中国科技大学的薛峰等还取得了不小的成果,他主要研究人形机器人的动作相关引擎。
我国国内对人形机器人领域的研究虽然起步得晚,但是其发展速度十分迅猛,直到2013年,人形机器人的相关科研工作已经在国内绝大多数“985”、“211”高校开展。同时,国内还举办了许多关于人形机器人的竞赛,以进行进一步交流学习。除此之外,在与人形机器人关联的图像处理及定位算法领域,我国的学者也取得了许多成果,包括一些高校的图像处理算法和定位算法。因此,尽管我国国内对人形机器人领域的研究虽然起步得晚,但学者们和科研人员们仍在不断学习与探索人形机器人。但是,现有的人形机器人的研究方案还无法实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
发明内容
有鉴于此,本发明的目的在于提出一种基于人形机器人的国际象棋下棋方法及人形机器人,能够实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
根据本发明的一个方面,提供一种基于人形机器人的国际象棋下棋方法,包括:
人形机器人对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置;
根据所述得到的国际象棋棋盘角点的像素位置,设置一个目标位置;
根据所述设置的目标位置,采用单目测距计算方式,计算得到所述国际象棋棋盘角点的实际位置;
根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的所述目标位置。
其中,所述人形机器人对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置,包括:
人形机器人采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
其中,所述人形机器人采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置,包括:
人形机器人采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,对所述经灰度转化后的图像进行哈里斯角点检测的图像处理,对所述经哈里斯角点检测后的图像进行图像二值化的图像处理,并根据所述经图像二值化处理后的图像,得到国际象棋棋盘角点的像素位置。
其中,所述人形机器人根据所述设置的目标位置,采用单目测距计算方式,计算得到所述国际象棋棋盘角点的实际位置,包括:
所述人形机器人根据所述设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到所述国际象棋棋盘角点的实际位置。
其中,所述人形机器人根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的所述目标位置,包括:
人形机器人根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制右手水平舒展,接着控制右手抓取国际象棋的棋子,接着控制抬起右手手臂下棋到国际象棋棋盘的所述目标位置。
其中,在所述人形机器人对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置之前,还包括:
人形机器人通过摄像头摄像方式,获取国际象棋棋盘的图像。
根据本发明的另一个方面,提供一种人形机器人,包括:
图像处理模块、位置设置模块、角点位置处理模块和下棋控制模块;
所述图像处理模块,用于对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置;
所述位置设置模块,用于根据所述得到的国际象棋棋盘角点的像素位置,设置一个目标位置;
所述角点位置处理模块,用于根据所述设置的目标位置,采用单目测距计算方式,计算得到所述国际象棋棋盘角点的实际位置;
所述下棋控制模块,用于根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的所述目标位置。
其中,所述图像处理模块,具体用于:
采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,对所述经灰度转化后的图像进行哈里斯角点检测的图像处理,对所述经哈里斯角点检测后的图像进行图像二值化的图像处理,并根据所述经图像二值化处理后的图像,得到国际象棋棋盘角点的像素位置。
其中,所述角点位置处理模块,具体用于:
根据所述设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到所述国际象棋棋盘角点的实际位置。
其中,所述人形机器人,还包括:
摄像头,用于通过摄像方式,获取国际象棋棋盘的图像。
可以发现,以上方案,人形机器人可以根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,能够实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
进一步的,以上方案,人形机器人可以根据该设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到该国际象棋棋盘角点的实际位置,能够实现计算得到较高准确率的该国际象棋棋盘角点的实际位置。
进一步的,以上方案,人形机器人可以采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,能够实现人形机器人通过运动学准确控制国际象棋的下棋操作。
进一步的,以上方案,由于两台或多台对弈下棋的人形机器人的结构都基本相同,因此只需要控制良好的时间间隔,避免两台或多台人形机器人同时运动导致碰撞即可,基本思路和单台人形机器人执行国际象棋下棋的操作相同,能够实现两台或多台人形机器人执行国际象棋的对弈下棋操作的操作,两台或多台人形机器人对弈下棋***可以定义为两台或多台人形机器人在共同的操作环境下按先后顺序来完成指定下棋步骤的***。
进一步的,以上方案,人形机器人可以通过摄像头摄像方式,获取国际象棋棋盘的图像,能够实现对国际象棋棋盘的图像的获取
附图说明
图1是本发明基于人形机器人的国际象棋下棋方法一实施例的流程示意图;
图2是本发明基于人形机器人的国际象棋下棋方法一实施例中人形机器人采用开源计算机视觉方式对经灰度转化后的图像进行哈里斯角点检测的图像处理过程的一举例示意图;
图3是本发明基于人形机器人的国际象棋下棋方法一实施例中人形机器人采用开源计算机视觉方式对经哈里斯角点检测后的图像进行图像二值化的图像处理过程的一举例示意图;
图4是本发明基于人形机器人的国际象棋下棋方法一实施例中单目测距算法的原理示意图;
图5是本发明基于人形机器人的国际象棋下棋方法一实施例中像素坐标系的一举例示意图;
图6是本发明基于人形机器人的国际象棋下棋方法一实施例中图像坐标系和像素坐标系关系示意的一举例示意图;
图7是本发明基于人形机器人的国际象棋下棋方法一实施例中摄像头坐标系的一举例示意图;
图8是本发明基于人形机器人的国际象棋下棋方法一实施例中对摄像头进行标定的一举例示意图;
图9是本发明基于人形机器人的国际象棋下棋方法一实施例中单目测距算法的补偿算法的一举例示意图;
图10是本发明基于人形机器人的国际象棋下棋方法一实施例中单目测距算法的补偿算法的另一举例示意图;
图11是本发明基于人形机器人的国际象棋下棋方法一实施例中国际象棋棋盘的一举例示意图;
图12是本发明基于人形机器人的国际象棋下棋方法一实施例中双人形机器人执行国际象棋的对弈下棋操作的一举例示意图;
图13是本发明基于人形机器人的国际象棋下棋方法另一实施例的流程示意图;
图14是本发明人形机器人一实施例的结构示意图;
图15是本发明人形机器人另一实施例的结构示意图;
图16是本发明人形机器人又一实施例的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细描述。特别指出的是,以下实施例仅用于说明本发明,但不对本发明的范围进行限定。同样的,以下实施例仅为本发明的部分实施例而非全部实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供一种基于人形机器人的国际象棋下棋方法,能够实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
请参见图1,图1是本发明基于人形机器人的国际象棋下棋方法一实施例的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图1所示的流程顺序为限。如图1所示,该方法包括如下步骤:
S101:人形机器人对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
其中,在该人形机器人对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置之前,还可以包括:
人形机器人通过摄像头摄像方式,获取国际象棋棋盘的图像。
其中,该人形机器人对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置,可以包括:
人形机器人采用OpenCV(Open Source Computer Vision Library,开源计算机视觉库)方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
其中,人形机器人采用开源计算机视觉库OpenCV方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置,可以包括:
人形机器人采用开源计算机视觉库OpenCV方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,对该经灰度转化后的图像进行Harris(哈里斯)角点检测的图像处理,对该经哈里斯角点检测后的图像进行图像二值化的图像处理,并根据该经图像二值化处理后的图像,得到国际象棋棋盘角点的像素位置。
在本实施例中,该人形机器人采用开源计算机视觉库OpenCV方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,可以包括:
开源计算机视觉库OpenCV的IMREAD(计算机语言中的一个用于读取图像文件中的数据函数)函数支持各种动态、静态图像文件格式,不同***支持的文件格式不一样,但都支持BMP(图像文件格式)格式,通常还支持PNG(Portable Network Graphics,便携式网络图形)、JPEG(Joint Photographic Experts Group,联合图像专家小组)和TIFF(Tag ImageFile Format,标签图像文件格式)格式等,本实施例是以图像JPG格式为例,然后利用cv2.cvtColor(颜色空间转换函数)函数将该图像装换成BGR(Blue-Green-Red,蓝色-绿色-红色三色)格式,每个像素都由一个三元数组表示,并且每个Integer(整形)向量分别表示一个Blue、Green和Red通道,其他色彩空间如HSV(Hue、Saturation、Value,颜色模型)也以同样的方式来表示像素,只是取值范围和通道数目不同,例如HSV色彩空间的色度值范围是0-180。
需要注意的是,人形机器人自身所提供的是YUV422(一种颜色编码方式)图像格式,这种颜色空间不常见,YUV是欧洲电视使用的颜色编码方式,Y的取值范围在数字值0-255,表示明亮度,U的取值范围在数字值0-255,表示色度,V的取值范围在数字值0-255,表示浓度,YUV颜色空间中Y与其他两者是分开的,色度的采样率可比亮度采样率低,并且它的优势在于图像质量不会明显下降,YUV的原型来自于RGB(Red-Green-Blue,红色-绿色-蓝色三色)模型,可以通过公式进行相互转换。
请参见图2,图2是本发明基于人形机器人的国际象棋下棋方法一实施例中人形机器人采用开源计算机视觉方式对经灰度转化后的图像进行哈里斯角点检测的图像处理过程的一举例示意图。如图2所示,该人形机器人采用开源计算机视觉方式,对该经灰度转化后的图像进行哈里斯角点检测的图像处理,可以包括:
特征点检测广泛用于目标匹配,目标跟踪和三维重建等应用,目标建模时,从该经灰度转化后的图像中提取目标特征,常用的功能包括颜色、角点、特征点、轮廓和纹理等;哈里斯角点检测是特征点检测的基础,提出应用相邻像素的灰度差值的概念来确定它是角点,边缘还是平滑区域;哈里斯角点检测的原理是利用移动窗口计算图像中的灰度值变化;关键流程包括转换为灰度图像、计算差分图像、高斯平滑、计算局部极值和确定角点等;角点的原理来源于人类对角点的感知,也就是说,图像每个方向的灰度值都会发生显着变化;该算法的核心是使用本地窗口来移动图像,以确定灰度级已经发生了很大变化;因此,该窗口用于计算图像的灰度变化,例如:[-1,0,1;-1,0,1;-1,0,1]、[-1,-1,-1;0,0,0;1,1,1];沿着各个方向移动此功能的小窗口;如图2所示,窗内区域的灰度发生了很大的变化,认为窗户内部遇到拐角点,窗口中的图像的灰度级不改变,并且窗口中没有角落;如果窗口在某个方向上移动,窗口中图像的灰度级变化很大,并且在一些方向上没有变化,窗口中的图像可能是直线段。
请参见图3,图3是本发明基于人形机器人的国际象棋下棋方法一实施例中人形机器人采用开源计算机视觉方式对经哈里斯角点检测后的图像进行图像二值化的图像处理过程的一举例示意图。如图3所示,该人形机器人采用开源计算机视觉方式,对该经哈里斯角点检测后的图像进行图像二值化的图像处理,得到国际象棋棋盘角点的像素位置,可以包括:
图像的二值化是将图像上的点的灰度值设置为0或255,即整个图像呈现清晰的黑白效果,也就是说,通过适当的阈值来选择256亮度级灰度图像以获得二维图像,其仍然可以反映图像的整体图像和局部特征;在数字图像处理中,二值图像占据了非常重要的位置,特别是在实际的图像处理中,存在许多由二值图像处理组成的***,二进制图像的处理和分析应该首先执行;二值化灰度图像以获得二值化图像,这样,当图像被进一步处理时,图像的集合属性仅与像素值为0或255的像素的位置有关;该像素不再涉及,级别值使处理变得简单,数据处理和压缩也很小,为了获得完美的二值图像,经常使用闭合和连接边界来定义非重叠区域;其灰度级大于或等于阈值的所有像素被确定为属于特定对象并且具有255的灰度值;否则,这些像素被排除在对象区域之外并且具有灰度值0,表示背景或特殊对象区域;如果一个物体内部具有统一的灰度值并且与其他灰度值具有统一的背景,则可以使用阈值方法来获得比较分割效果;如果对象和背景之间的差异未反映在灰度值例如不同的纹理中,则可以将此差异特征转换为灰度差异,然后使用阈值选择技术对图像进行分割,动态调整阈值以实现二值图像可动态观察其分割图像的特定结果;因此,可以得到国际象棋棋盘角点的像素位置。
S102:人形机器人根据该得到的国际象棋棋盘角点的像素位置,设置一个目标位置。
S103:人形机器人根据该设置的目标位置,采用单目测距计算方式,计算得到该国际象棋棋盘角点的实际位置。
其中,该人形机器人根据该设置的目标位置,采用单目测距计算方式,计算得到该国际象棋棋盘角点的实际位置,可以包括:
该人形机器人根据该设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到该国际象棋棋盘角点的实际位置。
在本实施例中,双目测距算法是两个有重复视角的摄像头在一个时间内拍摄,由于两个摄像头的空间位置不同,可以对得到的图像进行校正和变换,识别出两张图像中的指定目标,分别得到对应的参数,最后通过数学推导计算出人形机器人和目标位置的实际距离;双目测距算法的误差比较小,但是计算难度比较大,而对人形机器人来说,由于两个摄像头之间的重合面积几乎没有,导致双目测距难度会很大。因此,在本实施例中优先采用单目测距算法。
请参见图4,图4是本发明基于人形机器人的国际象棋下棋方法一实施例中单目测距算法的原理示意图。如图4所示,x、y为摄像头的相对位置信息,f为摄像头的焦点信息,简单的说,就是通过两个相似三角形求中距离Z,但是实际计算中发现这样子做的误差会比较大,这时建立测距模型来获得更加精准的测距结果;在本实施例中,通过对人形机器人的摄像头进行张正友算法标定,获得摄像头的内部参数和外部参数,通过这种方式获得二维空间图像与三维空间图像的转换。
在本实施例中,对人形机器人的摄像头进行标定的实质就是建立三维坐标图像和二维图像坐标之间的关系,只要这种关系能够确立,就能过通过二维图像求中三维信息,其中涉及到的坐标系有像素坐标系、图像坐标系、世界坐标系、相机坐标系,下面进行相关坐标系的说明和解释。
请参见图5,图5是本发明基于人形机器人的国际象棋下棋方法一实施例中像素坐标系的一举例示意图。如图5所示,像素坐标系u-v的原点为O0,横坐标u和纵坐标v分别是图像所在的行和列,在开源计算机视觉库OpenCV中,u对应x,v对应y,横坐标和纵坐标的单位是图像像素。
请参见图6,图6是本发明基于人形机器人的国际象棋下棋方法一实施例中图像坐标系和像素坐标系关系示意的一举例示意图。如图6所示,图像坐标系x-y的原点是O1,为像素坐标系的中点,假设(u0,v0)代表O1在u-v坐标系下的坐标,dx和dy分别表示每个像素在横轴x和纵轴y的物理尺寸。
请参见图7,图7是本发明基于人形机器人的国际象棋下棋方法一实施例中摄像头坐标系的一举例示意图。如图7所示,O为摄像头的光心,Zc为摄像头的光轴,和图像平面垂直,OO1为摄像头的焦距。
在本实施例中,还可以引入世界坐标***,世界坐标系是为了描述摄像头的位置而引入的,任何维的旋转可以表示为坐标向量与合适的方阵的乘积,平移向量是第一个坐标原点与第二个坐标原点的偏移量,在世界坐标系下,有三个重要的参数:旋转矩阵R、平移向量T和投影矩阵M,旋转矩阵R和平移向量T只和摄像头自身的内部结构相关,所以这些参数称为摄像头的内部参数;投影矩阵M和摄像头自身的内部结构没有关系,因此投影矩阵M是摄像头的外部参数,将得到该内部参数和外部参数的这个过程叫做摄像头的标定。
请参见图8,图8是本发明基于人形机器人的国际象棋下棋方法一实施例中对摄像头进行标定的一举例示意图。如图8所示,通过调整摄像头的不同拍摄角度,拍摄得到一些不同方向的标定板的照片,然后从图像中运用相关特征点函数得到相应角点,来获取摄像头的内部参数和外部参数。如图8所示,可以通过最少6个已知点来求解矩阵,通常标定中,标定板上均可得到几十个已知点,未知数的个数远远小于方程个数,在本实施例中使用最小二乘法减少带来的误差。
在调整标定的国际象棋棋盘和人形机器人的相对位置后,使用人形机器人的摄像头对该标定的国际象棋的棋盘进行拍摄,拍摄得到不同角度的图像,然后从中选择预定张数的图像如10张图像作为标定图,该图像的相似度较小;通过以上对摄像头的标定方式之后,成功获取到了摄像头的内部参数和外部参数。
在本实施例中,由于实际操作中可能对于摄像头的焦距f的获取存在比较大的误差,其次,摄像头的主光轴不是完全水平的,并且为了方便起见,所以在本实施例中,优先选择另外一种类似的补偿单目测距的计算方式。
请参见图9和图10,图9是本发明基于人形机器人的国际象棋下棋方法一实施例中单目测距算法的补偿算法的一举例示意图,图10是本发明基于人形机器人的国际象棋下棋方法一实施例中单目测距算法的补偿算法的另一举例示意图。如图9和图10所示,斜虚线是摄像头的主光轴,与水平地面的夹角为b,摄像头的视角边界包含区域为上述斜虚线之外两条虚线包含的区域,区域大小例如为47.64°,H是人形机器人的高度,通过图像识别,可以得到目标位置的近似像素坐标(x,y),而图像总大小是640*480,这个方式主要是根据图像中角度的比例和长度的比例近似相等,即可得到a的角度的大小,人形机器人头部也可能有俯仰度数,设定为m(图像中并未标出),通过上述方式就可以得到目标位置相对于机器人躯干的距离了。
S104:人形机器人根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置。
其中,该人形机器人根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,可以包括:
人形机器人根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制右手水平舒展,接着控制右手抓取国际象棋的棋子,接着控制抬起右手手臂下棋到国际象棋棋盘的该目标位置。
在本实施例中,人形机器人的Webots(一种人形机器人的仿真平台)模拟平台允许在虚拟世界中移动的模拟人形机器人,Webots可以提供在测试真实人形机器人之前的一个模拟虚拟人形机器人的安全便捷的模拟平台。
在本实施例中,Webots版本7是专门用于模拟人形机器人的特定版本,在它的平台中能提供许多有效的控制器和提前定义的人形机器人的模拟实验,包括:
第一步:启动模拟机器人,选择文件>打开文件并选择位于[Webots目录]\projects\robots\nao\worlds中的文件nao.wbt;
第二步:将Choregraphe连接到模拟人形机器人,启动Choregraphe并选择连接到或者单击连接按钮;
第三步:在webots中测试人形机器人的行为;
首先保证计算机已经成功连接至人形机器人,然后将写好的程序导入进去,让人形机器人执行相应动作,其中,需要注意的是,人形机器人要确保刚度已经开启,否则会导致行动失败。
在本实施例中,通过Webots连接至现实人形机器人的过程,包括:
第一步:打开Choregraphe;
第二步:连接至固定端口号9559和IP(Internet Protocol,网络之间互连的协议)地址连接例如为192.168.10.106;
第三步:关闭自主模式,构建stand up(站立)模块,控制人形机器人站立。
请参见图11,图11是本发明基于人形机器人的国际象棋下棋方法一实施例中国际象棋棋盘的一举例示意图。如图11所示,人形机器人可以首先调用摄像头获取国际象棋的棋盘图片,然后获取角点的像素位置,再通过单目测距算法获得实际角点的位置,由于每个棋格的大小是固定的,因此只要得到1个角点的位置就可以得到所有格子中心的实际位置。
在本实施例中,该人形机器人根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,可以包括:
第一步:控制人型机器人的右手水平舒展,确保人形机器人的右手手臂不被国际象棋的棋盘所碰到,影响人形机器人的运动;
第二步:控制人形机器人的右手抓取棋子,其中,右手手指关节处的弧度值需要仔细调整,这是由于国际象棋的不规则性导致,否则可能导致抓取失败;
第三步:控制人形机器人抬起右手手臂,其中,需要控制抬起的高度,这是由于若抬起高度过高,可能会导致棋子跌落,而导致下棋过程失败;
第四步:控制人形机器人执行下棋的动作,其中下哪个位置可根据需要来进行调节,然而由于棋子的大小基本上等同于棋盘格子的大小,再加上算法的略微误差,可能会导致棋子小部分落在其他位置,但是棋子的大部分区域都能落在指定位置。
在本实施例中,还可以设置双人形机器人执行国际象棋的对弈下棋操作的设计,双人形机器人对弈下棋***可以定义为两台人形机器人在共同的操作环境下按先后顺序来完成指定下棋步骤的***。
请参见图12,图12是本发明基于人形机器人的国际象棋下棋方法一实施例中双人形机器人执行国际象棋的对弈下棋操作的一举例示意图。如图12所示,由于两台对弈下棋的人形机器人的结构都基本相同,因此只需要控制良好的时间间隔,避免两台人形机器人同时运动导致碰撞即可,基本思路和上述单台人形机器人执行国际象棋下棋的操作相同。
可以发现,在本实施例中,人形机器人可以根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,能够实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
进一步的,在本实施例中,人形机器人可以根据该设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到该国际象棋棋盘角点的实际位置,能够实现计算得到较高准确率的该国际象棋棋盘角点的实际位置。
进一步的,在本实施例中,人形机器人可以采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,能够实现人形机器人通过运动学准确控制国际象棋的下棋操作。
进一步的,在本实施例中,由于两台或多台对弈下棋的人形机器人的结构都基本相同,因此只需要控制良好的时间间隔,避免两台或多台人形机器人同时运动导致碰撞即可,基本思路和单台人形机器人执行国际象棋下棋的操作相同,能够实现两台或多台人形机器人执行国际象棋的对弈下棋操作的操作,两台或多台人形机器人对弈下棋***可以定义为两台或多台人形机器人在共同的操作环境下按先后顺序来完成指定下棋步骤的***。
请参见图13,图13是本发明基于人形机器人的国际象棋下棋方法另一实施例的流程示意图。本实施例中,该方法包括以下步骤:
S1301:人形机器人通过摄像头摄像方式,获取国际象棋棋盘的图像。
S1302:人形机器人对该摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
可如上S101所述,在此不作赘述。
S1303:人形机器人根据该得到的国际象棋棋盘角点的像素位置,设置一个目标位置。
S1304:人形机器人根据该设置的目标位置,采用单目测距计算方式,计算得到该国际象棋棋盘角点的实际位置。
可如上S103所述,在此不作赘述。
S1305:人形机器人根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置。
可如上S103所述,在此不作赘述。
可以发现,在本实施例中,人形机器人可以通过摄像头摄像方式,获取国际象棋棋盘的图像,能够实现对国际象棋棋盘的图像的获取。
本发明还提供一种人形机器人,能够实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
请参阅图14,图14是本发明人形机器人一实施例的结构示意图。本实施例中,该人形机器人140为上述实施例中的人形机器人,该人形机器人140包括图像处理模块141、位置设置模块142、角点位置处理模块143、下棋控制模块144。
该图像处理模块141,用于对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
该位置设置模块142,用于根据该得到的国际象棋棋盘角点的像素位置,设置一个目标位置。
该角点位置处理模块143,用于根据该设置的目标位置,采用单目测距计算方式,计算得到该国际象棋棋盘角点的实际位置。
该下棋控制模块144,用于根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置。
可选地,该图像处理模块141,可以具体用于:
采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
可选地,该图像处理模块141,可以具体用于:
采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,对该经灰度转化后的图像进行哈里斯角点检测的图像处理,对该经哈里斯角点检测后的图像进行图像二值化的图像处理,并根据该经图像二值化处理后的图像,得到国际象棋棋盘角点的像素位置。
可选地,该角点位置处理模块143,可以具体用于:
根据该设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到该国际象棋棋盘角点的实际位置。
可选地,该下棋控制模块144,可以具体用于:
根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制右手水平舒展,接着控制右手抓取国际象棋的棋子,接着控制抬起右手手臂下棋到国际象棋棋盘的该目标位置。
请参见图15,图15是本发明人形机器人另一实施例的结构示意图。区别于上一实施例,本实施例所述人形机器人150还包括:摄像头151。
该摄像头151,用于通过摄像方式,获取国际象棋棋盘的图像。
该人形机器人140/150的各个单元模块可分别执行上述方法实施例中对应步骤,故在此不对各单元模块进行赘述,详细请参见以上对应步骤的说明。
请参见图16,图16是本发明人形机器人又一实施例的结构示意图。该人形机器人的各个单元模块可以分别执行上述方法实施例中对应步骤。相关内容请参见上述方法中的详细说明,在此不再赘叙。
本实施例中,该人形机器人包括:处理器161、与处理器161耦合的存储器162、设置器163及控制器164。
该处理器161,用于通过摄像方式,获取国际象棋棋盘的图像。
该处理器161,还用于对该获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
该存储器162,用于存储操作***和该处理器161执行的指令等。
该设置器163,用于根据该得到的国际象棋棋盘角点的像素位置,设置一个目标位置。
该处理器161,还用于根据该设置的目标位置,采用单目测距计算方式,计算得到该国际象棋棋盘角点的实际位置。
该控制器164,用于根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置。
可选地,该处理器161,可以具体用于:
采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
可选地,该处理器161,可以具体用于:
采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,对该经灰度转化后的图像进行哈里斯角点检测的图像处理,对该经哈里斯角点检测后的图像进行图像二值化的图像处理,并根据该经图像二值化处理后的图像,得到国际象棋棋盘角点的像素位置。
可选地,该设置器163,可以具体用于:
根据该设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到该国际象棋棋盘角点的实际位置。
可选地,该控制器164,可以具体用于:
根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制右手水平舒展,接着控制右手抓取国际象棋的棋子,接着控制抬起右手手臂下棋到国际象棋棋盘的该目标位置。
可以发现,以上方案,人形机器人可以根据该计算得到的该国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,能够实现人形机器人能够自动从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的指定位置。
进一步的,以上方案,人形机器人可以根据该设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据该得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到该国际象棋棋盘角点的实际位置,能够实现计算得到较高准确率的该国际象棋棋盘角点的实际位置。
进一步的,以上方案,人形机器人可以采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的该目标位置,能够实现人形机器人通过运动学准确控制国际象棋的下棋操作。
进一步的,以上方案,由于两台或多台对弈下棋的人形机器人的结构都基本相同,因此只需要控制良好的时间间隔,避免两台或多台人形机器人同时运动导致碰撞即可,基本思路和单台人形机器人执行国际象棋下棋的操作相同,能够实现两台或多台人形机器人执行国际象棋的对弈下棋操作的操作,两台或多台人形机器人对弈下棋***可以定义为两台或多台人形机器人在共同的操作环境下按先后顺序来完成指定下棋步骤的***。
进一步的,以上方案,人形机器人可以通过摄像头摄像方式,获取国际象棋棋盘的图像,能够实现对国际象棋棋盘的图像的获取。
在本发明所提供的几个实施方式中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人形机器人的国际象棋下棋方法,其特征在于,包括:
人形机器人对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置;
根据所述得到的国际象棋棋盘角点的像素位置,设置一个目标位置;
根据所述设置的目标位置,采用单目测距计算方式,计算得到所述国际象棋棋盘角点的实际位置;
根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的所述目标位置。
2.如权利要求1所述的基于人形机器人的国际象棋下棋方法,其特征在于,所述人形机器人对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置,包括:
人形机器人采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置。
3.如权利要求2所述的基于人形机器人的国际象棋下棋方法,其特征在于,所述人形机器人采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置,包括:
人形机器人采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,对所述经灰度转化后的图像进行哈里斯角点检测的图像处理,对所述经哈里斯角点检测后的图像进行图像二值化的图像处理,并根据所述经图像二值化处理后的图像,得到国际象棋棋盘角点的像素位置。
4.如权利要求1所述的基于人形机器人的国际象棋下棋方法,其特征在于,所述人形机器人根据所述设置的目标位置,采用单目测距计算方式,计算得到所述国际象棋棋盘角点的实际位置,包括:
所述人形机器人根据所述设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到所述国际象棋棋盘角点的实际位置。
5.如权利要求1所述的基于人形机器人的国际象棋下棋方法,其特征在于,所述人形机器人根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的所述目标位置,包括:
人形机器人根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制右手水平舒展,接着控制右手抓取国际象棋的棋子,接着控制抬起右手手臂下棋到国际象棋棋盘的所述目标位置。
6.如权利要求1至5任意一项所述的基于人形机器人的国际象棋下棋方法,其特征在于,在所述人形机器人对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置之前,还包括:
人形机器人通过摄像头摄像方式,获取国际象棋棋盘的图像。
7.一种人形机器人,其特征在于,包括:
图像处理模块、位置设置模块、角点位置处理模块和下棋控制模块;
所述图像处理模块,用于对摄像头获取的国际象棋棋盘的图像进行图像处理,得到国际象棋棋盘角点的像素位置;
所述位置设置模块,用于根据所述得到的国际象棋棋盘角点的像素位置,设置一个目标位置;
所述角点位置处理模块,用于根据所述设置的目标位置,采用单目测距计算方式,计算得到所述国际象棋棋盘角点的实际位置;
所述下棋控制模块,用于根据所述计算得到的所述国际象棋棋盘角点的实际位置,采用运动学准确控制从国际象棋棋盘中抓取国际象棋棋子下棋到国际象棋棋盘的所述目标位置。
8.如权利要求7所述的人形机器人,其特征在于,所述图像处理模块,具体用于:
采用开源计算机视觉库方式,对获取的国际象棋棋盘的图像进行灰度转化的图像处理,对所述经灰度转化后的图像进行哈里斯角点检测的图像处理,对所述经哈里斯角点检测后的图像进行图像二值化的图像处理,并根据所述经图像二值化处理后的图像,得到国际象棋棋盘角点的像素位置。
9.如权利要求7所述的人形机器人,其特征在于,所述角点位置处理模块,具体用于:
根据所述设置的目标位置,对摄像头进行标定,得到摄像头的内外参数,根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,并根据所述得到的摄像头的内部和外部参数来建立单目测距计算方式的模型,计算得到所述国际象棋棋盘角点的实际位置。
10.如权利要求7至9任意一项所述的人形机器人,其特征在于,所述人形机器人,还包括:
摄像头,用于通过摄像方式,获取国际象棋棋盘的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810961056.1A CN109079788B (zh) | 2018-08-22 | 2018-08-22 | 一种基于人形机器人的国际象棋下棋方法及人形机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810961056.1A CN109079788B (zh) | 2018-08-22 | 2018-08-22 | 一种基于人形机器人的国际象棋下棋方法及人形机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109079788A true CN109079788A (zh) | 2018-12-25 |
CN109079788B CN109079788B (zh) | 2020-04-14 |
Family
ID=64794341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810961056.1A Expired - Fee Related CN109079788B (zh) | 2018-08-22 | 2018-08-22 | 一种基于人形机器人的国际象棋下棋方法及人形机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109079788B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110238851A (zh) * | 2019-06-14 | 2019-09-17 | 苏州大学 | 一种移动机器人及其快速标定方法和*** |
CN110909727A (zh) * | 2019-11-20 | 2020-03-24 | 北京工业大学 | 一种基于图像识别的围棋识别方法及程序接口 |
CN111150992A (zh) * | 2019-12-13 | 2020-05-15 | 重庆智能机器人研究院 | 一种棋艺对弈装置及方法 |
CN111590583A (zh) * | 2020-05-27 | 2020-08-28 | 太原理工大学 | 一种基于大数据的智能对弈方法 |
CN112338908A (zh) * | 2019-08-09 | 2021-02-09 | 科沃斯机器人股份有限公司 | 自主移动设备 |
TWI763181B (zh) * | 2020-12-16 | 2022-05-01 | 國立東華大學 | 對弈機器人及自動對弈方法 |
TWI834153B (zh) * | 2022-04-22 | 2024-03-01 | 龍華科技大學 | 基於人形機器人之棋盤辨識方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS57164079A (en) * | 1981-01-05 | 1982-10-08 | Karifuorunia Aaru Ando Dei Cen | Computer chess device |
CN1686681A (zh) * | 2005-05-20 | 2005-10-26 | 长沙市雅礼中学 | 博弈机器人 |
CN101295403A (zh) * | 2008-06-05 | 2008-10-29 | 北京中星微电子有限公司 | 设备标定方法和***及控制点对应关系的确定方法和*** |
CN102128617A (zh) * | 2010-12-08 | 2011-07-20 | 中国科学院自动化研究所 | 基于色标块的视觉实时测量方法 |
CN104346829A (zh) * | 2013-07-29 | 2015-02-11 | 中国农业机械化科学研究院 | 基于pmd相机和摄像头的彩色三维重建***及其方法 |
-
2018
- 2018-08-22 CN CN201810961056.1A patent/CN109079788B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS57164079A (en) * | 1981-01-05 | 1982-10-08 | Karifuorunia Aaru Ando Dei Cen | Computer chess device |
CN1686681A (zh) * | 2005-05-20 | 2005-10-26 | 长沙市雅礼中学 | 博弈机器人 |
CN101295403A (zh) * | 2008-06-05 | 2008-10-29 | 北京中星微电子有限公司 | 设备标定方法和***及控制点对应关系的确定方法和*** |
CN102128617A (zh) * | 2010-12-08 | 2011-07-20 | 中国科学院自动化研究所 | 基于色标块的视觉实时测量方法 |
CN104346829A (zh) * | 2013-07-29 | 2015-02-11 | 中国农业机械化科学研究院 | 基于pmd相机和摄像头的彩色三维重建***及其方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110238851A (zh) * | 2019-06-14 | 2019-09-17 | 苏州大学 | 一种移动机器人及其快速标定方法和*** |
CN112338908A (zh) * | 2019-08-09 | 2021-02-09 | 科沃斯机器人股份有限公司 | 自主移动设备 |
CN110909727A (zh) * | 2019-11-20 | 2020-03-24 | 北京工业大学 | 一种基于图像识别的围棋识别方法及程序接口 |
CN111150992A (zh) * | 2019-12-13 | 2020-05-15 | 重庆智能机器人研究院 | 一种棋艺对弈装置及方法 |
CN111150992B (zh) * | 2019-12-13 | 2023-12-29 | 重庆智能机器人研究院 | 一种棋艺对弈装置及方法 |
CN111590583A (zh) * | 2020-05-27 | 2020-08-28 | 太原理工大学 | 一种基于大数据的智能对弈方法 |
TWI763181B (zh) * | 2020-12-16 | 2022-05-01 | 國立東華大學 | 對弈機器人及自動對弈方法 |
TWI834153B (zh) * | 2022-04-22 | 2024-03-01 | 龍華科技大學 | 基於人形機器人之棋盤辨識方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109079788B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109079788A (zh) | 一种基于人形机器人的国际象棋下棋方法及人形机器人 | |
CN111738261B (zh) | 基于位姿估计和校正的单图像机器人无序目标抓取方法 | |
CN108830150B (zh) | 一种基于三维人体姿态估计方法及装置 | |
CN112150575B (zh) | 场景数据获取方法及模型训练方法、装置及计算机设备 | |
CN104933755B (zh) | 一种静态物体重建方法和*** | |
CN108510583B (zh) | 人脸图像的生成方法和人脸图像的生成装置 | |
CN110084304B (zh) | 一种基于合成数据集的目标检测方法 | |
US9595108B2 (en) | System and method for object extraction | |
CN111126304A (zh) | 一种基于室内自然场景图像深度学习的增强现实导航方法 | |
CN106355147A (zh) | 一种活体人脸检测头部姿态回归器的获取方法及检测方法 | |
CN109045676B (zh) | 一种象棋识别学习算法和基于该算法的机器人智动化***与方法 | |
CN108154551A (zh) | 实时动态重建三维人体模型的方法及*** | |
CN110399888B (zh) | 一种基于mlp神经网络和计算机视觉的围棋裁判*** | |
CN114511778A (zh) | 图像处理方法及装置 | |
CN113723385B (zh) | 视频处理方法及装置、神经网络的训练方法及装置 | |
CN109752855A (zh) | 一种光斑发射装置和检测几何光斑的方法 | |
Manovich | The automation of sight: from photography to computer vision | |
CN104794748A (zh) | 基于Kinect视觉技术的三维空间地图构建方法 | |
CN111723691A (zh) | 一种三维人脸识别方法、装置、电子设备及存储介质 | |
EP3903226A1 (en) | Dense 6-dof pose object detector | |
US10885708B2 (en) | Automated costume augmentation using shape estimation | |
CN109318227B (zh) | 一种基于人形机器人的掷骰子方法及人形机器人 | |
CN110349225A (zh) | 一种bim模型外部轮廓快速提取方法 | |
CN109002837A (zh) | 一种图像语义分类方法、介质、装置和计算设备 | |
CN110110603A (zh) | 一种基于面部生理信息的多模态唇读方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200414 Termination date: 20210822 |
|
CF01 | Termination of patent right due to non-payment of annual fee |