本發(fā)明屬于目標識別技術領域，尤其設計一種基于雙目識別定位的九宮格目標射擊方法。
背景技術：
全國大學生機器人大賽robomasters是由共青團中央、全國學聯(lián)、深圳市人民政府聯(lián)合主辦的賽事，是中國最具影響力的機器人項目，是全球獨創(chuàng)的機器人競技平臺，包含機器人賽事、機器人生態(tài)、以及工程文化等多項內(nèi)容，正在全球范圍內(nèi)掀起一場機器人科技狂潮。作為國內(nèi)首個激戰(zhàn)類機器人競技比賽，robomasters大賽在其誕生伊始就憑借其顛覆傳統(tǒng)的比賽方式、震撼人心的視聽沖擊力、激烈硬朗的競技風格，吸引到全國數(shù)百所高等院校、近千家高新科技企業(yè)以及數(shù)以萬計的科技愛好者的深度關注。參賽隊員將通過比賽獲得寶貴的實踐技能和戰(zhàn)略思維，將理論與實踐相結合，在激烈的競爭中打造先進的智能機器人。
在robomasters全國大學生機器人大賽中，有“大神符”這一任務設定。在一張距離機器人兩米且被分為九份的大屏幕上，每隔1.5秒在九張小屏幕上隨機位置顯示一個人型圖樣與八個車型圖樣，己方機器人需要在1.5秒內(nèi)準確的識別人型圖樣并發(fā)射彈丸擊中該圖樣所在的屏幕，擊中后圖片會立刻進行刷新，車型圖樣和人型圖樣的位置都會發(fā)生改變，連續(xù)擊中五次即可完成任務；該任務需要在短時間內(nèi)準確的識別目標，并測量出目標的相對位置，對識別速度和測量精度有著較高要求。
技術實現(xiàn)要素：
本發(fā)明的發(fā)明目的是：為了解決現(xiàn)有技術中存在的以上問題，本發(fā)明提出了一種基于雙目識別定位的九宮格目標射擊方法，以期實現(xiàn)對九宮格目標進行快速準確的識別并完成目標射擊。
本發(fā)明的技術方案是：一種基于雙目識別定位的九宮格目標射擊方法，包括以下步驟：
s1、采集九宮格目標訓練樣本，所述九宮格目標包括一個人型圖樣和八個車型圖樣；
s2、利用svm訓練器對步驟s1中的訓練樣本進行分類訓練；
s3、采用雙相機分別提取九宮格的九個格子，得到每個格子的行列坐標；
s4、對步驟s3中分別得到的每個格子的行列坐標進行匹配，得到九宮格編號；
s5、分別對每個格子相對于射擊點的三維坐標進行雙目測量；
s6、采用單個相機分別提取九宮格的九張圖片，并對每張圖片所在的九宮格編號進行標記；
s7、將步驟s6中的九張圖片采用步驟s2中訓練后的分類器進行分類，得到人型圖樣所在九宮格的編號；
s8、根據(jù)步驟s7中人型圖樣所在九宮格的編號對應的三維坐標對九宮格目標進行射擊。
進一步地，所述步驟s3采用雙相機分別提取九宮格的九個格子，得到每個格子的行列坐標，具體包括以下分步驟：
s31、設定九宮格圖片的亮度閾值，對九宮格圖片進行二值化處理；
s32、對步驟s31中二值化后的九宮格圖片進行分離處理，得到九宮格區(qū)域；
s33、對步驟s32中的九宮格區(qū)域通過矩形度和面積特征進行篩選，提取得到九宮格的九個格子區(qū)域；
s34、分別記錄步驟s33中九個格子區(qū)域的中心點行列坐標。
進一步地，所述步驟s4對步驟s3中分別得到的每個格子的行列坐標進行匹配具體為：
分別比較步驟s3雙相機獲取的九宮格圖片中每個格子的行列坐標之和大小和行列坐標之差大小，將行列坐標之和最小的格子匹配為九宮格左上角，將行列坐標之和最大的格子匹配為九宮格右下角，將行列坐標之差最小的格子匹配為九宮格右上角，將行列坐標之差最大的格子匹配為九宮格左下角；分別比較九宮格圖片中每個格子的行坐標大小和列坐標大小，將行坐標最小的格子匹配為九宮格第一行中間，將行坐標最大的格子匹配為九宮格第三行中間，將列坐標最小的格子匹配為九宮格第一列中間，將列坐標最大的格子匹配為九宮格第三列中間，將最后剩余的格子匹配為九宮格中心。
本發(fā)明的有益效果是：本發(fā)明采用svm訓練器對樣本圖樣進行分類訓練，利用雙相機分別提取九宮格格子的行列坐標并進行匹配，再計算每個格子相對于射擊點的三維坐標；對九宮格目標進行識別時只需提取九宮格中的圖片采用訓練好的分類器進行分類，即可得到九宮格中人型圖樣的三維坐標，從而實現(xiàn)對九宮格目標進行快速準確的識別并完成目標射擊。
附圖說明
圖1是本發(fā)明的基于雙目識別定位的九宮格目標射擊方法的流程示意圖。
具體實施方式
為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
如圖1所示，為本發(fā)明的基于雙目識別定位的九宮格目標射擊方法的流程示意圖。一種基于雙目識別定位的九宮格目標射擊方法，包括以下步驟：
s1、采集九宮格目標訓練樣本，所述九宮格目標包括一個人型圖樣和八個車型圖樣；
s2、利用svm訓練器對步驟s1中的訓練樣本進行分類訓練；
s3、采用雙相機分別提取九宮格的九個格子，得到每個格子的行列坐標；
s4、對步驟s3中分別得到的每個格子的行列坐標進行匹配，得到九宮格編號；
s5、分別對每個格子相對于射擊點的三維坐標進行雙目測量；
s6、采用單個相機分別提取九宮格的九張圖片，并對每張圖片所在的九宮格編號進行標記；
s7、將步驟s6中的九張圖片采用步驟s2中訓練后的分類器進行分類，得到人型圖樣所在九宮格的編號；
s8、根據(jù)步驟s7中人型圖樣所在九宮格的編號對應的三維坐標對九宮格目標進行射擊。
在步驟s1中，本發(fā)明采集多組九宮格目標圖樣作為訓練樣本，每一組九宮格目標圖樣包括一個人型圖樣和八個車型圖樣。
在步驟s2中，本發(fā)明將步驟s1中采集的九宮格目標圖樣作為訓練樣本，利用svm訓練器分類訓練，從而得到訓練后的svm分類器。
在步驟s3中，本發(fā)明采用平行放置機器人兩側的的左側相機和右側相機組成雙相機系統(tǒng)，利用左側相機和右側相機分別提取九宮格中按照九宮格方位設置的的九個格子，得到兩幅圖中九宮格的每個格子的行列坐標,具體包括以下分步驟：
s31、設定九宮格圖片的亮度閾值，對九宮格圖片進行二值化處理；
s32、對步驟s31中二值化后的九宮格圖片進行分離處理，得到九宮格區(qū)域；這里的分離處理包括對九宮格圖片進行腐蝕、膨脹、去除噪點處理，將可能與九宮格區(qū)域連接的其它區(qū)域進行分離。
s33、對步驟s32中的九宮格區(qū)域通過矩形度和面積特征進行篩選，提取得到九宮格的九個格子區(qū)域；
s34、分別記錄步驟s33中九個格子區(qū)域的中心點行列坐標。
在步驟s4中，本發(fā)明對步驟s3中得到的兩幅圖中九宮格的每個格子的行列坐標進行匹配，具體為：
分別比較步驟s3雙相機獲取的九宮格圖片中每個格子的行列坐標之和大小和行列坐標之差大小，將行列坐標之和最小的格子匹配為九宮格左上角，將行列坐標之和最大的格子匹配為九宮格右下角，將行列坐標之差最小的格子匹配為九宮格右上角，將行列坐標之差最大的格子匹配為九宮格左下角；分別比較九宮格圖片中每個格子的行坐標大小和列坐標大小，將行坐標最小的格子匹配為九宮格第一行中間，將行坐標最大的格子匹配為九宮格第三行中間，將列坐標最小的格子匹配為九宮格第一列中間，將列坐標最大的格子匹配為九宮格第三列中間，將最后剩余的格子匹配為九宮格中心。
在步驟s5中，本發(fā)明采用左側相機和右側相機組成雙相機系統(tǒng)分別對每個格子相對于射擊點的三維坐標進行雙目測量，從而得到九宮格編號對應的三維坐標。這里雙目測量方法是根據(jù)每個格子的行列坐標以及每個相機的焦距、中心坐標、畸變數(shù)據(jù)和兩個相機坐標系的相對位置關系，計算得到每個格子相對于射擊點的三維坐標。
在步驟s6中，本發(fā)明采用單個相機分別提取九宮格圖片中的按照九宮格方位排列的九張圖片，并按照步驟s4中得到的九宮格編號對每張圖片所在的九宮格編號進行標記。
在步驟s7中，本發(fā)明將步驟s6中提取的九張圖片采用步驟s2中訓練后的svm分類器進行分類，得到人型圖樣所在九宮格的編號。
在步驟s8中，本發(fā)明根據(jù)步驟s7中人型圖樣所在九宮格的編號及步驟s5中九宮格編號對應的三維坐標，得到人型圖樣的三維坐標，從而根據(jù)人型圖樣的三維坐標利用主控系統(tǒng)發(fā)射彈丸進行射擊。
本發(fā)明能夠?qū)崿F(xiàn)對九宮格目標進行快速準確的識別并完成目標射擊，在實際比賽中實現(xiàn)了平均0.9秒擊中一次，五次連續(xù)擊中用時少于5s的效果。
本領域的普通技術人員將會意識到，這里所述的實施例是為了幫助讀者理解本發(fā)明的原理，應被理解為本發(fā)明的保護范圍并不局限于這樣的特別陳述和實施例。本領域的普通技術人員可以根據(jù)本發(fā)明公開的這些技術啟示做出各種不脫離本發(fā)明實質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護范圍內(nèi)。