1．目的及意义

NAO机器人由法国Aldebaran Robotics公司研制，硬件采用最新科技设计制造，保证了NAO动作的流畅性，其拥有25个自由度，2个高清摄像头，4个麦克风，8个压力传感器，2个高保真音响，2个碰撞传感器，2个声呐以及触觉传感器和红外传感器，具有惯性传感单元和强大的运动能力，具备图像识别、语音识别、语音合成、运动控制等功能。支持所有主流的操作系统和开发语言，提供强大的开发工具和完善的开发SDK。面世以来NAO被广泛运用在机器人研究，人工智能和计算机科学领域，还运用在社会学和医疗保健领域。NAO参与的研究项目包括自闭症治疗、多智能体系统、自动化、讯号处理、全身运动以及路径规划。

国内外关于NAO机器人的众多比赛提供了研究人员相互交流和比较的平台，为人工智能提供了丰富的研究课题。2007年，NAO机器人被机器人世界杯RoboCup的组委会选定为标准平台机器人世界杯RoboCup的标准平台，作为NAO机器人的最高赛事，每年顶级的NAO球队云集此项比赛，一定程度上反应当前NAO机器人的最高学术水平。除了机器人世界杯，每年很多国家还举办NAO机器人的公开赛，如德国公开赛、日本公开赛和伊朗公开赛等等，国内的中国机器人大赛中也有SPL组的项目，2012年8月在兰州举办的中国机器人大赛中设置了SPL组比赛：技术挑战赛，考察NAO机器人的图像识别能力、对压力传感器的控制和动作平衡处理等等。NAO机器人比赛主要考察机器人的智能水平，主要表现在对环境的认知和做出相应的决策处理。目前而言，NAO机器人虽然有众多的传感器，但是除了在防碰撞处理时可能用到声纳系统来辅助定位障碍外，NAO对外界环境的感知主要通过摄像头，这样机器人的智能水平直接建立在其图像处理能力之上，对目标的识别水平是机器人更高技术的基础。在标准平台组比赛中，NAO机器人图像处理要识别的目标包括：球、球门、机器人的腰带、场地线和球场上的其它机器人场上的实时位置

目前在国内外， NAO 仿人形机器人的开发主要是应用在机器人世界杯比赛中，因此对 NAO 机器人的视觉开发的学者大多数是国内外 RoboCup 的参赛成员。在 RoboCup 足球赛中，国外表现最好的球队是德国的 B-Human 球队，它曾经连续三年获得世界冠军，累计五次获得世界冠军。 B-Human 球队有很多高层次人才在研究算法程序，目前他们已经形成了自己的代码体系，叫 B-Human 代码。该代码体系包括动作控制，决策判断和图像处理等。

国内对 NAO 机器人研究比较晚，直到 2010 年全国研究 NAO 的科研机构和高等院校才达到5个。目前，国内有能力独立参加标准平台组比赛的只有同济大学和鲁东大学，学校内有由多名专家组成的专业团队，在研究国外体系的基础上，最终得出了成果。另外，中国科技大学一直致力于研究 NAO 机器人的动作引擎和步态问题，并且与国外的大学一起研究并且组队参加比赛，也取得了不错的成绩。到 2016 年为止，国内已经有大多数的“ 985”高校和一些“ 211”高校相继开始研究 NAO 机器人，并且开始积累参加比赛的相关经验。在2016年，2016世界机器人大会RoboCup挑战赛由中国电子学会和中国科学技术大学共同在北京举办，包括RoboCup SPL足球赛 、RoboCup@Home比赛和RoboCup青少年在线挑战赛。总之，国内的 NAO 机器人研究开始较晚，但是最近几年进展较快，各科研机构互相学习，并且借鉴国外的先进成果，取得了一定的成绩。

{title}

2. 研究的基本内容与方案

{title}

围绕NAO机器人在实际中完成的任务，本文认真研究了两个方面的内容：对指定颜色小球的识别和对目标小球的抓取。利用NAO机器人的视觉系统，从周围的环境中识别出指定颜色的目标，并且获取目标的相关信息。在对目标识别以后，测定NAO机器人与目标之间的距离并且依据所采集到的位置信息选择适当的策略抓取目标。

针对图像识别，首先根据实际情况考虑光强度的影响，选择YUV颜色空间存储处理。图像预处理中主要有三个任务：颜色分割，图像去噪，边界检测。通过颜色分割确定相关目标的颜色信息，将其他颜色均设置为未知颜色。先对目标阈值进行离线训练，获取颜色特征后再进行在线识别。即在不同光照条件和成像距离对目标颜色进行反复多次测量，直到找出其颜色特征中相对稳定的范围，转换成函数关系，以此确定阈值。由于光照影响会出现一些红色像素点噪声。目前较多使用的是中值滤波和均值滤波两种算法。中值滤波是一种图像的平滑算法，基于排序理论的非线性降噪技术，用每一个像素点的邻域的所有点灰度值的中值来代替该像素点的灰度值，从而消除孤立的椒盐噪声。均值滤波是一种线性滤波方法，采用的是邻域平均法，首先确定一个包含目标像素点周围八个像素的模型，用模型的像素平均值来替代用来的像素点。本文拟结合中值滤波和均值滤波的方法来进行去噪。在确定颜色后，通过hough变换检测圆形，正确识别小球。

在小球抓取中，首先通过单目测距确定距离，在目标定位的整个过程，目标的位置以每秒十次更新，即每隔 0.1s 返回一次目标的位置，设定机器人距离目标的距离为 D，距离阀值为 d=100cm，当目标距离NAO 机器人比较远时，即 D≥d，采用大步行走的方式使机器人靠近目标，当目标与机器人的距离较近，即 D＜d 时，采用小步精确的行走方式。当目标与机器人的距离等于 20cm 时，机器人停止行走，进行下一步动作。移动头部使小球位于图像正中心，使用choregraphe设定抓取动作进行抓取动作和站立动作的编辑。3. 参考文献

[1]Nguyen T L, Coquin D, Boukezzoula R. Recognition of Confusing Objects for NAO Robot[M]. Information Processing and Management of Uncertainty in Knowledge-Based Systems. 2016.

[2]Figat J, Kasprzak W. NAO-mark vs QR-code Recognition by NAO Robot Vision[M]. Progress in Automation, Robotics and Measuring Techniques. Springer International Publishing, 2015:55-64.

[3]柏雪峰，杨斌. 基于NAO机器人目标识别与定位算法[J]. 成都信息工程学院学报,2014,

[4]宗鹏程. 基于NAO机器人的视觉目标检测与跟踪[D]. 华北电力大学,2015.