基于Python3颜色识别追踪智能机器人研究

王佳,李金烁,许康瑞 ,赵家蕊

宿州学院安徽宿州234000

摘要：目前，在企业生产技术不断提高、对自动化技术要求不断加深的环境下，智能车辆以及在智能车辆基础上开发出来的产品已成为自动化物流运输、柔性生产组织等系统的关键设备。世界上许多国家都在积极进行智能车辆的研究和开发设计。移动机器人是机器人学中的一个重要分支，出现于20世纪06年代。当时斯坦福研究院(SRI)的NilsNilssen和charlesRosen等人，在1966年至1972年中研制出了取名shakey的自主式移动机器人，目的是将人工智能技术应用在复杂环境下，完成机器人系统的自主推理、规划和控制。关键词：视觉识别；颜色识别；机器人；设计研究

1机器人系统的组成

机器人的基本构成主要为机械、传感以及控制三大部分，这三大部分当中包含有6个子系统，其中，驱动系统和机械系统是机械部分的主要构成；人机交互系统和控制系统是控制部分的主要构成；而感知系统和机器人环境交互系统是传感部分的主要构成。这6个子系统在机器人工作的过程中相互影响、相互促进，通过协同合作实现任务的完成。

图1机器人系统工作流程示意图

如今机器人的使用逐渐朝向智能化和定向化的方向发展，智能化的应用在于劳动力的解放、在于商业价值的创造，而定向化在于与实际应用的紧密联系，通过特定程序的设定来促使目标的实现。但无论在哪一个方向的应用，实现需求的重点皆在于多传感器、多识别器、多控制器以及先进的控制算法和复杂的机电系统的设计和使用。

2具有颜色识别功能机器人的设计原理

机器人整个视觉系统的建立以信息获取、信息转换、分析处理、输出显示、指令完成程序的执行来完成工作的处理，其中信息获取是第一步也是关键的一步，该过程通过对颜色、形状等信息的获取来进行环境目标的识别，该过程主要通过摄像头实现，在摄像头获得相应的色彩图像之后通过计算机系统实现模拟信号的转换，使其成为可以被计算机处理的数据序列。当然，在机器人视觉系统工作的过程当中，对视觉信息的处理和分析也是十分关键的。该过程以图像处理为基础，通过对图像的增强、数据的编码以及传输、特征抽取、理解等一系列的流程实现输出图像质量的优化提升，从而更加方便计算机系统对所获取的图像进行深度的分析和处理。所以在这样的过程中实现RGB图像的获取和HSI空间模型的转换才是最基本的设计原理。

3国内外研究现状

基于颜色特征识别技术大多是采用计算机视觉，计算机视觉也叫做机器视觉。对于机器视觉，国外在20世纪80年代就开始了研究和应用。虽然刚开始根据物体的颜色进行分类的精度和速度都不高，但经过这些年研究者的不断探索，已经取得了不错的成果。

1994年，Liao等利用机器视觉研究了基于颜色特征的黄白玉米的分类，分别在HIS和RGB颜色空间上进行了特征提取，结果表明，HIS空间特征提取的准确率要比RGB空间的高。

1995年，Choi等人利用机器视觉对西红柿的颜色进行了识别，他们把西红柿按当时市场上的评价标准分为6种等级，最后结果显示这6种颜色识别的平均准确率为77%。

2001年，Shahin等人利用机器视觉研究了扁豆的等级分选，构建了神经网络的识别模型，基于颜色特征和纹理特征进行分类，准确率高达90%。

2005年，章程辉等利用计算机视觉，通过Otsu算法对图像进行分割后，经过RGB提取颜色特征再利用SVM进行红毛丹色泽等级分类。最后对红毛丹的4个等级的准确率分别达到84%、89%、94%和95%。

2008年，卢秋琰等人根据牛肉等级不同对应的颜色也不同利用机器视觉来对牛肉进行分级，将分割后的牛肉分别在HSV和RGB的颜色空间上进行特征提取，将R、G、B、H、S、V六种颜色分量的标准差和方差作为支持向量机和BP神经网络的输入，进行分类。结果显示基于BP神经网络的分类识别率为95%，基于SVM的分类识别率达到97%。但该研究所采集的牛肉样本颜色与标准牛肉样本的颜色基本上都不一致，所以不太符合实际需求。

2010年，王文君等人设计了针对颜色分选的塑料瓶回收系统，通过提取图像中的RGB颜色空间的颜色特征进行判断，然后控制喷气阀完成颜色分选。但在分选过程中，塑料瓶不是由自由落体进入分选装置，而是被喷嘴由上方吹入收集装置，所以对气流的方向和速度要求很高，并未应用到实际生产中。

2016年，张梓然等人利用分光测色仪提取CIE色度值等参数，利用SVM模型对彩钢玻璃数据进行分类，把不同色差的玻璃分选出来，准确率能达到90%以上。但只是提出了算法，并没有相关系统的实现。

近年来，深度学习的发展很迅速，机器视觉的图像目标识别和分类的准确率不断提高，如今深度学习算法已经广泛应用于目标检测。因为基于深度学习的神经网络对输入的图像自动学习并提取特征，不需要人工先对输入的图像进行特征提取再送入分类器训练，减小了人工操作的误差性，所以能够很好的满足目标检测的高精度、高可靠性。针对颜色识别这一方向深度学习算法还处于起步阶段，高校的研究人员使用深度学习算法对车辆颜色进行分类的研究较多，针对其他物体的颜色识别研究还有很大的发展空间。其中2018年管德永等人使用卷积神经网络和SVM分别对车辆颜色进行了识别，使用卷积神经网络的车辆识别率为90.20%，比SVM算法的识别率高了10.15%。2020年，吴冬梅利用深度学习的FasterR-CNN算法对工作人员是否佩戴安全帽进行检测，可以识别出安全帽的四种颜色：红色、白色、蓝色、黄色，平均识别率为85.8%。

目前，国外对于智能车在于自动驾驶汽车的实现，军事方面的作战需要，基本的货物运输，但是技术还不够成熟，在许多地方还有待改进。

2003年，国防科技大学和中国第一汽车集团公司研制出来了自主驾驶的智能车，为我国智能小车的发展奠定了基础。

2013年，“中华牌”月球车乘坐“嫦娥三号”进行月球探索计划，最终取得成功，月球车在月球表面举起了中国国旗，展示了我国在智能小车方面的研究成效。

紧接着我国的军事方面也进行了智能车的使用，其中THMR得益于“863”计划，智能小车军事化的使用很大程度上表明了智能小车研究领域的支持以及国家对于这些方面的重要性。

4目标识别算法研究

颜色识别算法分析。颜色识别以颜色空间、分量关系为基础，所以在进行识别的时候，首先要进行的就是颜色空间选取。颜色空间包含基色颜色空间和色亮分离的颜色空间。在RGB颜色空间中，直角坐标空间的变量为红、绿、蓝三个变量，但这三种变数彼此独立，且性质对等，是其他颜色空间的基础。

RGB颜色空间模型

色亮分离的色彩空间结构则主要是将色彩分为表色与表光两种属性空间结构，也就是人们常说的HSV(HSB)空间结构，在HSV的空间结构中三种色彩属性彼此独立但特性完全不同，在颜色识别算法中一般采用HSI模式的建立方式来对色相、饱和度以及明度进行描述。在机器人对颜色进行识别的过程当中主要就是通过HSI模型来实现有效判断。

 

HSV(左图)和 HSI(右图)颜色空间模型

实际上，在颜色空间模型的转换过程实现的就是由 RGB 实现 HSI 的转换。常见的转换算法由此几何推导法、 坐标转换法、分段定义法以及标准模型法和 Bajon 近似法，转换思路的不同对整个 HSI 颜色空间模型的转换会 造成不同的结果。其中最为经典最容易理解也最容易计 算识别的转换算法就是几何推导法，整个几何算法推导 的过程实际上实现的就是亮度信息的分离，最终完成三 维空间向二维空间的转换，这样一来通过平面内向量点 积公式是使用就能够完成 HSI 模型色调分量值的计算。 RGB 转换到 HSI 的计算公式如下：首先给定 RGB 颜色空间 的值 (R0,G0,B0) 其中 ，则转换到 HSI 空 间的 (H,S,I) 值的计算如下：设将 (R0,G0,B0) 归一化得

(R,G,B) 为： R = , G = , B = ,

             

5总结：

机器人设计是一门复杂且高深的学科，整个设计过程当中，既有智能控制，也有机械控制，既有软件设计，也有硬件设计。但实际上在进行颜色识别功能机器人设计时最主要的设计方向就是通过程控制系统的装置来对机器人进行控制，在这样的过程当中需要通过摄像头进行图像的采集，再由控制系统经过空间转换利用连通域算法实现位置标定。

实际上无论是何种机器人的设计和研究，归根结底都是集信息技术和自动化于一体的高新技术，设计研究的过程都离不开计算机和人工智能的发展。因此，在未来，在人工智能、计算机科学以及传感器的发展基础上，机器人的设计研发水平也会更上一层楼。

参考文献：

[1]张文青,龙奕帆.基于OpenMV视觉模块的智能小车巡线系统设计[J].集成电路应用,2021,38(10):232-233.DOI:10.19339/j.issn.1674-2583.2021.10.110.

[2]温宏愿,刘小军,牛绿原,刘增元,张朋.一种具有颜色、识别、定位、跟踪功能的四旋翼无人机的控制系统[P].江苏省：CN110109469A,2019-08-09.

[3]高强,庞毅,刘国涛,张静.基于颜色识别的机器人追踪方法[P].天津市：CN102431034B,2013-11-20.

[4]王然升.自动循迹智能小车的研究与实现[D].青岛科技大学,2019.

[5]刘芳.基于Android的智能小车控制及路径规划[D].广西师范大学,2017.

[6]杨丽新,马迎.基于Proteus仿真的教学机器人智能小车设计[J].实验室研究与探索,2018,37(08):139-143.

[7]杨森,张玮.基于WIFI的视频监控智能小车机器人[J].数字技术与应用,2016(04):81-82.DOI:10.19695/j.cnki.cn12-1369.2016.04.051.

[8]姜晓雪,陈小菊,徐锐,屈子昂.基于FPGA的一种识别系统的设计与实现[J].电子制作,2021(17):69-71.DOI:10.16589/j.cnki.cn11-3571/tn.2021.17.020.