专利汇可以提供一种象棋识别学习算法和基于该算法的机器人智动化系统与方法专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种象棋识别学习 算法 和基于该算法的 机器人 智动化系统与方法,系统包括视觉机器人、监控计算机等。启动系统,触发视觉机器人采集图像,参与象棋对决的视觉机器人使用象棋识别学习算法和象棋决策算法实现摆棋和走棋操作,并将相应的摆棋、走棋信息发送给各自的监控计算机,同时监控计算机实时显示包含全局场景信息的 虚拟界面 ;本发明机器人可自主智能作业和人机协同作业,为进一步研究机器人的智能自动化系统作业奠定了 基础 ,具有很高的智能 水 平,是 人工智能 技术与 机器人技术 结合的一个典型应用,同时提出的象棋识别学习算法速度快、准确率高、鲁棒性强。,下面是一种象棋识别学习算法和基于该算法的机器人智动化系统与方法专利的具体信息内容。
1.基于象棋识别学习方法的机器人智动化系统,包括两个监控计算机,参与象棋对决的两个视觉机器人,机器人末端的吸盘,配套的两个气泵,一个金属象棋棋盘以及一个路由器,其中,每个视觉机器人末端均安装了一部相机,用于采集金属象棋棋盘上的视觉图像,视觉机器人执行象棋识别学习方法,并将图像中象棋的坐标按照一定比例关系转换获取机器人坐标系下的运动坐标,结合金属象棋棋盘、机器人安装高度及识别出的象棋种类信息,利用安装在各自末端的吸盘进行相应的抓取操作并放置到棋盘上的目标位置,使用象棋决策方法实现走棋操作,并通过局域网将摆棋和走棋信息广播给另一个参与象棋对决的机器人;
所述象棋识别学习方法,包括抓取象棋时的象棋识别定位方法、棋盘搜索方法和对抓取的象棋的识别分类方法,所述识别分类方法步骤如下:
采集象棋牌面即其正面图像,象棋正面区域与背景区域色彩差异形成RGB颜色空间模型约束条件,根据该约束条件,采用轮廓检测方法检测象棋正面边缘,选择最靠近本方棋盘左下角的正面边缘,求取该象棋正面边缘的外接矩形,得到有效的象棋正面区域;使用多张象棋正面区域图像作为训练样本,训练Squeeze Net分类器,将按象棋正面边缘的外接矩形大小截取的图片输入已训练的Squeeze Net分类器,通过Squeeze Net分类器得到象棋的识别分类类别信息,标签0,1,2,3,4,5,6,7,8…14分别对应背景和14种棋子;
其特征在于,所述视觉机器人通过末端相机采集本方象棋棋盘上方图像,提取颜色、像素面积、圆半径、圆个数信息,得到棋子的外接矩形,在原始图片上截取出外接矩形相应位置的图片,送入Squeeze Net分类器得到象棋的种类信息,抓取并将其放到对应的位置;所述视觉机器人与监控计算机之间布置有气泵,并与机器人末端安装的吸盘相配套,配合完成机器人的抓取操作。
2.根据权利要求1所述基于象棋识别学习方法的机器人智动化系统,其特征在于,所述象棋识别定位方法步骤如下:视觉机器人从本方棋盘上方采集视觉图像,对于象棋目标,根据所采集图像的颜色特征、形状特征、面积特征提取象棋轮廓,获取轮廓的最小外接矩形,从而得到图像中象棋的坐标位置。
3.根据权利要求1所述基于象棋识别学习方法的机器人智动化系统,其特征在于,所述棋盘搜索方法步骤如下:将本方棋盘左下角定义为搜索起点,设置搜索步长及最大搜索步数,视觉机器人从搜索起点开始逐步搜索,从后往前,从左至右以蛇形运动搜索整个象棋棋盘;每到一个新的位置,视觉机器人从本方棋盘上方采集视觉图像,执行象棋识别定位方法完成该位置的搜索动作,若搜索到象棋,进行摆棋动作,动作后回到该位置继续搜索,否则视觉机器人运动到下一位置继续搜索,当到达最大搜索步数或是已全部摆放好本方棋子时结束搜索。
4.根据权利要求1所述基于象棋识别学习方法的机器人智动化系统,其特征在于,所述每个视觉机器人两侧分别布置有一台监控计算机,所述监控计算机通过路由器组成一个局域网,分别实时显示对应视觉机器人的抓棋、摆棋以及走棋场景信息的虚拟界面。
5.根据权利要求1所述基于象棋识别学习方法的机器人智动化系统,其特征在于,所述象棋决策方法采用极大极小搜索方法,首先确定局势评估函数f,f为量化后的当前局势对于当前操作者的优势,优势量化需要对每个象棋棋子的价值进行量化,每个棋子在棋盘上不同位置具有不同的价值,对于控制黑方走棋的视觉机器人,局势评估函数f定义为所有黑方象棋价值之和减去所有红方象棋价值之和,视觉机器人根据局势评估函数f进行搜索最优的走棋策略,所述极大极小搜索方法,使用两层搜索,具体步骤如下:
(a)假设初始局势为A,决策方为黑方,即当前视觉机器人进行走棋决策;
(b)假设A局势下黑方共有n种策略,分别可转移到B1、B2、...、Bn局势,分别对应n个不同的局势评估函数f值,假设其中B1局势下红方共有m种策略,分别可以转移到C1、C2、...、Cm局势,分别对应m个不同的局势评估函数f的值;
(c)当前决策者黑方默认对方会选择使得局势评估函数f最小的一种策略,即对黑方最不利的一种走法,因此认为B1局势下的局势估值为m个不同的局势评估函数f的值中最小的值,记为f1,依此类推,Bn局势下的局势估值记为fn;
(d)回到A局势考虑,显然期望下一个局势有最大的局势估值,因此从f1、...、fn中选取最大的一个值f*,所对应的局势B*也就是A局势最希望转移到达的状态,此时得到在两层搜索下最优的走棋策略。
6.根据权利要求1所述基于象棋识别学习方法的机器人智动化系统,其特征在于,所述视觉机器人之间以及监控计算机之间的通信,是以路由器为中心的星型局域网,局域网中视觉机器人分别与监控计算机相连,两监控计算机之间通过路由器转发完成整个系统的通信,接收和发送的消息由字符串构成,字符串以“@”作为起始符,以“*”作为终止符,字符串内部传递的消息之间以“&”相隔,对消息的处理过程是首先遍历字符串,如果起始符和终止符不完整,说明消息不是完整命令;否则以“&”为边界进行分割,根据命令类型不同进入不同的处理模块,其中消息处理机制采用基于消息响应的异步机制,同时采用互斥锁的方法防止多个线程同时访问消息处理模块。
7.利用权利要求1所述基于象棋识别学习方法的机器人智动化系统的方法,其特征在于,包括如下步骤:
步骤1:启动机器人智动化系统装置,完成各项初始化工作,包括视觉机器人初始化、本方棋盘上任意放置本方棋子;
步骤2:机器人智动化系统装置所包括的视觉机器人开始进行象棋对决的摆棋阶段,在本方象棋棋盘上方,机器人从左下角以蛇形运动搜索整个本方象棋棋盘区域,采集象棋棋盘上方的图像,若视野范围内有象棋出现,调用象棋识别分类方法进行象棋分类得到棋子的位置信息,并进行是否抓取的判定;
步骤3:若该象棋棋子未处于正确的位置,则视觉机器人执行抓取象棋棋子的动作,先将棋子抓起移动到目标位置的上方,采集象棋棋盘上方的图像,若目标位置上有棋子占据位置,则将已抓取的棋子挪到棋盘中央缓冲区,再将占据目标位置的棋子挪到缓冲区,最后将第一个放到棋盘中央缓冲区的棋子放到目标位置,否则,直接将已抓取的棋子直接放到目标位置;
步骤4:若机器人在步骤3将棋子挪到缓冲区,对挪到缓冲区的象棋棋子调用象棋识别定位方法对该象棋进行定位、识别分类,并将其抓取到正确的位置;
步骤5:等待视觉机器人摆放完毕所有棋子后,进入象棋对决环节;
步骤6:当对决分出胜负或和棋时,象棋对决结束。
8.根据权利要求7所述方法,其特征在于,所述象棋对决环节有两种模式,人与机器人,以及机器人与机器人;
在人与机器人对决模式下,人通过操作监控计算机显示器上的虚拟棋盘来控制红方,或操作监控计算机显示器上的虚拟棋盘来控制黑方,若控制红方,在虚拟棋盘中移动象棋实现走棋决策,同时机器人在金属棋盘上完成实际走棋运动,象棋移动信息通过局域网广播给另一台监控计算机,两台监控计算机实时更新虚拟棋盘;机器人通过感知全局场景信息,调用象棋决策方法做出决策,同时在金属棋盘完成实际的走棋,象棋移动信息广播给计算机和机器人,同时更新各个虚拟界面;
在机器人与机器人对决模式下,机器人自主选择对决策略。
方法
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种智能录播系统中站立人脸检测定位的方法 | 2020-05-14 | 788 |
转变图像风格的方法和装置、卷积神经网络处理器 | 2020-05-14 | 244 |
手势识别方法、装置、终端设备及计算机可读存储介质 | 2020-05-11 | 176 |
机器人视听协同学习新目标的语音标签自动生成方法 | 2020-05-12 | 805 |
一种基于街景图的城市环境评估方法 | 2020-05-13 | 147 |
图像区域的判断方法和系统 | 2020-05-14 | 569 |
可变速率压缩的方法和可变速率解压缩的方法 | 2020-05-12 | 456 |
一种基于改进Vibe+算法的运动目标背景分割方法 | 2020-05-12 | 28 |
一种图像处理方法、系统及终端设备 | 2020-05-08 | 795 |
一种基于多特征优选的可见光无人机遥感影像森林树种分类方法 | 2020-05-12 | 24 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。