满足RoboCup规范小型类人足球机器人设计与目标识别

燕必希，王 智，费 奇，王子润，董明利

(北京信息科技大学 仪器科学与光电工程学院，北京 100192)

0 引言

RoboCup足球机器人竞赛是由RoboCup国际协会组织的高科技对抗活动，其愿景是在2050年，能够和真人展开一场真正的足球比赛[1]。由于其具有的趣味性和高技术应用特点，在国际上得到广泛开展。足球机器人融合了信息、机械、自动化、计算机、传感技术、人工智能和仿生学等多学科知识和研究成果，代表高技术发展的前沿，足球机器人成为当今科学研究的热点之一。

参加RoboCup竞赛的足球机器人必须满足RoboCup技术规范。对于小型类人足球机器人，最新技术规范版本是2018版，要求身高在40～90 cm之间，并满足自然人的特征，如脚的外包络矩形不能太大，长宽比例在一定范围内，机器人躯干、四肢的比例和重心位置等均与自然人相近[2]。

在比赛过程中，足球机器人通过摄像机定位足球和球门，调整自身姿态和位置，对带球或是射门进行决策，并最终得分。在上述一系列技术环节中，快速找到足球和球门是机器人足球比赛中最为基础和关键的环节。传统的基于彩色图像分割算法[3]是通过识别物体的颜色特征信息来识别物体，但由于最新的足球机器人比赛规则发生变化，边界、门框颜色都为白色，足球也不同以往的彩色球，导致最终传统算法失效。特征提取SIFT算法[4](scale-invariant feature transform)是通过识别物体的位置、尺度、方向信息来识别物体，但由于足球机器人比赛场景复杂，场地内物体较多，导致识别效果较差。深度卷积神经网络算法RCNN[5](regions with convolutional neural network features)和Faster-RCNN[6](faster-regions with convolutional neural network features)将识别任务分为目标区域预测和类别预测，导致最终识别速度过慢，不能很好地达到实时性，因此不能满足足球机器人比赛的要求。

针对上述要求，本文设计了满足RoboCup2018版技术规范要求的小型类人足球机器人，采用深度卷积神经网络YOLOv3(you only look once)[7]作为视觉识别算法，使用3000张机器人比赛的照片对YOLOv3模型进行训练，训练后的模型对足球、门框、机器人具有良好的鲁棒性和泛化能力。YOLOv3算法采用了端到端的识别原理，能够快速识别图像中的目标，从而达到实时性检测。

1 小型类人足球机器人设计

RoboCup2018技术规范要求小型类人足球机器人满足如下要求：

2)脚的包络边界为凸壳矩形，矩形的长边与短边之间的比例不得超过2.5。

3)机器人外包络必须小于直径为0.55×Htop的圆柱体，其中Htop为机器人直立姿态下的身高。

4)四肢延展后，范围不得超过1.5×Htop。

5)腿长Hleg(包括脚)需满足0.35×Htop≤Hleg≤0.7×Htop。

6)上述5)中腿长，指机器人处于直立状态时，腿部第一个关节到脚的末端之间距离(站立时要求关节轴线平行于站立地面)。

7)头部高度Hhead(包括颈)需满足0.05×Htop≤Hhead≤0.25×Htop。Hhead为从肩部第一关节的轴线到头部顶部的垂直距离。

8)从手臂第一个关节开始算起，要求手臂长度大于等于Htop-Hleg-Hhead。

根据上述要求，制作机器人如图1所示。

图1 机器人设计图

选用韩国Robotis公司Mx系列舵机做为关节，共设计有20个自由度。机器人身高Htop=592 cm，重心位置在机器人直立时距离地面HCOM=331 cm,脚130×83 cm2，上肢284 cm，下肢305 cm，头高95 cm，上述参数均满足RoboCup2018技术规范。

2 YOLOv3算法

YOLOv3算法使用了52层卷积神经网络和1个全连接层，使用了分类网络基础模型Darknet-53[8]，训练时使用已给标签的图像进行模型训练，通过类别特征及位置信息确定卷积神经网络中卷积核的参数。测试时利用训练完成的卷积核对输入图像进行目标识别，实现了快速准确识别。图2是YOLOv3目标检测的系统流程。

图2 YOLOv3目标检测的系统流程

如图2所示，在输入图片resize(尺寸调整)中，将输入图像尺寸调整为416×416并网格化，提取含有目标边框的信息。

将大小为416×416带有目标的输入图像划分为7×7的均匀网格，各网格检测边框时包含5个参数信息(x、y、ω、h、Cobj)，分别表示带有目标预测边框的中心横坐标、纵坐标、宽度、高度、置信度评分[9]：

(1)

(2)

式中：Apred为检测框面积；Atruth为真实框面积。

网格后的图片进行卷积神经网络CNN(convolutional neural networks)运算，提取特征。利用52层卷积层提取图像特征，最后一层全连接层进行目标预测。若当前网格存在多个目标，则在该网格为每个目标分别赋予分类条件概率P(class|obj)，整幅图片的7×7网格中目标 classi的置信度：

式中下标i为第i个目标。

卷积后的图片通过非极大值抑制(non maximum suppression,NMS)设定阈值对预选框进行筛选。设置检测边框置信度评分阈值，通过非极大值抑制过滤低于预设阈值的边框，则最终保留下的边框为正确的边框。

图3为YOLOv3在实际图像中对狗、车、自行车的识别过程。图像经过resize和卷积神经网络的处理，通过非极大值抑制对预选框进行筛选，得出最终的类别框。

图3 使用YOLOv3进行目标识别

3 实验结果

3.1 机器人制作

根据制作图纸进行了机器人的加工和组装，实物图如下。

图4 机器人实物图

3.2 网络训练

训练模型在PC端完成，配置为GPU(GTX-1080)，需要配置CUDA9.0并行计算库，cuDNN7.0并行加速库，OpenCV3.2图像处理库；在ubuntu16.04系统下，搭建开源深度学习框架Darknet；拍摄3300张足球机器人比赛中含有目标的图片，其中3000张进行网络训练，300张进行测试；对预训练模型darknet53.conv.74进行50 200次迭代；评分阈值设为0.25。

训练时将目标分为3类，对足球(soccer)、机器人(robot)、门框(goal)进行训练。训练完成后，为了测试模型的准确性，使用足球机器人摄像头对现场拍摄，拍摄300张测试图片对YOLOv3模型进行测试。图5为部分图片检测效果。

图5 机器人比赛照片检测效果

Mmap(均值平均精度)和Rrecall(召回率)[10]是衡量深度学习中对象检测算法准确率的重要指标。Tp(Ture Position)是预测框与真实框保持一致的数目，Fp(False Position)是表示预测框与真实框不符合的数目，Fn(False Negatives)是表示真实框没有被检测到的数目。

通过分别使用特征提取SIFT算法、深度卷积神经网络的目标识别算法RCNN、Faster-RCNN、YOLOv3对300张图片进行测试，结果如表1所示。

表1 测试集实验结果

从表1可看出，YOLOv3算法比SIFT和RCNN算法的准确率、召回率、每秒识别帧数都要高，相较于深度学习算法Faster-RCNN虽然降低了准确率和召回率，但仍然保持较高的准确率和召回率，每秒识别帧数远大于Faster-RCNN，可以满足实时性检测。满足足球机器人比赛中的准确性和实时性要求。

4 结束语

设计了满足RoboCup2018技术规范的足球机器人，并应用YOLO3算法对比赛用球、门框、机器人进行了特征识别。YOLOv3算法相较于传统的基于彩色图像分割算法、特征提取SIFT算法以及现有的RCNN、Faster- RCNN深度学习算法具有较高的准确率和召回率，识别速度快，满足实时性要求。通过实验证明了训练后的YOLOv3模型对识别的物体具有良好的鲁棒性和泛化能力。设计的足球机器人参加了RoboCup2018中国赛和国际赛，取得了中国赛技术挑战赛第三名和国际赛技术挑战赛第四名的成绩。