本文結(jié)合攝像頭圖像采集，以VC++6.0為開發(fā)工具，實(shí)現(xiàn)人機(jī)對弈情況的自動識別。首先介紹機(jī)器視覺的特點(diǎn)，以及基于計(jì)算機(jī)與嵌入式系統(tǒng)的不同點(diǎn)。然后描述系統(tǒng)結(jié)構(gòu)及其執(zhí)行過程。最后構(gòu)建針對五子棋運(yùn)行的測試程序，并測試。通過程序測試，系統(tǒng)能夠準(zhǔn)確識別出人在棋盤上的落子情況，并在屏幕上顯示計(jì)算機(jī)應(yīng)對落子的坐標(biāo)圖像。在結(jié)合執(zhí)行模塊后可現(xiàn)場執(zhí)子與人對弈。

1 引言

人類感知外部世界的手段主要通過視覺、觸覺、聽覺和嗅覺等感覺器官，其中約83％的信息是由視覺獲取。機(jī)器視覺是利用光電成像系統(tǒng)采集被控目標(biāo)的圖像，經(jīng)計(jì)算機(jī)或?qū)Ｓ玫膱D像處理模塊進(jìn)行數(shù)字處理，進(jìn)行被控目標(biāo)尺寸、形狀、顏色等特征的識別，獲取周圍環(huán)境的信息，以指導(dǎo)機(jī)器人進(jìn)行運(yùn)動。機(jī)器視覺是一門綜合了計(jì)算機(jī)軟硬件、數(shù)字圖像處理、機(jī)械、光學(xué)、模擬與數(shù)字電路等技術(shù)的綜合學(xué)科。在機(jī)器人領(lǐng)域中，計(jì)算機(jī)視覺為機(jī)器人提供眼睛的功能。簡言之，機(jī)器視覺就是用機(jī)器代替人眼來做測量和判斷。機(jī)器視覺是機(jī)器人研究領(lǐng)域中的一個(gè)非常重要的方向，它在機(jī)器人研究和應(yīng)用中占有十分重要的地位，對機(jī)器人的智能化起著決定性作用。

2 思路分析

2.1 可行性

從視覺系統(tǒng)的運(yùn)行環(huán)境可分為基于計(jì)算機(jī)和嵌入式兩大類系統(tǒng)。 基于計(jì)算機(jī)系統(tǒng)利用了其開發(fā)性，高度的編程靈活性和良好的操作界面，同時(shí)系統(tǒng)總體成本較低，在WINDOWS環(huán)境下編程。用戶可用它快速開發(fā)復(fù)雜高級的應(yīng)用。

嵌入式系統(tǒng)中，系統(tǒng)軟件固化在圖像處理器中，通過類似于游戲鍵盤的簡單裝置對顯示在監(jiān)視器中的菜單進(jìn)行配置，或在計(jì)算機(jī)上開發(fā)軟件然后下載。系統(tǒng)在體現(xiàn)了可靠性高、集成化、小型化、高速化、低成本等特點(diǎn)的同時(shí)也反映出智能化較差、程序的應(yīng)變能力不強(qiáng)等劣勢。為了使機(jī)器人能夠適應(yīng)復(fù)雜、動態(tài)的環(huán)境，具有學(xué)習(xí)、歸納和分析的能力，我們常常要把神經(jīng)網(wǎng)絡(luò)、決策樹、遺傳算法等機(jī)器學(xué)習(xí)方法應(yīng)用到機(jī)器視覺中來，實(shí)現(xiàn)復(fù)雜條件下的圖像分割以及目標(biāo)識別，于是在很多情況下，系統(tǒng)需要處理繁冗的程序，和可靈活的調(diào)試相結(jié)合。因此，測試系統(tǒng)采用基于計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)對物體識別的機(jī)器視覺。

自上世紀(jì)八十年代以來，機(jī)器視覺的研究已經(jīng)歷了從實(shí)險(xiǎn)室走向?qū)嶋H應(yīng)用的發(fā)展階段，國內(nèi)外學(xué)者進(jìn)行了相當(dāng)規(guī)模的研究及其實(shí)踐，解決了很多技術(shù)和應(yīng)用層面的問題，為后續(xù)研究打開了方便之門。從簡單的二值圖象處理到高分辨率多灰度的圖象處理，從一般的二維信息處理到三維視覺機(jī)理以及模型和算法的研究都取得了很大的進(jìn)展。而計(jì)算機(jī)工業(yè)水平的飛速提高以及人工智能、并行處理和神經(jīng)元網(wǎng)絡(luò)等學(xué)科的相應(yīng)發(fā)展，更促進(jìn)了機(jī)器視覺系統(tǒng)的實(shí)用化和許多復(fù)雜視覺過程的研究成為可能。

2.2 設(shè)想思路

圖1為1997年5月，IBM的“深藍(lán)”在國際象棋比賽中擊敗國際特級大師卡斯帕羅夫的現(xiàn)場（其中右為“深藍(lán)”現(xiàn)場操作者）。但遺憾的是，“深藍(lán)”需要人來幫助看局勢、判斷棋子位置和移動棋子，它沒有視覺感知和行為能動能力，在超過1頓體重具有超級快速的運(yùn)算能力下，“深藍(lán)”的能力僅限于推理，并不能完成卡斯帕羅夫所作的一切工作，甚至連一個(gè)小孩的行為都實(shí)現(xiàn)不了。

要使計(jì)算機(jī)具有看局勢的能力，它就應(yīng)該擁有類似人眼功能的外設(shè)。幸運(yùn)的是，計(jì)算機(jī)攝像器材結(jié)合軟件已經(jīng)可以勝任這些工作。通過一系列的圖像減運(yùn)算，并對其結(jié)果進(jìn)行直方圖化就可以得到所落子的坐標(biāo)，如圖3所示，其中，3a 為N時(shí)刻采集的圖像，3b N+1時(shí)刻采集的圖像，而兩圖像相減的圖像的水平及垂直直方圖分別為3c和3d。

于是，本系統(tǒng)的思路是基于PC機(jī)下的VC編程應(yīng)用，利用攝像頭采集人機(jī)對弈過程圖像，再通過圖像處理技術(shù)在已采集的圖像中識別出玩家所落子的位置坐標(biāo)，計(jì)算機(jī)分析此落點(diǎn)，在策略庫中找出應(yīng)對策略，進(jìn)而完成機(jī)器人的視覺系統(tǒng)，真正實(shí)現(xiàn)人機(jī)實(shí)時(shí)對弈。結(jié)構(gòu)示意圖如圖2所示。

3 系統(tǒng)組成

根據(jù)以上思路，系統(tǒng)分成三個(gè)主要部分：1）采集部分，2）識別部分，3）策略部分。其中攝像頭負(fù)責(zé)采集圖像，而識別和下棋策略是由軟件編程實(shí)現(xiàn)的。

3.1 采集部分

攝像頭相當(dāng)于人的眼睛，對預(yù)處理的圖像采集進(jìn)而傳入計(jì)算機(jī)。兼顧傳入圖像質(zhì)量，價(jià)格和可移植性的考量，攝像頭選擇一般常用的普通攝像頭，即webcam。

現(xiàn)在市面上的攝像頭一般都可達(dá)到800×600以上的分辨率，而價(jià)格合適，大量使用USB接口，因而可移植性強(qiáng)而廣泛的使用。經(jīng)過測試，系統(tǒng)可以在176×144及其以上分辨率正確運(yùn)行。考慮到運(yùn)行速度和圖像質(zhì)量之間的矛盾，以及許多用戶的機(jī)器配置（老機(jī)器如P3以下，老式攝像頭），程序中加入輸入圖像可調(diào)整設(shè)置。

攝像頭鏡頭朝下，放置于棋盤上方，類似機(jī)器人足球比賽的攝像機(jī)架設(shè)狀態(tài)。但對放置位置的水平和垂直方向要求不需非常精確，偏差幾度亦可實(shí)現(xiàn)功能，不用專業(yè)工具，一般人員即可調(diào)試成功，有更好的實(shí)際應(yīng)用性和可移植性。

3.2 識別部分

傳入計(jì)算機(jī)的圖像轉(zhuǎn)化為象素矩陣，首先識別出棋盤范圍及網(wǎng)格坐標(biāo)，再經(jīng)過若干次點(diǎn)運(yùn)算計(jì)算出人所走的棋子坐標(biāo)。

要對棋盤進(jìn)行識別，就要對待初始化棋盤圖像進(jìn)行邊沿計(jì)算，本文中采用的是拉普拉斯算子。然后二值化所計(jì)算后的象素矩陣，再分別在水平方向及垂直方向?qū)ζ渲狈綀D計(jì)算，得出棋盤范圍及網(wǎng)格坐標(biāo)。如圖4所示，其中4a為輸入棋盤圖像，4b為此圖像的水平直方圖，4c為同圖的垂直直方圖。

對落子位置的識別要計(jì)算一個(gè)檢測周期內(nèi)兩幀圖像的差值，如圖5（圖像N+1及N時(shí)刻的差值），再直方圖計(jì)算出落子坐標(biāo)。但要排除人身體部分及其它干擾。設(shè)B（x）為對圖像x的相對二值化過程 （這里是相對于均值二值化而言的），P（x , y）為點(diǎn)x , y的灰度值，有：

且， 其中， w₁、w₂分別為棋盤區(qū)域左右邊界，h₁、h₂分別為棋盤區(qū)域上下邊界，S_min～S_max為棋子大小范圍，N_min～N_max為噪聲、人身體陰影等干擾范圍，Δ為經(jīng)過計(jì)算的象素點(diǎn)的個(gè)數(shù)，即在此范圍中的情況屬于已落子的情況。

3.3 策略部分

知道對手落子位置還不能達(dá)到系統(tǒng)要求，如圖5流程所示，還需要讓計(jì)算機(jī)判斷應(yīng)該怎樣對應(yīng)，所以還要加入策略庫。

在策略庫設(shè)計(jì)中，計(jì)算機(jī)必須要知道有那些獲勝的組合，因此它必須計(jì)算獲勝組合的總數(shù)，這樣便可以在游戲中建立一個(gè)數(shù)組來判斷勝負(fù)。策略組在下每步棋時(shí)都要計(jì)算有那些獲勝的方式，即有多少種獲勝的可能，計(jì)算出每下一步棋到棋盤上的獲勝幾率，進(jìn)而作出攻防應(yīng)對。

因?yàn)榭紤]到本系統(tǒng)程序只是測試圖像采集并處理的可行性，只是要求計(jì)算機(jī)作出基本的對策，并沒有加入交互式學(xué)習(xí)或多層次學(xué)習(xí)等復(fù)雜的人工智能決策。盡管如此，經(jīng)最后程序測試證明，計(jì)算機(jī)對手還是有相當(dāng)?shù)膽?zhàn)斗力。

4 程序測試

在程序的總體測試之前，那些未知的參數(shù)必須通過試驗(yàn)推測出來。首先測試N_min～N_max的范圍。在盡量減少外界擾動的情況下，隨機(jī)測試兩時(shí)間間隔，假設(shè)為1秒，即比較第N秒和第N+1秒的，結(jié)果如表2。然后測試S_min～S_max的范圍。把一定數(shù)量的棋子放到棋盤上后取一時(shí)刻圖像（其中包括隨機(jī)擾動），與棋盤初始化圖像比較，減去N_min～N_max的均值，即去掉干擾量，再除以擺上的棋子數(shù)量，結(jié)果如表1。當(dāng)然，我們可以逐一對棋子進(jìn)行測量，但這樣需要113次試驗(yàn)。

得到的S或N的參數(shù)只是針對測試時(shí)的圖像分辨率320×240的絕對參數(shù)，但實(shí)際運(yùn)用在多個(gè)分辨率模式下就要對其相對化。設(shè)X’為所要的在分辨率R下的參數(shù)值，而X為在320×240下的數(shù)值，則有X’/X=R/320×240。

經(jīng)過測試，程序可對多種材質(zhì)棋盤及棋子進(jìn)行正確識別并作出對應(yīng)的策略，滿足實(shí)際的應(yīng)用需要，如圖6程序截圖所示（圖上框架為顯示窗，下為采集窗口，此次測試使用手工繪制紙質(zhì)棋盤及紙質(zhì)棋子，人執(zhí)子在紙上下棋，計(jì)算機(jī)作出對應(yīng)并顯示）。

5 結(jié)束語

程序試驗(yàn)證明，測試程序能實(shí)現(xiàn)設(shè)想的功能，不僅可以正確的識別出棋子的位置，而且具有一定的棋力。加入更復(fù)雜的策略算法和機(jī)械手執(zhí)行模塊之后，可使系統(tǒng)具有更加重大的科研和實(shí)用的價(jià)值。