[發明專利]一種基于視覺引導的五子棋人機對弈實驗教學系統

有效

• 申請號: 201711178473.0
• 申請日: 2017-11-23
• 公開（公告）號: CN107909889B
• 公開（公告）日: 2019-12-17
• 發明（設計）人: 李頎;強華
• 申請（專利權）人: 陜西科技大學
• 主分類號: G09B19/00
• 分類號: G09B19/00;A63F3/02;G06Q50/22;G06T7/80
• 代理公司: 61215 西安智大知識產權代理事務所
• 代理人: 王晶

1.一種基于視覺引導的五子棋人機對弈實驗教學系統，其特征在于，包括以下步驟，

Step1、安裝工業相機，將相機安裝在棋盤區域的正上方，調整相機的焦距使整個棋盤區域處在相機的視野范圍內，在包含相機類庫的情況下，通過實例化相機句柄類來讀取相機的數據，最終獲取棋盤當前局勢的圖片；

Step2、進行相機標定主要通過相機對不同方位的標定板進行拍照，使用標定算子完成標定，得到攝像機的參數，由于棋盤位于同一平面，所以只對標定板圖像采集一次，用圖像坐標算出標定板圖像的大小除以已知的標定板的實際距離，就可以得到相機的外參，即圖像坐標上每個像素在世界坐標系下對應的實際距離m，然后對棋盤進行標定，確定棋盤的中心點在圖像中的坐標(X₀，Y₀)；

Step3、棋子圖像識別及定位算法的設計

第一步，用戶完成下棋動作后，相機對棋盤區域進行拍照，采用背景相減法用當前圖像減去用戶下棋前棋盤區域圖像；

第二步，使用Sobel算子對上一步得到的圖像進行處理可以返回X和Y方向的像素灰度值,可初步得到棋子的邊緣位置；

第三步，細化邊緣，搜索邊緣梯度方向的局部極大值，抑制非極大值邊緣，即跟蹤邊緣方向的左右像素，如果當前像素的灰度值小于左、右像素灰度值，則抑制當前像素灰度；

第四步，提取和連接邊緣，經過前面的處理后可能會有少量的非邊緣像素被包含到結果中，所以要通過選取閾值進行取舍，設置兩個閾值其中一個為高閾值TH另外一個為低閾值TL，則有對于任意邊緣像素低于TL的則丟棄，對于任意邊緣像素高于TH的則保留，任意邊緣像素值在TL與TH之間的，如果能通過邊緣連接到一個像素大于TH而且邊緣所有像素大于最小閾值TL的則保留，否則丟棄；

第五步，通過上一步可得到棋子精確的邊緣，計算邊緣區域的平均灰度G，若G小于50則棋子為黑棋，若G大于200則棋子為白棋，根據邊緣區域可以得到棋子中心點的坐標(X₁，Y₁)；

第六步，計算棋子在棋盤上的位置，五子棋棋盤的網格寬度為L，棋子在棋盤中的位置為

Step4、五子棋人機對弈AI算法設計，五子棋AI對弈算法采用估值函數完成對當前棋局的分析，然后利用改進的極大極小搜索算法搜索出機器人落子的位置，為了判斷棋局對雙方的優劣，建立了一個估值函數對棋局進行估值分析，將當前棋局每點的估值之和作為當前棋局的估值，對于五子棋，一點的好或壞，與其周圍四個方向的情況有關，這四個方向為：縱向、橫向、左上至右下、右上至左下，每個方向的情況有：死一、死二、死三、死四；單/雙活一、單/雙活二、單/雙活三、單/雙活四、五子相連，每種情況都有對應評分，四方向評分相加即為該點評分或者估值，利用估值函數對博奕樹的每一個局面進行評分，然后通過極大極小搜索在博奕樹中為機器人尋找最佳的走法；

Step5、機器人落子設計，把Step4中對弈算法得到的機器人最佳落子位置通過上位機的Socket通信發送給機器人，機器人抓取棋子完成落子動作；

所述的Step4中極大極小搜索算法為：

當棋盤中心范圍12*12范圍無子時，AI選擇棋盤中心點落子；

在考慮一方的可下點集時，并非將整個棋盤上的空點都作為可下點，而是將棋盤上有子點周圍6*6的范圍的并集作為可下點集；

在當前點為AI可贏點時，不進行搜索，直接落子；

對棋局估值時，不對棋盤每點進行估值求和，而是對當前棋盤落子位置周圍3*3的范圍的并集中的空白點進行估值求和；

采用兩層搜索深度，假設落子在所有可下的點，對棋局進行分析，然后假設對手再下一步，再進行分析，最終利用極大極小搜索算法，搜索得到機器人得分最高而用戶得分最低的下法。