[發明專利]一種自動尋跡記錄圍棋棋譜智能小車及方法

有效

• 申請號: 202010118489.8
• 申請日: 2020-02-26
• 公開（公告）號: CN111369614B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 孫荻;巴青春;梁繼穩;王行
• 申請（專利權）人: 遼寧中新自動控制集團股份有限公司
• 主分類號: G06T7/62
• 分類號: G06T7/62;G06T7/73;G06T5/00;G06T5/30;G06T7/13;B62D63/02;B62D63/04
• 代理公司: 鞍山嘉訊科技專利事務所(普通合伙) 21224
• 代理人: 張群

1.一種自動尋跡記錄圍棋棋譜智能小車的自動尋跡方法，所述智能小車包括行走臺車、立桿、橫桿、攝像頭和控制器；行走臺車下部設有行走輪，上部平臺上安裝立桿，立桿上部兩側各固定一個橫桿，每個橫桿上均安裝一個攝像頭；攝像頭和行走臺車的行走輪電機均與控制器電氣連接，控制器接收攝像頭的圖像信號，控制行走輪電機移動尋找棋牌最佳錄棋位置；

其特征在于，所述自動尋跡方法包括棋盤位置確定、最佳錄棋位置確定和行走臺車控制；

所述棋盤位置確定包括如下步驟：

步驟1：圖像采集；通過攝像頭采集圖像，并進行灰度處理；VA?ReadImage函數用于讀取采集到的現場圖像；VA?NoiseReduce函數用于對圖像進行低通濾波器以降低噪聲和干擾帶來的影響；以將非棋盤信息排除在外；

步驟2：棋盤特征提取；棋盤特征提取流程如下：

1)首先讀取待分析圖像，并將灰度圖像轉換成二維數組，VA?Image?Conversion函數用于將灰度圖像轉換成二維數組；VA?ExtractTh函數用于從圖像中提取閾值，得到待分析圖像的最大灰度值Fmax；

2)如果FmaxF，即最大灰度值小于設定的棋譜灰度閾值F，則排除此處為棋譜的可能；若Fmax＝F，即灰度最大值大于或等于設定的棋譜灰度閾值，則認為此處有可能是棋譜；

3)對疑似棋盤進行邊緣特征提取，并且計算出疑似棋盤的面積大小M；VA?FeatureExtraction函數用于提取棋譜的邊緣特征；VA?FillHole函數用于填充棋譜邊緣，以便于進行棋譜面積特征分析；若MminM或MMmax，即面積不在設定的棋盤面積最大Mmax和最小Mmin閾值范圍內，則排除疑似棋盤的嫌疑；若MminMMmax，即面積在設定的閾值范圍內，則將此確認為棋盤；

步驟3：棋盤位置確定；由棋盤邊緣定位及棋盤面積計算出棋盤的具體位置；當像素值和面積特征均滿足棋盤條件時，則發出棋盤確認信號；

最佳錄棋位置確定包括如下：

小車上的兩個攝像頭能夠同時對兩個棋盤進行錄制，因此需要找到小車在兩個棋盤之間的最佳錄制位置；包括如下步驟：

步驟1：完成采集圖像和現場的坐標對應，圖像采集處理器設置的圖像采樣大小為m*n，所對應的現場平面的大小為a*h，則行距對應的空間位置大小為a/m，列距對應位置大小為h/n；

步驟2：處理器計算得到的兩個棋譜的中心點位置分別為(x1，y1)、(x2，y2)，即兩個棋盤的中心點分別位于第x1、x2行，第y1、y2列；其對應的實際長度位置分別為L1＝a*x1/m、L2＝a*x2/m，寬度位置分別為D1＝h*y1/n、D2＝h*y2/n，進而可以求得小車的錄棋的最佳位置為((L1+L2)/2，(D1+D2)/2)將此棋譜停留位置信息傳輸給控制器，即可以控制小車行走輪的步進電機找到棋盤的最佳錄制點；

行走臺車控制包括如下：

步驟1：首先，在控制器接收圖像處理器傳送來的物體識別的信息，如果出現了棋盤識別的信息，則行走臺車啟動，并按照圖像處理器計算得到的棋盤坐標控制行走臺車沿著X坐標方向運行；

步驟2：X方向到達以后，行走臺車前輪轉角90度，控制器控制行走臺車開始沿著Y坐標方向運行，Y方向到達以后，即找到了棋盤的坐標位置；

步驟3：錄棋裝置啟動開始錄棋；在錄制結束后，控制器控制行走臺車首先沿著Y坐標方向返回；Y方向返回到達后，控制器控制行走臺車沿著X方向返回，X方向到達后，即找到了行走臺車的原點位置；

步驟4：行走臺車停止等待下次棋盤的出現。

2.根據權利要求1所述的一種自動尋跡記錄圍棋棋譜智能小車的自動尋跡方法，其特征在于，還包括自動錄棋方法，所述的自動錄棋方法包括如下步驟：

步驟1：圖像采集，通過調用VA?Equip?Main函數用于完成攝像頭對棋盤的校準、棋譜的名稱以及大小的配置；VA?Angle函數用于完成對攝像頭角度的調整至圖像效果最佳時止；VA?Correction函數完成對保存的棋譜圖像進行矯正，保存經過矯正失真的參數和經過矯正的圖像；VA?Brightness函數用于完成對矯正后的圖像亮度進行調整，以便于計算機能夠識別出棋盤上的各條網格線，調整完畢后保存經過調整的網格數組參數；VA?CaptureChart用于完成棋譜的連續采集；VA?Resample函數用于實現圖像的重采樣配置；VA?Save函數用于完成圖像的保存；VA?Release函數用于釋放內存空間；

步驟2：圖像灰度處理；

步驟3：圖像的濾波處理；由于棋盤上存在一些污垢或者攝像頭上存在感光顆粒噪聲的影響，導致采集到的圖像上存在噪聲，經灰度處理后噪聲依然存在；噪聲的存在影響下一步的圖像處理，需濾除噪聲；采用開運算進行消噪處理，首先進行腐蝕，腐蝕的算子大小取3*3，消除小于棋子或棋盤的點，再利用膨脹恢復圖像；經過開運算，處理后的灰度圖像完整地保留了符合結構元素的幾何性質的部分如棋盤框架結構，其它的噪聲像素被消除；

步驟4：圖像旋轉處理；由于兩邊攝像頭的擺放只保證了與棋盤面的相對水平和通過界面能完整的看到棋盤，并不能保證采集到的圖像是正放的，事實證明采集到的圖像大多存在一定角度的旋轉，需要對圖像進行水平旋轉的；首先使用VA?Find?Edge函數對圖像進行從左到右的邊沿查找，搜索的寬度為3，采用雙線性固定bilinear?fixed插值方法定位邊緣位置；找到左側邊沿后可以得出該邊沿與水平線的角度值，然后調用VA?Rotate函數將圖像旋轉到正確位置，矯正后有空白的地方用像素值為148的顏色填補；

步驟5：圖像的分割和縮放處理；圖像分割首先要利用邊沿檢測提取棋盤的4個邊沿,首先檢測左側邊沿上的若干個點，比較確定兩個最標準的點，然后計算其橫坐標的平均值，并作為左側邊緣上的橫坐標點，同理計算右側邊沿上的橫坐標點和上下兩側邊沿的縱坐標點，利用4點就可以得出整個棋盤的邊沿；程序中可以通過直線與水平線的角度值判斷提取邊沿是否合理；

使用邊沿檢測能增加抗干擾能力，下棋時人的手臂會遮擋住棋盤的邊沿，只要被遮擋的邊沿長度不超過總長的1/2，依舊能很好的提取圖像的邊沿；

由于邊沿上的棋子有一定的半徑，因此利用邊沿檢測得到的坐標不能直接對圖像進行分割；經過反復地測試，確定棋盤邊沿外擴13個像素點后進行分割可以保證落在棋盤邊緣的棋子完整顯示和識別；使用函數VA?Extract?Tetragon對圖像進行分割，并對分割后的圖像進行縮放；縮放后的圖像大小為480像素*480像素；

步驟6：圍棋盤面狀態的確認

對圍棋盤面的識別方法是通過對獲取的圍棋盤面的一幀圖像進行色彩增強、灰化處理、拉普拉斯變換操作對圖像進行預處理操作；對生成預處理后的圖像信息進行數據提取，得到生成該幀圖像的像素矩陣，同時還需要對棋盤線條進行圖像識別，確定該幀圖像中所有可識別的線，生成樣本線，然后對樣本線進行直接擬合、加權擬合以及ransac擬合確定一個方向的棋盤線，接著將同方向上的其余棋盤線進行刪除，在將剩余的樣板線進行按照次序進行直接擬合、加權擬合以及ransac擬合確定另外一個方向的棋盤線；

步驟7：棋子位置確認

對獲取的圍棋盤面的一幀圖像進行預處理生成預處理后的圖像數據，采用聚類的方法將預處理后的圖像數據進行聚類處理，生成聚類結果，將該結果分為三類：分別表示為棋盤中的白色點、黑色點以及空白點；對所述預處理后的圖像數據驚醒圖像識別，確定該幀圖像中所有可識別的線生成樣本線，對于該樣本線進行擬合處理，確定棋盤上兩個方向上的棋盤線，將確定兩個方向上的棋盤線進行相交，確定棋盤的交點坐標；根據聚類結果和棋盤上棋盤線的交點坐標確定棋子的位置。