基于视觉的象棋棋盘识别

基于视觉的象棋棋盘识别是象棋机器人软件的重要组成部分,其核心工作是棋盘图像二值化和棋子识别。针对棋盘全局二值化存在的问题,提出了基于相邻像素灰度差阈值的棋盘图像二值化方法;针对棋子文字方向任意的现象,提出了3种基于统计特征的棋子文字识别方法。经实验验证,这些方法处理速度快、效果理想。

基于LabVIEW的五子棋机器人棋盘识别

针对五子棋机器人的棋盘信息提取进行研究,提出基于LabVIEW的棋盘识别方法。采用USB摄像头,利用NI Vision实现图像实时采集,进行图像灰度转换,提高图像处理算法运行的速度,对图像进行水平旋转、分割、缩放,解决下棋时手臂对棋盘的影响,通过手动选取棋子模板方式识别棋子,提高棋子识别的准确率。测试结果表明,该棋子识别方法能快速准确地识别棋盘与棋子。

改进的中国象棋棋盘识别方法

传统的棋盘识别方式仅依赖于文字的识别,没有利用颜色信息。提出了一种基于颜色与文字识别协同工作的中国象棋棋盘识别方法。使用颜色识别维护一个棋子信息的状态矩阵,由每一步走棋后的颜色信息和走棋前的状态矩阵可以得到当前的棋盘信息,从而更新状态矩阵。运用象棋文字的识别作为颜色识别异常的补充。实验结果表明,该方法提高了棋盘识别的效率。

基于神经网络的不均匀光照下围棋识别方法

针对围棋机器人系统中光照不均匀造成的棋子识别误差问题,提出了基于神经网络的不均匀光照下围棋棋子识别方法。首先,利用边缘检测算法确定棋盘位置;其次,利用阈值分割法检测出棋盘四个标定点的坐标,并通过透视变换矩阵转换为标准棋盘图像;然后,基于多层感知器搭建神经网络模型,并训练出分类器;最后,将标准棋盘图像利用分类器进行棋子分类,并输出识别结果。所提方法在强光、室内灯光、暗光三种光照不均匀情况下对围棋棋子的平均识别准确率可达到98%以上,实验结果验证了该方法的有效性。

象棋机器人视觉系统设计

视觉是象棋机器人软件的重要组成部分,其核心工作是棋盘图像二值化、棋子检测和棋子识别。并对棋盘全局二值化存在的问题,提出了基于相邻像素灰度差阈值的棋盘图像二值化方法;针对棋子文字方向任意的现象,提出了基于年轮统计的棋子文字识别方法。实践证明,该方法处理速度快、识别效果理想。

不均匀光照下的通用棋子定位方法

针对下棋机器人系统中光照分布不均匀造成的棋子定位误差问题,提出了基于分块凸包检测和图像掩膜的通用棋子定位方法。首先,提取出棋盘轮廓上的点集,利用分块凸包法检测棋盘四个顶点的坐标;然后,定义标准棋盘图像中四个棋盘顶点的坐标,根据透视变换原理计算转换矩阵;其次,根据不同类型棋盘的小方格面积差异来识别棋盘类型;最后,将捕获到的棋盘图像陆续矫正为标准棋盘图像,获得相邻两个标准棋盘图像的差分图,并对差分图进行膨胀、图像掩膜相乘和腐蚀的操作,从而得到棋子有效区域并计算其中心坐标。实验结果表明:所提方法在四种光照不均匀情况下对围棋和象棋棋子的平均定位准确率可达到95.5%和99.06%,相较于其他棋子定位算法有明显的提升,并且解决了棋子粘连、棋子投影和镜头畸变导致的局部棋子定位不精准的问题。