智能型实物棋盘人机对弈象棋机器人的制作

以物理学原理为基础,结合机械运动原理与电子控制技术,制作了智能型实物棋盘人机对弈象棋机器人。利用霍尔元件感知磁场、电磁铁吸引棋子和落放棋子、三维机械臂移动棋子、单片机程序控制三维机械臂的运动,完成人与机器人对弈象棋的整个过程。结果表明,设计制作的智能型实物棋盘人机对弈象棋机器人完全能与下棋者在实物棋盘下象棋,该机器人下棋能力强,动作自如。

象棋机器人视觉识别算法研究

完成了象棋机器人的视觉识别算法研究,并进行了实验。对棋盘图像预处理,包括对棋盘图像颜色模型的研究、将彩色图像转换成灰度图像、利用均值滤波和中值滤波等方法对棋盘图像滤波、将灰度图像二值化等。利用图像分割算法进行了棋盘图像边缘提取等操作;利用改进的Hough变换对棋子的圆形和圆心进行定位,从而获得棋盘上的棋子位置,为棋子识别打下基础。针对象棋棋子图像特点提出了统计径向棋子像素的识别方法,首先利用数学形态学方法对棋盘图像进行细化处理,然后统计每个棋子的像素个数,从而实现棋子识别。实验结果表明,该方法能得到较好的识别率,而且对于任意角度的棋子像素值均具有保持不变的特点。该方法比较适合象棋机器人视觉系统。

象棋机器人的研究与探索

象棋机器人不仅可以为人们提供寓教于乐的高技术享受,而且是一个良好的机器人人性化功能的研究平台。要让机器人能够识别棋局状态与变化、进行博弈思维、摆棋、走棋、判断对错与胜负,甚至能够与对手进行交流,这就需要认真梳理功能的需求,做出合理的总体设计,突破机器人感知和操作等关键技术,并要在故障诊断和功能集成方面给予全面的考虑。

中国象棋机器人视觉系统设计

针对中国象棋机器人娱乐化智能设备,设计了其关键的视觉系统,实现棋子定位与棋子识别。棋子识别是关键的一步,针对传统识别方法的局限性,以及棋子旋转特性带来的难识别问题,提出一种基于深度学习的字符识别方法。以分组卷积方式改进Inception-V3网络结构,融合可变形卷积层,增强字符形变特征提取能力。实验显示,模型的识别准确率达到99.99%,比传统方法识别效果更好,说明了该方法在棋子识别任务上的有效性。

基于直角坐标的象棋机器人系统设计

本文介绍一种基于直角坐标的象棋机器人系统,机器人的整体结构为三轴龙门式,可在三维空间内实现对棋子的搬运;机械设计上采用丝杠导轨结构,各轴驱动为伺服电机,可以精确实现对棋子的定位;运动控制核心采用4轴板卡控制器,实现对各轴的运动控制以及协调运动等;再配合末端执行器,实现对棋子的拿和放;上位机软件采用VC平台开发,创建了象棋界面和调试界面等,便于人机交流。

基于ARM的嵌入式象棋机器人控制系统的硬件设计

智能象棋机器人是一种综合了人工智能、机器人智能控制及图像处理等多种技术为一体的娱乐机器人,它主要由管理模块、运功控制模块及处理模块三个模块组成。目前的象棋机器人的上位机以基于ARM处理器的嵌入式系统取代之前的PC机。本文的主要内容是分析了基于ARM的嵌入式象棋机器人控制系统的硬件设计原则及设计过程。

基于STM32和云平台的中国象棋机器人实验系统

为解决传统单片机等课程的相关实验因普遍采用实验箱导致的趣味性不足、难以激发学生学习兴趣的问题,文中设计一种基于STM32单片机和云平台的中国象棋机器人实验系统。该系统采用霍尔元件构建棋子位置阵列,由单片机根据棋子扫描算法获取棋子位置信息并发送至主控平台;主控平台对遥控器、棋盘传来的数据进行处理,并使用华为云搭建Tomcat云端服务器,通过TCP/IP协议以get的方式将处理的数据交由云端服务器的Servlet容器;再由Servlet容器基于MTD(f)搜索算法处理得到棋子着法,通过TCP/IP协议将着法返回至控制台,由控制台控制机械手臂进行棋子移动。实验测试结果表明:所设计系统结构简单、成本较低、响应迅速、运行稳定,可较好地完成对弈任务;同时,该系统可使实验过程更具趣味性,并有效提升训练效果,具有推广使用价值。

让人欲罢不能的科技“神器”

漫长的历史长河中,从来不缺少天马行空的想象,有些可能源于人们不切现实的想法,有些则像是从未来穿越而来的概念,而科技就是把我们曾经只能畅想的事情一点点变成现实。比如裸眼看3D影像的全息投影、软萌可爱的象棋机器人、随处可见的智能手表……本期'智玩科技',小编带大家认识那些看起来有些超越现实,却是人类期盼已久,让人欲罢不能的科技'神器'。

基于视觉的中国象棋棋子识别定位技术

针对象棋机器人下棋时要求识别正确、定位精确的要求,提出了一种基于视觉的中国象棋棋子识别定位技术解决方案。通过对校正后图像应用字符分割、Moravec算子提取字符特征和BP网络算法,实现了棋子的正确识别;把所识别棋子的图像坐标转换成实际棋盘坐标,实现了棋子的准确定位。定位试验结果表明:应用该解决方案的象棋机器人系统能正确识别所有棋子,棋子定位误差在1cm范围以内,最大误差百分比为5.468%,最小误差百分比为0.533%,可以较好地满足象棋机器人的定位要求。