成果介绍
本发明公开了一种象棋机器人棋盘棋子识别技术。基于棋盘背景图像实现棋盘角点粗定位;按序扫描棋盘角点,利用基于HSV空间的角点邻域图像判定角点处是否存在棋子及棋子的颜色类别;为解决棋子图像的方向、位置及尺度不确定性导致的棋子识别准确率低的问题,分别对红、黑方棋子构建以文字轮廓归一化傅里叶描述子特征为输入的基于多层前馈网络的棋子文字分类识别模型,棋子识别准确率达到***%。该算法实现了象棋棋子视觉识别,精度远高于传统的模板匹配。
成果亮点
基于神经网络模型在分类识别问题上的卓著表现,本发明采用基于多层前馈神经网络构造中国象棋文字识别分类器,该分类器根据输入的中国象棋文字归一化傅里叶描述子特征,对象棋文字进行分类识别。
针对红黑两种颜色的棋子文字,分别构建以文字轮廓归一化傅里叶描述子特征为输入的基于多层前馈网络的文字分类识别模型,并按要求采集数据集,完成模型的训练及测试;在棋子文字的识别阶段,将提取的文字特征输入象棋文字分类识别模型,实现文字的分类识别。实验数据表明,该棋子文字分类识别模型,棋子识别准确率达到***%。
团队介绍
浙江大学机器人研究院(以下简称“研究院)是为了贯彻落实浙江省委省政府关于推进工业转型升级的战略部署,在余姚市的大力推动下,于2017年由浙江大学和余姚市合作共建的新型研发机构。
研究院面向科技前沿、面向经济发展主战场,将机器人、智能装备研发及产业化作为主要突破方向;立足余姚、服务浙江、面向全国。以“合作、创新、智能、引领”为理念,以体制机制创新为抓手,以科技研发、成果转化和人才培育为核心,着力构建技术-人才-产业深度融合的创新创业生态;努力建成为国内一流的机器人领域政、产、学、研、用深度融通的新高地。
成果资料