申请/专利权人：南京师范大学

申请日：2021-11-18

公开（公告）日：2024-03-26

公开（公告）号：CN114425773B

主分类号：B25J9/16

分类号：B25J9/16;A63F3/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2022.05.20#实质审查的生效;2022.05.03#公开

摘要：本发明公开了一种基于深度学习及龙芯派的对弈机器人系统及其对弈方法，该方法包括：拍摄棋盘状态图像，送入棋盘检测网络检测棋盘信息，并根据棋盘信息进行对弈人行棋状态判断；将输出的棋盘信息，转换成FEN码送入自升级云端决策网络，决策后给出行棋指令；将给出的行棋指令变换成三维坐标的移动指令，根据三维坐标的移动指令，利用机械臂移动逆运算算法，控制机械臂抓取和移动棋子。本发明通过系统可自主判断对弈人是否结束行棋，大大增强了人机交互性，自升级云端决策网络，提高决策速度，也通过自升级方法不断提高决策质量，具有人机对弈交互性高，行棋决策速度快、水平高，可支持的人机对弈系统体积小巧及便于移动携带的优点。

主权项：1.一种基于深度学习及龙芯派的对弈机器人系统的对弈方法，其特征在于，对弈机器人系统包括棋盘检测模块、行棋检测模块、机械臂控制模块和语音模块，所述棋盘检测模块用于对对弈人行棋状态进行判断，输出棋盘信息；所述行棋检测模块用于根据棋盘信息生成行棋指令；所述机械臂控制模块用于根据行棋指令控制机械臂移动进行行棋；所述语音模块用于给出行棋语音提示；基于深度学习及龙芯派的对弈机器人系统的对弈方法包括如下步骤：S1：拍摄棋盘状态图像，送入棋盘检测网络检测棋盘信息，并根据棋盘信息进行对弈人行棋状态判断，若判断对弈人行棋结束则输出棋盘信息，否则重新检测棋盘信息并判断棋盘状态；S2：将步骤S1输出的棋盘信息，转换成FEN码送入自升级云端决策网络，决策后给出行棋指令；S3：将步骤S2给出的行棋指令变换成三维坐标的移动指令，根据三维坐标的移动指令，利用机械臂移动逆运算算法，控制机械臂抓取和移动棋子；所述步骤S1具体为：A1：通过单目相机拍摄整个棋盘，得到棋盘状态图像，并将棋盘状态图像送入棋盘检测网络中；A2：棋盘检测网络检测输入的棋盘状态图像，输出检测到的每一个棋子的像素中心点坐标和棋子对应的种类，利用棋子位置判断算法，判断所有棋子在棋盘上的位置，得到棋盘信息；A3：得到棋盘信息后先进行一次对弈人行棋状态判断，判断对弈人是否已经完成了行棋，若完成了行棋则输出棋盘信息，若没有完成则回到步骤A1重新检测；所述步骤A3中对弈人行棋状态判断的方式为：B1：根据棋盘四个角的像素坐标，记左上坐标为xa,ya，右上坐标为xb,yb，左下坐标为xc,yc，右下坐标为xd,yd，利用OpenCV中的直线检测函数识别棋盘边缘的四条直线，得到包括棋盘边缘直线的二值图，即图像上所有直线位置的像素为255，其余位置的像素为0；B2：利用直线遮挡判断算法判断遮挡位置，即取一个正方形，正方形中心坐标从xa,ya开始沿顺时在棋盘边缘上移动最后回到xa,ya，遍历正方形内的所有像素点，计算出正方形内像素点值为255的像素点数量n，若n15，则正方形中心点的坐标在直线上，即正方形内包含直线，否则表示直线被遮挡，记录所有直线被遮挡时的正方形中心点坐标，存入集合V；B3：利用步骤A2检测到的棋子的像素中心点坐标xz,yz，计算集合V中每一个点坐标与xz,yz的像素距离M，若M10则从集合V中去除此点坐标，并记录集合V中剩余坐标的数量为S；B4：根据S判断棋盘边缘是否被其它物体遮挡，若S20，则说明棋盘被手或其它物体遮挡，判断对弈人还在行棋；若S＝20，则说明没有被棋子以外的物体遮挡，再对比检测到的棋盘信息与上一步机械臂行棋后的棋盘信息，若两者相同则判断对弈人还未行棋，若两者不同则判断对弈人行棋结束；所述步骤S2具体为：C1：将步骤S1输出的棋盘信息，根据中国象棋FEN码的生成规则，转换成棋盘信息对应的FEN码，同时通过基于HTTP的RESTfulAPI来接入搭建的中国象棋自升级云端决策网络；C2：自升级云端决策网络通过接收发送的FEN码，给出决策后的行棋指令，并发送回人机对弈系统，同时根据每一场人机对弈的胜负情况，收集完成对局且机器落败的局面，作为新的训练数据升级云端决策网络。

全文数据：

权利要求：

百度查询： 南京师范大学 基于深度学习及龙芯派的对弈机器人系统及其对弈方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD