白晓遥，燕必希，王 君，刘 一

(北京信息科技大学 仪器科学与光电工程学院，北京 100192)

0 引言

RoboCup类人组比赛是类人足球机器人领域最高级别的赛事。机器人通过相机拍摄场地图像，对图像进行场地线检测，提取场地线中可用于机器人定位的特征信息，与机器人的移动信息结合，进行机器人自定位，基于检测与定位信息进行决策和路径规划以完成比赛。

2013年之前的比赛规则[1]规定，比赛用球为橙色，球门为黄色/蓝色，场地线为白色，因此目标检测算法均为基于颜色分割的算法。随着比赛规则的不断改变，球变为黑白混色，球门与场地线都为白色，基于颜色分割的算法不再有效。卷积神经网络近些年来得到迅猛发展，其在图像处理中的优异表现使得越来越多的研究者开始抛弃基于颜色分割的算法，采用卷积神经网络进行球与球门的检测，但对场地线的检测仍采用基于颜色分割的算法。基于颜色分割的场地线检测算法计算量较小，运算速度快，但只适合于光照条件稳定的情况，当照明条件发生变化时检测效果变差。RoboCup技术委员会已经发出通告[2]，比赛场地将采用自然光提供照明。因此基于颜色分割算法的场地线检测效果将变得不稳定，需要研究新的方法来应对照明条件的变化，提高检测稳定性。

本文以全卷积网络模型[3](fully convolutional network，FCN)为基础，提出一种改进模型用于类人足球机器人场地线检测。采用残差网络(residual network,ResNet)模型[4]设计思想，增加网络卷积层数，同时引入残差结构，以增强网络对图像特征的提取能力，并且在上采样过程中融入更多的低层场地线信息，提高场地线检测准确度。……