Entwicklung eines bildbasierten Assistenten für chinesisches Schach

Abstract

In dieser Arbeit wird ein Algorithmus vorgestellt, der auf Basis eines Bildes von einem chinesischen Schachbrett dessen Stellung berechnet und an eine Engine weitergibt, welche den besten Zug zurückgibt. Das Brett wird dabei mittels adaptivem Thresholding und Contour Finding erkannt. Die Figuren werden mithilfe eines neuronalen Netzes auf Basis von ImageNet klassifiziert und zur vorliegenden Stellung in Form eines FEN-Strings zusammengebaut. Dieser wird an die Engine Pikafish gegeben, um den besten Zug für die Seite, aus der das Bild gemacht wurde, über die Konsole auszugeben. Bei Bildern aus der top-down-Perspektive oder aus einem kleinen Winkel wird das Brett in über 95% und die Stellung in über 60% der Fälle korrekt erkannt. Unter optimalen Bedingungen ist die Erfolgsrate noch höher. Für Bilder aus einem flachen Winkel zum Brett sowie bei Bildern mit Gegenlicht oder Licht ecken ist der Algorithmus jedoch noch nicht robust genug und erreicht eine niedrige Genauigkeit.

In this thesis, an algorithm is presented which, on the basis of an image of a Chinese chessboard, calculates its position and passes it on to an engine, which returns the best move. The board is detected by means of adaptive thresholding and contour finding. The pieces are classi ed with the help of a neural network based on ImageNet and assembled to represent the position in the form of a FEN string. This is given to the engine Pikafish to output the best move via the console for the side from which the image was taken from. For images taken from the top-down perspective or from a slight angle, the board is correctly recognised more than 95% of the time, the position in more than 60%. For images taken from a low angle to the board and for images with backlighting or light spots, however, the algorithm is not yet robust enough and achieves low accuracy.