足球机器人局势预测及路径规划算法研究

摘要

本文主要介绍了对足球机器人路径规划算法和局势预测算法所进行的研究工作。 机器人足球比赛的环境是高度动态的，如何在比赛环境中规划出一条安全、高效的路径是本文研究的重点之一。本文对几种常用的路径规划算法进行了研究，并分析了各算法的优缺点，重点分析了基于A*算法和基于遗传算法的路径规划，并进行了仿真实验，然后在现有的机器人平台上进行了实验。 在采用基于A*算法的路径规划算法中，首先对比赛环境进行栅格法建模，然后利用A*算法进行搜索，首先利用A*算法搜索到一些可行的粗糙路径，即各个可行栅格的链接，然后结合机器人的特性，对路径进行优化，最后得到的是一条平滑、安全、最短的路径。 在利用遗传算法进行路径规划时，基本步骤与基于A*算法基本相同，建模采用路径点链接图的方法，建模完成后，采用遗传算法进行搜索，搜索出路径后，然后对路径进行优化，最终得到一条最优路径。 另外，由于足球机器人是一个多机器人环境，本文采用了集中式的路径协调规划方法，按照任务的优先级，对各个机器人进行路径规划。 文章的另一重点是局势预测算法研究，由于足球机器人系统的固有特性，视觉系统返回的信息与当前场上的信息存在一定的延时，为了降低延时的影响，必须对机器人和球将来的运动进行预测。文章主要研究了基于Kalman滤波和基于神经网络的局势预测，并在现有平台上进行了实验。另外还对基于定性行为描述的预测算法进行了简单的介绍。

目录

文摘

英文文摘

第一章足球机器人系统介绍

1.1.机器人足球比赛介绍及其研究意义

1.2.ROBOCUP小型组国内外研究概况

1.3.本文研究内容概述

第二章足球机器人系统介绍

2.1.引言

2.2.机器人足球系统介绍

2.3.视觉系统介绍

2.4.决策控制系统介绍

2.5.无线通讯系统介绍

2.6.足球机器人底层控制系统介绍

2.7.机械结构介绍

2.8.小结

第三章常用路径规划算法介绍

3.1.机器人路径规划算法研究综述

3.2.栅格法路径规划

3.2.1.利用栅格法进行路径规划

3.2.2.栅格法基本流程

3.2.3.栅格法的优缺点

3.3.神经网络算法

3.3.1.神经元介绍

3.3.2.基于神经网络的路径规划

3.3.3.神经网络算法的优缺点

3.4.人工势场法

3.4.1.人工势场法原理

3.4.2.势场函数的确定

3.4.3.算法描述

3.4.4.势场法的优缺点

3.5.本章总结

第四章基于遗传算法的足球机器人路径规划

4.1.遗传算法起源

4.2.遗传算法的基本思想

4.3.基于遗传算法的足球机器人路径规划

4.3.1.路径编码方法

4.3.2.初始种群的产生

4.3.3.遗传算子的选用

4.3.4.适应度函数的确定

4.4.遗传算法路径规划仿真与分析

4.5.本章总结

第五章基于A*算法的足球机器人路径规划

5.1.引言

5.2.A*算法简介

5.3.用A*算法进行足球机器人的路径规划

5.3.1.足球机器人路径规划问题的描述

5.3.2.A*算法的实现

5.3.3.算法仿真与分析

5.4.动态环境下足机器人的路径规划

5.4.1.集中协调式多机器人路径规划

5.4.2.多机器人路径规划仿真

5.5.本章总结

第六章足球机器人局势预测算法研究

6.1.局势预测的必要性

6.2.延迟的测量

6.3.基于扩展KALMEN滤波的局势预测

6.3.1.算法实验

6.4.基于神经网络的局势预测

6.4.1.建立预测模型

6.4.2.预测器的设计

6.4.3.试验结果

6.4.4.结论

6.5.基于定性运动场景描述的局势预测

6.5.1.定性运动场景描述

6.5.2.运动场景解析

6.5.3.小结

第七章总结与展望

7.1.总结

7.2.展望

参考文献

致谢

硕士期间发表的论文