微型足球機器人位姿辨識與群智能路徑規(guī)劃技術研究.pdf

1、近年來飛速發(fā)展的機器人足球比賽系統(tǒng)為人工智能理論的研究提供了一個標準的實驗平臺。MiroSot是目前開展最為廣泛的集控式機器人足球比賽系統(tǒng)之一，一般包括視覺、決策、通信和足球機器人四個子系統(tǒng)，其研究目標是快速準確獲取賽場態(tài)勢并給出合理的決策。相關技術涵蓋了機器人學、計算機視覺、傳感器融合、實時推理、運動規(guī)劃與運動控制、無線通信、機器學習、自治智能體和多智能體協(xié)作等多個研究領域，引起了各國學者的高度重視。本文重點研究了對MiroSot系統(tǒng)

2、高層決策至關重要的微型足球機器人快速魯棒位姿辨識技術，并結合近年來新興的粒子群優(yōu)化算法研究了群智能路徑規(guī)劃技術。
　　 本文的主要研究內容如下：
　　 (1)研究了MiroSot系統(tǒng)的體系結構、工作原理及其視覺、決策、通信和足球機器人四個子系統(tǒng)的功能與硬件設計，給出了移動機器人路徑規(guī)劃的框架。分析了移動機器人路徑規(guī)劃的問題描述和特點，對傳統(tǒng)的移動機器人路徑規(guī)劃算法和新興的智能路徑規(guī)劃算法進行了總結，比較了各種路徑規(guī)劃算法

3、的優(yōu)點和不足，探討了路徑規(guī)劃技術進一步研究的方向。
　　 (2)提出了一種基于較短軸補償逼近的微型足球機器人位姿辨識算法(SASA)。根據微型足球機器人設計隊標色塊的對稱性特點，提出了一種基于較短軸分割的微型足球機器人色標分塊方案，在此基礎上給出了基于較短軸補償逼近的微型足球機器人位姿辨識算法SASA。實驗結果表明，SASA算法有效減少了目標機器人位姿辨識的計算量，改進了位姿辨識的計算速度和準確度，提高了系統(tǒng)的實時性。
　

4、　 (3)提出了一種利用相位相關技術進行MiroSot系統(tǒng)微型足球機器人位姿辨識算法(PCGR)，并構造了八邊形對數極坐標傅里葉變換算法(OLPFFT)，提高了運算速度和精度。將分割得到的機器人目標圖像和參考圖像進行快速離散傅里葉變換后，轉換到對數極坐標系下，將笛卡兒坐標空間中圖像的旋轉和縮放轉化為對數極坐標空間中圖像的二維平移，進而采用相位相關法得到小車的朝向角。為了提高對數極坐標傅里葉變換的運算速度和精度，構造了一種八邊形對數極坐

5、標網格來逼近對數極坐標網格，并給出了八邊形對數極坐標網格上的快速傅里葉變換算法(Octa-Log-Polar Fourier Transform,OLPFFT)。實驗結果表明，PCGR算法精度高，魯棒性好。
　　 (4)提出了基于Lotka-Volterra模型的雙群協(xié)同競爭粒子群優(yōu)化算法(LVPSO)。最優(yōu)路徑規(guī)劃問題的本質是優(yōu)化計算，在LVPSO算法中，針對粒子群優(yōu)化算法易于出現早熟收斂的問題，借鑒種群生態(tài)學中著名的Lotk

6、a-Volterra雙群協(xié)同競爭模型，給出了兩種種群協(xié)同競爭方案，通過群內和群間競爭增加粒子多樣性，提高種群擺脫局部極值的能力。對5個典型基準測試函數進行優(yōu)化實驗表明，LVPSO算法在收斂速度和優(yōu)化精度方面均有非常好的表現。
　　 (5)提出了一種基于LVPSO和Ferguson樣條的MiroSot機器人路徑規(guī)劃算法(LVPSOFS)。利用三次Ferguson樣條描述移動機器人路徑，將路徑規(guī)劃問題轉化為三次樣條曲線的參數優(yōu)化問題