小型足球机器人系统的实时控制及决策规划研究与实验

论文摘要

多机器人系统是在多学科综合的基础上得到发展,涉及到计算机、通信、控制、智能机器人、多传感器及信息融合、视觉及图像处理、人工智能和仿生等相关学科。目前研究多机器人系统的单位与学者在逐年增加,多机器人系统研究水平和研究领域也在不断发展。本文构建了以小型足球机器人系统为对象的多机器人系统研究平台,并在此平台上进行了理论研究、仿真验证及比赛实践,主要取得了以下创新性的研究成果:1.提出了计算动词理论结合区域搜索方法解决小型足球机器人系统的实时图像信息获取问题,对机器人标识进行模板匹配和相似度的求解,将计算动词分解为行动词和列动词减轻系统的计算量,尤其研究了光照不均匀情况下难以识别的问题,提高了图像信息的准确性、稳定性,为路径规划等研究打下了基础。2.将卡尔曼滤波与人工神经网络理论用于小型足球机器人与球的位置预测,可以避开复杂的小型足球机器人建模过程,通过预先采集的输入、输出数据,预测出小型足球机器人的运动轨迹,为小型足球机器人的路径规划和系统决策提供了重要的支撑。3.在对小型足球机器人进行基本运动轨迹规划的基础上,提出了以Delaunay三角形网格理论指导的优化路径规划,用关键点及其姿态简化对路径的优化思想,使小型足球机器人运动规划能快速找到较优化的路径。4.提出了将蒙特卡洛理论应用于小型足球机器人系统上,实现系统的增强学习功能,包括个体能力学习和总体策略学习功能,实现了多个小型足球机器人的动态角色分配,避免了运行时的相互冲突,取得了良好配合的效果。5.研究并运用多传感器和数据融合理论,综合解决了小型足球机器人系统中遇到的小型足球机器人运动的直线校正、运动避障、运动正确性判断、“受伤球员”的智能判断等许多实际问题。以上研究成果已应用在上海大学小型足球机器人系统上,进行了实验室试验,并在国际国内RoboCup机器人足球赛事上,取得了2004--2007年RoboCup中国赛连续进入4强以及2007、2008年蝉联伊朗机器人（国际）公开赛冠军的成绩。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 多机器人系统的特点与发展
• 1.1.1 多机器人系统的优势
• 1.1.2 多机器人系统的发展
• 1.2 多机器人协作系统
• 1.2.1 多机器人协作的概念
• 1.2.2 多机器人协作控制的层次
• 1.2.3 多机器人协调系统的研究发展
• 1.3 足球机器人系统
• 1.3.1 足球机器人系统的研究意义
• 1.3.2 足球机器人系统的研究历史与现状
• 1.3.3 小型足球机器人系统的研究发展及现状
• 1.4 本文主要内容和结构安排
• 第二章 小型足球机器人系统与仿真平台开发
• 2.1 小型足球机器人系统组成
• 2.1.1 小型足球机器人系统的视觉子系统
• 2.1.2 小型足球机器人系统的决策子系统
• 2.1.3 小型足球机器人系统的机器人本体子系统
• 2.1.4 小型足球机器人系统的通信子系统
• 2.2 小型足球机器人运动学模型的建立
• 2.3 小型足球机器人系统仿真平台的开发
• 2.3.1 仿真平台开发软件OpenGL技术
• 2.3.2 小型足球机器人系统仿真平台的3D建模
• 2.3.3 小型足球机器人系统仿真平台的碰撞检测
• 2.3.4 运动的质点与平面的碰撞检测
• 2.3.5 运动的质点与圆柱面的碰撞检测
• 2.3.6 碰撞响应
• 2.3.7 场景平移与视点转换
• 2.3.8 可移动对象的选取和互动
• 2.3.9 仿真平台的数据存储与访问
• 2.4 本章小结
• 第三章 小型足球机器人系统的实时图像信息获取与优化
• 3.1 引言
• 3.2 小型足球机器人系统的图像颜色特征提取
• 3.2.1 图像信息的颜色模型及转换
• 3.2.2 小型足球机器人系统的色彩模型选择
• 3.2.3 小型足球机器人系统的颜色特征提取
• 3.3 小型足球机器人系统的图像边缘特征提取
• 3.3.1 图像边缘的检测方法
• 3.3.2 并行边缘检测算子
• 3.3.3 小型足球机器人的图像边缘检测方法
• 3.4 小型足球机器人系统的图像几何畸变校正
• 3.4.1 图像几何畸变的原因分析
• 3.4.2 几何畸变校正的空间坐标变换
• 3.5 基于计算动词理论的小型足球机器人系统的图像信息获取
• 3.5.1 小型足球机器人系统的色标方案
• 3.5.2 对于标识的空间计算动词的建模
• 3.5.3 图像计算动词的实时处理和匹配
• 3.5.4 光照不均匀情况的解决措施
• 3.6 小型足球机器人系统的图像区域搜索策略
• 3.6.1 小型足球机器人系统的机器人搜索策略
• 3.6.2 小型足球机器人系统的图像信息获取策略
• 3.7 实验结果
• 3.8 本章小结
• 第四章 小型足球机器人系统的状态估计与跟踪预测
• 4.1 引言
• 4.1.1 小型足球机器人系统的系统延时
• 4.1.2 本文解决问题的思路
• 4.2 基于扩展卡尔曼滤波的运动的球跟踪预测
• 4.2.1 卡尔曼滤波及其扩展形式
• 4.2.2 小型足球机器人系统比赛中球的运动建模
• 4.3 基于径向基神经网络的小型足球机器人跟踪预测
• 4.3.1 人工神经网络
• 4.3.2 径向基神经网络
• 4.3.3 小型足球机器人的跟踪预测
• 4.4 实验结果
• 4.4.1 球的扩展卡尔曼滤波估计
• 4.4.2 RBF神经网络状态预测
• 4.5 本章小结
• 第五章 小型足球机器人系统的运动控制与路径规划
• 5.1 引言
• 5.2 小型足球机器人的底层运动控制设计
• 5.2.1 小型足球机器人的底层控制器算法
• 5.2.2 采样周期的选择
• 5.2.3 运动控制器程序设计
• 5.3 小型足球机器人系统的路径规划方法
• 5.3.1 全局路径规划的方法
• 5.3.2 局部路径规划方法
• 5.4 小型足球机器人的基本运动轨迹规划
• 5.4.1 小型足球机器人的行为控制算法
• 5.4.2 小型足球机器人的动态目标拦截
• 5.4.3 小型足球机器人的踢球角度
• 5.5 基于Delaunay三角形网格的小型足球机器人路径规划算法及优化
• 5.5.1 Delaunay三角形网格的特性
• 5.5.2 基于Delaunay三角形网格的小型足球机器人路径规划
• 5.6 实验结果
• 5.7 本章小结
• 第六章 小型足球机器人系统的机器学习与智能决策
• 6.1 引言
• 6.2 基于蒙特卡洛算法的机器学习
• 6.2.1 贝叶斯滤波
• 6.2.2 适于小型足球机器人的蒙特卡洛算法
• 6.2.3 适于小型足球机器人的抽样算法
• 6.3 总体策略学习系统
• 6.3.1 观测状态模型
• 6.3.2 策略选定及其Q函数
• 6.4 个体能力学习系统
• 6.4.1 个体指令状态
• 6.4.2 动作选定及其Q函数
• 6.5 基于数据融合的小型足球机器人系统智能决策
• 6.5.1 小型足球机器人决策系统中的多信息数据融合
• 6.5.2 小型足球机器人运动的直线校正
• 6.5.3 小型足球机器人的运动避障
• 6.5.4 小型足球机器人运动路径及“受伤”机器人的智能判断
• 6.6 实验结果
• 6.7 本章小结
• 第七章 小型足球机器人系统的仿真与实战验证
• 7.1 引言
• 7.2 自主研发的小型足球机器人系统
• 7.2.1 自主研发的各代小型足球机器人
• 7.2.2 自主研发的小型足球机器人主要功能特点
• 7.3 小型足球机器人系统的仿真实验
• 7.3.1 仿真平台的调试功能
• 7.3.2 小型足球机器人系统仿真平台功能及技战术仿真
• 7.4 小型足球机器人系统实战验证
• 7.4.1 小型足球机器人系统实战场景
• 7.4.2 小型足球机器人系统实战成绩
• 7.4.3 小型足球机器人系统的参展与应用实例
• 7.5 本章小结
• 第八章 总结与展望
• 8.1 全文总结
• 8.2 进一步工作的展望
• 参考文献
• 攻读博士学位期间公开发表的学术论文
• 攻读博士学位期间授权的知识产权
• 攻读博士学位期间参与的科研项目
• 攻读博士学位期间主要获奖情况
• 致谢