一种鲁棒高效的足球机器人自定位方法arobustandefficient.pdfVIP

一种鲁棒高效的足球机器人自定位方法 刘润丹, 杨宜民 (广东工业大学 自动化学院, 广州 510090) 摘 要: 为了解决中型组比赛环境下的足球机器人自定位问题, 本文提出一种新的基于全 向视觉的自定位方法. 该定位方法首先从全景图像中提取出场上白线的对应点，并将其作为 机器人的观测信息，然后计算观测信息与静态地图的匹配误差，且根据匹配误差的大小决定 是否重新选取主位姿，最后利用梯度优化算法修正主位姿，并以主位姿信息作为定位结果. 仿真结果说明了该定位方法的有效性. 关键词: 自定位, 地图匹配, 梯度优化 中图分类号 TP242.6 文献标识码：A A Robust and Efficient Algorithm for Soccer Robot Self-Localization LIU Run-dan, YANG Yi-min (Faculty of Automation, Guangdong University of Technology, Guangzhou 510090) Abstract: To solve the problem of robot self-localization in the Robocop Middle Size league, a new method for robot self-localization based on omni-directional vision sensor is proposed. First, points on field lines as visual data are extracted from the image. Then, the error of matching between visual data and map is calculated to decide whether choose main pose again. Finally, the main pose is corrected by use of gradient descent algorithm. Simulation results demonstrate that the effectiveness of the proposed method. Key words: self-localization, map-matching, gradient optimization 1 引言( Introduction ) 机器人自定位问题是机器人自主化和智能化研究中最为重要的基本问题之一[1], Artur 等提出根据机器人观测白点与实际场地上的白点的距离误差来确定机器人位姿的方法[2], 该 方法较好地解决了机器人位姿跟踪问题, 但在解决全局定位问题时, 算法实时性不强. E.Menegatti 等提出利用机器人到最近颜色跃变点的距离来对机器人位姿进行估计的粒子滤 波算法[3], 该算法需事先计算出观测模型在各个观测距离上的方差, 并且为了保证定位算法 的精度和鲁棒性, 需采用较多的粒子. Felix 等提出利用观测白点到实际白点的距离和力场模 型对机器人位姿进行校正[4], 以及利用观测白点来构建球场高级特征的方法, 该定位方法的 鲁棒性有所增强, 但是算法的实时性仍有不足. 基于贝叶斯滤波理论的粒子滤波定位方法利 用带权重的粒子集来表示机器人位姿的概率分布[5], 可以很好地解决机器人全局定位问题, 但是其实现效率也很难满足比赛要求. 为了更加有效地解决足球机器人的自定位问题, 本 文提出一种新的基于全向视觉的自定位方法. 2 定位方法原理( Self-Localization Method ) 2.1 全向视觉系统( Omni-Directional Vision Sy