基于FIRA 11VS11仿真足球平台截球的策略分析.docVIP

基于FIRA 11VS11仿真足球平台截球的策略分析 　　摘要：针对机器人仿真的高实时、运动的不确定、拦截足球的低效率等情况，在分析研究线性算法拦截球的基础上，提出曲线编程思想，通过全息信息检索、曲线算法等，从而设计出能够使机器人到达指定位置，并执行指定命令的最优路线，提高了机器人的截球效率。 　　关键词：机器人足球 路径设计 信息决策 　　中图分类号: TP242 文献标识码：A 文章编号：1007-9416(2011)10-0107-02 　　 　　1、引言 　　基于FIRA平台的机器人仿真足球是以VC++为编程平台基础，与FIRA平台服务器对接程序以实现足球的仿真。在现实的足球比赛中，谁掌握了比赛的控球权谁就有更多的机会取得胜利,这一点在仿真足球平台上依然适用。基于此，我们着重设计比赛中的足球拦截，目前主流有直接角度和位置计算、三角函数计算、遗传算法模糊数据处理等方法。本文提出曲线拦截思想，结合对方机器人的位置，通过多个位置信息处理，调配我方机器人具体跑位实现对足球控制。 　　2、算法 　　2.1 线性算法 　　线性截球的基本思想如下： 　　球运行路径预测→A.距离足球最近的我方机器人→B.距离足球最近的对方机器人（假设该机器人为R）→如果AB执行条件C，否则执行条件D。 　　C：找出距离R最近的我方机器人以及X轴与Y轴的具体差值→R与足球之间角度预测→我方机器人与球角度预测→角度校正→位置优先级判断（设最佳位置为P）→跑位于R与足球的延长线上P点，如图1所示。 　　D：确定足球与我方球门Y轴中点→连线上距离足球18单位处→直线跑位是否碰球→检测是否碰球？若碰球：（数值+10，跑位）；没有碰球：跑位→进攻算法，如图2所示。 　　当然，这是在while的循环语句下执行的，这些数值运算在不到1秒的时间内可以执行很多次，几乎不用担心执行力的问题。 　　2.2 曲线算法截球 　　在线性截球的基础上，有的先行者开始着手设计曲线算法截球。这样依然需要做很多位置判断，就像线性截球一样的，只是将截球方案改为曲线，如图3： 　　从图上来看曲线算法似乎更浪费时间，然而实践证明上这样设计更能保证对足球的多重控制。可以先假设左边进攻球员的运动路径，如果是直线运行打门必然导致球无法射入门内，而使用曲线则可以很好地对球控制。对于防守机器人，直线截球的确很节约时间，但由于对手运动的不确定性，我们不能始终假设对方射门点选择在我方球门Y轴中心，所以我们使防守机器人进行曲线运动也多了几分意外缓冲机会。改进的曲线算法为：足球运行行为预测→定义目标点→计算足球与机器人的距离→计算足球与机器人之间的角度→计算足球与目标点的角度→角度规范化修正→通过角度计算机器人应有的左右轮转速差→跑位。 　　3、改进的算法 　　我们已经知道曲线路径设计是优于直线路径设计的，具体的曲线选择我们选择的是正圆曲线，全场分区基于26分区模式，如图4所示。 　　对于距离足球最近的机器人，策略使用以足球为圆心，（0.9倍足球+机器人斜边半径）为半径进行环绕。我们令对方球门线上X、Y坐标分别为Opp_center_x, Opp_center_y，足球行为预测后X、Y坐标为ball_x，ball_y，机器人X、Y坐标为rob_x,rob_y,足球半径为ball_radius。 　　方案一：以对方球门线为圆心，以预测足球后的坐标*0.9倍半径为机器人运动半径进行简单切球 　　方案二：以足球为圆心，以0.9倍足球半径为机器人运动半径，对机器人运动半径、机器人与足球的距离取余弦找到最佳运动点 　　具体的操作流程为：足球运行行为预测→圆心点定义→机器人运动半径定义→计算圆心点和足球的角度→角度规范化修正→计算圆心与足球的距离→计算机器人应该转动的角度→跑位。 　　通常情况下我们是定义球门线上的某一点为圆心，以足球的0.9倍半径加上足球到圆心的距离为机器人的运动半径进行操作，防守要求较高的分区（如1-9分区）我们一般是定义距离足球不远的点作为圆心，它随足球的坐标变化而变化。 　　由于编程平台在足球结构体中未给出足球速度变量，因而在上面足球运行路径预测可以使用（2×足球当前位置－上一周期足球位置）来确定： 　　temp_x1=ball.position.x-ball.oldposition.x; //上一状态足球x坐标 　　temp_y1=ball.position.y-ball.oldposition.y; //上一状态足球y左边 　　 int ballx=ball.position.x+temp_x1; //预测下一阶段足球x坐标 　　 bally=ball.position.y+temp_y1; //预测下一阶段足球y坐标 　　角度校正可以