[发明专利]一种基于RoboCup标准平台组的球位置预测方法

说明书

本发明涉及一种基于RoboCup标准平台组的球位置预测方法，包括：S1：建立场地坐标系，将场地分为若干相同的方格，为每个方格赋予时间轴和评价值，将每个方格的时间轴和评价值初始化；S2：所述时间轴和评价值实时更新为当前时间，当方格在己方机器人视野之内或其上方有己方机器人时，初始化该方格的时间轴，若同时己方机器人发现该方格上有球，则进一步将该方格的评价值初始化；S3：根据当前球观测状态以及所有方格的评价值和时间轴预测当前球预测位置坐标，S4：己方机器人前往该坐标找球，若未找到球则重复步骤S2，否则结束。与现有技术相比，本发明具有准确性好、鲁棒性强和效率高等优点。

技术领域

本发明涉及己方机器人技术领域，尤其是涉及一种基于RoboCup标准平台组的球位置预测方法。

背景技术

作为视觉传感器、决策、机械控制和无线通信密切结合的活动载体，足球己方机器人的研究受到越来越广泛的重视，RoboCup己方机器人世界杯是世界己方机器人竞赛领域影响力非常大的己方机器人竞赛。其中RoboCup标准平台组是一个己方机器人足球比赛组，所有的团队使用同样的己方机器人比赛，己方机器人的操作完全是自主的。在此己方机器人足球赛中，因为各种因素丢失球的位置信息后，如何能够快速找到球往往可以影响比赛的走势。

目前常用的找球方法为己方机器人转圈找球，过程中引入了球位置预测，丢球后预测一个最有可能有球的位置，预测越准，找到球的时间越少。不莱梅大学的BHuman队伍提出了建立全局场地时间轴Global Field Coverage即GFC方法。GFC方法将比赛场地初始化为18*12个方格，并将每一个己方机器人可以看到的方格区域的评价值更新为当前时间轴的值，评价值越小，更新的时间轴越早，己方机器人没有搜索此区域的概率越大，有球的概率越大，最后得到的最小评价值方格的中心即为球预测位置，但该方法还存在以下不足：所求球位置预测应在到达预测位置前保持相对不变，而产生的球位置预测坐标跳变严重，产生的球位置预测相邻两个位置相差很大，这会使得己方机器人大部分时间在去预测点的过程中，并没有在预测点周围找球；产生的球位置预测坐标干扰性严重：产生的坐标时刻在变化，每一秒都会产生不同的位置预测，除了一个比较准确的坐标外其它均为干扰坐标；产生球位置预测的依据仅仅为全局场地的时间轴，产生的预测坐标没有可靠性预测分析，因此不够准确；对于己方机器人已经找过球但是没有球的区域、FreeKick等各种比赛情形均未考虑。

因此，GFC方法虽基于转圈找球方法加入了预测球坐标，但会生成很多冗余的错误坐标，不能直接应用于RoboCup比赛中。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于RoboCup标准平台组的球位置预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于RoboCup标准平台组的球位置预测方法，包括：

S1：建立场地坐标系，场地的场地的x坐标范围为[-4500，4500]，y坐标范围为[-3000，3000]，单位为mm，将场地分为若干相同的方格，设立全局时间轴及每个方格的方格时间轴和评价值，将全局时间轴及每个方格的方格时间轴和评价值初始化为初始时间，所述全局时间轴、方格时间轴和评价值的初始时间相同；

S2：所述全局时间轴、方格时间轴和评价值实时更新，将在己方机器人视野之内或其上方有己方机器人的方格的方格时间轴初始化，若同时己方机器人发现该方格上有球，则进一步将该方格的评价值初始化；

S3：根据当前球观测状态以及所有方格的评价值和方格时间轴预测球所在的方格，并将该方格中心作为当前球预测位置坐标；

S4：派遣距离当前球预测位置坐标最近的己方机器人前往该坐标找球，若未找到球则则将当前全局时间轴的值赋予与该坐标所在方格及与该方格相邻的方格的方格时间轴，并重复步骤S2，否则结束；