| 【中文题名】 | 足球机器人路径规划研究与实现 |
| 【英文题名】 | Research and Realization on Path-planning for Soccer Robots |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-1-12 |
| 【中关键词】 | 路径规划,足球机器人,Bezier曲线,时间最优,遗传算法,人工势场 |
| 【英关键词】 | Path-planning,Soccer Robot system,Bezier curve,time-optimization,genetic algorithms,Artificial Potential field, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>机器人技术>机器人> |
| 【论文摘要】 | 足球机器人系统是一个典型的多智能体系统，是一个实时动态的对抗性的复杂环境，它为人工智能技术的理论研究和模型测试提供了一个标准的实验平台。机器人路径规划是智能机器人的一个重要研究课题，在这样一个具有高度实时性和竞争性的平台上研究路径规划是一个很有挑战性的课题。目前用于路径规划的方法很多，如人工势场法，栅格法、可视图法及各种人工智能方法如遗传算法，神经网络等等。但这些方法在高度动态性和实时性环境中的研究还不太完善，有待进一步改进。
本论文以足球机器人系统为研究背景，主要针对系统中的路径规划问题进行深入研究，探索行之有效的方法来解决实际中的路径规划问题。
首先，总体介绍了足球机器人系统的体系结构及相关技术，分析了路径规划在整个系统中的重要性，并详细论述了足球机器人系统环境模型和足球机器人路径规划的特点。在此基础上，对传统的几种足球机器人路径规划方法进行了研究，分析其优缺点和适应条件，重点对人工势场进行了讨论，并对其势场函数进行了改进，解决了GNRON问题，并引入速度矢量场以适用动态的障碍物的回避情况。
然后，针对路径规划在足球机器人技术动作实现中的应用，提出基于Bez... |
| 【论文题纲】 |
|
作者简介 |
4-5 |
|
研究生学位论文原创性声 |
5-6 |
|
摘要 |
6-7 |
|
ABSTRACT |
7-9 |
|
目录 |
9-11 |
|
第一章 绪言 |
11-15 |
|
1.1 研究背景 |
11-13 |
|
1.1.1 机器人足球概述 |
11-12 |
|
1.1.2 机器人足球路径规划概述 |
12-13 |
|
1.2 研究的目的和意义 |
13-14 |
|
1.3 研究内容及结构 |
14-15 |
|
1.3.1 本论文研究的主要内容 |
14 |
|
1.3.2 论文组织结构 |
14-15 |
|
第二章 机器人足球系统 |
15-23 |
|
2.1 足球机器人系统的体系结构 |
15-19 |
|
2.1.1 足球机器人系统的描述 |
15 |
|
2.1.2 足球机器人系统的分类 |
15-17 |
|
2.1.3 机器人足球系统的体系结构 |
17-18 |
|
2.1.4 足球机器人系统的特点和技术 |
18-19 |
|
2.2 足球机器人决策子系统 |
19-20 |
|
2.2.1 决策推理模型 |
19-20 |
|
2.2.2 动作设计和路径规划 |
20 |
|
2.3 足球机器人系统环境模型 |
20-23 |
|
2.3.1 球场模型 |
20-21 |
|
2.3.2 球的运动学模型 |
21 |
|
2.3.3 机器人小车模型 |
21-23 |
|
第三章 足球机器人传统路径规划方法 |
23-37 |
|
3.1 中垂线法 |
23-24 |
|
3.2 人工势场法 |
24-30 |
|
3.2.1 传统人工势场法 |
24-25 |
|
3.2.2 GNRON问题 |
25-27 |
|
3.2.3 动态人工势场 |
27-30 |
|
3.3.3 对人工势场的评价 |
30 |
|
3.3 栅格法 |
30-31 |
|
3.3.1 栅格法原理 |
30 |
|
3.3.2 利用栅格法进行路径规划 |
30-31 |
|
3.3.3 对栅格法的评价 |
31 |
|
3.4 虚力场法 |
31-33 |
|
3.4.1 虚力场法的实现原理 |
31-33 |
|
3.4.2 对虚力场法评价 |
33 |
|
3.5 智能路径规划方法 |
33-35 |
|
3.5.1 基于模糊逻辑的机器人路径规划 |
33-34 |
|
3.5.2 基于神经网络方法的机器人路径规划 |
34 |
|
3.5.3 基于遗传算法的机器人路径规划 |
34-35 |
|
3.5.4 基于混合方法的机器人路径规划方法 |
35 |
|
3.6 各种方法综合分析 |
35-37 |
|
第四章 基于贝塞尔曲线的路径规划 |
37-50 |
|
4.1 引言 |
37-38 |
|
4.2 Bezier曲线及其性质 |
38-43 |
|
4.2.1 Bezier曲线的定义 |
38 |
|
4.2.2 Bezier曲线的性质 |
38-41 |
|
4.2.3 Bezier曲线的递推(de Casteljau)算法 |
41-42 |
|
4.2.4 Bezier曲线的拼接 |
42-43 |
|
4.3 基于Bezier曲线的路径规划 |
43-49 |
|
4.3.1 Bezier曲线作为路径描述的可行性及优点 |
43-44 |
|
4.3.2 基于Bezier曲线射门的路径规划 |
44-46 |
|
4.3.3 轨迹跟踪 |
46-47 |
|
4.3.4 实验 |
47-49 |
|
4.4 本章小结 |
49-50 |
|
第五章 基于时间最优的足球机器人路径规划 |
50-61 |
|
5.1 引言 |
50 |
|
5.2 时间最优问题 |
50-51 |
|
5.3 遗传算法 |
51-53 |
|
5.3.1 遗传算法原理 |
51 |
|
5.3.2 遗传算法的基本要素 |
51-53 |
|
5.4 用遗传算法实现时间最优的路径规划 |
53-57 |
|
5.4.1 障碍物的描述与检测 |
54 |
|
5.4.2 路径控制参数的编码 |
54 |
|
4.4.3 适应度函数 |
54-56 |
|
5.4.4 遗传操作 |
56 |
|
5.4.5 仿真实验 |
56-57 |
|
5.5 动态环境下的时间最优路径规划 |
57-60 |
|
5.5.1 动态环境路径规划国内外研究现状 |
58 |
|
5.5.2 动态环境下时间最优路径规划 |
58-59 |
|
5.5.3 仿真实验 |
59-60 |
|
5.6 本章小结 |
60-61 |
|
致谢 |
61-62 |
|
参考文献 |
62-65 |
|
| 【DOI】 | LunWen.ID:2.2008.381684 |
