0   引言

    机器人足球是研究移动机器人和多智能体系统的标准平台,涉及机器视觉与传感信息融合技术、无线通信网络技术、基于知识的行为决策技术、嵌入式计算机技术、多Ａｇｅｎｔ协调与合作技术、计算机仿真技术、机电一体化技术、人造皮肤与人工生命学技术、社会组织学、对策论等关键技术^[1]，世界各国研究机构都视其为“小平台上的技术战争”。在机器人足球比赛中，路径规划是决策系统的核心，主要应用于机器人底层策略中,作为足球机器人基本动作实现的基础,他的优劣将直接影响动作的实时性和准确性。目前，基于全局视觉的半自主型足球机器人路径规划方法已趋于成熟，C-空间法，人工势场法，可视图法，拓扑法和栅格法等都已经在仿真和实际操作方面得到了很好的实现^[2]。而基于自主视觉的全自主型足球机器人路径规划由于彩色CCD视角的限制、自主视觉的深度信息丢失两个原因，很难判断机器人本体和目标在场上的全局位置，无法进行精确的位置规划，从而无法进行最优路径选择。本文根据基于自主视觉的路径规划的特点，提出了机器人在不确定信息下的二圆定位规划方法。实验证明，这种规划方法使机器人的运动控制具有更大的灵活性和鲁棒性，使机器人的路径规划满足快速性，准确性，和攻守兼备性的要求。

1   利用不确定的位置信息对机器人和目标进行全局定位

    机器人进行全局定位的依据是两个并存的坐标系：即基于机器人的相对坐标系和基于场地的全局坐标系^[3]。相对坐标系用来确定目标相对于机器人的位置，而全局坐标系用来确定机器人或目标在场地内的全局位置。机器人全局定位的方法有很多，我们采用了基于内部坐标定位和基于视觉定位相结合的方法。基于内部坐标定位就是通过对电机码值反馈进行运算来确定机器人位置的方法。这种方法的优点是数据获取容易，机器人运动初期的定位比较准确；缺点是随着电机切换次数的增加，机器人的位姿误差将产生积累。基于视觉定位是指机器人通过视觉系统获取图像，然后根据场地某些特定标志的相对坐标来确定全局坐标的方法。这种方法的优点是当特定标志位于屏幕中心区域时所得数据的误差较小；缺点是由于受到CCD视角的限制，数据获取比较困难，并且当特定标志位于屏幕边缘区域时，数据的误差较大。因此我们把这两种方法结合起来进行优势互补，来减小机器人全局定位的误差。由于全局定位误差的存在，机器人可能的实际位置不再是一个点，而是一个以该点为中心的区域，在该区域内部的每一点都有可能是机器人的实际位置。

    根据光学的折射原理，处于图像边缘的目标由于折射角度较大，从而失真较大，由此产生的信息误差也越大。所以实际距离与图像距离（栅点与栅点的距离）表现为非线性关系。尽管由于自主视觉深度信息的丢失，我们对于二者非线性关系曲线的拟合，在理论上都无法达到无限逼近的效果。但是我们却可以通过某种算法，标定出拟合误差在什么样的范围之内。

1.1 基于内部坐标的全局定位

    机器人在第N次电机转换时的全局坐标（X（N），Y（N））与全局误差半径R（N）的推导公式如下：在（1）式中V1（N），V2（N），ΔV（N）分别代表第N次电机转换的左轮速，右轮速和轮速差。（2）式为m级多项式，用来对第N次电机转换时的轮速差ΔV（N）和由此产生的姿态误差Δθ（N）的关系进行拟合。在（3）式中Pr为转动惯性系数，与机器人重心到转动中心的距离和机器人本体的质量有关。在（4）式中Eθ（N）代表第N次电机转换时总的姿态误差。在（5）式中Pg为前向惯性系数，与机器人本体的质量有关。在（6）式中Ψ（N-1）为机器人位移方向与Y轴正方向的夹角，S（N-1）为位移大小。