用轻量级人工智能技术实时追踪多个机器人足球队员的位置和朝向

在机器人足球（如RoboCup）比赛中，要让多个机器人自主配合，必须实时知道每个机器人的精确位置和朝向（即它面朝哪个方向）。本文针对这一关键问题，提出了两套完整、实用的视觉识别方案。第一种方法：先用简单的颜色识别（HSV色彩分割）找出机器人在画面中的大致区域（即“色块分析”），再用两个专门设计的小型卷积神经网络（名为RoboCup-I和RoboCup-II）判断单色机器人的朝向；第二种方法则更进一步：用两种高效的目标检测模型（SSD-MobileNetV2和RFB-ULGFD）来同时定位机器人和足球，而朝向判断改用一种新颖的“颜色分割+三角计算”方法——它不依赖复杂网络，仅靠机器人顶部颜色分布就能算出角度。实验表明，RFB-ULGFD模型在分辨率为480×360时，检测准确率达98.17%（IoU=0.5标准下），单次推理仅需4毫秒（整套流程含预处理和后处理共12毫秒，GPU运行）；而新提出的朝向算法在合成数据上误差仅2.06度，整套流程延迟低至6–15毫秒，即使只用普通CPU也能满足实时需求。这些方法兼顾精度、速度与实用性，为低成本、高响应的多机器人系统提供了可行方案。