13、B-Human与ZJUNlict：RoboCup 2013的技术与策略解析

B-Human与ZJUNlict：RoboCup 2013的技术与策略解析

在RoboCup 2013的赛场上，B-Human和ZJUNlict两支队伍展现出了卓越的技术和出色的策略。下面将详细介绍他们在比赛中的关键技术和团队组织策略。

B-Human：确保稳定的比赛表现

1. 场地边界检测

2013年规则规定，当场地间距超过3米时，场地间的屏障可省略。这导致机器人可能看到其他场地的球门，且这些球门可能比自己场地的球门更近。因此，准确检测自己场地的边界并忽略场外内容至关重要。

旧方法是向下扫描图像寻找足够大的第一块绿色区域，但这可能会误判到其他场地。新方法从图像底部向上搜索垂直扫描线，为每条扫描线构建得分。扫描像素时，绿色像素加分，非绿色像素减分，得分最高的像素被选为该扫描线的边界点。奖励和惩罚会根据像素投影到场地时与机器人的距离进行调整，对于距离超过3.5米的非绿色像素，使用更高的惩罚，这有助于减少场地边界的噪声干扰。

由于图像中的其他机器人可能会在实际边界下方产生误判点，因此通过计算所有边界点的上凸包来确定场地边界。但普通的凸包计算容易受到向上的离群点影响，所以采用了类似Thomas Reinhardt描述的方法，连续计算多个凸包，去除与直接相邻点垂直距离最大的点，然后将这些凸包与边界点进行比较，选择包含最多近邻边界点的凸包作为场地边界。

以下是场地边界检测的流程：

graph TD;
    A[开始扫描图像] --> B[从图像底部向上搜索垂直扫描线];
    B --> C[为每条扫描线构建得分];
    C