多机器人系统是当前机器人领域研究的一个热点,与之相关的研究包括多机器人协作、任务分配、多机通信、路径规划等。相比单机器人系统,多机器人系统在技术实现、使用范围、环境适应能力、完成任务的效率和质量等方面都有明显优势。随着现代科学技术的发展,在国民经济需求的推动下,机器人系统的实用性能逐步提升,对机器人的研究工作也逐渐转向在实际复杂环境中建模的应用性研究。机器人足球比赛是近年来发展起来的一项科技竞赛活动,机器人足球比赛主要涉及机器人技术、感知与融合、通信、视觉与图像处理、推理决策及机器学习等多个领域,作为一个典型的多智能体协作系统,该系统为机器人学和多智能体协作提供了一个理想的实验平台。本文以基于全局视觉系统的小型足球机器人系统为研究对象,重点对多机器人系统中时变环境下目标识别方法、复杂环境下路径规划方法、目标位置不确定的动态任务分配策略等问题进行研究,取得了如下具有创新性的研究成果：(1)针对足球机器人比赛中场地环境亮度变化影响机器人决策的问题,本文提出了动态模板模型,在模板建立过程中考虑数据特征随时间变化的特点,并结合传统聚类数据精简模型,提出了一种引入时间控制因子的改进的支持向量机(Support Vector Machine, SVM)分类算法,保证了环境亮度变化情况下视觉识别目标的稳定性和实时性,同时通过间隔数据抽取构建数据集来模拟亮度快变过程,测试结果表明该策略在亮度快速变化时同样具有优良的分类处理能力,最后在大规模数据集下做了一组测试,验证了算法的通用性和有效性。(2)针对足球机器人系统中目标位置时变的特点,本文提出了一种利用Voronoi图进行建模的快速任务分配方法,用以提升由于目标位置快速变化而导致的任务执行效率的问题。在分析足球机器人系统任务分配特点的过程中,本文对传统拍卖算法进行任务分配可能产生死锁的原因进行分析,进而在拍卖流程中引入防止过度等待流程和任务执行监督流程,并利用单个任务执行结束事件触发拍卖流程,降低了任务分配中可能出现的死锁风险,提升了任务分配流程的鲁棒性。(3)针对足球机器人在动态复杂环境中的路径规划问题,本文提出了一种基于障碍预测的滚动窗口式移动机器人动态路径规划方法。该方法有效地结合了静态全局路径规划与动态局部路径规划的优点,在移动机器人运动过程中,通过对动态障碍物运动轨迹的预测来创建滚动窗口规划局部路径,在分析静态全局遍历路径规划方法的不足后,本文提出了一种主方向路径搜索策略,并利用方向一致性回溯实现了滚动窗口中的较优路径快速获取,从而实现对全局路径的调整,使机器人在运动过程中达到整体避障,局部避碰的目的,提升了机器人决策系统的动态路径规划效率。本文最后在小型足球机器人平台应用中通过连续变化的光线、强光干扰、特定队形变换及跑位等方式测试了上述研究成果在实际应用中的作用,测试结果表明,本文提出的三种策略在机器人决策系统中表现出了良好的性能,从而整体提升了机器人系统的决策能力。