CN109866217A - 机器人里程定位方法、装置、终端设备及计算机存储介质 - Google Patents
机器人里程定位方法、装置、终端设备及计算机存储介质 Download PDFInfo
- Publication number
- CN109866217A CN109866217A CN201711248927.7A CN201711248927A CN109866217A CN 109866217 A CN109866217 A CN 109866217A CN 201711248927 A CN201711248927 A CN 201711248927A CN 109866217 A CN109866217 A CN 109866217A
- Authority
- CN
- China
- Prior art keywords
- robot
- mileage
- information
- mileage information
- positive kinematics
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Manipulator (AREA)
Abstract
本发明适用于机器人技术领域,提供了一种机器人里程定位方法、装置、终端设备及计算机存储介质,该方法包括:根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息;若判断利用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息;若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息;减少了积分漂移带来的估算误差,以及正运动学里程信息无效情况下带来的估算误差,提高了机器人本体位置状态与里程信息的精度。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种机器人里程定位方法、装置、终端设备及计算机存储介质。
背景技术
机器人是自动执行工作的机器装置。它既可以接受人类指挥,又可以运行预先编排的程序,也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类的工作,例如生产业、建筑业、或是危险的工作。
通常机器人在工作过程中,需要准确的获取自身的位置信息和里程信息,才能实现机器人的里程定位,并达到自主运动的目的。但是,当机器人在室内运动时,通常无法通过获取GPS信号进行里程定位,需采用机器人自身的传感器或编码器的检测数据进行里程定位。然而,现有技术中,采用传感器或编码器的检测数据进行里程定位时,由于传感器无法准确获取机器人的运动数据,或者在里程计算时的积分误差,使得所述机器人无法进行精确的里程定位。
发明内容
有鉴于此,本发明实施例提供了一种机器人里程定位方法、装置、终端设备及计算机存储介质,以解决现有技术中机器人无法进行精确的里程定位的问题。
本发明实施例的第一方面提供了一种机器人里程定位方法,包括:
根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息;若判断采用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息;
若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息。
本发明实施例的第二方面提供了一种机器人里程定位装置,包括:
IMU估算模块,用于根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息;
正运动学估算模块,若判断采用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息;
融合模块,用于若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述方法的步骤。
本发明实施例的第四方面提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明通过两次判断正运动学里程信息为有效的里程信息后,融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息;从而减少了采用所述IMU传感器的传感数据估算机器人本体里程信息时出现积分漂移带来的估算误差,以及采用正运动学方法估算机器人本体里程信息时出现正运动学里程信息无效情况下带来的估算误差,提高了机器人本体位置状态与里程信息的精度,便于开展机器人控制与导航方面的研究。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种机器人里程定位方法的第一示意流程图;
图2是本发明实施例提供的一种机器人里程定位方法的S101实现流程示意图;
图3是本发明实施例提供的一种机器人里程定位方法的S102实现流程示意图;
图4是本发明实施例提供的机器人的侧视示意图;
图5是本发明实施例提供的机器人的正视示意图;
图6是本发明实施例提供的一种机器人里程定位方法的第二示意流程图;
图7是本发明实施例提供的一种机器人里程定位方法的S103实现流程示意图;
图8是本发明实施例提供的一种机器人里程定位装置的示意图;
图9是本发明实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“所述”意在包括复数形式。
具体实现中,本发明实施例中描述的终端设备包括但不限于机器人。在下面的具体实施方式中,为了方便,将以机器人作为终端设备的例子进行具体描述,本领域技术人员可理解,终端设备并非仅限于机器人。
在接下来的讨论中,描述了包括IMU传感器和关节编码器的双足机器人。然而,应当理解的是,机器人可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端设备支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端设备上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端设备上显示的相应信息。这样,终端设备的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
请参见图1,图1是本发明实施例提供的一种机器人里程定位方法的第一示意流程图。本实施例中的方法的执行主体为一种机器人里程定位装置,该装置可以由软件和/或硬件实现,集成于机器人中,适用于需要进行机器人里程定位的情况。如图1所示的机器人里程定位方法,可包括S101至S103。
S101,根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息。
其中,IMU传感器(Inertial measurement unit,简称IMU)是测量物体三轴姿态角(或角速率)以及加速度的装置。
一般情况,一个IMU包含了三个单轴的加速度计和三个单轴的陀螺仪,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺仪检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。在导航中有着很重要的应用价值。IMU大多用在需要进行运动控制的设备,如汽车和机器人上。也被用在需要用姿态进行精密位移推算的场合,如潜艇、飞机、导弹和航天器的惯性导航设备等。
但是,陀螺仪输出的角速度是瞬时量,角速度在姿态平衡上不能直接使用,需要角速度与时间积分计算角度变化量,再将得到的角度变化量与初始角度相加,就得到目标角度。其中,积分时间Dt越小输出的角度越精确。但陀螺仪的原理决定了它的测量基准是自身,并没有系统外的绝对参照物,加上Dt是不可能无限小的,所以积分的累积误差会随着时间的流逝迅速增加,最终导致输出角度与实际不符。
具体地,在本发明的一些实施方式中,所述IMU传感器被安装在机器人上,根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息,所述IMU里程信息包括所述IMU传感器的传感数据估算的机器人位置、速度和加速度信息。
可选地,如图2所示,所述S101包括S201至S203。
S201,获取机器人IMU传感器在IMU坐标系下的加速度数据和世界坐标系下的姿态角数据;
具体地,在所述机器人运动过程中,所述IMU坐标系跟随机器人的姿态变化而变化,因此需要先获取机器人IMU传感器在IMU坐标系下的加速度数据aimu=[aximu ayimu azimu]T和世界坐标系下的姿态角数据ψ、θ、
其中,ψ表示机器人本体的偏航角,θ表示机器人本体的俯仰角,表示机器人本体的滚动角。
S202,利用所述姿态角数据对所述IMU坐标系下的加速度数据进行坐标变换,得到世界坐标系下的加速度数据。
在获取了所述机器人IMU传感器在IMU坐标系下的加速度数据和世界坐标系下的姿态角数据后,需将所述IMU坐标系下的加速度数据转换成固定不变的世界坐标系下的加速度数据,才能对获得的加速度数据进行积分运算,获取机器人的位置信息和里程信息,进行机器人的里程定位。
具体地,本发明的一些实施方式中,采用龙格库塔法,并利用所述姿态角数据ψ、θ、对所述IMU坐标系下的加速度数据aimu进行坐标变换,得到世界坐标系下的加速度数据其中旋转矩阵
gw=[0 0 g]T表示世界坐标系下的重力加速度。
S203,对所述世界坐标系下的加速度数据进行积分运算,得到所述机器人在预设时间间隔内的IMU里程信息。
在将所述IMU坐标系下的加速度数据转换成世界坐标系下的加速度数据后,需对所述世界坐标系下的加速度数据进行积分运算,获取机器人的位置信息和里程信息,进行机器人的里程定位。具体地,是对所述世界坐标系下的加速度数据在时间上进行两次积分运算Xw=∫∫awdtdt,得到所述机器人在预设时间间隔内的世界坐标系下的位置信息和里程信息,从而进行机器人的里程定位。其中,Xw=[xw yw zw]T表示在世界坐标系下的位置信息。
但是,由于Xw积分的累积误差会随着时间的流逝迅速增加,即积分漂移,最终导致机器人的里程定位与实际不符,出现机器人里程定位的误差,因此本发明实施例还包括S102至S103。
S102,若判断采用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息。
这里的步骤S102只需在S103之前即可,与S101之间没有顺序的先后要求。
其中,机器人运动学包括正运动学和逆运动学,正运动学是指已知机器人各关节变量,计算机器人的位置姿态;逆运动学是指已知机器人的位置姿态,计算机器人对应位置的全部关节变量。一般正运动学的解是唯一和容易获得的,而逆运动学往往有多个解而且分析更为复杂。
本发明的一些实施方式中,所述判断采用正运动学方法计算正运动学里程信息有效包括:若所述机器人的足端受力不为零,则判断采用正运动学方法计算正运动学里程信息有效。
也就是说,所述机器人的足端设有压力传感器,当所述压力传感器测得的压力值为零时,则表示所述机器人的足端离开地面,则此时利用正运动学方法计算所述正运动学里程信息不适用,即,此时利用正运动学方法计算所述正运动学里程信息无效。例如,所述机器人双腿向竖直方向上跳跃时,此时,相对于地面,机器人处于原地不动的状态;在计算正运动学里程信息时,根据所述机器人关节编码器的角信息得到的正运动学里程信息属于无效信息。也就是说,当所述压力传感器测得的压力值为零时,所述正运动学里程信息无效;当所述机器人的足端受力不为零,则判断利用正运动学方法计算正运动学里程信息有效。其中,所述正运动学里程信息包括所述关节编码器的角信息估算的机器人位置、速度和加速度信息。
如图3所示,在本发明的一些实施方式中,所述根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息包括S301至S302。
S301,获取所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人的足端与质心间两个关节的相对位置变化值。
如图4和图5所示,出于拟人化的考虑,所述机器人可以为双足机器人,所述双足机器人的躯体可以包括支撑腿,以及支撑腿的踝关节A、膝关节B、髋关节C;并且所述双足机器人的两条支撑腿结构相同。机器人的足端与质心间包括多个关节,其中,所述质心是指机器人的重心。计算所述机器人的足端与质心间两个关节的相对位置变化值,可反映所述机器人正运动学的里程信息。
可选地,在本发明实施例中,通过正运动学方法计算所述机器人的足端与质心间两个关节的相对位置变化值,可以通过正运动学方法计算所述机器人的踝关节A与髋关节C间的相对位置变化值来实现,这种计算方式最准确。本领域技术人员知晓,还可以采用计算其它两个关节之间的相对位置变化值的方式来实现本发明,此处仅为举例说明,不表示为对本发明的限制。
在本发明实施例中,所述机器人关节编码器的角信息包括β1、β2、β3,其中,β1是指机器人侧视示意图下所述踝关节A与所述膝关节B的连线与竖直方向的夹角;β2是指机器人侧视示意图下所述膝关节B与所述髋关节C的连线与竖直方向的夹角;β3是指机器人正视示意图下所述踝关节A与所述髋关节C的连线与竖直方向的夹角。
在获取了所述机器人关节编码器的角信息β1、β2、β3后,即可通过支撑腿的正运动学计算出机器人踝关节A与髋关节C间的相对位置变化值:
S302,累加所述相对位置变化值,得到所述机器人在预设时间间隔内的正运动学里程信息。
其中,通过累加所述相对位置变化值,得到踝关节与髋关节之间在一个步态内(即走一步)的相对位置变化值:
通过累加一个控制周期内的多个步态内的相对位置变化值,获取了一个控制周期内的相对位置变化值:Xwk=∑(ΔXk),即获得所述机器人在预设时间间隔内的正运动学里程信息。
可选地,如图6所示,该方法还包括S104,若判断利用正运动学的方法计算正运动学里程信息无效,则将所述IMU里程信息作为所述机器人在预设时间间隔内的本体里程信息。
由于判断利用正运动学方法计算所述正运动学里程信息为无效的情况下,所述IMU里程信息仍属于有效状态。因此,当判断利用正运动学方法计算所述正运动学里程信息为无效时,可以采用更为精确的IMU里程信息作为所述机器人在预设时间间隔内的本体里程信息。
S103,若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息。
其中,所述判断所述正运动学里程信息有效,包括:若所述IMU里程信息和所述正运动学里程信息的里程差在预设范围以内,则判断所述正运动学里程信息有效。
也就是说,在预设时间间隔内,当所述IMU里程信息和所述正运动学里程信息的里程差未超过预设的误差范围,则表示所述IMU里程信息和所述正运动学里程信息均接近实际的机器人运动里程。此时,则可以通过正运动学估算的里程信息校正IMU估算的里程信息,从而达到提高里程信息精度的目的。
但是,在预设时间间隔内,当所述IMU里程信息和所述正运动学里程信息的里程差超过预设的误差范围,则表示所述正运动学里程信息与实际的机器人运动里程误差较大。例如,当机器人的支撑腿处于滑动状态时,所述踝关节A与所述髋关节C的相对位置不发生改变,则此时所述正运动学里程信息无效。
具体地,如图7所示,当判断所述正运动学里程信息有效时,所述融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息,包括:采用滤波处理的方法,以所述正运动学里程信息作为观测量,以IMU里程信息作为状态量,利用所述观测量对所述状态量进行校正,得到所述机器人在预设时间间隔内的本体里程信息。
需要指出的是,采用滤波处理的方法将正运动学里程信息和IMU里程信息进行融合,一方面,可以仅采用正运动学里程信息的里程和IMU里程信息的里程进行融合,得到所述机器人在预设时间间隔内的本体里程信息;另一方面,为了获得更高的融合精度,可以采用正运动学里程信息的里程、加速度和速度,与IMU里程信息的里程、加速度和速度进行融合,得到所述机器人在预设时间间隔内的本体里程信息。
在本发明的一些实施方式中,所述采用滤波处理的方法,包括:采用扩展卡尔曼滤波处理的方法。此处举例仅为示例性说明,本发明对该滤波处理的方法不做具体限定。
本发明实施例通过两次判断正运动学里程信息为有效的里程信息后,融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息;从而减少了采用所述IMU传感器的传感数据估算机器人本体里程信息时出现积分漂移带来的估算误差,以及采用正运动学方法估算机器人本体里程信息时出现正运动学里程信息无效情况下带来的估算误差,提高了机器人本体位置状态与里程信息的精度。
本发明实施例还提供一种机器人里程定位装置,该装置包括用于执行前述所述的机器人里程定位方法中的各步骤的模块,该装置可集成于机器人。该装置中未详细描述之处请详见前述方法的描述。
参见图8,图8是本发明实施例提供的一种机器人里程定位装置的示意框图。本实施例的机器人里程定位装置8包括:IMU估算模块81、正运动学估算模块82以及融合模块83。
其中,IMU估算模块81,用于根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息;
正运动学估算模块82,若判断利用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息;
融合模块83,用于若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息。
图9是本发明实施例提供的终端设备的示意图。如图9所示,该实施例的终端设备9包括:处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92,例如机器人里程定位的程序。所述处理器90执行所述计算机程序92时实现上述各个机器人里程定位方法实施例中的步骤,例如图1所示的S101至S103。或者,所述处理器90执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能,例如图8所示模块81至83的功能。
示例性的,所述计算机程序92可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器91中,并由所述处理器90执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序92在所述终端设备9中的执行过程。例如,所述计算机程序92可以被分割成IMU估算模块、正运动学估算模块以及融合模块(虚拟装置中的模块),各模块具体功能如下:
其中,IMU估算模块,用于根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息;
正运动学估算模块,若判断利用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息;
融合模块,用于若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息。
所述终端设备9可以是机器人。所述终端设备可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图9仅仅是终端设备9的示例,并不构成对终端设备9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线、IMU传感器、关节编码器等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述终端设备9的内部存储单元,例如终端设备9的硬盘或内存。所述存储器91也可以是所述终端设备9的外部存储设备,例如所述终端设备9上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (11)
1.一种机器人里程定位方法,其特征在于,包括:
根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息;
若判断采用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息;
若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息。
2.如权利要求1所述的方法,其特征在于,所述判断采用正运动学方法计算正运动学里程信息有效,包括:
若所述机器人的足端受力不为零,则判断采用正运动学方法计算正运动学里程信息有效。
3.如权利要求1所述的方法,其特征在于,所述判断所述正运动学里程信息有效,包括:
若所述IMU里程信息和所述正运动学里程信息的里程差在预设范围以内,则判断所述正运动学里程信息有效。
4.如权利要求1-3任一项所述的方法,其特征在于,所述融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息,包括:
采用滤波处理的方法,以所述正运动学里程信息作为观测量,以IMU里程信息作为状态量,利用所述观测量对所述状态量进行校正,得到所述机器人在预设时间间隔内的本体里程信息。
5.如权利要求4所述的方法,其特征在于,所述采用滤波处理的方法,包括:
采用扩展卡尔曼滤波处理的方法。
6.如权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
若判断采用正运动学方法计算正运动学里程信息无效,则将所述IMU里程信息作为所述机器人在预设时间间隔内的本体里程信息。
7.如权利要求1-3任一项所述的方法,其特征在于,所述根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息,包括:
获取机器人IMU传感器在IMU坐标系下的加速度数据和世界坐标系下的姿态角数据;
利用所述姿态角数据对所述IMU坐标系下的加速度数据进行坐标变换,得到世界坐标系下的加速度数据;
对所述世界坐标系下的加速度数据进行积分运算,得到所述机器人在预设时间间隔内的IMU里程信息。
8.如权利要求1-3任一项所述的方法,其特征在于,所述根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息,包括:
获取所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人的足端与质心间两个关节的相对位置变化值;
累加所述相对位置变化值,得到所述机器人在预设时间间隔内的正运动学里程信息。
9.一种机器人里程定位装置,其特征在于,包括:
IMU估算模块,用于根据所述机器人IMU传感器的传感数据计算所述机器人在预设时间间隔内的IMU里程信息;
正运动学估算模块,若判断采用正运动学方法计算正运动学里程信息有效,则根据所述机器人关节编码器的角信息,通过正运动学方法计算所述机器人在预设时间间隔内的正运动学里程信息;
融合模块,用于若判断所述正运动学里程信息有效,则融合所述IMU里程信息和所述正运动学里程信息,得到所述机器人在预设时间间隔内的本体里程信息。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
11.一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711248927.7A CN109866217B (zh) | 2017-12-01 | 2017-12-01 | 机器人里程定位方法、装置、终端设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711248927.7A CN109866217B (zh) | 2017-12-01 | 2017-12-01 | 机器人里程定位方法、装置、终端设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109866217A true CN109866217A (zh) | 2019-06-11 |
CN109866217B CN109866217B (zh) | 2021-09-17 |
Family
ID=66913499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711248927.7A Active CN109866217B (zh) | 2017-12-01 | 2017-12-01 | 机器人里程定位方法、装置、终端设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109866217B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112394720A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博(北京)科技有限公司 | 机器人的控制方法和装置、存储介质及电子装置 |
CN112947398A (zh) * | 2019-12-11 | 2021-06-11 | 深圳市优必选科技股份有限公司 | 一种机器人步态规划方法、装置、可读存储介质及机器人 |
CN114518125A (zh) * | 2022-01-31 | 2022-05-20 | 深圳市云鼠科技开发有限公司 | 加速度计前进里程获取方法及应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217157A (zh) * | 2012-01-18 | 2013-07-24 | 北京自动化控制设备研究所 | 一种惯导/里程计自主组合导航方法 |
US20140333741A1 (en) * | 2013-05-08 | 2014-11-13 | Regents Of The University Of Minnesota | Constrained key frame localization and mapping for vision-aided inertial navigation |
CN104515527A (zh) * | 2013-09-27 | 2015-04-15 | 上海置微信息科技有限公司 | 一种无gps信号环境下的抗粗差组合导航方法 |
CN104977941A (zh) * | 2014-04-02 | 2015-10-14 | 波音公司 | 使用传感器融合的环境内的定位 |
CN107063305A (zh) * | 2017-04-10 | 2017-08-18 | 江苏东方金钰智能机器人有限公司 | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 |
-
2017
- 2017-12-01 CN CN201711248927.7A patent/CN109866217B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217157A (zh) * | 2012-01-18 | 2013-07-24 | 北京自动化控制设备研究所 | 一种惯导/里程计自主组合导航方法 |
US20140333741A1 (en) * | 2013-05-08 | 2014-11-13 | Regents Of The University Of Minnesota | Constrained key frame localization and mapping for vision-aided inertial navigation |
CN104515527A (zh) * | 2013-09-27 | 2015-04-15 | 上海置微信息科技有限公司 | 一种无gps信号环境下的抗粗差组合导航方法 |
CN104977941A (zh) * | 2014-04-02 | 2015-10-14 | 波音公司 | 使用传感器融合的环境内的定位 |
CN107063305A (zh) * | 2017-04-10 | 2017-08-18 | 江苏东方金钰智能机器人有限公司 | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 |
Non-Patent Citations (1)
Title |
---|
MICHAEL BLOESCH等: "《Robotics: Science and Systems VIII》", 31 December 2013, MIT PRESS * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112394720A (zh) * | 2019-08-15 | 2021-02-23 | 纳恩博(北京)科技有限公司 | 机器人的控制方法和装置、存储介质及电子装置 |
CN112947398A (zh) * | 2019-12-11 | 2021-06-11 | 深圳市优必选科技股份有限公司 | 一种机器人步态规划方法、装置、可读存储介质及机器人 |
CN114518125A (zh) * | 2022-01-31 | 2022-05-20 | 深圳市云鼠科技开发有限公司 | 加速度计前进里程获取方法及应用 |
CN114518125B (zh) * | 2022-01-31 | 2024-06-07 | 深圳市云鼠科技开发有限公司 | 加速度计前进里程获取方法及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN109866217B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102017404B1 (ko) | 9축 mems 센서에 기반하여 농기계의 전-자세 각도를 갱신하는 방법 | |
US20190195631A1 (en) | Positioning method, positioning device, and robot | |
WO2022134143A1 (zh) | 一种机器人状态估计方法、装置、可读存储介质及机器人 | |
CN108731664B (zh) | 机器人状态估计方法、装置、计算机设备和存储介质 | |
CN110058288B (zh) | 无人机ins/gnss组合导航系统航向误差修正方法及系统 | |
CN109866217A (zh) | 机器人里程定位方法、装置、终端设备及计算机存储介质 | |
CN108225370A (zh) | 一种运动姿态传感器的数据融合与解算方法 | |
WO2022134144A1 (zh) | 一种机器人质心规划方法、装置、可读存储介质及机器人 | |
CN105865452A (zh) | 一种基于间接卡尔曼滤波的移动平台位姿估计方法 | |
WO2022105020A1 (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
Du et al. | A novel human–manipulators interface using hybrid sensors with Kalman filter and particle filter | |
Kopniak et al. | Natural interface for robotic arm controlling based on inertial motion capture | |
CN110967017B (zh) | 一种用于双移动机器人刚体协作搬运的协同定位方法 | |
WO2022105023A1 (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
CN108415445A (zh) | 一种基于开关约束的水下航行器定位鲁棒优化方法 | |
CN112276950B (zh) | 抗扰动模型训练、控制方法、装置、设备、机器人及介质 | |
Gao et al. | Gyro-net: IMU gyroscopes random errors compensation method based on deep learning | |
CN112757301B (zh) | 机器人抗扰动控制方法、装置、电子设备及存储介质 | |
JP2009186244A (ja) | 傾斜角度推定システム、相対角度推定システム及び角速度推定システム | |
CN113119102B (zh) | 基于浮动基飞轮倒立摆的仿人机器人建模方法和装置 | |
CN104699987A (zh) | 一种手臂惯性式动作捕捉数据融合方法 | |
CN114147717B (zh) | 机器人运动轨迹估计方法、装置、控制器及存储介质 | |
CN114046800B (zh) | 一种基于双层滤波框架的高精度里程估计方法 | |
EP3410074B1 (en) | Method and device for improving performance of relative-position sensor, and computer storage medium | |
CN108073283A (zh) | 手部关节的计算方法及手套 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |