CN111736615B - 一种步态规划方法、装置、计算机可读存储介质及机器人 - Google Patents

一种步态规划方法、装置、计算机可读存储介质及机器人 Download PDF

Info

Publication number
CN111736615B
CN111736615B CN202010773787.0A CN202010773787A CN111736615B CN 111736615 B CN111736615 B CN 111736615B CN 202010773787 A CN202010773787 A CN 202010773787A CN 111736615 B CN111736615 B CN 111736615B
Authority
CN
China
Prior art keywords
centroid
value
robot
height
amplitude
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.)
Active
Application number
CN202010773787.0A
Other languages
English (en)
Other versions
CN111736615A (zh
Inventor
白杰
葛利刚
刘益彰
熊友军
庞建新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to CN202010773787.0A priority Critical patent/CN111736615B/zh
Publication of CN111736615A publication Critical patent/CN111736615A/zh
Application granted granted Critical
Publication of CN111736615B publication Critical patent/CN111736615B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B62LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62DMOTOR VEHICLES; TRAILERS
    • B62D57/00Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
    • B62D57/02Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members
    • B62D57/032Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members with alternately or sequentially lifted supporting base and legs; with alternately or sequentially lifted feet or skid

Abstract

本申请属于机器人技术领域,尤其涉及一种步态规划方法、装置、计算机可读存储介质及机器人。所述方法构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划。通过本申请,在传统线性倒立摆模型的基础上,进一步降低质心高度和增加质心起伏,能够有效地提供快速行走所需要的腿长。

Description

一种步态规划方法、装置、计算机可读存储介质及机器人
技术领域
本申请属于机器人技术领域,尤其涉及一种步态规划方法、装置、计算机可读存储介质及机器人。
背景技术
仿人机器人研究中的一个关键问题是在提高行走速度的同时能够保持步行稳定性。基于线性倒立摆模型(Linear Inverted Pendulum Mode,LIPM)生成的步行模式是现有技术中双足机器人步态规划最主要的方法之一。但是,基于LIPM的步态规划方法需要保持质心高度不变,在快速行走(大步态)时会出现腿长不足的情况。
发明内容
有鉴于此,本申请实施例提供了一种步态规划方法、装置、计算机可读存储介质及机器人,以解决现有的基于LIPM的步态规划方法需要保持质心高度不变,在快速行走时会出现腿长不足的情况的问题。
本申请实施例的第一方面提供了一种步态规划方法,可以包括:
构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;
基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划。
进一步地,所述基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划,包括:
在每个质心时序周期的起始时刻,读取第一步长和第二步长,所述第一步长为所述机器人在当前质心时序周期的步长,所述第二步长为所述机器人在上一个质心时序周期的步长;
根据所述第一步长计算第一降质心值和第一质心起伏幅度,所述第一降质心值为所述机器人在当前质心时序周期的降质心值,所述第一质心起伏幅度为所述机器人在当前质心时序周期的质心起伏幅度;
根据所述第二步长计算第二降质心值和第二质心起伏幅度,所述第二降质心值为所述机器人在上一个质心时序周期的降质心值,所述第二质心起伏幅度为所述机器人在上一个质心时序周期的质心起伏幅度;
根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划。
进一步地,所述根据所述第一步长计算第一降质心值和第一质心起伏幅度包括:
根据下式计算所述第一降质心值:
其中,s d 为所述第一步长,s d2为预设的第二步长阈值,a 1b 1均为预设的系数,z 0lim 为预设的降质心的上限值,z 0为所述第一降质心值。
进一步地,所述根据所述第一步长计算第一降质心值和第一质心起伏幅度包括:
根据下式计算所述第一质心起伏幅度:
其中,s d 为所述第一步长,s d1为预设的第一步长阈值,a 2b 2均为预设的系数,A zlim 为预设的质心起伏的下限值,A z 为所述第一质心起伏幅度。
进一步地,所述根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划,包括:
根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,确定所述机器人的质心高度变化量在各个步态阶段的初始值和终止值;
根据所述初始值和所述终止值进行曲线拟合,得到所述机器人在当前质心时序周期的质心高度变化量;
根据所述质心高度变化量对所述机器人在当前质心时序周期的质心高度进行规划。
进一步地,所述根据所述初始值和所述终止值进行曲线拟合,得到所述机器人在当前质心时序周期的质心高度变化量,包括:
根据下式计算所述机器人在当前质心时序周期的质心高度变化量:
其中,f(x 0,x 1,T,t)为预设的运动曲线,x 0为初始值,x 1为终止值,T为从初始时刻到终止时刻的时长,t为质心时序的时间变量,z 0为所述第一降质心值,A z 为所述第一质心起伏幅度,z 0'为所述第二降质心值,T cyc 为所述机器人的当前质心时序周期的时长,z d 为所述质心高度变化量。
进一步地,所述运动曲线为:
其中,q 0q 1q 2q 3q 4q 5分别为五次多项式的各个系数。本申请实施例的第二方面提供了一种步态规划装置,可以包括:
模型构建模块,用于构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;
步态规划模块,用于基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划。
进一步地,所述步态规划模块可以包括:
步长读取单元,用于在每个质心时序周期的起始时刻,读取第一步长和第二步长,所述第一步长为所述机器人在当前质心时序周期的步长,所述第二步长为所述机器人在上一个质心时序周期的步长;
第一计算单元,用于根据所述第一步长计算第一降质心值和第一质心起伏幅度,所述第一降质心值为所述机器人在当前质心时序周期的降质心值,所述第一质心起伏幅度为所述机器人在当前质心时序周期的质心起伏幅度;
第二计算单元,用于根据所述第二步长计算第二降质心值和第二质心起伏幅度,所述第二降质心值为所述机器人在上一个质心时序周期的降质心值,所述第二质心起伏幅度为所述机器人在上一个质心时序周期的质心起伏幅度;
质心高度规划单元,用于根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划。
进一步地,所述第一计算单元可以包括:
降质心值计算子单元,用于根据下式计算所述第一降质心值:
其中,s d 为所述第一步长,s d2为预设的第二步长阈值,a 1b 1均为预设的系数,z 0lim 为预设的降质心的上限值,z 0为所述第一降质心值。
质心起伏幅度计算子单元,用于根据下式计算所述第一质心起伏幅度:
其中,s d 为所述第一步长,s d1为预设的第一步长阈值,a 2b 2均为预设的系数,A zlim 为预设的质心起伏的下限值,A z 为所述第一质心起伏幅度。
进一步地,所述质心高度规划单元可以包括:
起止确定子单元,用于根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,确定所述机器人的质心高度变化量在各个步态阶段的初始值和终止值;
曲线拟合子单元,用于根据所述初始值和所述终止值进行曲线拟合,得到所述机器人在当前质心时序周期的质心高度变化量;
质心高度规划子单元,用于根据所述质心高度变化量对所述机器人在当前质心时序周期的质心高度进行规划。
进一步地,所述曲线拟合子单元具体用于根据下式计算所述机器人在当前质心时序周期的质心高度变化量:
其中,f(x 0,x 1,T,t)为预设的运动曲线,x 0为初始值,x 1为终止值,T为从初始时刻到终止时刻的时长,t为质心时序的时间变量,z 0为所述第一降质心值,A z 为所述第一质心起伏幅度,z 0'为所述第二降质心值,T cyc 为所述机器人的当前质心时序周期的时长,z d 为所述质心高度变化量。
进一步地,所述运动曲线为:
其中,q 0q 1q 2q 3q 4q 5分别为五次多项式的各个系数。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种步态规划方法的步骤。
本申请实施例的第四方面提供了一种机器人,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任一种步态规划方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在机器人上运行时,使得机器人执行上述任一种步态规划方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划。通过本申请实施例,在传统LIPM的基础上,进一步降低质心高度和增加质心起伏,能够有效地提供快速行走所需要的腿长。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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它的附图。
图1为本申请实施例中一种步态规划方法的一个实施例流程图;
图2为LIPM模型的示意图;
图3为步行周期中的LIPM模型的示意图;
图4所示为机器人的步行模式几何图;
图5为降质心的LIPM模型的示意图;
图6为降质心及增加质心起伏的LIPM模型的示意图;
图7为步行周期的时序图;
图8为基于变质心高度的LIPM模型,在机器人的每个质心时序周期进行步态规划的示意流程图;
图9为质心高度变化、步长与质心时序的曲线;
图10为本申请实施例中一种步态规划装置的一个实施例结构图;
图11为本申请实施例中一种机器人的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
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”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,在此本申请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申请。如在本申请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“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参阅图1,本申请实施例中一种步态规划方法的一个实施例可以包括:
步骤S101、构建机器人的变质心高度的线性倒立摆模型。
所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型。
图2所示为LIPM模型的示意图,其中,x方向为所述机器人的行进方向,z方向为与地面垂直且向上的方向,y方向与x方向、z方向之间符合右手定则。零力矩点(ZeroMomentPoint,ZMP)与支撑点(足)的位置是重合的,根据动力学模型,ZMP与质心(即机器人的腰部)的关系为:
其中,ZMP的坐标为(x p ,y p , 0),质心的坐标为(x,y, z),分别为质心 在x方向、y方向、z方向的加速度,为重力加速度。当质心在z方向的加速度满足: 时,可以将以上关系简化为:
图3所示为步行周期中的LIPM模型的示意图,如图所示,双足机器人向右行走,x方向和y方向有步态规划,但是z方向保持高度不变。
图4所示为机器人的步行模式几何图,当行走速度增大时,可以发现双足机器人实际腿长(图中的实线l 1+ l 2)并不足以提供LIPM的期望腿长(图中的虚线l d )。其中,步长为s d ,质心高度h c =z c z c 为一预设的定值。根据勾股定理,可以通过降低质心高度h c ,来降低LIPM的期望腿长l d
如图5所示,在本申请实施例的一种具体实现中,可以将图3中的支撑点下移高度z 0,此时质心高度为h c =z c z 0,质心高度降低,所需要的期望腿长也会相应的降低。
事实上,研究人类步行模式可以发现,在行走过程中,腰部在垂直方向呈现周期性起伏运动。同时,双足机器人在整个行走周期,并不是所有的时刻都需要增加腿长,也就是降质心高度并不是整个行走周期所必须的。另外,随着行走速度的增加,需要降质心高度的幅度也会随之而增大,随之也会增加关节的力矩。
因此,本申请实施例可以进一步在降质心的基础上增加对于质心起伏的考虑,设计一种与LIPM水平运动解耦的,LIPM支撑点的垂直运动,即生成质心的周期性起伏运动,同时结合降质心高度,形成一种新的步态规划模型:变质心高度的线性倒立摆模型(LIPMbased on variable height,以下简称v-LIPM)。如图6所示,质心起伏的幅度为A z ,此时质心高度为h c =z c z 0A z 。通过这一模型,不仅能够减小传统LIPM方法中降质心高度的幅度,进而减小关节力矩,而且能够有效地提供快速行走所需要的腿长。此外,质心下降过程的加速度,增加了支撑腿对地压力,减小了由于快速行走摆动腿的惯性而引起的双足机器的左右偏转幅度。
步骤S102、基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划。
图7所示为步行模式中的时序图,其中,虚线腿为支撑腿,实线腿为摆动腿,双足步行模式就是双足交替成为摆动腿和支撑腿而行走的过程。其中单腿支撑期周期为T sup ,双腿支撑期周期为T dbl ,整个步态周期为T cyc =T sup +T dbl
整个步态周期从单腿支撑期开始(摆动腿抬脚时刻)计时为t s =0,单腿支撑期中间点(摆动腿抬脚到最高点时刻)计时为t s =1/2T sup ,单腿支撑期结束(摆动腿落脚时刻)计时为t s =T sup ,下一个单腿支撑起开始计时为t s =T cyc ,这种计时方式被称为步态时序。
为了更好地描述v-LIPM算法,在本申请实施例中引入质心时序。以单腿支撑期中间时刻点(摆动腿抬脚到最高点时刻)计时为t=0,质心时序与步态时序的关系为t=t s -1/2T sup 。以下若不做特殊说明,本申请实施例中使用的均为质心时序。
如图8所示,步骤S102具体可以包括以下过程:
步骤S1021、在每个质心时序周期的起始时刻,读取第一步长和第二步长。
所述第一步长为所述机器人在当前质心时序周期的步长,所述第二步长为所述机器人在上一个质心时序周期的步长。
步骤S1022、根据所述第一步长计算第一降质心值和第一质心起伏幅度。
在本申请实施例中,通过步长来计算降质心值和质心起伏幅度,容易理解地,当步行速度增大时,步长随之增大,降质心值和质心起伏幅度也会随之增大。
所述第一降质心值为所述机器人在当前质心时序周期的降质心值,所述第一质心起伏幅度为所述机器人在当前质心时序周期的质心起伏幅度。在本申请实施例的一种具体实现中,可以根据下式计算所述第一降质心值和所述第一质心起伏幅度:
其中,s d 为所述第一步长,s d1为预设的第一步长阈值,也即小步态的步幅上限,s d2 为预设的第二步长阈值,也即中等步态的步幅上限,此外,还可以设置大步态的步幅上限为s d3,显然s d3为极限步幅,所有的步长均满足a 1b 1a 2b 2均为预设的系数,g 1 为预设的第一函数,g 2为预设的第二函数,z 0lim 为预设的降质心的上限值,z 0为所述第一降 质心值,A zlim 为预设的质心起伏的下限值,一般可以将其设置为0,A z 为所述第一质心起伏幅 度。
步骤S1023、根据所述第二步长计算第二降质心值和第二质心起伏幅度。
所述第二降质心值为所述机器人在上一个质心时序周期的降质心值,所述第二质心起伏幅度为所述机器人在上一个质心时序周期的质心起伏幅度。
与步骤S1023类似,可以根据下式计算所述第二降质心值和所述第二质心起伏幅度:
其中,s d '为所述第二步长,z 0'为所述第二降质心值,A z '为所述第二质心起伏幅度。
步骤S1024、根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划。
首先,根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,确定所述机器人的质心高度变化量在各个步态阶段的初始值和终止值。
具体地,在步态阶段0≤t<1/2T cyc ,初始值为z 0',终止值为z 0+A z ,在步态阶段1/2T cyc ≤t<T cyc ,初始值为z 0+A z ,终止值为z 0
然后,根据所述初始值和所述终止值进行曲线拟合,得到所述机器人在当前质心时序周期的质心高度变化量。
在质心规划过程中,可以使用轨迹规划算法确定一条从所述初始值过渡到所述终止值的光滑运动曲线,所述运动曲线包括但不限于五次多项式、三次多项式、余弦曲线、摆线曲线、S型曲线、bangbang曲线等。以下以五次多项式曲线为例,将所述运动曲线设为:
其中,x 0为所述初始值,x 1为所述终止值,v 0为与所述初始值对应的初始速度,v 1为与所述终止值对应的终止速度,a 0为与所述初始值对应的初始加速度,a 1为与所述终止值对应的终止加速度,t为时间变量,t 0为与所述初始值对应的初始时刻,t 1为与所述终止值对应的终止时刻,q 0q 1q 2q 3q 4q 5分别为五次多项式的各个系数,其具体取值可以根据求解如下的线性方程组得到:
Ax = b
其中,
在本申请实施例中,可以将v 0v 1a 0a 1t 0均设置为0,t 1设置为T,也即从初始时刻到终止时刻的时长,则所述运动曲线可以简化为:
所述机器人在当前质心时序周期的质心高度变化量即可根据下式计算得到:
其中,z d 为所述质心高度变化量。
最后,根据所述质心高度变化量对所述机器人在当前质心时序周期的质心高度进行规划,即:
z=z c z d
其中,z即为所述机器人在当前质心时序周期的质心高度。
图9所示为质心高度变化规划-z d 、步长s d 与质心时序时间的关系,图中划分了三 个区域,其中,区域I仅有降质心高度,可以称为小步态区域,;区域II既有降质 心高度,又有质心起伏,可以称为中等步态区域,;区域III降质心高度 达到上限,只有质心起伏规划,可以称为大步态区域,
综上所述,本申请实施例构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划。通过本申请实施例,在传统LIPM的基础上,进一步降低质心高度和增加质心起伏,能够有效地提供快速行走所需要的腿长。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种步态规划方法,图10示出了本申请实施例提供的一种步态规划装置的一个实施例结构图。
本实施例中,一种步态规划装置可以包括:
模型构建模块1001,用于构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;
步态规划模块1002,用于基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划。
进一步地,所述步态规划模块可以包括:
步长读取单元,用于在每个质心时序周期的起始时刻,读取第一步长和第二步长,所述第一步长为所述机器人在当前质心时序周期的步长,所述第二步长为所述机器人在上一个质心时序周期的步长;
第一计算单元,用于根据所述第一步长计算第一降质心值和第一质心起伏幅度,所述第一降质心值为所述机器人在当前质心时序周期的降质心值,所述第一质心起伏幅度为所述机器人在当前质心时序周期的质心起伏幅度;
第二计算单元,用于根据所述第二步长计算第二降质心值和第二质心起伏幅度,所述第二降质心值为所述机器人在上一个质心时序周期的降质心值,所述第二质心起伏幅度为所述机器人在上一个质心时序周期的质心起伏幅度;
质心高度规划单元,用于根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划。
进一步地,所述第一计算单元可以包括:
降质心值计算子单元,用于根据下式计算所述第一降质心值:
其中,s d 为所述第一步长,s d2为预设的第二步长阈值,a 1b 1均为预设的系数,z 0lim 为预设的降质心的上限值,z 0为所述第一降质心值;
质心起伏幅度计算子单元,用于根据下式计算所述第一质心起伏幅度:
其中,s d 为所述第一步长,s d1为预设的第一步长阈值,a 2b 2均为预设的系数,A zlim 为预设的质心起伏的下限值,A z 为所述第一质心起伏幅度。
进一步地,所述质心高度规划单元可以包括:
起止确定子单元,用于根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,确定所述机器人的质心高度变化量在各个步态阶段的初始值和终止值;
曲线拟合子单元,用于根据所述初始值和所述终止值进行曲线拟合,得到所述机器人在当前质心时序周期的质心高度变化量;
质心高度规划子单元,用于根据所述质心高度变化量对所述机器人在当前质心时序周期的质心高度进行规划。
进一步地,所述曲线拟合子单元具体用于根据下式计算所述机器人在当前质心时序周期的质心高度变化量:
其中,f(x 0,x 1,T,t)为预设的运动曲线,x 0为初始值,x 1为终止值,T为从初始时刻到终止时刻的时长,t为质心时序的时间变量,z 0为所述第一降质心值,A z 为所述第一质心起伏幅度,z 0'为所述第二降质心值,T cyc 为所述机器人的当前质心时序周期的时长,z d 为所述质心高度变化量。
进一步地,所述运动曲线为:
其中,q 0q 1q 2q 3q 4q 5分别为五次多项式的各个系数。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,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。
图11示出了本申请实施例提供的一种机器人的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图11所示,该实施例的机器人11包括:处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112。所述处理器110执行所述计算机程序112时实现上述各个步态规划方法实施例中的步骤,例如图1所示的步骤S101至步骤S102。或者,所述处理器110执行所述计算机程序112时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块1001至模块1002的功能。
示例性的,所述计算机程序112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111中,并由所述处理器110执行,以完成本申请。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112在所述机器人11中的执行过程。
本领域技术人员可以理解,图11仅仅是机器人11的示例,并不构成对机器人11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,例如所述机器人11还可以包括输入输出设备、网络接入设备、总线等。
所述处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其它可编程逻辑器件、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111可以是所述机器人11的内部存储单元,例如机器人11的硬盘或内存。所述存储器111也可以是所述机器人11的外部存储设备,例如所述机器人11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111还可以既包括所述机器人11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述机器人11所需的其它程序和数据。所述存储器111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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/机器人和方法,可以通过其它的方式实现。例如,以上所描述的装置/机器人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,在本申请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存储介质中。基于这样的理解,本申请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。所述计算机可读存储介质可以包括: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,所述计算机可读存储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,计算机可读存储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申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (7)

1.一种步态规划方法,其特征在于,包括:
构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;
基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划;
所述基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划,包括:
在每个质心时序周期的起始时刻,读取第一步长和第二步长,所述第一步长为所述机器人在当前质心时序周期的步长,所述第二步长为所述机器人在上一个质心时序周期的步长;
根据所述第一步长计算第一降质心值和第一质心起伏幅度,所述第一降质心值为所述机器人在当前质心时序周期的降质心值,所述第一质心起伏幅度为所述机器人在当前质心时序周期的质心起伏幅度;
根据所述第二步长计算第二降质心值和第二质心起伏幅度,所述第二降质心值为所述机器人在上一个质心时序周期的降质心值,所述第二质心起伏幅度为所述机器人在上一个质心时序周期的质心起伏幅度;
根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划;
所述根据所述第一步长计算第一降质心值和第一质心起伏幅度包括:
根据下式计算所述第一降质心值:
其中,s d 为所述第一步长,s d2为预设的第二步长阈值,a 1b 1均为预设的系数,z 0lim 为预设的降质心的上限值,z 0为所述第一降质心值;
根据下式计算所述第一质心起伏幅度:
其中,s d1为预设的第一步长阈值,a 2b 2均为预设的系数,A zlim 为预设的质心起伏的下限值,A z 为所述第一质心起伏幅度;
所述根据所述第二步长计算第二降质心值和第二质心起伏幅度包括:
根据下式计算所述第二降质心值:
其中,为所述第二步长,为所述第二降质心值;
根据下式计算所述第二质心起伏幅度:
其中,为所述第二质心起伏幅度。
2.根据权利要求1所述的步态规划方法,其特征在于,所述根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划,包括:
根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,确定所述机器人的质心高度变化量在各个步态阶段的初始值和终止值;
根据所述初始值和所述终止值进行曲线拟合,得到所述机器人在当前质心时序周期的质心高度变化量;
根据所述质心高度变化量对所述机器人在当前质心时序周期的质心高度进行规划。
3.根据权利要求2所述的步态规划方法,其特征在于,所述根据所述初始值和所述终止值进行曲线拟合,得到所述机器人在当前质心时序周期的质心高度变化量,包括:
根据下式计算所述机器人在当前质心时序周期的质心高度变化量:
其中,f(x 0,x 1,T,t)为预设的运动曲线,x 0为初始值,x 1为终止值,T为从初始时刻到终止时刻的时长,t为质心时序的时间变量,T cyc 为所述机器人的当前质心时序周期的时长,z d 为所述质心高度变化量。
4.根据权利要求3所述的步态规划方法,其特征在于,所述运动曲线为:
其中,q 0q 1q 2q 3q 4q 5分别为五次多项式的各个系数。
5.一种步态规划装置,其特征在于,包括:
模型构建模块,用于构建机器人的变质心高度的线性倒立摆模型,所述变质心高度的线性倒立摆模型为在线性倒立摆模型的基础上降低质心高度和增加质心起伏的模型;
步态规划模块,用于基于所述变质心高度的线性倒立摆模型,在所述机器人的每个质心时序周期进行步态规划;
所述步态规划模块包括:
步长读取单元,用于在每个质心时序周期的起始时刻,读取第一步长和第二步长,所述第一步长为所述机器人在当前质心时序周期的步长,所述第二步长为所述机器人在上一个质心时序周期的步长;
第一计算单元,用于根据所述第一步长计算第一降质心值和第一质心起伏幅度,所述第一降质心值为所述机器人在当前质心时序周期的降质心值,所述第一质心起伏幅度为所述机器人在当前质心时序周期的质心起伏幅度;
第二计算单元,用于根据所述第二步长计算第二降质心值和第二质心起伏幅度,所述第二降质心值为所述机器人在上一个质心时序周期的降质心值,所述第二质心起伏幅度为所述机器人在上一个质心时序周期的质心起伏幅度;
质心高度规划单元,用于根据所述第一降质心值、所述第一质心起伏幅度、所述第二降质心值和所述第二质心起伏幅度,对所述机器人在当前质心时序周期的质心高度进行规划;
所述第一计算单元具体用于:
根据下式计算所述第一降质心值:
其中,s d 为所述第一步长,s d2为预设的第二步长阈值,a 1b 1均为预设的系数,z 0lim 为预设的降质心的上限值,z 0为所述第一降质心值;
根据下式计算所述第一质心起伏幅度:
其中,s d1为预设的第一步长阈值,a 2b 2均为预设的系数,A zlim 为预设的质心起伏的下限值,A z 为所述第一质心起伏幅度;
所述第二计算单元具体用于:
根据下式计算所述第二降质心值:
其中,为所述第二步长,为所述第二降质心值;
根据下式计算所述第二质心起伏幅度:
其中,为所述第二质心起伏幅度。
6.一种计算机可读存储介质,所述计算机可读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4中任一项所述的步态规划方法的步骤。
7.一种机器人,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4中任一项所述的步态规划方法的步骤。
CN202010773787.0A 2020-08-04 2020-08-04 一种步态规划方法、装置、计算机可读存储介质及机器人 Active CN111736615B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010773787.0A CN111736615B (zh) 2020-08-04 2020-08-04 一种步态规划方法、装置、计算机可读存储介质及机器人

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010773787.0A CN111736615B (zh) 2020-08-04 2020-08-04 一种步态规划方法、装置、计算机可读存储介质及机器人
US17/137,429 US20220043453A1 (en) 2020-08-04 2020-12-30 Gait planning method, computer-readable storage medium and robot

Publications (2)

Publication Number Publication Date
CN111736615A CN111736615A (zh) 2020-10-02
CN111736615B true CN111736615B (zh) 2020-12-15

Family

ID=72657142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010773787.0A Active CN111736615B (zh) 2020-08-04 2020-08-04 一种步态规划方法、装置、计算机可读存储介质及机器人

Country Status (2)

Country Link
US (1) US20220043453A1 (zh)
CN (1) CN111736615B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112744313B (zh) * 2020-12-24 2022-04-15 深圳市优必选科技股份有限公司 一种机器人状态估计方法、装置、可读存储介质及机器人

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4278551B2 (ja) * 2004-03-31 2009-06-17 株式会社国際電気通信基礎技術研究所 倒立振子ロボット
CN104331081B (zh) * 2014-10-10 2017-11-07 北京理工大学 一种双足机器人斜面行走的步态规划方法
CN104443114B (zh) * 2014-11-05 2016-10-19 上海大学 一种基于倒立摆调整重心的龙行车式滑行机器人
CN104898672B (zh) * 2015-05-12 2018-04-03 北京理工大学 一种仿人机器人行走轨迹的优化控制方法
CN105608309B (zh) * 2015-12-11 2019-08-02 杭州南江机器人股份有限公司 一种双足机器人步行规划和控制方法
CN109202901A (zh) * 2018-08-29 2019-01-15 厦门理工学院 一种双足机器人爬楼梯步态规划方法、装置及机器人
CN109703645B (zh) * 2018-12-29 2020-05-22 深圳市优必选科技有限公司 机器人质心位置调整方法、装置、机器人和数据存储介质
CN109774807B (zh) * 2019-03-13 2021-04-06 北京邮电大学 基于超冗余机械臂的双工作模式可变质心滚动球形机器人
CN109774808B (zh) * 2019-03-13 2021-01-08 北京邮电大学 具有双控制模式的质心径向可变三驱动球形机器人

Also Published As

Publication number Publication date
US20220043453A1 (en) 2022-02-10
CN111736615A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN109987169B (zh) 双足机器人的步态控制方法、装置、终端设备及介质
CN111736615B (zh) 一种步态规划方法、装置、计算机可读存储介质及机器人
CN108064197B (zh) 确定码垛点位置信息的方法、装置及机器人
CN111015653B (zh) 机器人控制方法、装置、计算机可读存储介质及机器人
CN107457780B (zh) 控制机械臂运动的方法及装置、存储介质和终端设备
CN109732594B (zh) 一种机器人控制方法、系统及机器人
CN106441350A (zh) 一种计步方法及终端
CN111098300B (zh) 一种机器人平衡控制方法、装置、可读存储介质及机器人
CN108021242A (zh) 陀螺仪数据处理方法、移动终端及计算机可读存储介质
CN109648571A (zh) 工业机器人的示教轨迹复现方法、系统及机器人
CN105549746A (zh) 一种基于加速度传感芯片的动作识别方法
JP2021516382A (ja) 機械学習のための画像変換
CN103679271A (zh) 基于Bloch球面坐标及量子计算的碰撞检测方法
CN111844013B (zh) 机器人步态规划方法、装置、机器人及存储介质
US20210197370A1 (en) Robot control method, computer-readable storage medium and biped robot
CN111208809A (zh) 机器人步态规划方法及终端设备
CN113001542B (zh) 一种机器人轨迹规划方法、装置、可读存储介质及机器人
CN105589977A (zh) 一种运动次数监测方法及装置
US20130293538A1 (en) Object operating device and method, and program
CN107292812A (zh) 一种表情迁移的方法及电子设备
CN1746840A (zh) 平方根计算方法
CN113204892A (zh) 质心轨迹生成方法、装置、计算机可读存储介质及机器人
CN110008387B (zh) 流场可视化实现方法、装置及电子设备
CN107292220A (zh) 一种眉毛位置的初始化方法及电子设备
US20210181765A1 (en) Gait planning method, computer-readable storage medium and robot

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