CN112859875B - 足式机器人运动轨迹优化方法、设备及存储介质 - Google Patents
足式机器人运动轨迹优化方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112859875B CN112859875B CN202110121452.5A CN202110121452A CN112859875B CN 112859875 B CN112859875 B CN 112859875B CN 202110121452 A CN202110121452 A CN 202110121452A CN 112859875 B CN112859875 B CN 112859875B
- Authority
- CN
- China
- Prior art keywords
- preset
- length
- optimal
- coefficient vector
- speed
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 230000001133 acceleration Effects 0.000 claims abstract description 61
- 230000009467 reduction Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 108
- 230000005484 gravity Effects 0.000 claims description 8
- 230000009191 jumping Effects 0.000 abstract description 17
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种足式机器人运动轨迹优化方法、设备及存储介质，足式机器人运动轨迹优化方法包括：获取驱动件的初始长度和初始速度；根据所述初始长度、所述初始速度、预设起跳条件、预设线性二次公式、预设线性模型确定最优伸缩长度和最优水平加速度；根据所述最优伸缩长度、所述最优水平加速度、所述预设起跳条件、预设降维模型和所述预设线性二次公式确定最优轨迹；根据所述最优轨迹和所述预设降维模型确定水平速度轨迹。本发明能够保持足式机器人在跳跃过程中的平衡，相比于现有足式机器人跳跃过程平衡的研究，能够实现更加复杂的跳跃平衡轨迹规划。
Description
技术领域
本发明涉及运动轨迹规划的技术领域，尤其是涉及一种足式机器人运动轨迹优化方法、设备及存储介质。
背景技术
轮式双足机器人兼具轮式移动平台的高机动性和足式机器人的灵活性，因此在物资搬运、分拣及抢险救灾方面有较广阔的应用前景。但是双轮式机器人是一种欠驱动系统，天生具有不稳定的特征，这给平衡控制和任务操作带来极大的挑战。
一般的轮式双足机器人继承了足式机器人能够跳跃的特点，但很少涉及针对跳跃的轨迹规划，大都只局限于满足平衡需求。仅存的个别研究只简单地给关节角一个阶跃指令。这样的指令虽然偶然能够使机器人跳跃很矮的高度，但是大部分不能给予机器人最优的跳跃轨迹，且受到水平速度的影响，轮式双足机器人的跳跃高度有时候无法达到需要的跳跃高度。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种足式机器人运动轨迹优化方法，能够计算出最优的运动轨迹，以便于轮式双足机器人完成准确地跳跃。
本发明还提出一种足式机器人运动轨迹优化系统。
本发明还提出一种计算机可读存储介质。
第一方面，本发明的一个实施例提供了足式机器人运动轨迹优化方法，包括：
获取驱动件的初始长度和初始速度；
根据所述初始长度、所述初始速度、预设起跳条件、预设线性二次公式、预设线性模型确定最优伸缩长度和最优水平加速度；
根据所述最优伸缩长度、所述最优水平加速度、所述预设起跳条件、预设降维模型和所述预设线性二次公式确定最优轨迹；
根据所述最优轨迹和所述预设降维模型确定水平速度轨迹。
本发明实施例的足式机器人运动轨迹优化方法至少具有如下有益效果：能够保持足式机器人在跳跃过程中的平衡，相比于现有足式机器人跳跃过程平衡的研究，能够实现更加复杂的跳跃平衡轨迹规划。
根据本发明的另一些实施例的足式机器人运动轨迹优化方法，所述预设起跳条件包括：预设总长度、预设杆长速度、预设杆长加速度、预设伸缩长度范围、预设起跳速度和预设起跳角度。
根据本发明的另一些实施例的足式机器人运动轨迹优化方法，所述根据所述初始长度、所述初始速度、预设起跳条件、预设线性二次公式、预设线性模型确定最优伸缩长度和最优水平加速度，包括：
根据所述初始长度、所述初始速度、所述预设总长度、所述预设杆长速度和所述预设杆长加速度与所述预设线性二次公式确定第一多项式系数向量；
根据所述第一多项式系数向量、所述预设线性二次公式、所述预设伸缩长度范围和所述预设线性模型确定所述最优伸缩长度；
根据所述预设起跳速度、所述预设起跳角度、所述初始速度和所述预设线性二次公式确定第二多项式系数向量；
根据所述第二多项式系数向量、所述预设线性二次公式确定所述最优水平加速度。
根据本发明的另一些实施例的足式机器人运动轨迹优化方法，所述根据所述预设起跳速度、所述预设起跳角度、所述初始速度和所述预设线性二次公式确定第二多项式系数向量，包括：
根据所述预设起跳角度和重力加速度确定预设起跳加速度；
根据所述预设起跳速度、所述预设起跳加速度、所述初始速度、所述预设线性二次公式确定第二多项式系数向量。
根据本发明的另一些实施例的足式机器人运动轨迹优化方法，所述根据所述最优伸缩长度、所述最优水平加速度、所述预设起跳条件、预设降维模型和所述预设线性二次公式确定最优轨迹，包括：
根据所述最优伸缩长度、所述最优水平加速度和所述预设降维模型确定第三多项式系数向量和第四多项式系数向量；
根据所述第三多项式系数向量、所述第四多项式系数向量、所述初始长度、所述预设杆长速度、所述预设起跳角度、所述预设起跳速度和所述预设线性二次公式确定最优轨迹。
根据本发明的另一些实施例的足式机器人运动轨迹优化方法，所述根据所述最优伸缩长度、所述最优水平加速度和所述预设降维模型确定第三多项式系数向量和第四多项式系数向量，包括：
将所述最优伸缩长度、所述最优水平加速度代入所述预设降维模型；
对所述预设降维模型进行积分以得到轨迹关系式，所述轨迹关系式为杆长和角度关于时间的轨迹；
将所述轨迹关系式进行多项式拟合以得到所述第三多项式系数向量和所述第四多项式系数向量。
根据本发明的另一些实施例的足式机器人运动轨迹优化方法，所述根据所述第三多项式系数向量、所述第四多项式系数向量、所述初始长度、所述预设杆长速度、所述预设起跳角度、所述预设起跳速度和所述预设线性二次公式确定最优轨迹，包括：
根据所述第三多项式系数向量、所述第四多项式系数向量和所述预设线性二次公式确定线性关系式；
根据所述预设起跳角和所述预设起跳速度确定预设起跳角速度；
根据所述初始长度、所述预设杆长速度、所述预设起跳角度、所述预设起跳角速度和所述预设线性二次公式确定第五多项式系数向量和第六多项式系数向量；
根据所述第五多项式系数向量、所述第六多项式系数向量和所述线性关系式确定所述最优轨迹。
根据本发明的另一些实施例的足式机器人运动轨迹优化方法，所述预设降维模型为拉格朗日方程式，所述拉格朗日方程式通过预设参数建立，所述预设参数包括：
驱动件质量、轮子质量、弹簧刚度系数、轮子半径、弹簧自然状态长度、地表重力角速度。
第二方面，本发明的一个实施例提供了足式机器人运动轨迹优化设备，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的足式机器人运动轨迹优化方法。
第三方面，本发明的一个实施例提供了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可执行指令，所述计算机可执行指令用于使计算机执行如第一方面的足式机器人运动轨迹优化方法。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明实施例中足式机器人运动轨迹优化方法的一具体实施例流程示意图；
图2是本发明实施例中足式机器人运动轨迹优化方法的另一具体实施例流程示意图；
图3是本发明实施例中足式机器人运动轨迹优化方法的另一具体实施例流程示意图；
图4是本发明实施例中足式机器人运动轨迹优化方法的另一具体实施例流程示意图；
图5是本发明实施例中足式机器人运动轨迹优化方法的另一具体实施例流程示意图；
图6是本发明实施例中足式机器人运动轨迹优化方法的另一具体实施例流程示意图；
图7是本发明实施例中足式机器人运动轨迹优化设备的另一具体模块框图。
附图标记：100、处理器；200、存储器。
具体实施方式
以下将结合实施例对本发明的构思及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
在本发明实施例的描述中，如果涉及到“若干”，其含义是一个以上，如果涉及到“多个”，其含义是两个以上，如果涉及到“大于”、“小于”、“超过”，均应理解为不包括本数，如果涉及到“以上”、“以下”、“以内”，均应理解为包括本数。如果涉及到“第一”、“第二”，应当理解为用于区分技术特征，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
对于移动机器人的研究，主要确保移动机器人在平整路面上，运动平稳，能够保持相当高的速度，同时耗能要小。但是在复杂路面如楼梯，凸台等实际环境种要有很好的越障、避障能力。为了使得移动机器人可以在狭小复杂的空间实现转向，复位等功能，同时稳定性好，不容易发生覆倾，以产生了一种轮式双足机器人。轮式双足机器人兼具轮式移动平台的高机动性和足式机器人的灵活性，因此在物资搬运、分拣及抢险救灾方面有较广阔的应用前景，但轮式双足机器人是一种欠驱动系统，具有不稳定的特性。
基于此，本发明申请公开了一种足式机器人运动轨迹优化方法、设备及存储介质，能够保持足式机器人在跳跃过程中的平衡，相比于现有足式机器人跳跃过程平衡的研究，能够实现更加复杂的跳跃平衡轨迹规划。
第一方面，参照图1，本发明实施例公开了足式机器人运动轨迹优化方法，包括：
S100、获取驱动件的初始长度和初始速度；
S200、根据初始长度、初始速度、预设起跳条件、预设线性二次公式、预设线性模型确定最优伸缩长度和最优水平加速度；
S300、根据最优伸缩长度、最优水平加速度、预设起跳条件、预设降维模型和预设线性二次公式确定最优轨迹；
S400、根据最优轨迹和预设降维模型确定水平速度轨迹。
当提供足式机器人一种驱动件进行跳跃的驱动，则足式机器人主要包括轮子和驱动件，且轮子和驱动件之间设有弹簧，以便于提供驱动件一个驱动力后，弹簧能够使得驱动件恢复原来的位置。所以当足式机器人需要跳跃时，会提供驱动件一个驱动力，但是设置驱动力的大小需要根据驱动件的初始长度和初始速度确定，因此获取驱动件的初始长度和初始速度。
由于足式机器人的运动轨迹根据动力学模型计算得到，且动力学模型有三个自由度，分别为水平速度、俯仰角和杆长，而预设线性模型为动力学模型忽略俯仰角和水平加速度的影响简化得到的。预设降维模型是动力学模型只含有杆长和俯仰角两个自由度得到的。若足式机器人实现跳跃，则需要确定起跳条件，同时在整个起跳过程，杆长变化也不能太剧烈否则在现实中难以实现，所以设置了预设起跳条件后，根据初始长度、初始速度、预设起跳条件、预设线性二次公式、预设线性模型确定最优伸缩长度和最优水平加速度，但是得到的最优伸缩长度和最优水平加速是在不考虑俯仰角和水平加速度对杆长影响。因此需要将最优伸缩长度和最优水平加速度代入到具有杆长和俯仰角的预设降维模型以确定最优轨迹，得到最优轨迹后还需要根据预设降维模型确定水平速度轨迹，所以确定了水平速度轨迹即可确定足式机器人初始速度和驱动力，然后可以完整足式机器人的精准跳跃，因此实现足式机器人跳跃平衡轨迹规划。
在一些实施例中，预设起跳条件包括：预设总长度、预设杆长速度、预设杆长加速度、预设伸缩长度范围、预设起跳速度和预设起跳角度。
其中，预设降维模型由动力学模型得到，且预设降维模型和动力学模型都为拉格朗日方程式，且拉格朗日方程式通过预设参数建立，预设参数包括：驱动件质量、轮子质量、弹簧刚度系数、轮子半径、弹簧自然状态长度、地表重力角速度，且动力学模型也通过预设参数建立。动力学模型如下：
式中，mb是驱动件质量，mw是轮子质量，是弹簧刚度系数，r是轮子半径，L0是弹簧自然状态长度，g是地表重力角速度，L是杆长，v是水平速度，θ为俯仰角。从公式(1)可知，动力学模型存在水平速度、俯仰角和杆长三个未知量，且杆长为驱动后的长度。
若忽略了俯仰角和杆长的影响得到的预设线性模型如下：
因此实现足式机器人跳跃需要杆长速度和杆长速度需要满足一定条件，且杆长变化也不能太剧烈否则在现实中难以实现，所以设置预设起跳条件包括：预设总长度、预设杆长速度和预设伸缩长度范围，以便于计算出最优伸缩长度和最优水平加速度。
参照图2，在一些实施例中，步骤S200包括：
S210、根据初始长度、初始速度、预设总长度、预设杆长速度和预设杆长加速度与预设线性二次公式确定第一多项式系数向量；
S220、根据第一多项式系数向量、预设线性二次公式、预设伸缩长度范围和预设线性模型确定最优伸缩长度；
S230、根据预设起跳速度、起跳角度、初始速度和预设线性二次公式确定第二多项式系数向量；
S240、根据第二多项式系数向量和预设线性二次公式确定最优水平加速度。
由于杆长的伸缩长度可以通过求解线性二次优化问题得到，因此设置预设线性二次公式，且构建杆长、水平速度和俯仰角的预设线性二次公式相关，且杆长、水平速度和俯仰角的关系式根据预设线性二次公式和不同的多项式系数向量确定，因此可以先确定了多项式系数向量后即可确定杆长、水平速度和俯仰角对应的关系式，然后计算出杆长、水平速度和俯仰角。
首先计算出第一多项式系数向量，然后根据第一多项式系数向量、预设线性二次公式、预设伸缩长度范围和预设线性模型确定了最优伸缩长度。计算最优水平加速度则需要先确定第二多项式系数向量，然后根据第二多项式系数向量、预设线性二次公式和预设线性模型即可确定最优水平速度，使得最优伸缩长度和最优水平速度计算简易。
其中，杆长与时间构建关系式，且构建的关系式由第一多项式系数向量和预设线性二次公式得到，如下：
式中，Φ0(t)是关于时间t的高阶多项式，也即预设线性二次公式，且预设线性二次公式的具体阶数可调整，α为对应的第一多项式系数向量，同理其中Φ1(t)和Φ2(t)分别为Φ0(t)的一阶和二阶导数向量。
获取初始长度、初始速度、预设总长度、预设杆长速度和预设杆长加速度，然后将初始长度、初始速度、预设总长度、预设杆长速度和预设杆长加速度代入到公式(3)中得到：
式中，L(0)和分别为初始长度及预设杆长速度，/>是跳跃时长。根据公式(4)可以得到第一多项式系数向量，然后将第一多项式系数向量代入到公式(3)得到杆长的关系式，然后将杆长关系式代入到公式(2)，因此，根据预设伸缩长度范围、预设线性模型和杆长关系式得到：
式中，ΔLmin和ΔLmax分别为预设伸缩长度范围的上下限，根据公式(5)即可得到最优伸缩长度。
参照图3，在一些实施例中，步骤S230包括：
S231、根据起跳角度和重力加速度确定预设起跳加速度；
S232、根据预设起跳速度、预设起跳加速度、初始速度、预设线性二次公式确定第二多项式系数向量。
预设起跳速度为则预设起跳加速度根据预设起跳角度和重力加速度确定为速度相应的线性二次优化关系式通过第二多项式系数向量和预设线性二次公式得到，具体为：
式中，β为第二多项式系数向量。因此根据预设起跳速度、预设起跳角度和初始速度代入到公式(6)得到：
式中，是初始速度，且初始速度为水平初始速度，/> 根据公式(7)即可得到第二多项式系数向量。得到第二多项式系数向量后代入公式(6)后进行求导即可得到最优水平加速度。
参照图4，在一些实施例中，步骤S300包括：
S310、根据最优伸缩长度、最优水平加速度和预设降维模型确定第三多项式系数向量和第四多项式系数向量；
S320、根据第三多项式系数向量、第四多项式系数向量、初始长度、预设杆长速度、预设起跳角度、预设起跳速度和预设线性二次公式确定最优轨迹。
通过确定了最优伸缩长度和最优水平加速度后，将最优伸缩长度和最优水平加速度代入到预设降维模型以得到第三多项式系数向量和第四多项式系数向量，以确定最优轨迹，使得更加准确的最优轨迹。
参照图5，在一些实施例中，步骤S310包括：
S311、将最优伸缩长度、最优水平加速度代入预设降维模型；
S312、对预设降维模型进行积分以得到轨迹关系式，轨迹关系式为杆长和角度关于时间的轨迹；
S313、将轨迹关系式进行多项式拟合以得到第三多项式系数向量和第四多项式系数向量。
确定了最优伸缩长度和最优水平加速度后，将最优伸缩长度和最优水平加速度代入到含有杆长和俯仰角两个自由度的预设降维模型后，且预设降维模型为：
由于预设降维模型具有杆长和俯仰角两个自由度，其中起跳角起跳时的俯仰角，所以对代入最优伸缩长度、最优水平速度的预设降维模型根据正向动力学进行积分以求得杆长和俯仰角关于时间的轨迹关系式，再将轨迹关系经过多项式拟合以得到他们多项式对应的第三多项式系数向量和第四多项式系数向量为αL和β，因此第三多项式系数向量和第四多项式系数向量的计算准确且简易。
参照图6，在一些实施例中，步骤S320包括：
S321、根据第三多项式系数向量、第四多项式系数向量和预设线性二次公式确定线性关系式；
S322、根据预设起跳角和预设起跳速度确定预设起跳角速度；
S323、根据初始长度、预设杆长速度、预设起跳角度、预设起跳角速度和预设线性二次公式确定第五多项式系数向量和第六多项式系数向量；
S324、根据第五多项式系数向量、第六多项式系数向量和线性关系式确定最优轨迹。
其中，将第三多项式系数向量、第四多项式系数向量与预设线性二次公式确定的线性关系式为：
式中，αL是第三多项式系数向量，βL是第四多项式系数向量，α*为第五多项式系数向量，β*为第六多项式系数向量，L*(t)＝Φ0(t)α*，θ*(t)＝Φ0(t)β*，是预设起跳条件，Q1和Q2为权重系数。
根据初始长度、预设杆长速度、预设起跳角度、预设起跳角速度代入到预设线性二次公式构建的关系式，以得到：
式中，L(0)是初始长度，是预设杆长速度，θ(0)是预设起跳角度，/>是预设起跳角速度。通过公式(10)可以确定第五多项式系数向量和第六多项式系数向量。得到第五多项式系数向量和第六多项式系数向量后，将第五多项式系数向量、第预设降维模型求出加速度轨迹，再对加速度轨迹进行积分以得到实际的水平速度轨迹。
下面参考图1至图6以一个具体的实施例详细描述根据本发明实施例的足式机器人运动轨迹优化方法。值得理解的是，下述描述仅是示例性说明，而不是对发明的具体限制。
获取驱动件的初始长度和初始速度，将初始长度、初始速度、预设总长度、预设杆长速度和预设规杆长加速度代入到公式(3)得到公式(4)，根据公式(4)可以得到第一多项式系数向量，然后将第一多项式系数向量代入到公式(3)得到杆长的关系式，然后将杆长关系式代入到公式(2)，因此，根据预设伸缩长度范围、预设线性模型和杆长关系式得到公式(5)，根据公式(5)即可得到最优伸缩长度。因此根据预设起跳速度、预设起跳角度和初始速度代入到公式(6)得到公式(7)，再根据公式(7)即可得到第二多项式系数向量，得到第二多项式系数向量后代入公式(6)后进行求导即可得到最优水平加速度。确定了最优伸缩长度和最优水平加速度后，将最优伸缩长度和足有水平加速度代入导最含有杆长和俯仰角两个自由度的预设降维模型，对代入最优伸缩长度最优水平速度的预设降维模型根据正向动力学进行积分以求得杆长和俯仰角关于时间的轨迹关系式，再将轨迹关系是经过多项式拟合以得到他们多项式对应的第三多项式系数向量和第四多项式系数向量。将第三多项式系数向量、第四多项式系数向量与预设线性二次公式去确定的线性关系式，根据初始长度、预设杆长速度、预设起跳角度、预设起跳角速度代入到预设线性二次公式构建的公式(10)，通过公式(10)可以确定第五多项式系数向量和第六多项式系数向量。得到第五多项式系数向量和第六多项式系数向量后，将第五多项式系数向量、预设降维模型求出加速度轨迹，再对加速度轨迹进行积分以得到实际的水平速度轨迹。
第二方面，本发明实施例还公开了一种足式机器人运动轨迹优化设备，包括：至少一个处理器100，以及，与至少一个处理器100通信连接的存储器200；其中，存储器200存储有可被至少一个处理器100执行的指令，指令被至少一个处理器100执行，以使至少一个处理器100能够执行如第一方面的足式机器人运动轨迹优化方法。
电子设备可以为移动终端设备，也可以为非移动终端设备。移动终端设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载终端设备、可穿戴设备、超级移动个人计算机、上网本、个人数字助理、CPE、UFI(无线热点设备)等；非移动终端设备可以为个人计算机、电视机、柜员机或者自助机等；本发明实施方案不作具体限定。
存储器200可以为外部存储器，也可以为内部存储器，外部存储器为外部存储卡，例如Micro SD卡。外部存储卡通过外部存储器接口与处理器100通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。内部存储器可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。
处理器100可以包括一个或多个处理单元，例如：处理器100可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器100中。
第三方面，本发明实施例还公开了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如第一方面的足式机器人运动轨迹优化方法。
以上所描述的装置实施例仅仅是示意性的，其中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，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模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
Claims (7)
1.一种足式机器人运动轨迹优化方法，其特征在于，包括：
获取驱动件的初始长度和初始速度；
根据所述初始长度、所述初始速度、预设起跳条件、预设线性二次公式、预设线性模型确定最优伸缩长度和最优水平加速度，其中，所述预设起跳条件包括：预设总长度、预设杆长速度、预设杆长加速度、预设伸缩长度范围、预设起跳速度和预设起跳角度；所述预设线性二次公式是关于时间的高阶多项式；所述预设线性模型为动力学模型忽略俯仰角和水平加速度得到；确定最优伸缩长度和最优水平加速度的过程包括：
根据所述初始长度、所述初始速度、所述预设总长度、所述预设杆长速度和所述预设杆长加速度与所述预设线性二次公式确定第一多项式系数向量；
根据所述第一多项式系数向量、所述预设线性二次公式、所述预设伸缩长度范围和所述预设线性模型确定所述最优伸缩长度；
根据所述预设起跳速度、所述预设起跳角度、所述初始速度和所述预设线性二次公式确定第二多项式系数向量；
根据所述第二多项式系数向量、所述预设线性二次公式确定所述最优水平加速度；
根据所述最优伸缩长度、所述最优水平加速度、所述预设起跳条件、预设降维模型和所述预设线性二次公式确定最优轨迹，具体包括：
根据所述最优伸缩长度、所述最优水平加速度和所述预设降维模型确定第三多项式系数向量和第四多项式系数向量；其中，所述预设降维模型是动力学模型只含有杆长和俯仰角两个自由度得到的；
根据所述第三多项式系数向量、所述第四多项式系数向量、所述初始长度、所述预设杆长速度、所述预设起跳角度、所述预设起跳速度和所述预设线性二次公式确定最优轨迹；
根据所述最优轨迹和所述预设降维模型确定水平速度轨迹。
2.根据权利要求1所述的足式机器人运动轨迹优化方法，其特征在于，所述根据所述预设起跳速度、所述预设起跳角度、所述初始速度和所述预设线性二次公式确定第二多项式系数向量，包括：
根据所述预设起跳角度和重力加速度确定预设起跳加速度；
根据所述预设起跳速度、所述预设起跳加速度、所述初始速度、所述预设线性二次公式确定第二多项式系数向量。
3.根据权利要求2所述的足式机器人运动轨迹优化方法，其特征在于，所述根据所述最优伸缩长度、所述最优水平加速度和预设降维模型确定第三多项式系数向量和第四多项式系数向量，包括：
将所述最优伸缩长度、所述最优水平加速度代入所述预设降维模型；
对所述预设降维模型进行积分以得到轨迹关系式，所述轨迹关系式为杆长和角度关于时间的轨迹；
将所述轨迹关系式进行多项式拟合以得到所述第三多项式系数向量和所述第四多项式系数向量。
4.根据权利要求2所述的足式机器人运动轨迹优化方法，其特征在于，所述根据所述第三多项式系数向量、所述第四多项式系数向量、所述初始长度、所述预设杆长速度、所述预设起跳角度、所述预设起跳速度和所述预设线性二次公式确定最优轨迹，包括：
根据所述第三多项式系数向量、所述第四多项式系数向量和所述预设线性二次公式确定线性关系式；
根据所述预设起跳角和所述预设起跳速度确定预设起跳角速度；
根据所述初始长度、所述预设杆长速度、所述预设起跳角度、所述预设起跳角速度和所述预设线性二次公式确定第五多项式系数向量和第六多项式系数向量；
根据所述第五多项式系数向量、所述第六多项式系数向量和所述线性关系式确定所述最优轨迹。
5.根据权利要求1所述的足式机器人运动轨迹优化方法，其特征在于，所述预设降维模型为拉格朗日方程式，所述拉格朗日方程式通过预设参数建立，所述预设参数包括：
驱动件质量、轮子质量、弹簧刚度系数、轮子半径、弹簧自然状态长度、地表重力角速度。
6.一种足式机器人运动轨迹优化设备，其特征在于，包括：
至少一个处理器，以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5任一项所述的足式机器人运动轨迹优化方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至5任一项所述的足式机器人运动轨迹优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110121452.5A CN112859875B (zh) | 2021-01-28 | 2021-01-28 | 足式机器人运动轨迹优化方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110121452.5A CN112859875B (zh) | 2021-01-28 | 2021-01-28 | 足式机器人运动轨迹优化方法、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112859875A CN112859875A (zh) | 2021-05-28 |
| CN112859875B true CN112859875B (zh) | 2023-10-20 |
Family
ID=75987817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110121452.5A Active CN112859875B (zh) | 2021-01-28 | 2021-01-28 | 足式机器人运动轨迹优化方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112859875B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115339542B (zh) * | 2022-07-08 | 2023-11-07 | 南方科技大学 | 一种足式机器人运动控制方法及足式机器人 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010253608A (ja) * | 2009-04-24 | 2010-11-11 | Toyota Motor Corp | 脚式ロボット及びその制御方法 |
| CN110405764A (zh) * | 2019-07-25 | 2019-11-05 | 北京理工大学 | 基于仿生眼机器人的轨迹追踪方法及装置、仿生眼、仿生眼机器人 |
| CN111208826A (zh) * | 2020-02-18 | 2020-05-29 | 杭州云深处科技有限公司 | 四足机器人溜蹄步态规划方法、装置、设备及可读介质 |
| CN111367327A (zh) * | 2020-04-02 | 2020-07-03 | 杭州云深处科技有限公司 | 一种四足机器人仿生跳跃动作的控制方法和装置 |
| CN111438694A (zh) * | 2020-05-21 | 2020-07-24 | 中国计量大学 | 一种基于双生成函数的四足机器人对角步态规划方法 |
| CN112207825A (zh) * | 2020-09-28 | 2021-01-12 | 杭州云深处科技有限公司 | 一种四足机器人仿生跳跃动作的控制方法、装置、电子设备及计算机可读介质 |
-
2021
- 2021-01-28 CN CN202110121452.5A patent/CN112859875B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010253608A (ja) * | 2009-04-24 | 2010-11-11 | Toyota Motor Corp | 脚式ロボット及びその制御方法 |
| CN110405764A (zh) * | 2019-07-25 | 2019-11-05 | 北京理工大学 | 基于仿生眼机器人的轨迹追踪方法及装置、仿生眼、仿生眼机器人 |
| CN111208826A (zh) * | 2020-02-18 | 2020-05-29 | 杭州云深处科技有限公司 | 四足机器人溜蹄步态规划方法、装置、设备及可读介质 |
| CN111367327A (zh) * | 2020-04-02 | 2020-07-03 | 杭州云深处科技有限公司 | 一种四足机器人仿生跳跃动作的控制方法和装置 |
| CN111438694A (zh) * | 2020-05-21 | 2020-07-24 | 中国计量大学 | 一种基于双生成函数的四足机器人对角步态规划方法 |
| CN112207825A (zh) * | 2020-09-28 | 2021-01-12 | 杭州云深处科技有限公司 | 一种四足机器人仿生跳跃动作的控制方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (1)
| Title |
|---|
| Underactuated Motion Planning and Control for Jumping With Wheeled-Bipedal Robots;Hua Chen 等;《IEEE ROBOTICS AND AUTOMATION LETTERS》;第6卷(第2期);第747-754页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112859875A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11036965B2 (en) | Shape estimating apparatus | |
| CN108995657A (zh) | 操作自动驾驶车辆的方法和数据处理系统 | |
| CN110389581A (zh) | 用于为自动驾驶车辆生成障碍物的预测轨迹的方法 | |
| CN106737549B (zh) | 一种移动机器人及其防倾覆方法和装置 | |
| CN110531750A (zh) | 用于自动驾驶车辆的pid嵌入式lqr | |
| CN107985313A (zh) | 用于自主车辆的基于弹簧系统的变换车道方法 | |
| WO2022105395A1 (en) | Data processing method, apparatus, and system, computer device, and non-transitory storage medium | |
| CN112566603B (zh) | 一种轮椅结构参数自适应调节方法、系统及存储介质 | |
| CN112859875B (zh) | 足式机器人运动轨迹优化方法、设备及存储介质 | |
| CN111091023B (zh) | 一种车辆检测方法、装置及电子设备 | |
| CN108875689A (zh) | 无人驾驶车辆对位方法、系统、设备及存储介质 | |
| CN113011364A (zh) | 神经网络训练、目标对象检测、行驶控制方法及装置 | |
| JPWO2020137315A1 (ja) | 測位装置及び移動体 | |
| CN109760688B (zh) | 路段信息确定方法、装置、车辆及计算机可读存储介质 | |
| CN107121128A (zh) | 一种足式机器人地形参数的测量方法及系统 | |
| CN105806312B (zh) | 基于三条及以上支撑腿的足式机器人地形参数测量方法 | |
| CN117284291A (zh) | 弯道限速方法、装置、计算机设备和存储介质 | |
| CN116394924A (zh) | 自动泊车规划方法、装置、电子设备及存储介质 | |
| CN115438430B (zh) | 一种矿区车辆行驶稳定性预测方法和装置 | |
| CN116486290A (zh) | 一种无人机监测追踪方法、装置、电子设备及存储介质 | |
| WO2023036212A1 (zh) | 货架定位方法、货架对接方法以及装置、设备、介质 | |
| CN209080876U (zh) | 一种运输设备及运输系统 | |
| CN108416044B (zh) | 场景缩略图的生成方法、装置、电子设备及存储介质 | |
| CN111016882B (zh) | 一种车辆控制信号计算方法、装置、设备及存储介质 | |
| CN114407008A (zh) | 机器人运动控制方法、装置、设备及存储介质 |
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 |