CN114815795A - 机器人的控制方法及装置 - Google Patents

机器人的控制方法及装置 Download PDF

Info

Publication number
CN114815795A
CN114815795A CN202110120432.6A CN202110120432A CN114815795A CN 114815795 A CN114815795 A CN 114815795A CN 202110120432 A CN202110120432 A CN 202110120432A CN 114815795 A CN114815795 A CN 114815795A
Authority
CN
China
Prior art keywords
robot
parameter
parameters
estimation
determining
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.)
Pending
Application number
CN202110120432.6A
Other languages
English (en)
Inventor
吴长征
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.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Guangzhou Shirui Electronics Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Guangzhou Shirui Electronics Co Ltd
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 Guangzhou Shiyuan Electronics Thecnology Co Ltd, Guangzhou Shirui Electronics Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN202110120432.6A priority Critical patent/CN114815795A/zh
Publication of CN114815795A publication Critical patent/CN114815795A/zh
Pending legal-status Critical Current

Links

Images

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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

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)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Manipulator (AREA)

Abstract

本申请实施例公开了一种机器人的控制方法及装置，属于机器人定位的技术领域。其中，该方法包括：获取机器人的运动参数和当前所处环境的环境参数；基于运动参数确定第一估计参数，并基于环境参数确定第二估计参数；基于第一估计参数和第二估计参数，确定机器人的控制参数；基于控制参数控制机器人运动。因此，本申请实施例可以解决相关技术中仅根据机器人的位置信息进行自主定位导致机器人定位不准确的技术问题。

Description

机器人的控制方法及装置
技术领域
本申请涉及机器人的定位领域，具体而言，涉及一种机器人的控制方法及装置。
背景技术
机器人自主导航技术是机器人领域的一个研究热点，是机器人实现自主移动的关键。机器人自主导航技术主要是通过传感器感知环境信息和自身状态，在确定自身位置的同时构建场景地图，并利用位置及地图信息实现在位置环境中的自主移动。
但是当机器人运行在崎岖复杂的非结构化环境中时，由于环境的复杂常常会导致机器人在控制过程中存在较大的偏差，使得机器人的控制精确度较低，从而影响机器人的自主运动。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种机器人的控制方法及装置，以至少解决相关技术中机器人的控制精确度较低的技术问题。
根据本申请实施例的一个方面，提供了一种机器人的控制方法，包括：获取机器人的运动参数和当前所处环境的环境参数；基于运动参数确定第一估计参数，并基于环境参数确定第二估计参数；基于第一估计参数和第二估计参数，确定机器人的控制参数；基于控制参数控制机器人运动。
可选地，基于第一估计参数和第二估计参数，确定机器人的控制参数，包括：获取机器人的状态参数，其中，状态参数包括：机器人的位置参数、机器人的姿态参数；对第一估计参数和第二估计参数进行加权融合，得到目标估计参数；基于状态参数和目标估计参数，确定控制参数。
可选地，第一估计参数包括：第一姿态估计参数，运动参数包括：机器人在当前时刻的角速度和线加速度，基于运动参数确定第一估计参数，包括：根据线加速度和重力加速度，确定机器人的第一反馈信息，其中，第一反馈信息用于表征机器人线加速度的反馈信息；基于第一反馈信息、线加速度、角速度以及第一周期，确定机器人的第二反馈信息，其中，第一周期为机器人姿态的变化周期，第二反馈信息为机器人姿态的反馈信息；基于预设公式和第二反馈信息，确定机器人的第一姿态估计参数。
可选地，第一估计参数还包括：第一位置估计参数，基于运动参数确定第一估计参数，包括：获取机器人的足端参数，足端参数包括如下至少之一：足端的位置、足端的速度、足端的高度，足端的高度为足端距离机器人所在平面的高度；基于足端参数、第一姿态估计参数和线加速度，确定机器人的第一位置估计参数。
可选地，该方法还包括：获取机器人的足端状态；在足端状态为预设状态的情况下，对足端参数进行预处理，其中，预设状态用于表征足端未触地；基于预处理后的足端参数、第一姿态估计参数和线加速度，确定机器人的第一位置估计参数。
可选地，基于环境参数确定第二估计参数，包括：获取机器人当前所处环境中的特征集合；基于定位算法和特征集合，确定机器人的第二估计参数，其中，第二估计参数包括：第二姿态估计参数、第二位置估计参数。
可选地，通过运动控制模块基于运动参数确定第一估计参数，通过导航控制模块基于环境参数确定第二估计参数，通过导航控制模块基于第一估计参数和第二估计参数，确定机器人的控制参数，通过运动控制模块基于控制参数控制机器人运动。
根据本发明实施例的另一个方面，还提供了一种机器人的控制装置，包括：获取模块，获取机器人的运动参数和当前所处环境的环境参数；第一确定模块，基于运动参数确定第一估计参数，并基于环境参数确定第二估计参数；第二确定模块，基于第一估计参数和第二估计参数，确定机器人的控制参数；控制模块，基于控制参数控制机器人运动。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的机器人的控制方法。
根据本发明实施例的另一方面，还提供了一种机器人，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的机器人的控制方法。
在本发明实施例中，首先可以获取机器人的运动参数和当前所处环境的环境参数；然后基于运动参数确定第一估计参数，并基于环境参数确定第二估计参数，然后基于第一估计参数和第二估计参数，确定机器人的控制参数；最后，基于控制参数控制机器人运动，实现了通过两种定位方法所得到的估计参数来对机器人进行定位，提高了机器人在自主运动过程中进行控制的准确性，从而提高机器人自主运动的准确性，进而解决了相关技术中机器人自主定位的精确度较低的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本发明实施例的一种机器人的控制方法的流程图；
图2是根据本发明实施例的另一种机器人的控制方法的流程图；
图3为足式机器人的示意图；
图4是根据本发明实施例的一种机器人的控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。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他实施例，都应当属于本申请保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
机器人的硬件部分由机械组件、控制器、雷达模块等部分所构成，由整体结构件结合到一起，同时也由专用的软件系统作为支撑，其中机械组件包括机身和机械腿，其中，机身上设置有雷达模块，用于在机身旋转的过程中采集机器人当前所处环境的特征点，其中，控制器用于控制机器人的机械腿进行移动。
实施例1
根据本申请实施例，提供了一种机器人的控制方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中使出了逻辑顺序，但是在某些情况下，可以以不同于此的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种机器人的控制方法的流程图，如图1所示，该方法可以包括如下步骤：
步骤S102，获取机器人的运动参数和当前所处环境的环境参数。
上述步骤中的运动参数可以是机器人机身的加速度，还可以是机器人腿部的加速度，其中，加速度可以是线加速度和角加速度。运动参数可以通过安装在机器人上的IMU(Inertial measurement unit，惯性测量单元)测量得到。
上述步骤中的环境参数可以是机器人当前所处环境的点云数据，其中，点云是指在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合称之为点云。环境参数可以通过激光雷达进行获取。
在一种可选的实施例中，可以在机器人运动的过程中实时的获取机器人的运动参数和当前所处环境的环境参数，以便对机器人进行精确的控制。
在另一种可选的实施例中，可以间隔固定时长来获取机器人的运动参数和当前所处环境的环境参数，以便节省机器人的耗电量。
步骤S104，基于运动参数确定第一估计参数，并基于环境参数确定第二估计参数。
上述步骤中的第一估计参数可以包括第一姿态估计参数和/或第一位置估计参数，其中，第一姿态估计参数用于确定机器人在运动过程中的姿态，第一位置估计参数用于确定机器人在运动过程中的位置。
在一种可选的实施例中，可以通过机器人上安装的传感器来获取运动参数，可以通过机器人上安装的激光雷达来获取环境参数。
在一种可选的实施例中，可以根据运动参数中的线加速度确定机器人在运动过程中线加速度的反馈项，然后根据线加速度的反馈项和角速度得到机器人姿态的变化量，最后根据姿态的变化量和机器人的上一个姿态来确定第一姿态估计参数。
进一步地，可以采用卡尔曼滤波的方法确定第一位置估计参数，具体的，可以将机身的坐标和足端的坐标作为卡尔曼滤波的输入，使得机器人机身的第一位置估计参数更加的准确。
在另一种可选的实施例中，可以通过激光雷达获取机器人当前所处环境的点云数据，通过激光定位和建图算法完成点云分割、特征提取，确定机器人的第二估计参数。
步骤S106，基于第一估计参数和第二估计参数，确定机器人的控制参数。
上述步骤中控制参数用于控制机器人进行运动。
在一种可选的实施例中，可以通过第一估计参数和第二估计参数来确定机器人的控制参数，通过采用两种方法得到的估计参数可以保证确定的控制参数的准确性，当其中一种估计参数的误差较大时，可以通过另外一种估计参数来进行调整，避免控制机器人在运动的过程中误差较大，从而导致机器人的运动方向发生较大的偏移。
步骤S108，基于控制参数控制机器人运动。
通过控制参数控制机器人运动可以保证机器人的运动方向不发生偏移，使得机器人可以自主运动的准确度更高。
通过本发明的上述实施例，首先可以获取机器人的运动参数和当前所处环境的环境参数；然后基于运动参数确定第一估计参数，并基于环境参数确定第二估计参数，然后基于第一估计参数和第二估计参数，确定机器人的控制参数；最后，基于控制参数控制机器人运动，实现了通过两种定位方法所得到的估计参数来对机器人进行定位，提高了机器人在自主运动过程中进行控制的准确性，另外，可以根据机器人当前所处环境来对第一估计参数和第二估计参数的加权系数进行调整，当环境的地区较为复杂的情况下，可以提高第一估计参数的加权系数，降低第二估计参数的加权系数，以提高控制参数的准确性，从而提高机器人自主运动的准确性，进而解决了相关技术中仅根据机器人的位置信息进行自主定位导致机器人定位不准确的技术问题。
可选地，基于第一估计参数和第二估计参数，确定机器人的控制参数，包括：获取机器人的状态参数，其中，状态参数包括：机器人的位置参数、机器人的姿态参数；对第一估计参数和第二估计参数进行加权融合，得到目标估计参数；基于状态参数和目标估计参数，确定控制参数。
上述步骤中的状态参数为机器人在当前时刻的位置参数和/或姿态参数，其中，位置参数可以是位置坐标，姿态参数可以是机器人的线加速度和角速度，其中，线加速度可以确定机器人的运动速度，角速度可以确定机器人的转动角度。
在一种可选的实施例中，可以根据机器人当前的状态参数和目标估计参数确定机器人需要调整的参数，即控制参数，以便根据控制参数对机器人的姿态和位置进行调整。
在一种可选的实施例中，可以对第一估计参数和第二估计参数设置加权系数，可以将准确度较高的估计参数的加权系数设置的较高，将准确度较低的估计参数的加权系数设置的较低，以便提高加权融合得到的目标估计参数的准确度。
具体的，在激光雷达的精确度较低时，得到的第二估计参数的准确度可能较低，此时可以将第二估计参数的加权系数设置的较小，以减少第二估计参数对目标估计参数的影响。在激光雷达的精确度较高时，得到的第二估计参数的准确度就比较高，此时可以将第二估计参数的加权系数设置的较大，以提高目标估计参数的准确度。
在另一种可选的实施例中，在机器人当前所处环境复杂的情况下，仅采用激光雷达无法得到准确度较高的估计参数，此时可以将第一估计参数和第二估计参数的加权系数设置成相同的，以便提高目标估计参数的准确度。其中，环境复杂是指地形比较的崎岖复杂或者环境中的障碍物较多。
在又一种可选的实施例中，在机器人当前所处环境简单的情况下，仅采用激光雷达就可以得到准确度较高的估计参数，此时可以将第一估计参数的加权系数设置为0，第二估计参数就是目标估计参数，可以减少运算的复杂度，从而减少运算过程中的资源占用。
可选地，第一估计参数包括：第一姿态估计参数，运动参数包括：机器人在当前时刻的角速度和线加速度，基于运动参数确定第一估计参数，包括：根据线加速度和重力加速度，确定机器人的第一反馈信息，其中，第一反馈信息用于表征机器人线加速度的反馈信息；基于第一反馈信息、线加速度、角速度、第一周期，确定机器人的第二反馈信息，其中，第一周期为机器人姿态的变化周期，第二反馈信息为机器人姿态的反馈信息；基于预设公式和第二反馈信息，确定机器人的第一姿态估计参数。
上述步骤中的预设公式为Rodrigues(罗德里格旋转公式)，一个向量旋转轴旋转给定角度以后得到的新向量的计算公式，Rodrigues可以使用原向量，旋转轴及他们叉积作为标架表示出旋转以后的向量，并将旋转以后的向量改写为矩阵形式。
在一种可选的实施例中，可以将机器人的机身的位置和姿态记为1个6维向量，Ρ＝(x,y,z,rx,ry,rz)T；
在一种可选的实施例中，可以从机器人的机身中的传感器读取机器人在当前时刻的角速度和线加速度，分别记为ω＝(α,β,γ)T，a＝(ax,ay,az)T。将地球的重力加速度记为g＝(0,0,9.8)T，设定机器人的起始的姿态矩阵R为单位阵，即：
Figure BDA0002921822400000071
确定机器人在运动过程中的线性加速度的第一反馈项为：
ew＝[a·normalized()]x·(RT·g)·normalized()；
其中，[]×表示将向量写成反对称的形式，.normalized()表示将向量归一化，a表示机器人的线加速度，R为单位矩阵，g为地球的重力加速度，ew为反馈项。
将上述反馈项按照时间积分记为：
TF+＝ki·dt·ew；
其中，TF为时间积分，ki为积分常数，dt为算法的更新周期，ew为第一反馈项。
根据上述的时间积分，可以得到机器人的第二反馈信息，即机器人姿态的反馈信息，也即为每一个dt中姿态的变化量为：
(ω·dt+kp·ew·dt+TF)；
其中，kp为积分常数；
将上述姿态的变化量带入到Rodrigues公式，得到如下公式：
DR＝Rodrigues(ω·dt+kp·ew·dt+TF)；
由此可以得到估计的姿态矩阵为：
Resti＝R·DR；
其中，第一姿态估计参数可以是上述步骤中求得的姿态矩阵。
可选地，第一估计参数还包括：第一位置估计参数，基于运动参数确定第一估计参数包括：获取机器人的足端参数，足端参数包括如下至少之一：足端的位置、足端的速度、足端的高度，足端的高度为足端距离机器人所在平面的高度；基于足端参数、第一姿态估计参数和线加速度，确定机器人的第一位置估计参数。
上述步骤中的足端的速度可以从设置在机器人足端的速度传感器中获取，足端的高度可以从设置在机器人足端的高度传感器中获取，足端的位置可以通过机器人内置的陀螺仪进行获取，其中，足端的位置可以是足端在世界坐标系中的位置。
可以将机器人通电后的初始位置作为世界坐标系的原点，并将机器人的初始运动方向在水平面上的投影作为X轴，将与X轴垂直且经过原点并水平面平行的轴作为Y轴，将通过原点且垂直与水平面的轴作为Z轴。
在一种可选的实施例中，可以利用线性卡尔曼滤波的方法来确定机器人的第一位置估计参数，以便提高第一位置估计参数的准确度。其中，线性卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。
在一种可选的实施例中，可以将机器人的系统作为一个线性系统，可以得到系统的状态方程为：
Figure BDA0002921822400000081
其中，
Figure BDA0002921822400000082
为系统状态微分，A为状态转移矩阵，B为控制输入矩阵，D为控制增益，X为系统状态变量，u为系统输入量，n为系统噪声。
系统的输出方程为：
y＝CX+Ev；
其中，C为系统的增益，E为系统的期望，v为系统观测误差。
根据线性卡尔曼滤波的五大步骤，预测过程可以写成如下：
Figure BDA0002921822400000083
其中，
Figure BDA0002921822400000084
为系统的估计量，ut为t时刻的前验状态估计值；
Figure BDA0002921822400000085
和
Figure BDA0002921822400000086
分别表示t-1时刻和t时刻的后验状态估计值，是滤波的结果之一；
Pt-1和
Figure BDA0002921822400000087
分别表示t-1时刻和t时刻的后验估计协方差，是滤波的结果之一；
Kt为滤波增益矩阵，是滤波的输入；
Q为过程激励噪声协方差，该参数被用来表示状态转化矩阵与实际过程之间的误差；
R为测量噪声协方差，滤波器实际实现时，测量噪声协方差R一般可以观测得到，是滤波器的已知条件；
C为测量矩阵，负责将转化测量值的维数，使之符合状态变量的数学行驶，是滤波的前提条件之一；
yt为系统的输出方程。
在此方法中，设P为机器人机身的坐标，v表示机器人在世界坐标系下的速度，Pi表示机器人各个足端在世界坐标系下的坐标位置，因此有方程：
Figure BDA0002921822400000091
其中np,nv,
Figure BDA0002921822400000099
为白噪声，因此有如下公式：Xt＝[PT,vT,P0T,P1T,P2T,P3T]T，
Figure BDA0002921822400000092
其中，ut为系统整体的加速度，a为从传感器中读取的线加速度，g为重力加速度，该式中的R为估计的姿态矩阵，即第一姿态估计参数，其可以直接用Resti进行替代，n为系统整体的白噪声。
由此可以得到状态方程中的A、B、D矩阵，且
Figure BDA0002921822400000093
令
Figure BDA0002921822400000094
表示在世界坐标系下机器人机身坐标到足端坐标的向量，
Figure BDA0002921822400000095
表示
Figure BDA0002921822400000096
的速度，
Figure BDA0002921822400000097
表示足端距离水平面的高度，那么可以得到系统的输出方程，
Figure BDA0002921822400000098
在上述过程中，通过增加机器人足端的有关参数，可以使第一位置估计参数的准确度更高。
可选地，该方法还包括：获取机器人的足端状态；在足端状态为预设状态的情况下，对足端参数进行预处理，其中，预设状态用于表征足端未触地；基于预处理后的足端参数、第一姿态估计参数和线加速度，确定机器人的第一位置估计参数。
上述步骤中足端的状态可以用足底的接触传感器检测得到。当足端传感器检测接触力大于一定阈值时，说明足端触地，当足端传感器检测接触力小于一定阈值时，说明此时足端正在摆动。
在一种可选的实施例中，预设状态可以是足端摆动状态，即足端未触地的状态，由于足端的摆动过程为动态的过程，因此，测量的足端参数的准确度较低，会导致第一位置估计参数的准确度较低，此时，可以对足端参数进行预处理，使得摆动过程中获取到的足端参数在上述系统中无法应用，由此降低由于足端摆动所导致的第一位置估计参数的误差较大。具体的，可以在足端的状态为预设状态的时候，对线性卡尔曼滤波器中的R矩阵和Q矩阵进行处理，具体的，可以将R矩阵和Q矩阵中的元素进行放大，使得对应的腿的观测值不可用。
需要说明的是，当足端触地时，测量的足端参数一般准确度比较高，此时，不需要对获取到的足端参数进行预处理。
在另一种可选的实施例中，对上述R矩阵和Q矩阵进行处理的过程中，会产生估计参数的突变，为防止估计参数的突变，可以将触地信息中的60％作为可信任的观测状态，而对于首尾两端的Q矩阵和R矩阵则可以采用线性插值得到。
可选地，基于环境参数确定第二估计参数，包括：获取机器人当前所处环境的特征集合；基于定位算法和特征集合，确定机器人的第二估计参数，其中，第二估计参数包括：第二姿态估计参数、第二位置估计参数。
上述步骤中的定位算法可以是3D激光slam算法(simultaneous localizationand mapping，定位与地图构建)，通过3D激光雷达获取当前环境的点云数据，然后根据该点云数据确定当前所处环境的特征集合，通过3D激光slam算法可以对特征集合中的点云数据进行分割，并提取目标特征，根据提取的目标特征估计机器人移动的下一个位置，即第二位置估计参数，以及估计在下一个位置时机器人的姿态，即第二姿态估计参数。
可选地，通过运动控制模块基于运动参数确定第一估计参数，通过导航控制模块基于环境参数确定第二估计参数，通过导航控制模块基于第一估计参数和第二估计参数，确定机器人的控制参数，通过运动控制模块基于控制参数控制机器人运动。
上述步骤中的控制参数还可以是机器人的速度，用(Vx，Vy，Vz)表示，其中Vx是机器人在X轴上的速度分量，Vy是机器人在Y轴上的速度分量，Vz是机器人在Z轴上的速度分量。
在一种可选的实施例中，可以将负责运动控制的计算机和负责导航的计算机分开，从而提高控制的实时性，并确保机器人的稳定性。
在一种可选的实施例中，运动控制模块通过LCM(Lingweight Communicationsand Marshalling,用于消息传递和数据编组的库和工具)或者ROS(Robot OperatingSystem，开源机器人操作系统)将第一估计参数传输给导航控制模块，导航控制模块接收第一估计参数以及获取第二估计参数规划出机器人的速度，然后导航控制模块将规划出的速度通过LCM和ROS传输给运动控制模块，通过运动控制模块控制机器人进行运动。通过该方法对机器人进行控制可以提高控制的实时性，并确保控制的稳定性。
下面结合图2至图3对本发明一种优选的实施例进行详细说明，如图2所示，该方法可以包括如下步骤：
步骤S201，从足式机器人机身上安装的传感器读取足式机器人运动过程中机身的角速度和线加速度；
如图3所示为足式机器人，1表示足式机器人的机身，2表示足式机器人的腿部，3表示足式机器人的足端。
上述步骤中的角速度和线加速度一般可以从IMU传感器读取。
步骤S202，通过将角速度和线加速度信息进行计算，得到机身的姿态矩阵；
步骤S203，通过足式机器人的编码器信息、腿部摆动的信息计算机器人每条足端的位置、速度、高度信息；
步骤S204，采用卡尔曼滤波方法，处理观察信息和输入信息；
上述步骤中的观察信息为每条足端的位置、速度和高度信息，输入信息为机器人的加速度。
步骤S205，通过激光定位算法，生成雷达位姿的估计信息；
步骤S206，将S205和S204得到的机身的位置信息进行加权融合，得到更加的准确的机身位置、机身姿态以及机器人的速度信息；
步骤S207，通过控制计算机和定位导航计算机信息之间的传输，得到用于控制足式机器人的里程计信息。
实施例2
根据本发明实施例，还提供了一种机器人的控制装置，该装置可以执行上述实施例中的机器人的控制方法，具体实现方式和优选应用场景与上述实施例相同，在此不做赘述。
图4是根据本发明实施例的一种机器人的控制装置的示意图，如图4所示，该装置包括：
第一获取模块42，获取机器人的运动参数和当前所处环境的环境参数；
第一确定模块44，基于运动参数确定第一估计参数，并基于环境参数确定第二估计参数；
第二确定模块46，基于第一估计参数和第二估计参数，确定机器人的控制参数；
控制模块48，基于控制参数控制机器人运动。
可选地，第二确定模块包括：第一获取单元，用于获取机器人的状态参数，其中，状态参数包括：机器人的位置参数、机器人的姿态参数；加权单元，用于对第一估计参数和第二估计参数进行加权融合，得到目标估计参数；第一确定单元，用于基于状态参数和目标估计参数，确定控制参数。
可选的，本发明实施例中的第一估计参数包括：第一姿态估计参数，运动参数包括：机器人在当前时刻的角速度和线加速度，第一确定模块，包括：第二确定单元，用于根据线加速度和重力加速度，确定机器人的第一反馈信息，其中，第一反馈信息用于表征机器人线加速度的反馈信息；第二确定单元还用于基于第一反馈信息、线加速度、角速度以及第一周期，确定机器人的第二反馈信息，其中，第一周期为机器人姿态的变化周期，第二反馈信息为机器人姿态的反馈信息；第二确定单元还用于基于预设公式和第二反馈信息，确定机器人的第一姿态估计参数。
可选地，本发明实施例中的第一估计参数还包括：第一位置估计参数，第一确定模块，包括：第二获取单元，用于获取机器人的足端参数，足端参数包括如下至少之一：足端的位置、足端的速度、足端的高度，足端的高度为足端距离机器人所在平面的高度；第二确定单元还用于基于足端参数、第一姿态估计参数和线加速度，确定机器人的第一位置估计参数。
可选地，该装置还包括：第二获取模块，用于获取机器人的足端状态；处理模块，用于在足端状态为预设状态的情况下，对足端参数进行预处理，其中，预设状态用于表征足端未触地；第三确定模块，用于基于预处理后的足端参数、第一姿态估计参数和线加速度，确定机器人的第一位置估计参数。
可选地，第一确定模块，包括：第三获取单元，用于获取机器人当前所处环境中的特征集合；第三确定单元，用于基于定位算法和特征集合，确定机器人的第二估计参数，其中，第二估计参数包括：第二姿态估计参数、第二位置估计参数。
可选地，本发明实施例中通过运动控制模块基于运动参数确定第一估计参数，通过导航控制模块基于环境参数确定第二估计参数，通过导航控制模块基于第一估计参数和第二估计参数，确定机器人的控制参数，通过运动控制模块基于控制参数控制机器人运动。
实施例3
本申请实施例还提供了一种计算机存储介质，计算机存储介质可以存储有多条指令，指令适于由处理器加载并执行如上述图1-图4所示实施例的方法步骤，具体执行过程可以参见图1-图4所示实施例的具体说明，在此不进行赘述。
实施例4
根据本发明实施例，还提供了一种机器人，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述实施例1中的机器人的控制方法。
通过本申请的上述实施例，首先可以获取机器人所在平面与水平面之间的角度，然后获取机器人在平面上的运动方向的方向向量，并基于方向向量和平面的法向量来确定机器人在平面上的偏转角，并根据得到的平面与水平面之间的角度和偏转角来控制机器人的机身在预设坐标系中的位置以及机器人机身的姿态，通过调整机器人的姿态和位置使得机器人在斜坡上保持稳定的同时可以跨越障碍；根据偏转角和上述角度值，可以调整机器人与斜坡保持水平，以保证机器人在斜坡上的跨障能力，还可以调整机器人的机身处于稳定域中，以保证机器人在斜坡上可以稳定行走，进而解决了相关技术中机器人自主定位的精确度较低的技术问题。
领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种机器人的控制方法，其特征在于，包括：
获取机器人的运动参数和当前所处环境的环境参数；
基于所述运动参数确定第一估计参数，并基于所述环境参数确定第二估计参数；
基于所述第一估计参数和所述第二估计参数，确定所述机器人的控制参数；
基于所述控制参数控制所述机器人运动。
2.根据权利要求1所述方法，其特征在于，基于所述第一估计参数和所述第二估计参数，确定所述机器人的控制参数，包括：
获取机器人的状态参数，其中，所述状态参数包括：所述机器人的位置参数、所述机器人的姿态参数；
对所述第一估计参数和所述第二估计参数进行加权融合，得到目标估计参数；
基于所述状态参数和所述目标估计参数，确定所述控制参数。
3.根据权利要求1所述方法，其特征在于，所述第一估计参数包括：第一姿态估计参数，所述运动参数包括：所述机器人在当前时刻的角速度和线加速度，基于所述运动参数确定第一估计参数，包括：
根据所述线加速度和重力加速度，确定所述机器人的第一反馈信息，其中，所述第一反馈信息用于表征所述机器人线加速度的反馈信息；
基于所述第一反馈信息、所述线加速度、所述角速度以及第一周期，确定所述机器人的第二反馈信息，其中，所述第一周期为所述机器人姿态的变化周期，所述第二反馈信息为所述机器人姿态的反馈信息；
基于预设公式和所述第二反馈信息，确定所述机器人的第一姿态估计参数。
4.根据权利要求3所述方法，其特征在于，所述第一估计参数还包括：第一位置估计参数，基于所述运动参数确定第一估计参数，包括：
获取所述机器人的足端参数，所述足端参数包括如下至少之一：足端的位置、所述足端的速度、所述足端的高度，所述足端的高度为所述足端距离机器人所在平面的高度；
基于所述足端参数、所述第一姿态估计参数和所述线加速度，确定所述机器人的第一位置估计参数。
5.根据权利要求4所述方法，其特征在于，所述方法还包括：
获取所述机器人的足端状态；
在所述足端状态为预设状态的情况下，对所述足端参数进行预处理，其中，所述预设状态用于表征所述足端未触地；
基于预处理后的足端参数、所述第一姿态估计参数、所述线加速度，确定所述机器人的所述第一位置估计参数。
6.根据权利要求1所述方法，其特征在于，基于所述环境参数确定第二估计参数，包括：
获取所述机器人当前所处环境中的特征集合；
基于定位算法和所述特征集合，确定所述机器人的所述第二估计参数，其中，所述第二估计参数包括：第二姿态估计参数、第二位置估计参数。
7.根据权利要求1所述方法，其特征在于，通过运动控制模块基于所述运动参数确定所述第一估计参数，通过导航控制模块基于所述环境参数确定所述第二估计参数，通过所述导航控制模块基于所述第一估计参数和所述第二估计参数，确定所述机器人的所述控制参数，通过所述运动控制模块基于所述控制参数控制所述机器人运动。
8.一种机器人的控制装置，其特征在于，包括：
获取模块，获取机器人的运动参数和当前所处环境的环境参数；
第一确定模块，基于所述运动参数确定第一估计参数，并基于所述环境参数确定第二估计参数；
第二确定模块，基于所述第一估计参数和所述第二估计参数，确定所述机器人的控制参数；
控制模块，基于所述控制参数控制所述机器人运动。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1至7中任意一项的方法步骤。
10.一种机器人，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1至7中任意一项的方法步骤。
CN202110120432.6A 2021-01-28 2021-01-28 机器人的控制方法及装置 Pending CN114815795A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110120432.6A CN114815795A (zh) 2021-01-28 2021-01-28 机器人的控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110120432.6A CN114815795A (zh) 2021-01-28 2021-01-28 机器人的控制方法及装置

Publications (1)

Publication Number Publication Date
CN114815795A true CN114815795A (zh) 2022-07-29

Family

ID=82525943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110120432.6A Pending CN114815795A (zh) 2021-01-28 2021-01-28 机器人的控制方法及装置

Country Status (1)

Country Link
CN (1) CN114815795A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5435503A (en) * 1993-08-27 1995-07-25 Loral Vought Systems Corp. Real time missile guidance system
WO2001015971A2 (en) * 1999-08-30 2001-03-08 Smith Michael J C Wing-drive mechanism and vehicle employing same
US20130110451A1 (en) * 2011-10-28 2013-05-02 Yamaha Corporation State estimation apparatus
US20130166137A1 (en) * 2011-12-23 2013-06-27 Samsung Electronics Co., Ltd. Mobile apparatus and localization method thereof
CN107588771A (zh) * 2017-08-28 2018-01-16 北京工业大学 基于李群描述的捷联惯性导航解算方法
CN108621161A (zh) * 2018-05-08 2018-10-09 中国人民解放军国防科技大学 基于多传感器信息融合的足式机器人本体状态估计方法
CN109579830A (zh) * 2017-09-29 2019-04-05 长沙理工大学 智能机器人的导航方法和导航系统
CN110262495A (zh) * 2019-06-26 2019-09-20 山东大学 可实现移动机器人自主导航与精确定位的控制系统及方法
CN111469130A (zh) * 2020-04-26 2020-07-31 珠海格力智能装备有限公司 机器人的控制方法及装置、存储介质和处理器
CN111993391A (zh) * 2020-08-25 2020-11-27 深圳市优必选科技股份有限公司 机器人位姿估计方法、装置、仿人机器人及存储介质
CN112097768A (zh) * 2020-11-17 2020-12-18 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5435503A (en) * 1993-08-27 1995-07-25 Loral Vought Systems Corp. Real time missile guidance system
WO2001015971A2 (en) * 1999-08-30 2001-03-08 Smith Michael J C Wing-drive mechanism and vehicle employing same
US20130110451A1 (en) * 2011-10-28 2013-05-02 Yamaha Corporation State estimation apparatus
US20130166137A1 (en) * 2011-12-23 2013-06-27 Samsung Electronics Co., Ltd. Mobile apparatus and localization method thereof
CN107588771A (zh) * 2017-08-28 2018-01-16 北京工业大学 基于李群描述的捷联惯性导航解算方法
CN109579830A (zh) * 2017-09-29 2019-04-05 长沙理工大学 智能机器人的导航方法和导航系统
CN108621161A (zh) * 2018-05-08 2018-10-09 中国人民解放军国防科技大学 基于多传感器信息融合的足式机器人本体状态估计方法
CN110262495A (zh) * 2019-06-26 2019-09-20 山东大学 可实现移动机器人自主导航与精确定位的控制系统及方法
CN111469130A (zh) * 2020-04-26 2020-07-31 珠海格力智能装备有限公司 机器人的控制方法及装置、存储介质和处理器
CN111993391A (zh) * 2020-08-25 2020-11-27 深圳市优必选科技股份有限公司 机器人位姿估计方法、装置、仿人机器人及存储介质
CN112097768A (zh) * 2020-11-17 2020-12-18 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
THIAGO ALVES LIMA等: "Trajectory tracking control of a mobile robot using lidar sensor for position and orientation estimation", 《2016 12TH IEEE INTERNATIONAL CONFERENCE ON INDUSTRY APPLICATIONS (INDUSCON)》, 9 March 2017 (2017-03-09), pages 1 - 6 *
周怡: "基于多传感器信息融合的移动机器人定位方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 01, 15 January 2021 (2021-01-15), pages 140 - 639 *
王勇军;李智;李翔;: "小型无人飞行器机动过程中航姿互补滤波算法研究", 电子测量与仪器学报, no. 07, 15 July 2020 (2020-07-15), pages 146 - 155 *
王立玲;梁亮;马东;王洪瑞;刘秀玲;: "基于多传感器信息融合的双足机器人自主定位", 中国惯性技术学报, no. 05, 15 October 2018 (2018-10-15), pages 75 - 80 *

Similar Documents

Publication Publication Date Title
CN109084732B (zh) 定位与导航方法、装置及处理设备
Sebastian et al. Active disturbance rejection control for handling slip in tracked vehicle locomotion
CN112837352B (zh) 基于图像的数据处理方法、装置及设备、汽车、存储介质
Michot et al. Bi-objective bundle adjustment with application to multi-sensor slam
CN111002346B (zh) 一种机器人被困检测方法以及机器人
CN112327326A (zh) 带有障碍物三维信息的二维地图生成方法、系统以及终端
CN111060131B (zh) 一种基于激光雷达的机器人精确姿态矫正方法及装置
JP2023520349A (ja) 作業領域を規定するロボット作業ツールシステム及び方法
CN113238251B (zh) 一种基于车载激光雷达的目标级语义定位方法
Schwendner et al. Using embodied data for localization and mapping
CN111145251A (zh) 一种机器人及其同步定位与建图方法和计算机存储设备
Demim et al. Cooperative SLAM for multiple UGVs navigation using SVSF filter
CN113110455A (zh) 一种未知初始状态的多机器人协同探索方法、装置及系统
CN115639823A (zh) 崎岖起伏地形下机器人地形感知与移动控制方法及系统
CN115436955A (zh) 室内外环境定位方法
WO2022091305A1 (ja) 挙動推定装置、挙動推定方法、経路生成装置、経路生成方法、及びコンピュータ読み取り可能な記録媒体
US11685049B2 (en) Robot localization using variance sampling
CN111761583B (zh) 一种智能机器人运动定位方法及系统
Demim et al. Visual SVSF-SLAM algorithm based on adaptive boundary layer width
CN114815795A (zh) 机器人的控制方法及装置
WO2023283561A1 (en) An imu based system for vertical axis joint angle estimation for swing boom excavators
WO2022186777A1 (en) Method and system for localizing a mobile robot
CN114061573A (zh) 地面无人车辆编队定位装置及方法
Yang et al. SLAM self-cruise vehicle based on ROS platform
CN112880664A (zh) 一种行驶设备的定位方法、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