CN117742134B - 一种双足机器人步行规划和控制方法 - Google Patents
一种双足机器人步行规划和控制方法 Download PDFInfo
- Publication number
- CN117742134B CN117742134B CN202311769898.4A CN202311769898A CN117742134B CN 117742134 B CN117742134 B CN 117742134B CN 202311769898 A CN202311769898 A CN 202311769898A CN 117742134 B CN117742134 B CN 117742134B
- Authority
- CN
- China
- Prior art keywords
- robot
- point cloud
- acquiring
- step length
- stability
- 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 25
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种双足机器人步行规划和控制方法，包括如下步骤：获取机器人当前状态信息，并依据当前状态信息及机器人运行原始程序获取机器人未来一段时间内的运动趋势；获取运动趋势后，依据机器人配置的摄像模块及激光传感器模块获取运动趋势范围内的实时环境点云图；依据实时环境点云图生成多个候选步行规划方案；同步获取多个候选步行规划方案各自对应的稳定性偏差量；比对多个所述稳定性偏差量，获取所述稳定性偏差量最小的候选步行规划方案；获取当前候选步行规划方案的步长及角度；依据获取的步长及角度控制机器人进行下一步的行动，具备实时性，能够快速响应机器人当前状态的变化，提高了步行路径的平滑性和稳定性。
Description
技术领域
本发明涉及机器人控制的技术领域，尤其涉及一种双足机器人步行规划和控制方法。
背景技术
双足机器人是一种模拟人类行走的机器人，其特点是具有两个腿和足部，能够在各种地形上行走、奔跑和跳跃。双足机器人相较于其他类型的机器人，具有更高的灵活性、适应性和智能化水平，因此在许多领域具有广泛的应用前景，如救援、探险、搬运货物等。
现有的双足机器人步行规划方法基于确定的程序定义，无法针对实际情况做出步长和角度变化，存在一定的局限性，实时性不强且步行稳定性较差。因此，有必要提供一种新的双足机器人步行规划和控制方法，以提高机器人的步行性能。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有双足机器人步行规划方法存在的问题，提出了本发明。
因此，本发明解决的技术问题是：解决现有双足机器人步行规划方法无法针对实际情况做出步长和角度变化，实时性不强且步行稳定性较差的问题。
为解决上述技术问题，本发明提供如下技术方案：一种双足机器人步行规划和控制方法，包括如下步骤：S1：获取机器人当前状态信息，并依据当前状态信息及机器人运行原始程序获取机器人未来一段时间内的运动趋势；S2：获取运动趋势后，依据机器人配置的摄像模块及激光传感器模块获取运动趋势范围内的实时环境点云图；S3：依据实时环境点云图生成多个候选步行规划方案；
S4：同步获取多个候选步行规划方案各自对应的稳定性偏差量；S5：比对多个所述稳定性偏差量，获取所述稳定性偏差量最小的候选步行规划方案；S6：获取当前候选步行规划方案的步长及角度；S7：依据获取的步长及角度控制机器人进行下一步的行动；其中，机器人当前状态信息具体包括：运行朝向、运行步长、当前运行指令接收程序；所述当前运行指令接收程序具体包括：下一步的运行朝向及下一步的运行步长；其中，依据机器人配置的摄像模块及激光传感器模块获取运动趋势范围内的实时环境点云图具体为：获取当前运动趋势范围内的地质平面图像；获取所述地质平面图像对应的分布式点云数据后以csv格式存储；读取各相应点云数据，并进行带通滤波，分离成各地表状态点云分布图；其中，依据实时环境点云图生成多个候选步行规划方案时，以原始程序为基准，步长采用(0,2)*原始步长，角度采用(0,60°)*原始角度；其中，同步获取多个候选步行规划方案各自对应的所述稳定性偏差量时：确定多个候选步行规划方案中的步长及角度；确定多个候选步行规划方案中的路线点云图；搭建包括有图像通道和隐写分析通道的R-FCN网络模型，将各备选路线的地表状态点云分布图分别输入至所述R-FCN网络模型中进行特征提取，并将各自提取出的特征点云传输至服务器中；依据各自提取出的特征点云采用RANSAC方法拟合成平面；实时获取不同路线下拟合平面的高度，以水平面为基准计量；构建稳定性模型，获取所述稳定性偏差量；其中，构建稳定性模型，获取所述稳定性偏差量具体为：
其中，D为预定步长，L为原始步长，ρ为拟合平面的高度，S1为预定角度；当S2即稳定性偏差量处于(0，1)时，偏差公式成立，获取S2；其中，获取步长及角度后，由PID控制器实现机器人的实时控制。
本发明提供一种双足机器人步行规划和控制方法，具备如下有益效果：
1.本发明提供的双足机器人步行规划方法具备实时性，能够快速响应机器人当前状态的变化。
2.通过采用学习算法预判机器人未来一段时间内的运动趋势，提高了步行规划的准确性。
3.采用偏差量算法及点云分布对步行轨迹进行优化，提高了步行路径的平滑性和稳定性。
4.本发明提供的双足机器人控制系统采用PID控制器，实现了对机器人步行的实时控制，提高了机器人行走的稳定性。
5.本发明实施例的双足机器人具备较好的创造性，可以应用于各种场景，满足不同需求。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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它的附图。其中：
图1为本发明提供的双足机器人步行规划和控制方法的整体方法流程图。
图2为本发明提供的获取多个候选步行规划方案各自对应的稳定性偏差量的方法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
现有的双足机器人步行规划方法基于确定的程序定义，无法针对实际情况做出步长和角度变化，存在一定的局限性，实时性不强且步行稳定性较差。因此，有必要提供一种新的双足机器人步行规划和控制方法，以提高机器人的步行性能。
故此，请参阅图1，本发明提供一种双足机器人步行规划和控制方法，包括如下步骤：
S1：获取机器人当前状态信息，并依据当前状态信息及机器人运行原始程序获取机器人未来一段时间内的运动趋势；
S2：获取运动趋势后，依据机器人配置的摄像模块及激光传感器模块获取运动趋势范围内的实时环境点云图；
S3：依据实时环境点云图生成多个候选步行规划方案；
S4：同步获取多个候选步行规划方案各自对应的稳定性偏差量；
S5：比对多个稳定性偏差量，获取稳定性偏差量最小的候选步行规划方案；
S6：获取当前候选步行规划方案的步长及角度；
S7：依据获取的步长及角度控制机器人进行下一步的行动。
具体的，机器人当前状态信息具体包括：运行朝向、运行步长、当前运行指令接收程序；
当前运行指令接收程序具体包括：下一步的运行朝向及下一步的运行步长。
进一步的，依据机器人配置的摄像模块及激光传感器模块获取运动趋势范围内的实时环境点云图具体为：
获取当前运动趋势范围内的地质平面图像；
获取地质平面图像对应的分布式点云数据后以csv格式存储；
读取各相应点云数据，并进行带通滤波，分离成各地表状态点云分布图。
更进一步的，依据实时环境点云图生成多个候选步行规划方案时，以原始程序为基准，步长采用(0,2)*原始步长，角度采用(0,60°)*原始角度。
请参阅图2，同步获取多个候选步行规划方案各自对应的稳定性偏差量时：
确定多个候选步行规划方案中的步长及角度；
确定多个候选步行规划方案中的路线点云图；
搭建包括有图像通道和隐写分析通道的R-FCN网络模型，将各备选路线的地表状态点云分布图分别输入至所述R-FCN网络模型中进行特征提取，并将各自提取出的特征点云传输至服务器中；
依据各自提取出的特征点云采用RANSAC方法拟合成平面；
实时获取不同路线下拟合平面的高度，以水平面为基准计量；
构建稳定性模型，获取稳定性偏差量。
具体的，构建稳定性模型，获取稳定性偏差量具体为：
其中，D为预定步长，L为原始步长，ρ为拟合平面的高度，S1为预定角度；当S2即稳定性偏差量处于(0，1)时，偏差公式成立，获取S2。
额外的，获取步长及角度后，由PID控制器实现机器人的实时控制。
本发明提供一种双足机器人步行规划和控制方法，具备如下有益效果：
1.本发明提供的双足机器人步行规划方法具备实时性，能够快速响应机器人当前状态的变化。
2.通过采用学习算法预判机器人未来一段时间内的运动趋势，提高了步行规划的准确性。
3.采用偏差量算法及点云分布对步行轨迹进行优化，提高了步行路径的平滑性和稳定性。
4.本发明提供的双足机器人控制系统采用PID控制器，实现了对机器人步行的实时控制，提高了机器人行走的稳定性。
5.本发明实施例的双足机器人具备较好的创造性，可以应用于各种场景，满足不同需求。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种双足机器人步行规划和控制方法，其特征在于，包括如下步骤：
S1：获取机器人当前状态信息，并依据当前状态信息及机器人运行原始程序获取机器人未来一段时间内的运动趋势；
S2：获取运动趋势后，依据机器人配置的摄像模块及激光传感器模块获取运动趋势范围内的实时环境点云图；
S3：依据实时环境点云图生成多个候选步行规划方案；
S4：同步获取多个候选步行规划方案各自对应的稳定性偏差量；
S5：比对多个所述稳定性偏差量，获取所述稳定性偏差量最小的候选步行规划方案；
S6：获取当前候选步行规划方案的步长及角度；
S7：依据获取的步长及角度控制机器人进行下一步的行动；
其中，机器人当前状态信息具体包括：运行朝向、运行步长、当前运行指令接收程序；
所述当前运行指令接收程序具体包括：下一步的运行朝向及下一步的运行步长；
其中，依据机器人配置的摄像模块及激光传感器模块获取运动趋势范围内的实时环境点云图具体为：
获取当前运动趋势范围内的地质平面图像；
获取所述地质平面图像对应的分布式点云数据后以csv格式存储；
读取各相应点云数据，并进行带通滤波，分离成各地表状态点云分布图；
其中，依据实时环境点云图生成多个候选步行规划方案时，以原始程序为基准，步长采用(0,2)*原始步长，角度采用(0,60°)*原始角度；
其中，同步获取多个候选步行规划方案各自对应的所述稳定性偏差量时：
确定多个候选步行规划方案中的步长及角度；
确定多个候选步行规划方案中的路线点云图；
搭建包括有图像通道和隐写分析通道的R-FCN网络模型，将各备选路线的地表状态点云分布图分别输入至所述R-FCN网络模型中进行特征提取，并将各自提取出的特征点云传输至服务器中；
依据各自提取出的特征点云采用RANSAC方法拟合成平面；
实时获取不同路线下拟合平面的高度，以水平面为基准计量；
构建稳定性模型，获取所述稳定性偏差量；
其中，构建稳定性模型，获取所述稳定性偏差量具体为：
其中，D为预定步长，L为原始步长，ρ为拟合平面的高度，S1为预定角度；
当S2即稳定性偏差量处于(0，1)时，偏差公式成立，获取S2；
其中，获取步长及角度后，由PID控制器实现机器人的实时控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311769898.4A CN117742134B (zh) | 2023-12-21 | 2023-12-21 | 一种双足机器人步行规划和控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311769898.4A CN117742134B (zh) | 2023-12-21 | 2023-12-21 | 一种双足机器人步行规划和控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117742134A CN117742134A (zh) | 2024-03-22 |
| CN117742134B true CN117742134B (zh) | 2024-06-21 |
Family
ID=90282926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311769898.4A Active CN117742134B (zh) | 2023-12-21 | 2023-12-21 | 一种双足机器人步行规划和控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117742134B (zh) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109955928B (zh) * | 2017-12-25 | 2020-10-16 | 深圳市优必选科技有限公司 | 一种双足机器人及其等效轨迹生成方法和装置 |
| CN109987169B (zh) * | 2017-12-29 | 2021-01-08 | 深圳市优必选科技有限公司 | 双足机器人的步态控制方法、装置、终端设备及介质 |
| CN110039544A (zh) * | 2019-04-28 | 2019-07-23 | 南京邮电大学 | 基于三次样条插值的仿人足球机器人步态规划 |
| CN112666939B (zh) * | 2020-12-09 | 2021-09-10 | 深圳先进技术研究院 | 一种基于深度强化学习的机器人路径规划算法 |
| CN112947065B (zh) * | 2021-01-25 | 2022-09-16 | 河南大学 | 一种双足机器人行走实时步态的azr调节方法 |
| CN113156892B (zh) * | 2021-04-16 | 2022-04-08 | 西湖大学 | 一种基于深度强化学习的四足机器人模仿运动控制方法 |
| CN114200947B (zh) * | 2022-02-15 | 2022-06-10 | 之江实验室 | 一种双足机器人的仿人步态规划方法、系统及装置 |
| CN116909127A (zh) * | 2023-07-10 | 2023-10-20 | 纯米科技(上海)股份有限公司 | 一种双足机器人的平衡控制方法及双足机器人 |
-
2023
- 2023-12-21 CN CN202311769898.4A patent/CN117742134B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 丁良宏.BigDog 四足机器人关键技术分析.《机械工程学报》.2015,第51卷(第7期),第1-23页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117742134A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11900536B2 (en) | Visual-inertial positional awareness for autonomous and non-autonomous tracking | |
| Huang et al. | Visual odometry and mapping for autonomous flight using an RGB-D camera | |
| US10437252B1 (en) | High-precision multi-layer visual and semantic map for autonomous driving | |
| US10794710B1 (en) | High-precision multi-layer visual and semantic map by autonomous units | |
| US10366508B1 (en) | Visual-inertial positional awareness for autonomous and non-autonomous device | |
| Konolige et al. | FrameSLAM: From bundle adjustment to real-time visual mapping | |
| CN112525202A (zh) | 一种基于多传感器融合的slam定位导航方法及系统 | |
| CN111814683A (zh) | 一种基于语义先验和深度学习特征的鲁棒视觉slam方法 | |
| CN107967457A (zh) | 一种适应视觉特征变化的地点识别与相对定位方法及系统 | |
| CN112097769B (zh) | 仿信鸽脑-海马的无人机同时定位与建图导航系统及方法 | |
| CN109325979B (zh) | 基于深度学习的机器人回环检测方法 | |
| US9551579B1 (en) | Automatic connection of images using visual features | |
| CN113674416A (zh) | 三维地图的构建方法、装置、电子设备及存储介质 | |
| CN112446882A (zh) | 一种动态场景下基于深度学习的鲁棒视觉slam方法 | |
| US20240181639A1 (en) | Method of acquiring sensor data on a construction site, construction robot system, computer program product, and training method | |
| CN115355901A (zh) | 一种融合动态目标感知的多机联合建图方法 | |
| CN117742134B (zh) | 一种双足机器人步行规划和控制方法 | |
| Lundell et al. | Hallucinating robots: Inferring obstacle distances from partial laser measurements | |
| Gaffin et al. | Autonomous visual navigation of an indoor environment using a parsimonious, insect inspired familiarity algorithm | |
| Rozsypálek et al. | Multidimensional particle filter for long-term visual teach and repeat in changing environments | |
| Yuan et al. | Visual steering of UAV in unknown environments | |
| Zanuar et al. | Autonomous navigation and obstacle avoidance for service robot | |
| Sujiwo et al. | Robust and accurate monocular vision-based localization in outdoor environments of real-world robot challenge | |
| Li et al. | Autonomous navigation experiment for mobile robot based on IHDR algorithm | |
| Wendel | Scalable visual navigation for micro aerial vehicles using geometric prior knowledge |
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 |