一种基于地形感知的四足机器人自适应步态控制方法与流程
本发明属于机器人控制领域,特别是一种基于地形感知的四足机器人自适应步态控制方法。
背景技术:
1、四足机器人凭借多足支撑结构和全向运动能力,能广泛应用于应急救援、野外巡检等场景。然而,复杂场景中的地形具备非结构化、混合多样的特点,对四足机器人的运动控制方法的适应性及鲁棒性提出了极大的挑战。步态控制是保障四足机器人在凹凸地面、零散障碍物环境中稳定运行的核心技术。如何增强四足机器人在复杂场景中的自适应步态控制能力已经成为该领域的一个研究热点与难点。
2、专利cn 112904883 a提出了一种四足机器人地形感知方法、运动控制方法及系统,该专利可使四足机器人在不依靠环境感知设备的情况下,准确感知地形信息。该专利虽然也是利用了地形信息,但是其仅依靠机器人本体传感器拟合地形平面,极易受噪声影响导致地形估计失配。专利cn 119929016 b提出了一种地形感知系统及四足机器人,通过在仿生腿足式机器人的足端增加力传感器获取地形的硬度,丰富了感知的地形信息,增强了仿生腿足式机器人可通过性判断的可靠性。虽然该专利融合毫米波、力传感器等多种传感设备,侧重地形属性、障碍物检测与避障,未涉及步态参数调控,越障能力不足。
3、现有技术中,传统四足机器人运动控制方式,多采用预设步态参数,无法依据实时地形动态调整步幅与步高,机器人行经起伏地形时易出现足部磕碰、机身失稳等问题。多数地形感知方案依赖高程图实现地形适配,需预先构建地形矩阵,地形预处理流程繁琐、算力开销高,面对突发地形起伏时响应滞后,无法及时调整步态。而不依赖感知的多行为步态控制方案,支持多步态切换与多参数调节,但参数体系繁杂,且未建立地形感知与步幅、步高的实时联动机制。
技术实现思路
1、本发明的目的在于提供一种基于地形感知的四足机器人自适应步态控制方法,该方法结合深度传感器与本体传感信息,采用 cnn 结合多级 mlp 的轻量化网络架构,直接解析地形特征并联动机器人运动状态实时调整步幅、步高,依托时序历史输入优化关节控制输出。
2、实现本发明目的的技术解决方案为:
3、一种基于地形感知的四足机器人自适应步态控制方法,包括:
4、步骤1,采集各关节实时位置数据,利用雷达扫描机身周边地面三维点云数据,利用imu采集机体三轴加速度与旋转角速度数据;
5、步骤2,利用机体三轴加速度与旋转角速度数据得到当前时刻机器人的质心姿态,再计算机身坐标系下重力方向投影向量;
6、步骤3,将雷达坐标系下的点云变换到imu坐标系下的点云;
7、步骤4,对imu坐标系下的点云进行矩形裁剪,剔除无效点得到矩形有效探测区域,将该点云中每个点的轴坐标加上机器人静态站立高度,转变到水平坐标系的局部地形点云;
8、步骤5,对矩形有效探测区域进行网格划分形成网格阵列,遍历局部地形点云的所有点,建立网格单元与网格单元内部点云的映射关系,根据网格单元的高度值,生成地形高度二维矩阵;
9、步骤6,将地形高度矩阵输入地形特征提取模块,输出地形特征向量;
10、步骤7,将关节位置向量、关节速度向量、三轴加速度、三轴旋转角速度以及机身坐标系下重力方向投影向量依次进行维度拼接,形成一维本体状态向量,当前时刻本体状态向量叠加多个前连续时刻历史本体状态向量后,输入运动估计模块,输出当前机体运动速度估计;
11、步骤8,将运动速度估计进行归一化处理后,与地形特征向量进行特征拼接,输入步态参数调整模块,输出两个控制量:步幅增量与步高增量;
12、步骤9,将包含世界坐标系下期望线速度的用户速度指令、步幅与步高共同构成步态控制信号;
13、步骤10,将步态相位信号转换为二维连续编码形式形成相位指引信号,将步态控制信号、相位指引信号、关节位置向量、关节速度向量、imu数据、上一时刻策略网络输出的关节角度增量依次拼接,得到当前帧输入向量;再将当前帧输入向量与连续多帧历史策略网络输入向量进行维度叠加,作为策略网络的最终输入;
14、步骤11,策略网络通过前向推理输出多维关节角度增量,分别对应机器人多个运动关节的角度调整量,将策略网络输出的关节角度增量与基准关节角度向量叠加,得到多个关节的目标角度。
15、本发明与现有技术相比,其显著优点是:
16、本发明提出一种基于地形感知的四足机器人自适应步态控制方法,该方法结合深度传感器与本体传感信息,采用 cnn 结合多级 mlp 的轻量化网络架构,直接解析地形特征并联动机器人运动状态实时调整步幅、步高,依托时序历史输入优化关节控制输出。本发明以某一特定深度传感器与特定构型的四足机器人为例进行说明,但是本发明提出的步态控制方法对其他构型的足式机器人同样有效。本方法摒弃传统高程图复杂预处理流程,大幅简化感知链路,降低机载设备算力开销,自动调整步幅、步高,有效解决固定步态难以适配起伏地形、易发生足部磕碰与机身失稳的问题,具有显著的技术优势与实际应用价值。
1.一种基于地形感知的四足机器人自适应步态控制方法,其特征在于,包括:
2.根据权利要求1所述的基于地形感知的四足机器人自适应步态控制方法,其特征在于,网格单元的高度值通过以下方式获得:
3.根据权利要求1所述的基于地形感知的四足机器人自适应步态控制方法,其特征在于,所述地形特征提取模块由2层卷积层、1 层最大池化层、1层全连接层依次堆叠构成:第一层卷积层卷积核尺寸为3×3,卷积步长为1,输出通道数32;第二层卷积层卷积核尺寸为3×3,卷积步长为1,输出通道数64;最大池化层池化核尺寸为2×2,步长为2;最后通过全连接层完成特征映射,输出32维地形特征向量;所有卷积层、全连接层采用relu激活函数。
4.根据权利要求1所述的基于地形感知的四足机器人自适应步态控制方法,其特征在于,所述运动估计模块由包含两层隐藏层的mlp网络构成,隐藏层节点数依次为 [256,128],网络激活函数选用tanh。
5.根据权利要求1所述的基于地形感知的四足机器人自适应步态控制方法,其特征在于,所述步态参数调整模块由包含两层隐藏层的mlp网络构成,隐藏层节点数依次为 [128,64],网络激活函数选用relu。
6.根据权利要求1所述的基于地形感知的四足机器人自适应步态控制方法,其特征在于,所述步态相位,为进入控制循环的次数,步态相位信号转换为与二维连续编码形式,相位指引信号。
7.根据权利要求1所述的基于地形感知的四足机器人自适应步态控制方法,其特征在于,所述策略网络由包含三层隐藏层的mlp网络构成,隐藏层节点数依次为 [512,256,128],网络激活函数选用relu。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com