仿人足球机器人的运动规划制造技术

本发明专利技术所述仿人足球机器人的运动规划，包括目标识别模块、目标定位模块和全向行走方法，目标识别模块具体步骤包括读取模板图片像素信息、模板特征点读取、实时图像匹配和识别物体；目标定位模块具体步骤包括粒子集初始化、预测更新、感知更新、可定位性估计、预测协方差估计、动态修正和扩展重采样；全向行走方法具体为一种基于CMAC闭环控制的步态规划方法。本发明专利技术中，目标识别模块通过对机器人所采集的图像进行分析与处理，提取出有效目标，采用可定位性矩阵以及预测模型协方差矩阵，提高动态环境下的定位精度及鲁棒性。本发明专利技术介绍了一种以机器人精准定位为前提，基于CMAC闭环控制的步态规划方法，该方法可以实现带预测控制的全向行走方式。

Motion planning of humanoid soccer robot

The motion planning of the humanoid soccer robot includes a target recognition module, a target positioning module and an omnidirectional walking method. The specific steps of the target recognition module include reading the pixel information of the template picture, reading the template feature points, real-time image matching and recognizing objects; the specific steps of the target positioning module include particle set. Initialization, prediction update, perceptual update, positioning estimation, prediction covariance estimation, dynamic correction and extended resampling; omnidirectional walking method is a kind of gait planning method based on CMAC closed-loop control. In the invention, the target recognition module extracts the effective target by analyzing and processing the image collected by the robot, and adopts the positioning matrix and the prediction model covariance matrix to improve the positioning accuracy and robustness in the dynamic environment. The invention introduces a gait planning method based on CMAC closed-loop control, which can realize omnidirectional walking mode with predictive control on the premise of robot precise positioning.

【技术实现步骤摘要】
仿人足球机器人的运动规划
本专利技术属于机器人控制领域，具体涉及仿人足球机器人的运动规划。
技术介绍
机器人足球比赛的研究重点是机器人的机器视觉，全局定位和导航，多机器人协作，双足步态和稳定性研究以及行为和策略等等，在机器人足球比赛中所有参赛队伍采用标准机器人参赛，国际和国内比赛中采用的技术挑战赛，包括自由项目、传球、避障射门等项目，比赛时操作员根据主裁判的决定通过无线网络向机器人发出对应的指令，使机器人进行状态切换，完成相应的比赛。开展机器人足球世界杯结合当前流行的体育运动来推动机器人技术、人工智能和相关技术的共同发展，如果能够实现机器人带球、传球和踢球等动作，必然会实现相关领域技术的突破。仿人机器人队伍要进行一场流畅地足球赛，需要一些基本的底层动作的支持，包括行走、踢球、起身等。其中，稳定地动态行走是最基础的，同时也是影响比赛的关键因素。比赛时外界环境随着赛程的推进而实时变化，这对机器人的行走提出更高要求，机器人需能随时改变自身的朝向、灵活地转身和快速地前进。
技术实现思路
本专利技术的目的在于解决上述研究中存在的问题，提供仿人足球机器人的运动规划，达到精准定位的效果，并且以此为基础实现带预测控制的全向行走。本专利技术解决其技术问题所采用的技术方案是：仿人足球机器人的运动规划，包括目标识别模块、目标定位模块和全向行走方法，其特征在于：所述目标识别模块，具体步骤包括读取模板图片像素信息、模板特征点读取、实时图像匹配和识别物体；所述目标定位模块，具体步骤包括粒子集初始化、预测更新、感知更新、可定位性估计、预测协方差估计、动态修正和扩展重采样；其中，可定位性估计是基于参数估计理论中的Fisher信息矩阵和CRB定理；所述全向行走方法，具体为一种基于CMAC闭环控制的步态规划方法，其具体为，步骤1，足部规划器在分析外界不同干扰因素的环境下得出可行的足部落脚点并计算出其ZMP值；步骤2，利用带预测控制的双线性倒立摆模型（D-LIP）由ZMP的值推出机器人躯干的运动轨迹；步骤3，由足部落脚点使用三次样条插值法，规划出每两个落脚点之间在三维空间中的运行轨迹；步骤4，利用机器人躯干和足部的位姿结合逆运动学计算出各个关节的角度；步骤5，由NAO机器人的陀螺仪传感器值可获得其躯干位姿，并与倒立摆形成反馈控制，从而使整个系统变为闭环控制。进一步地，所述仿人足球机器人的运动规划应用于NAO机器人，配合NAO机器人自身硬件实现目标功能。进一步地，所述目标识别模块中检测特征点时主要使用的算法为高斯滤波、Canny边缘检测和harris角点检测。进一步地，所述可定位性估计基于Fisher信息矩阵和CRB定理，是将移动机器人位姿作为待估参数，通过计算概率栅格地图下的观测模型，得到位姿的Fisher信息矩阵中的各个参数，从而得到机器人的可定位。进一步地，所述全向行走方法步骤2中的基于ZMP预测控制的双线性倒立摆，是由足部规划器得出机器人的零力矩点ZMP的值：进一步地，所述全向行走方法步骤4中的逆运动学计算，其过程为：1.用一个齐次变换矩阵表示机器人自身局部坐标系下的足部位置及其朝向；2.再由旋转和平移两个分量得到相对于臀部滚动关节坐标系下的足部位姿；3.由于机器人在行走的过程中膝盖始终处于弯曲状态，可以假设机器人大腿和小腿之间形成一个三角形，在三角形模型下计算出膝关节角和踝关节角。本专利技术采用的技术方案与现有技术相比，具有以下技术效果：本专利技术提出了仿人足球机器人的运动规划，目标识别模块通过对机器人所采集的图像进行分析与处理，提取出有效目标，采用可定位性矩阵以及预测模型协方差矩阵，通过对这两种指标的在线估计判断两种数据的可信度，对感知更新后的粒子群进行动态位姿修正以提高动态环境下的定位精度及鲁棒性。本专利技术介绍了一种以机器人精准定位为前提，基于CMAC闭环控制的步态规划方法，该方法可以实现带预测控制的全向行走方式。附图说明图1是本专利技术实施例的目标识别过程。图2是本专利技术实施例的动态环境中机器人自定位方法。图3是本专利技术实施例的闭环控制的全向行走框图。图4是本专利技术实施例的落脚点规划。图5是本专利技术实施例的双线性倒立摆模型。图6是本专利技术实施例的NAO的关节示意图。图7是本专利技术实施例的腿部的逆运动学计算。具体实施方式为使本专利技术解决的技术问题、采用的技术方案阐述更清晰，下面将结合附图对本专利技术做进一步描述。NAO机器人在进行足球比赛时，主要是利用其视觉系统来识别目标物体同时感知球场环境。机器人头部上下垂直排列着两个摄像头，可提供分辨率为640*480的YUV422图像，并且每秒30帧的帧速可以确保图像的实时性，如图1所示。该定位方法中，目标识别模块通过对机器人所采集的图像进行分析与处理，提取出有效目标，再结合粒子滤波目标定位模块，精准定位出有效目标在球场上的位置。相机的成像过程是将真实世界中的三维信息以投影变换的方式映射到二维平面图像的过程，原理是物体反射的光线通过摄像机光轴中心后投射到成像平面形成物体的像。先拍摄一张足球的图片作为模板，检测出所有的特征点，所用的主要算法为：高斯滤波、Canny边缘检测和harris角点检测。在机器人行走的过程中，对实时拍摄的图片进行分析处理之后和模板图片进行匹配，以确定机器人识别到目标物体。具体目标的识别过程如图1所示。动态环境中由于人的存在往往给读数带来干扰，这会影响激光数据与已知地图的匹配效果，进而影响机器人的定位精度。为解决经典粒子滤波的退化和限制问题，采用可定位性矩阵以及预测模型协方差矩阵，通过对这两种指标的在线估计判断两种数据的可信度，对感知更新后的粒子群进行动态位姿修正以提高动态环境下的定位精度及鲁棒性。其流程如图2所示。1）可定位性估计。可定位性估计是基于参数估计理论中的Fisher信息矩阵和CRB定理。假设可以交换微分和积分的顺序，即文献又根据该假设条件推导出了Fisher信息的另外两种表示方法：则这是一个n重积分，在假设可以交换微分和积分顺序的条件下可以得到由此可以看出蕴含在一组n个随机采样中的Fisher信息是单个观测值的n倍。2）预测模型协方差估计以里程计作为预测模型的定位过程中会产生两种误差：系统误差和非系统误差。非系统误差主要有光电编码器的读书误差，车轮与地面摩擦打滑造成的误差。设t时刻里程计的输入为：根据已经得到机器人的运动学模型，对可能引入的噪声进行分析，进行里程计误差建模，通过里程计协方差矩阵计算预测模型的不确定性。根据运动学模型可知：首先对每个周期的里程计协方差矩阵进行求解，具体形式为：其中：经典粒子滤波定位算法使用基于里程计的预测模型和基于外部传感器的观测信息对粒子集进行权重的更新来确定机器人在环境中的位姿。由于该方法很大程度上依赖于外部感知的传感器，当机器人处于动态环境中时人体干扰会影响粒子集的权重更新，可能会导致粒子滤波定位失效。而基于里程计的预测模型避免了动态环境中观测信息对机器人定位产生的干扰。仿人机器人队伍要进行一场流畅地足球赛，需要一些基本的底层动作的支持，包括行走、踢球、起身等。其中，稳定地动态行走是最基础的，同时也是影响比赛的关键因素。比赛时外界环境随着赛程的推进而实时变化，这对机器人的行走提出更高要求，机器人需能随时改变自身的朝向、灵活地转身和快速地前进。本专利介绍本文档来自技高网...

【技术保护点】
1.仿人足球机器人的运动规划，包括目标识别模块、目标定位模块和全向行走方法，其特征在于：所述目标识别模块，具体步骤包括读取模板图片像素信息、模板特征点读取、实时图像匹配和识别物体；所述目标定位模块，具体步骤包括粒子集初始化、预测更新、感知更新、可定位性估计、预测协方差估计、动态修正和扩展重采样；其中，可定位性估计是基于参数估计理论中的Fisher信息矩阵和CRB定理；所述全向行走方法，具体为一种基于CMAC闭环控制的步态规划方法，其具体为，步骤1，足部规划器在分析外界不同干扰因素的环境下得出可行的足部落脚点并计算出其ZMP值；步骤2，利用带预测控制的双线性倒立摆模型（D‑LIP）由ZMP的值推出机器人躯干的运动轨迹；步骤3，由足部落脚点使用三次样条插值法，规划出每两个落脚点之间在三维空间中的运行轨迹；步骤4，利用机器人躯干和足部的位姿结合逆运动学计算出各个关节的角度；步骤5，由NAO机器人的陀螺仪传感器值可获得其躯干位姿，并与倒立摆形成反馈控制，从而使整个系统变为闭环控制。

【技术特征摘要】
1.仿人足球机器人的运动规划，包括目标识别模块、目标定位模块和全向行走方法，其特征在于：所述目标识别模块，具体步骤包括读取模板图片像素信息、模板特征点读取、实时图像匹配和识别物体；所述目标定位模块，具体步骤包括粒子集初始化、预测更新、感知更新、可定位性估计、预测协方差估计、动态修正和扩展重采样；其中，可定位性估计是基于参数估计理论中的Fisher信息矩阵和CRB定理；所述全向行走方法，具体为一种基于CMAC闭环控制的步态规划方法，其具体为，步骤1，足部规划器在分析外界不同干扰因素的环境下得出可行的足部落脚点并计算出其ZMP值；步骤2，利用带预测控制的双线性倒立摆模型（D-LIP）由ZMP的值推出机器人躯干的运动轨迹；步骤3，由足部落脚点使用三次样条插值法，规划出每两个落脚点之间在三维空间中的运行轨迹；步骤4，利用机器人躯干和足部的位姿结合逆运动学计算出各个关节的角度；步骤5，由NAO机器人的陀螺仪传感器值可获得其躯干位姿，并与倒立摆形成反馈控制，从而使整个系统变为闭环控制。2.根据权利要求1所述的仿人足球机器人的运动规划，其特征在于：所述仿人足球机器人的运动规划应用于NAO机器人，配合NAO机器人自身硬件实现目标功能。3.根据权利要求书1所述的仿人足球机器人的运动规划，其特征在于：所述目标识别模块中检测特征点时主要使用的算法为高斯滤波、Canny边缘检测和harris角点检测。4.根据权利要求1所述的仿人足球机器人的运动规划，其特征在于：所述可定位性估计基于Fisher信息矩阵和CRB定理，是将移动机器人位姿作为待估参数，通过计算概率栅格地图下的观测模型，得到位姿的Fisher信息矩阵中的各个参数，从而得到机器人的可定位。5.根据权利要求1所述的仿人足球机器人的运动规划，其特征在于：所述预测协方差估计，通过预测模型的协方差矩阵...

【专利技术属性】
技术研发人员：沈梦娇，梁志伟，霍韦良，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32