质心位置确定方法、装置、足式机器人及存储介质制造方法及图纸

本申请实施例公开了一种质心位置确定方法、装置、足式机器人、设备及介质，属于计算机技术领域。该方法包括：创建第一关系数据，创建所述足式机器人配置的至少一个足对应的第二关系数据，根据所述至少一个足对应的第二关系数据，创建第三关系数据，并确定所述目标数值J为最小值时所述第一常数C的取值，获取取值已确定的所述第一常数C对应的所述第一关系数据。本申请实施例提供的方法，无需检测足式机器人各个关节的状态，通过足式机器人的至少一个足对应的第二关系数据，来确定该足式机器人的质心移动轨迹，使足式机器人按照确定的质心移动轨迹进行移动，保证了足式机器人移动的高效性。且此方式能够适用于任意足数的足式机器人，适应范围广。适应范围广。适应范围广。

【技术实现步骤摘要】
质心位置确定方法、装置、足式机器人及存储介质
[0001]本申请要求于2020年04月14日提交、申请号为202010291278.4、专利技术名称为“质心位置确定方法、装置、足式机器人及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。


[0002]本申请实施例涉及计算机
，特别涉及一种质心位置确定方法、装置、足式机器人、设备及介质。

技术介绍

[0003]足式机器人为模拟动物或人物行走的姿态来移动的机器人，足式机器人通常配置有多个足，每个足上配置有一个或多个关节，通过控制足的抬起或落下而进行移动。而在足式机器人移动时，需要先确定足式机器人的质心位置，从而根据确定的质心位置控制足的抬起或落下。
[0004]相关技术中提供了一种确定质心位置方法，通过检测足式机器人配置的各个足中各个关节的状态，根据各个足中各个关节的状态进行运算，以确定足式机器人的质心位置。如果足式机器人的关节数量较多，会导致运算量较大，因此上述方法仅适用于足式机器人的关节数量较少的情况，适用范围窄。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种质心位置确定方法，其特征在于，所述方法包括：创建第一关系数据，所述第一关系数据指示间隔时长t与足式机器人的质心位置P(t)之间的关系，所述第一关系数据包括第一常数C；创建所述足式机器人配置的至少一个足对应的第二关系数据，所述至少一个足对应的第二关系数据分别指示所述至少一个足对应的作用力f
i
与质心位置P(t)之间的关系，所述第二关系数据包括所述第一常数C；根据所述至少一个足对应的第二关系数据，创建第三关系数据，并确定目标数值J为最小值时所述第一常数C的取值，所述第三关系数据指示所述目标数值J与所述至少一个足与地面接触而受到的作用力f
i
的平方之间的正相关关系；获取取值已确定的所述第一常数C对应的所述第一关系数据。2.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个足对应的第二关系数据，创建第三关系数据，并确定目标数值J为最小值时所述第一常数C的取值，包括：根据所述第一关系数据及所述至少一个足对应的第二关系数据，创建所述第三关系数据；根据所述第三关系数据，确定所述目标数值J为最小值时所述第一常数C的取值。3.根据权利要求2所述的方法，其特征在于，所述创建第一关系数据，包括：获取所述足式机器人在初始位置的第一状态数据及在终止位置的第二状态数据，状态数据至少包括质心位置、质心速度及质心加速度；创建所述第一关系数据，所述第一关系数据包括所述第一常数C，所述第一常数C包括取值未确定的第二常数C
free
及取值已确定的第三常数h，所述第三常数h由获取的状态数据确定。4.根据权利要求2所述的方法，其特征在于，所述创建第一关系数据，包括：将所述第一关系数据设置为：所述质心位置P(t)为所述第一常数C与时长矩阵E的乘积；E
t
＝[1 t t
2 t3]；其中，所述E
t
表示时长向量。5.根据权利要求2所述的方法，其特征在于，所述创建所述足式机器人配置的至少一个足对应的第二关系数据，包括：将所述至少一个足对应的第二关系数据设置为：所述第i个足对应的作用力f
i
为所述第一常数C和所述第i个足对应的第四常数λ的线性映射之和。6.根据权利要求2所述的方法，其特征在于，所述根据所述第一关系数据及所述至少一个足对应的第二关系数据，创建所述第三关系数据，包括：获取所述足式机器人由初始位置移动至终止位置所需的移动时长；在所述移动时长内选取多个采样时间点；根据每个采样时间点与初始时间点之间的间隔时长及所述第一关系数据，确定所述每个采样时间点对应的第四关系数据，所述第四关系数据指示所述第一常数C与采样质心位
置Q(C)之间的关系，所述采样质心位置Q(C)指示所述足式机器人在对应的采样时间点时的质心位置；根据所述至少一个足对应的第二关系数据及所述第四关系数据，确定所述每个采样时间点对应的第五关系数据，所述第五关系数据指示所述第一常数C与所述至少一个足对应的作用力f
i
之间的关系；根据所述第四关系数据和所述第五关系数据，创建所述第三关系数据，所述第三关系数据还指示所述目标数值J与所述每个采样时间点对应的至少一个足对应的作用力f
i
的平方及所述采样质心位置Q(C)之间的正相关关系。7.根据权利要求6所述的方法，其特征在于，所述根据所述第四关系数据和所述第五关系数据，创建所述第三关系数据，包括：将所述目标数值J设置为多个距离的加权平方和与所述至少一个足对应的作用力f
i
的加权平方和的和值，所述多个距离包括所述初始位置的质心位置、多个采样质心位置及所述终止位置的质心位置中的任两个相邻质心位置之间的距离。8.根据权利要求6所述的方法，其特征在于，所述根据所述至少一个足对应的第二关系数据及所述第四关系数据，确定所述每个采样时间点对应的第五关系数据，包括：根据所述足式机器人的迈步顺序、所述至少一个足对应的迈步时长及所述每个采样时间点与所述初始时间点之间的间隔时长，确定所述足式机器人在所述每个采样时间点与地面接触的足，所述迈步顺序指示所述足式机器人的多个足之间的迈步顺序，所述足对应的迈步时长为所述足从抬起至落下所经过的时长；根据每个采样质心位置Q(C)、所述至少一个足对应的第二关系数据及所述每个采样时间点与地面接触的足，确定所述第五关系数据。9.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述足式机器人在终止位置的第二状态数据；根据目标移动时长及所述第一关系数据，确定所述足式机器人在所述终止位置的预测状态数据；所述根据所述至少一个足对应的第二关系数据，创建第三关系数据，并确定目标数值J为最小值时所述第一常数C的取值，包括：根据所述第二状态数据与所述预测状态数据之间的状态数据误差，创建所述第三关系数据，所述第三关系数据指示所述目标数值J与所述状态数据误差及所述至少一个足与地面接触而受到的作用力f
i
的平方之间的正相关关系；根据所述第二关系数据及所述第三关系数据，确定所述目标数值J为最小值时所述第一常数C的取值。10.根据权利要求9所述的方法，其特征在于，所述第二状态数据包括目标质心位置，所述预测状态数据包括预测质心位置；所述根据所述第二状态数据与所述预测状态数据之间的状态数据误差，创建所述第三关系数据，包括：确定所述目标质心位置与所述预测质心位置之间的第一差值；将所述目标数值J设置为所述至少一个足对应的作用力f
i
的加权平方和，与所述第一差值的平方的和值。11.根据权利要求9所述的方法，其特征在于，所述第二状态数据包括目标质心加速度，
所述预测状态数据包括预测质心加速度；所述根据所述第二状态数据与所述预测状态数据之间的状态数据误差，创建所述第三关系数据，包括：确定所述目标质心加速度与所述预测质心加速度之间的第二差值；将所述目标数值J设置为所述至少一个足对应的作用力f
i
的加权平方和，与所述第二差值的平方的和值。12.根据权利要求9所述的方法，其特征在于，所述第二状态数据包括目标质心速度，所述预测状态数据包括预测质心速度；所述根据所述第二状态数据与所述预测状态数据之间的状态数据误差，创建所述第三关系数据，包括：确定所述目标质心速度与所述预测质心速度之间的第三差值；将所述目标数值J设置为所述至少一个足对应的作用力f
i
的加权平方和，与所述第三差值的平方的和值。13.根据权利要求9所述的方法，其特征在于，所述根据所述第二状态数据与所述预测状态数据之间的状态数据误差，创建所述第三关系数据，包括：在所述目标移动时长内选取多个采样时间点；根据每个采样时间点与初始时间点之间的间隔时长及所述第一关系数据，确定所述每个采样时间点对应的第四关系数据，所述第四关系数据指示所述第一常数C与采样质心位置Q(C)之间的关系；根据所述状态数据误差及所述第四关系数据，创建所述第三关系数据，所述第三关系数据指示所述目标数值J与所述每个采样时间点对应的至少一个足对应的作用力f
i
的平方、所述状态数据误差及所述采样质心位置Q(C)之间的正相关关系。14.根据权利要求13所述的方法，其特征在于，所述第二状态数据包括目标质心位置，所述预测状态数据包括预测质心位置；所述根据所述状态数据误差及所述第四关系数据，创建所述第三关系数据，包括：确定所述目标质心位置与所...

【专利技术属性】
技术研发人员：郑宇，姜鑫洋，迟万超，凌永根，张晟浩，张正友，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：