四足机器人导航避障与攀爬楼梯方法及系统技术方案

本发明专利技术提供了一种四足机器人导航避障与攀爬楼梯方法及系统，包括：步骤

【技术实现步骤摘要】
四足机器人导航避障与攀爬楼梯方法及系统


[0001]本专利技术涉及四足机器人
，具体地，涉及四足机器人导航避障与攀爬楼梯方法及系统，更为具体地，涉及一种非结构化环境下四足机器人导航避障与攀爬楼梯方法及系统
。

技术介绍

[0002]四足机器人作为一种典型的足式机器人，相较其他足式机器人，在机械结构稳定性和运动速度方面均有较好的表现，同时具有强大的负载能力
。
四足机器人有潜力在非结构化环境中协助或替代人类完成探索
、
搜救
、
运输等复杂任务，极大增加了人类探索未开发区域的机会
。
四足机器人因具有良好的稳定性和通用性，目前得到了广泛的关注
。
[0003]然而，四足机器人作为移动机器人的一种，由于其自身机械耦合结构的复杂性，面向其运动学与动力学系统仿真设计存在着操作难点：从动力学角度来看，四足机器人是一个复杂的动力学耦合系统，在对其动力学建模过程中需要考虑机体
‑
单腿的耦合效应；从运动学角度来看，四足机器人可以被认为是将多个串联机械臂并联而成的移动平台
。
此外，还需要考虑四足机器人各种外部传感设备
。
[0004]自主导航与动态避障是四足机器人安全移动与运动的基础与前提
。
自主导航是实现实时定位与自主地图构建，在非结构化的室内环境中，存在拱形通道
、
窄巷
、
草坪
、
楼梯等复杂场景，使得四足机器人需要在短时间
、
近距离约束下实时准确地探测到不同障碍物，并及时做出路径调整，这无疑加大了动态避障的难度；而室内光线不均匀，存在多处阴影区域，导致各个障碍物表面曝光度有差异，由于摄像机采集信息时易受光线干扰，甚至在光线条件不好的情况下无法正常工作，这就给四足机器人的视觉导航带来了挑战
。
虽然激光导航可以解决对室内光线敏感的难题，但激光传感器大部分部署在顶端，导致增加机身高度，同时还可能对低矮障碍物存在探测盲区
。
融合视觉导航和激光导航的策略提供了新的思路，但具体的融合策略，又必须要结合室内环境的复杂性，有针对性地设计，这也是四足机器人自主导航的又一挑战
。
[0005]对于四足机器人攀爬楼梯的场景，构建高精度局部高程地图是一个重要的环节
。
对于攀爬楼梯的场景，目前存在着容易踏到楼梯边缘造成失稳和同一台阶多次踏步等问题，为实现四足机器人平稳自然的攀爬楼梯，需要精确的估计台阶的宽度和高度；对于一些松软崎岖地形，足
‑
地动态接触过程中极易出现明显的足底打滑和地面凹陷等现象，这会造成估计的高度短暂失效等问题，为实现四足机器人整体姿态的稳定，在这些情况下，如何从相机和激光雷达获得的信息中实时有效的构建出高精度的局部高程地图也是一个关键问题
。
[0006]专利文献
CN115840453B(
申请号：
202310098617.0)
公开了一种四足机器人自适应足端避障方法
、
装置
、
电子设备及介质，其中，方法包括以下步骤：获取所有参考地面点的地形高度，并基于预设的轨迹方程类型获取四足机器人足端的摆动轨迹；根据所述参考地面点的地形高度和所述摆动轨迹实时调整所述四足机器人足端的移动轨迹，使所述四足机器
人足端不与地面碰撞
。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种四足机器人导航避障与攀爬楼梯方法及系统
。
[0008]根据本专利技术提供的一种四足机器人导航避障与攀爬楼梯方法，包括：
[0009]步骤
S1
：建立四足机器人预设非结构化环境场景模型；
[0010]步骤
S2
：机载双目相机获取并分析周围环境信息，建立包含语义信息的全局地图及以机器人为中心的高精度局部高程地图；
[0011]步骤
S3
：四足机器人根据全局地图和
A*
路径规划算法实现四足机器人自主导航避障；
[0012]步骤
S4
：四足机器人根据非对称
Actor
‑
Critic
网络训练，并结合全局地图和局部高程地图规划落足点，从而实现四足机器人运动控制和攀爬楼梯
。
[0013]优选地，所述步骤
S2
采用：
[0014]步骤
S2.1
：利用机载双目相机获取周围环境
RGB
图像和深度图像；
[0015]步骤
S2.2
：基于初始地图模板利用机器学习的方式和人工的方式进行分类
、
标注和验证，得到包含语义信息的全局地图；
[0016]步骤
S2.3
：根据机器人运动数据对所有单元进行更新建立以机器人为中心的高精度局部高程地图
。
[0017]优选地，所述步骤
S2.2
采用：
[0018]步骤
S2.2.1
：对传感器数据进行包括整理
、
分类以及清洗处理，得到没有任何语义信息或注释的初始地图模板；
[0019]步骤
S2.2.2
：利用机器学习和
/
或人工的方式检测静态对象并对其进行分类和标注，包括：障碍物和楼梯；
[0020]步骤
S2.2.3
：通过人工纠错排查确保地图自动创建过程正确性；
[0021]步骤
S2.2.4
：发布包含语义信息的全局地图
。
[0022]优选地，所述步骤
S2.3
采用：
[0023]步骤
S2.3.1
：根据距离传感器数据对有新测量值的单元进行更新得到各单元估计高度和高度方差；
[0024]步骤
S2.3.2
：根据机器人运动数据对所有单元进行更新，保持局部地图始终以机器人为中心，得到各单元估计高度和高度协方差；
[0025]步骤
S2.3.3
：对目标单元进行地图数据融合，得到各单元估计高度和上下置信界限
。
[0026]优选地，所述步骤
S2.3.1
采用：
[0027]来自传感器的新测量值会作为一个个点映射到高程地图上；具体的某一个点会导致高程地图中的一个单元
(x,y)
拥有一个新的高度值在地图坐标系
{M}
中，高度测量值通过高斯概率分布来估计；对于传感器坐标系
{S}
下的某一点
P
的位置
S
r
SP
，一个单个的测量值可以被转换成地图坐标系
{M}
下对应的高度测量值；
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种四足机器人导航避障与攀爬楼梯方法，其特征在于，包括：步骤
S1
：建立四足机器人预设非结构化环境场景模型；步骤
S2
：机载双目相机获取并分析周围环境信息，建立包含语义信息的全局地图及以机器人为中心的高精度局部高程地图；步骤
S3
：四足机器人根据全局地图和
A*
路径规划算法实现四足机器人自主导航避障；步骤
S4
：四足机器人根据非对称
Actor
‑
Critic
网络训练，并结合全局地图和局部高程地图规划落足点，从而实现四足机器人运动控制和攀爬楼梯
。2.
根据权利要求1所述的四足机器人导航避障与攀爬楼梯方法，其特征在于，所述步骤
S2
采用：步骤
S2.1
：利用机载双目相机获取周围环境
RGB
图像和深度图像；步骤
S2.2
：基于初始地图模板利用机器学习的方式和人工的方式进行分类
、
标注和验证，得到包含语义信息的全局地图；步骤
S2.3
：根据机器人运动数据对所有单元进行更新建立以机器人为中心的高精度局部高程地图
。3.
根据权利要求2所述的四足机器人导航避障与攀爬楼梯方法，其特征在于，所述步骤
S2.2
采用：步骤
S2.2.1
：对传感器数据进行包括整理
、
分类以及清洗处理，得到没有任何语义信息或注释的初始地图模板；步骤
S2.2.2
：利用机器学习和
/
或人工的方式检测静态对象并对其进行分类和标注，包括：障碍物和楼梯；步骤
S2.2.3
：通过人工纠错排查确保地图自动创建过程正确性；步骤
S2.2.4
：发布包含语义信息的全局地图
。4.
根据权利要求2所述的四足机器人导航避障与攀爬楼梯方法，其特征在于，所述步骤
S2.3
采用：步骤
S2.3.1
：根据距离传感器数据对有新测量值的单元进行更新得到各单元估计高度和高度方差；步骤
S2.3.2
：根据机器人运动数据对所有单元进行更新，保持局部地图始终以机器人为中心，得到各单元估计高度和高度协方差；步骤
S2.3.3
：对目标单元进行地图数据融合，得到各单元估计高度和上下置信界限
。5.
根据权利要求4所述的四足机器人导航避障与攀爬楼梯方法，其特征在于，所述步骤
S2.3.1
采用：来自传感器的新测量值会作为一个个点映射到高程地图上；具体的某一个点会导致高程地图中的一个单元
(x,y)
拥有一个新的高度值在地图坐标系
{M}
中，高度测量值通过高斯概率分布来估计；对于传感器坐标系
{S}
下的某一点
P
的位置
S
r
SP
，一个单个的测量值可以被转换成地图坐标系
{M}
下对应的高度测量值；其中，投影矩阵
P
＝
[001]
将三维测量值映射成高度测量值；为了获得高度测量值的方
差推导传感器测量值和传感器坐标框架旋转量的雅可比矩阵
J
S
和
J
Φ
为为其中：假设则方差的传播误差为其中，
∑
S
为距离传感器模型的协方差矩阵；表示传感器旋转量的协方差矩阵；使用一维卡尔曼滤波将高度测量值和现有的高程地图估计值融合：其中，上标
+
表示估计值是在更新之后得到的，上标
‑
表示估计值是在更新之前得到的
。
当多个不同高度的测量值落在同一个栅格时，将基于马氏距离融合最高的测量值，并丢弃低于当前估计值一定距离的测量值；当某一区域一直被测量或被重新穿过时，这种融合多个高度测量值的方法仍然有效
。6.
根据权利要求4所述的四足机器人导航避障与攀爬楼梯方法，其特征在于，所述步骤
S2.3.2
采用：当栅格单元
i
收到一个测量更新值时，将其协方差设定为其中，和是栅格离散化产生的水平不确定性的近似值；对于边长为
d
的正方形栅格单元，当栅格单元没有接收到新的测量值时，机器人将根据前一个位姿到当前位姿的变换不断更新协方差矩阵在时间
k
时，地图参考坐标系
{M
k
}
通过位姿变换可以得到机器人当前参考坐标系在时间
k
＝2时，点
P
在地图坐标系
{M2}
下的位置估计值由
k
＝1时的点
P
在地图坐标系
{M1}
下的位置估计值表示
...

【专利技术属性】
技术研发人员：高洪波，严驰，江磊，王鑫淼，刘宇飞，唐超，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：