基于冲击感知神经网络的机器人检测横向冲击方法技术

本申请公开基于冲击感知神经网络的机器人检测横向冲击方法，包括：步骤A、控制机器人的感测装置采集原始位姿数据，并在原始位姿数据中提取出待感知测量值序列；步骤B、利用已训练的冲击感知神经网络对所述待感知测量值序列进行分类，得到第一目标预测概率与第二目标预测概率；步骤C、判断第一目标预测概率是否大于第二目标预测概率，是则确定机器人检测到其受到横向冲击，否则确定机器人检测到其不受到横向冲击。从而不会因为对感测装置实时采集的原始位姿数据进行有效性判断后而停止使用神经网络进行分类识别，也不会因为对感测装置实时采集的原始位姿数据进行卡尔曼滤波后才开始使用神经网络进行分类识别，提高机器人检测横向冲击的效率。

【技术实现步骤摘要】

本申请涉及机器人控制算法领域，涉及基于冲击感知神经网络的机器人检测横向冲击方法。

技术介绍

1、在复杂的动态环境下，机器人在低摩擦地面上移动时，若机器人轮胎附着力较低，将极易发生侧滑。机器人侧滑一般是指机器人车轮发生横向位移（即轴向位移）的现象，视为机器人受到冲击，机器人在传感器无感知的情况下被瞬间移动到其他位置，安装在车轮上的旋转编码器无法感知冲击造成的横向位移，此时，采用惯性测量单元（inertialmeasurement unit，imu）的感测数据推算出机器人实际位姿。

2、机器人未受冲击的状态大致为三种场景：（1）机器人在光滑的地面上移动；（2）机器人主动撞击障碍物；（3）机器人越过障碍物并出现机体振动。在场景（2）和场景（3）下，惯性测量单元感测的加速度测量值会产生大幅变化，导致机器人在卡尔曼滤波（extendedkalman filter，ekf）框架下，利用预测的位姿结果判定发生横向位移时容易出现误判。

技术实现思路

1、本申请公开基于冲击感知神经网络的机器人检测横向冲击方法，具体本文档来自技高网...

【技术保护点】

1.基于冲击感知神经网络的机器人检测横向冲击方法，其特征在于，机器人检测横向冲击方法包括：

2.根据权利要求1所述机器人检测横向冲击方法，其特征在于，所述已训练的冲击感知神经网络的构建方法包括：

3.根据权利要求2所述机器人检测横向冲击方法，其特征在于，所述softmax算法在所述冲击感知神经网络是以softmax分类器的方式占据一个输出层；

4.根据权利要求3所述机器人检测横向冲击方法，其特征在于，在重复执行步骤2至步骤5的过程中，每次执行所述步骤5时，在使用所述损失函数计算所述损失值之前，判断步骤4得到的第一受冲击预测概率是否大于步骤4得到的第二受...

【技术特征摘要】

1.基于冲击感知神经网络的机器人检测横向冲击方法，其特征在于，机器人检测横向冲击方法包括：

2.根据权利要求1所述机器人检测横向冲击方法，其特征在于，所述已训练的冲击感知神经网络的构建方法包括：

3.根据权利要求2所述机器人检测横向冲击方法，其特征在于，所述softmax算法在所述冲击感知神经网络是以softmax分类器的方式占据一个输出层；

4.根据权利要求3所述机器人检测横向冲击方法，其特征在于，在重复执行步骤2至步骤5的过程中，每次执行所述步骤5时，在使用所述损失函数计算所述损失值之前，判断步骤4得到的第一受冲击预测概率是否大于步骤4得到的第二受冲击预测概率，是则将损失函数所需的标签真实值设置为1并确定机器人受横向冲击是当前预判结果，否则将损失函数所需的标签真实值设置为0并确定机器人不受横向冲击是当前预判结果。

5.根据权利要求2所述机器人检测横...

【专利技术属性】
技术研发人员：王珂，周和文，包敏杰，戴崑，许润泽，肖刚军，
申请(专利权)人：珠海一微半导体股份有限公司，
类型：发明
国别省市：