本发明专利技术涉及导盲四足机器人技术领域,尤其是一种基于大尺度场景的智能导盲四足机器人,通过同时构建三维点云地图和二维栅格地图,避免静态地图坐标系不重合问题,采用粗导航到细跟随的模式,通过全局地图导航至盲道后,切换至盲道寻迹模式跟随盲道,本发明专利技术能够提供更加准确的建图定位效果,进一步提高导航和引导的精度。
【技术实现步骤摘要】
本专利技术涉及导盲四足机器人,具体领域为一种基于大尺度场景的智能导盲四足机器人。
技术介绍
1、为了解决盲人的出行问题,人们提出了许多导盲方法来辅助人们出行。随着科技的不断发展,人们开始将嵌入式、传感器等技术应用到了导盲设备中,以更好地辅助盲人感知周围的环境。目前大多数的智能导盲设备都是对于传统导盲杖的改进,通过将机器视觉、导航等技术融入导盲杖,大大地提高了其环境感知能力。但使用者仍需要自己根据导盲杖所获得的环境信息来判断如何行走,这对使用者的决策能力提出了较高的要求。
2、为了减轻导盲设备使用者的负担,提出了利用移动机器人来牵引盲人的方式,这极大地减少了对于盲人自身的要求,盲人仅需要跟随机器人的牵引即可完成日常出行。移动机器人中的四足机器人由于其落足点的独立性、运动时腿和身体的低耦合性,相比于传统的轮式移动机器人更能够适应更复杂的户外地形,因此更适合用来作导盲机器人。现有的导盲四足机器人多是在结构上创新,如牵引杆等结构创新。部分算法上创新的系统,搭载了完整的感知系统,包含gps、激光雷达、深度相机、双目相机、牵引绳以及提供人机交互的语音助手,然而并没有对算法实际内容做详细阐述。导航方面创新有使用建图算法构建栅格地图用于导航定位。
3、现有导盲四足机器人主要在结构上创新,部分在算法创新的系统,没有建立全局静态三维点云地图,没法做全局的线路规划,相比于有静态地图做定位鲁棒性更差。没有加强对特定功能的特殊开发,如盲道寻迹,这样一个盲人出行最广泛的需求。
技术实现思路
1、针对现有技术存在的不足,本专利技术的目的在于提供一种基于大尺度场景的智能导盲四足机器人,解决现有足式机器人在导航寻迹上的工程难题,以及建图程序在足式机器人上易失效的问题;算法通过同时构建三维点云地图和二维栅格地图,避免静态地图坐标系不重合问题;采用粗导航到细跟随的模式,通过全局地图导航至盲道后,切换至盲道寻迹模式跟随盲道。
2、为实现上述目的,本专利技术提供如下技术方案:一种基于大尺度场景的智能导盲四足机器人,包括四足机器人及部署在四足机器人平台上的控制系统,所述的四足机器人包括有设置在四足机器人上的深度相机、3d激光雷达、绳索牵引系统;其具体控制方式为:
3、(1)机器人开机,根据地图全局导航到人行道附近;
4、(2)通过3d激光雷达构建用于定位的全局点云地图和用于导航的二维栅格地图;
5、(3)基于盲道的纹理结构,利用视觉语义信息确定是否发现盲道,当发现盲道时则在建图期间记录下发现盲道时的位置并且记录整条盲道的路径信息,离线存储该信息;当下一次机器人开机后,则通过该盲道信息寻找进入盲道的最近路径;
6、(4)当到达盲道附近时,切换至视觉寻迹部分,采用四足机器人前方携带的摄像头进行盲道识别并且控制机器人跟随盲道,通过绳索牵引系统对使用者进行牵引导向。
7、在其中一些实施例中,根据步骤(2),其具体方式为:
8、(1)利用imu数据对输入的点云进行畸变校正。畸变校正是当雷达旋转一周完成一次扫描的过程中,由于机器人运动带来的激光点畸变,通过imu畸变校正对数据进行逐点去畸变;
9、(2)获取去畸变后的激光点云,根据公式(1)提取角点和平面点特征;
10、
11、(3)利用上一步提取的特征点,建立匹配关系,利用公式(2)、公式(3)建立匹配误差模型,用松耦合足式里程计模块提供先验估计,采用高斯-牛顿非线性优化算法收敛误差模型来估计状态;
12、
13、
14、(4)将激光里程计因子,回环因子加入因子图,更新因子图,进一步提供低频更准确的位姿估计;
15、其中,松耦合足式里程计模块中,足式里程计是利用误差状态卡尔曼滤波算法融合imu运动方程和足式里程计观测方程得到;观测方程计算公式如下,
16、
17、其中等式左边为速度观测,等式右边r(qk)表示旋转矩阵,表示雅克比矩阵,表示足式机器人腿部正运动学,和分别表示电机转速和电机转角;
18、随后,将高频的足式里程计帧与低频的激光里程计帧融合,实现高频的松耦合足式里程计输出,根据已知的齐次变换矩阵和待求的变换矩阵,求解可利用如下的公式获得:
19、
20、
21、
22、将获取的畸变校正后点云数据,去除地面点并取雷达发射角度水平以下的雷达激光线数据;利用激光里程计提供的自身位姿估计信息,结合核心联合概率公式(4),生成二维栅格地图:
23、p(x1:t,m|z1:t,u1:t-1)=p(m|x1:t,z1:t)p(x1:t|z1:t,u1:t-1) (4)。
24、在其中一些实施例中,根据步骤(3),其具体方式包括重定位、导航和运动控制三部分;
25、重定位部分用于载入离线地图后,确定开机机器人在离线地图中的位置,以及机器人后续在地图中的位置,其重定位方式为:
26、第一步,在机器人开机后读取第一帧的3d激光雷达数据;
27、第二步,在软件端的全局静态地图上选取一个先验位姿,利用这个先验位姿作为当前第一帧点云的位姿初值,通过第一帧点云和全局静态点云地图作icp匹配计算最终匹配阈值,当阈值小于某个用户设定值时,则认为匹配成功;此时,机器人机身坐标系到静态地图坐标系之间的变换矩阵则被确定;反之,则会提示用户,需要重新选择先验位姿估计,直至算法匹配成功;
28、第三步,在程序初始化成功后同时运行激光里程计部分,当进入未知新环境时,利用激光里程计估计的位姿同样能够确定机器人当前的状态信息;当机器人仍处在静态地图中时,激光里程计提供后续位姿,并且实时构建的局部地图与静态地图匹配来更新优化机器人机身坐标系到静态地图坐标系之间的变换矩阵;
29、导航部分用于在已知自身位姿的情况下,给定目标点后,根据代价地图生成最优的避障路径,其导航方式为:
30、将静态的二维栅格地图导入后根据设置的膨胀参数等生成代价地图,代价地图上机器人处在任何位置都会拥有相应的代价值,代表着从当前位置到目标位置的代价值,其代价值算法采用公式(5)进行:
31、f(x)=g(x)+h(x) (5)
32、其中,f(x)为从起点到目标位置的代价估计,g(x)表示从起点到节点x的代价距离,h(x)为启发函数,表示从节点x到目标位置的代价估计;
33、运动控制部分用于在已知路径规划的情况下,主机通过发送高层控制指令来控制机器人沿规划的路径行进,其控制方式为:
34、通过重定位程序定位信息和代价地图,生成最优路径并生成高层速度控制指令发送给运动控制部分,四足机器人收到控制指令后利用自身的控制系统控制机器人运动。
35、在其中一些实施例中,根据步骤(4),其具体方式为,通过图像处理方式,消除盲道区域中干扰物体对视觉图像中的噪声,增加后续边界本文档来自技高网
...
【技术保护点】
1.一种基于大尺度场景的智能导盲四足机器人,包括四足机器人及部署在四足机器人平台上的控制系统,其特征在于:所述的四足机器人包括有设置在四足机器人上的深度相机、3D激光雷达、绳索牵引系统;其具体控制方式为:
2.根据权利要求1所述的一种基于大尺度场景的智能导盲四足机器人,其特征在于:根据步骤(2),其具体方式为:
3.根据权利要求2所述的一种基于大尺度场景的智能导盲四足机器人,其特征在于:根据步骤(3),其具体方式包括重定位、导航和运动控制三部分;
4.根据权利要求3所述的一种基于大尺度场景的智能导盲四足机器人,其特征在于:根据步骤(4),其具体方式为,通过图像处理方式,消除盲道区域中干扰物体对视觉图像中的噪声,增加后续边界提取的准确性;
【技术特征摘要】
1.一种基于大尺度场景的智能导盲四足机器人,包括四足机器人及部署在四足机器人平台上的控制系统,其特征在于:所述的四足机器人包括有设置在四足机器人上的深度相机、3d激光雷达、绳索牵引系统;其具体控制方式为:
2.根据权利要求1所述的一种基于大尺度场景的智能导盲四足机器人,其特征在于:根据步骤(2),其具体方式为:
3...
【专利技术属性】
技术研发人员:周笑龙,张海峰,李杰,李秦川,谢镇涛,
申请(专利权)人:浙江理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。