四足仿生机器人连续自由步态生成方法与流程

本发明涉及一种用于生成四足仿生机器人连续自由步态的方法，使用该方法，四足仿生机器人可以快速、稳定地通过包含不可落足区域的复杂地形，属于机器人控制技术领域。

背景技术：

四足机器人能够在崎岖度较高的自然地形上，甚至是一些对于轮式和履带式机器人无法跨越的复杂地形环境中稳定行走。在复杂的自然地形环境中往往存在着不适于四足机器人落足的区域，当机器人落足于这些区域时，极易发生足底滑动、沉陷等影响机器人稳定性的情况。因而，四足机器人在包含不可落足区域的地形上行走时，就必须能够准确获取地形信息，进而通过相应的处理，获得地形中的不适于机器人落足的不可落足区域，并基于此，提出相应的步态规划方法。

四足机器人落足点是离散的，为保证机器人稳定地通过包含不可落足区域的崎岖地形，并且避免落足于地形中的不可落足区域，四足机器人必须使用非周期性静步态——自由步态。

在四足机器人的相关研究领域中，自由步态规划是提高四足机器人地形适应性的关键因素。目前，国内外研究者们已经给出了多种自由步态的生成方法。1999年《Robotica》(《机器人》)在17(4):405-412发表的论文《Quadruped free gait generation based on the primary/secondary gait》中，提出了一种名为“主要/次要”的自由步态生成方法，机器人在行走过程中，主要以周期性静步态行走，只有在无法使用周期性静步态行走时，才转而使用自由步态向前行走；2002年，《The International Journal of Robotics Research》(《国际机器人研究杂志》)在21(2):115-130发表的论文《Free gaits for quadruped robots over irregular terrain》提出了三种不同类型的自由步态：自由蟹行步态、自由自转步态和自由转向步态，机器人使用这三种自由步态能够在包含不可落足区域的地形上以任意方向上前进；2015年，在《四足机器人越障自由步态规划与控制研究》中提出了一种基于图搜素算法生成自由步态的方法。在这些步态规划中，普遍存在着未给出具体的对地形信息获取和处理的问题，而准确处理地形信息，是使四足机器人避免落足于地形中不可落足区域的前提。另外，在这些自由步态规划中，机器人的重心只沿前进方向上移动，稳定性不高，限制了机器人的地形适应性。中国专利文献CN104267720A公开了《一种四足仿生机器人的自由步态生成方法》，使用该步态生成方法可生成一种非连续自由步态，当机器人以这种步态行走时，存在着平均运动速度较低的不足。该步态生成方法是基于提前给定地形中的可选落足点进行规划的，未给出根据地形信息自主分析地形中不可落足点区域的算法，与实际应用需求贴合度不高。另外，在自由步态规划中，迈步顺序的确定方法对机器人运动性能的影响较大，而在该步态生成方法中，仅以运动学裕度作为迈步顺序确定的依据，未综合考虑影响机器人运动性能的其他因素。

有鉴于此，为提高四足机器人在包含不可落足区域的地形上行走时的自主性，必须给出通过处理地形信息获得地形中不可落足区域的处理方法；同时，对于四足仿生机器人自由步态生成中迈步顺序的确定、重心移动规划等方面，需综合考虑四足仿生机器人在行走过程中的稳定性、快速性和灵活性，以提高四足仿生机器人的地形适应性为目标，生成符合实际需求的自由步态。

技术实现要素：

本发明针对现有四足机器人自由步态生成方法存在的诸多不足，提供一种四足仿生机器人连续自由步态生成方法。该方法是基于对地形信息的准确识别与处理给出的，应用该方法，可使机器人避免出现因落足于不可落足区域而造成失稳的情况，从而自主、稳定、快速地通过复杂的崎岖地形。

本发明提供的连续自由步态规划方法，是基于对地形信息的准确识别与处理给出的。通过对地形信息的处理，四足仿生机器人可以明确其自身位置与地形中不可落足区域的相对位置关系，结合最优落足点选取算法，可以有效地保证机器人避免落足于不可落足区域；为保证机器人在行走过程中具有足够的稳定裕度，机器人通过四足支撑阶段的重心摆动，以增加机器人的稳定裕度；机器人在使用自由步态行走时，其迈步顺序是不固定的，在四足支撑相中，综合考虑机器人重心投影与支撑多边形的关系及各足摆动时相对应的重心移动量，以确定机器人在行走过程中的迈步顺序，能够在保证机器人灵活运动的同时，保证机器人以最小的移动量维持其自身的稳定性；另外，为提高四足机器人的平均运动速度，规划机器人的躯干沿前进方向以给定的速度不断地向前运动。

本发明的四足仿生机器人连续自由步态生成方法，具体包括以下步骤：

(1)获得地形点云数据，对点云数据进行简化和栅格化，并得到地形的高程图；根据地形的高程图，计算每个栅格对应的方差，对比预先设立的阈值，判断地形中的不可落足区域；

(2)计算机器人各足选定为摆动足时，为保证机器人在足摆动阶段的稳定性，所需要的重心调整量；

(3)根据机器人各足的位置，以减小机器人重心移动的次数和重心沿侧方向上的移动量为原则，选定摆动足；

(4)机器人按照计算的重心调整量主动调整重心至目标位置；

(5)结合地形信息与机器人的位置信息，根据最优落足点选择算法为摆动足选择地形中的相应位置点作为最优落足点；

(6)摆动足摆动至最优落足点，当摆动足的足底触底传感器检测到触地，转到步骤(2)，重复整个过程。

所述步骤(1)中对点云数据进行简化和栅格化的过程是：

①确定单个栅格的尺寸，长×宽为m×n(单位mm)；

②按照确定的栅格尺寸，将点云数据进行栅格化处理；

③分别求出每个栅格中点数据对应的拟合平面；

④以栅格中点所对应的拟合平面的高度值，作为该栅格的高程值。

所述步骤(2)中判断地形中的不可落足区域的过程是：

通过建立评估模型，以评估每个栅格的崎岖度，在评估某个栅格的崎岖度时，连同这个栅格以及栅格周围(P*Q-1)个栅格共同组成评估模型，其中，P和Q均是奇数；

用E(i,j)表示栅格的高程值，则分别求得栅格(i,j)崎岖度的评估模型中栅格的平均高程值和高程值方差，如下式所示：

以栅格(i,j)评估模型的方差作为栅格的崎岖度评价值，计算得到每个栅格的崎岖度评价值后，与预先设定的阈值T相比较；如果某个栅格的崎岖度评价值满足下式，则认为该栅格所在的区域为不可落足区域：

S(i,j)²≥T。

所述步骤(3)中选定摆动足的确定原则是：

(1)如果不需要重心移动，某只足在摆动时，机器人即可满足最小稳定裕度约束以及运动约束时，则该足可被优先选择为摆动足；

(2)如果所有的足均不符合第(1)条，则需根据计算的重心调整量，得到四只足分别选为摆动足时，所对应的重心调整量：L_y1、L_y2、L_y3以及L_y4；之后比较这四个重心调整量的大小，选择重心移动量最小相对应的足作为摆动足。

所述步骤(4)中的重心调整量计算过程是：

在四足支撑调整阶段，计算四足机器人重心的调整量时，必须遵循以下两条规则：

(1)保证四足机器人在重心调整之后，摆动足摆动过程中，其稳定裕度不小于预先设定的最小稳定裕度S_min；

(2)在满足规则(1)的同时，尽量减小侧方向上的重心调整量；

假设机器人沿前进方向上的运动速度为V_x，重心调整阶段的时间为t₁，则得重心调整的目标位置点P₁的横坐标x₁需满足下式：

x_I＝L_x1＝V_x·t₁，

欲使四足机器人经四足支撑阶段的重心调整后，四足机器人的稳定裕度不小于最小稳定裕度S_min，则点P₁的位置需满足下式：

(L_x1+L_x2)≥S_min，

设重心调整阶段的时间为t₂，则L_x2的值由下式求得：

L_x2＝V_x·t₂，

欲使四足机器人经足的摆动阶段后，四足机器人仍能保证其自身的稳定性，即稳定裕度不小于最小稳定裕度S_min，则迈步阶段结束后，重心投影的目标位置点P₂需满足下式：

L_x3≥S_min，

为提高机器人在行走过程中的能耗，点P₁和点P₂满足式(L_x1+L_x2)≥S_min和L_x3≥S_min时，对应的最小移动量L_y，即为目标的重心调整量。

所述步骤(5)中的最优落足点选择算法，是：

将可选落足点的坐标位置存储在数组C中，如下式所示：

其中，c_i代表的是摆动足第i个可选的落足点；x_i和y_i分别表示的是第i个可选落足点在世界坐标系{W}中的横纵坐标；

摆动足的最优落足点，必须满足以下两个条件：

(1)最优落足点必须帮助摆动足获得尽量大的步长，这样有助于机器人提高其平均运动速度；

(2)最优落足点必须帮助机器人获得更大面积的稳定区域，这样有助于机器人提高其在运动过程中的稳定性；

以L_i(x,y)和S_i(x,y)分别表示第i个可选的落足点被确定为最优落足点时，摆动足的步长以及对应的支撑三角形的面积，然后，建立最优落足点的评价函数，如下式所示：

F(x)＝w_S·L_i(x,y)+w_L·S_i(x,y)，

其中，w_S和w_L分别表示的是摆动足步长和机器人支撑三角形面积的权重系数；

根据数组C中存储的可选落足点的坐标，分别计算出每个可选落足点对应的评价函数的值，其中，最大评价函数的值对应的可选落足点即为摆动足的最优落足点。

本发明具有以下特点：

1.结合获取的地形点云信息，四足仿生机器人能够准确地识别地形中的不可落足区域；

2.能够帮助机器人选择最优落足点，进而保证机器人在避开地形中不可落足区域的同时，增大机器人稳定性和平均运动速度；

3.通过重心的主动调整，有效地增大四足机器人在行走过程中的稳定裕度，进而可提高四足机器人的地形适应性；

4.优化了迈步顺序确定方法，在确保机器人运动灵活性的同时，减小了运动过程中的侧向调整量，可有效地降低机器人的能耗；

5.机器人在运动过程中，躯干沿前进方向上以预先设定的速度不断向前运动，有效地提高了机器人的运动速度，使机器人在稳定的前提下，以最短的时间通过复杂地形。

附图说明

图1是十二自由度四足仿生机器人的仿真模型图。

图2是由TOF相机获取的崎岖地形的点云数据图。

图3是栅格(i，j)中包含的点云数据图。

图4是栅格(i，j)中点云数据的拟合平面示意图。

图5是简化后崎岖地形的高程图。

图6是栅格崎岖度评价模型图。

图7是崎岖地形上不可落足区域示意图。

图8是四足机器人最优落足点选择示例图。

图9是机器人重心调整量计算示例图。

图10是摆动足选择方法示例图。

具体实施方式

下面以图1所示的十二自由度四足机器人为例，对本发明的四足机器人连续自由步态的生成方法作详细描述。

一.地形信息处理

首先，通过光传输时间(Time Of Flight,TOF)三维激光相机获得地形的点云数据，如图2所示。将点云中各点在世界坐标系{W}中的位置，存储到数字P中，如下式(1)所示。

其中，p_i(x_i,y_i,z_i)表示的是点云中第i个点在世界坐标系中的坐标。

在地形信息的处理中，分为两个步骤，第一步是对地形数据的简化；第二步是对地形崎岖度的评估。

(1)地形数据简化

为了减少点云数据，从而减小计算量，对点云数据做以下处理：

①确定单个栅格的尺寸，m×n(长×宽，单位mm)；

②按照确定的栅格尺寸，将点云数据进行栅格化处理；

③分别求出每个栅格中点数据对应的拟合平面；

④以栅格中点所对应的拟合平面的高度值，作为该栅格的高程值。

以图3所示的栅格(i，j)以及其中包含的点云数据作为实例，说明拟合平面的求解过程。

首先，给出拟合平面的方程，如下式(2)所示。

z＝A·x+B·y+C (2)

其中，A、B、C为待定系数。

根据式(2)，可得到栅格中，各点到拟合平面的距离之和，如下式(3)所示。

其中，m表示的是在栅格(i，j)中的点数据的总数。

根据式(3)，可得到式(3)对各参数的偏导数，如式(4)所示。

为求得栅格中各点的拟合平面，构建如下式(5)所示的方程组。通过求得式(5)中方程组，可得到式(2)中参数。

根据式(2)、式(4)和式(5)，可得到如式(6)所示的矩阵方程。

进而，根据式(6)，可得到求解式(2)中各参数的矩阵方程，如下式(7)所示。

求得参数A、B及C后，可得到图3中所示的栅格(i，j)中点云数据的拟合平面，如图4所示。

通过式(7)求得式(2)中各系数后，可得到栅格(i，j)的高程值。

根据本部分给出的方法，将图2中所示的点云数据处理后，得到如图5中所示的高程图。

(2)地形崎岖度评估

通过建立评估模型，以评估每个栅格的崎岖度。在评估某个栅格的崎岖度时，连同这个栅格以及栅格周围(P*Q-1)个栅格共同组成评估模型，其中，P和Q均是奇数。图6给出了评估栅格(i,j)崎岖度的评估模型示例，其中，P＝5，Q＝3。

用E(i,j)表示栅格的高程值，则可分别求得栅格(i,j)崎岖度的评估模型中栅格的平均高程值和高程值方差，如下式(9)所示。

以栅格(i,j)评估模型的方差作为栅格的崎岖度评价值，计算得到每个栅格的崎岖度评价值后，与预先设定的阈值(T)相比较。如果某个栅格的崎岖度评价值满足式(10)，则认为该栅格所在的区域为不可落足区域。

S(i,j)²≥T (10)

以图7给出的示例，使用上述方法得到地形的不可落足区域，如图7中白色区域为崎岖地形上四足机器人的不可落足区域。

二.最优落足点选择算法

结合图8给出的落足点选择示例，给出最优落足点选择算法。图8中所示的实线框为摆动足的有效工作区域，横纵虚线的交叉点为可选的落足点，阴影覆盖的区域为不可落足区域。将可选落足点的坐标位置存储在数组C中，如下式(11)所示。

其中，c_i代表的是摆动足第i个可选的落足点；x_i和y_i分别表示的是第i个可选落足点在世界坐标系{W}中的横纵坐标。

摆动足的最优落足点，必须满足以下两个条件：

(1)最优落足点必须帮助摆动足获得尽量大的步长，这样有助于机器人提高其平均运动速度；

(2)最优落足点必须帮助机器人获得更大面积的稳定区域，这样有助于机器人提高其在运动过程中的稳定性。

以L_i(x,y)和S_i(x,y)分别表示第i个可选的落足点被确定为最优落足点时，摆动足的步长以及对应的支撑三角形的面积，然后，建立最优落足点的评价函数，如式(12)所示。

F(x)＝w_S·L_i(x,y)+w_L·S_i(x,y) (12)

其中，w_S和w_L分别表示的是摆动足步长和机器人支撑三角形面积的权重系数。

根据数组C中存储的可选落足点的坐标，可分别计算出每个可选落足点对应的评价函数的值，其中，最大评价函数的值对应的可选落足点即为摆动足的最优落足点。

三.重心调整量计算

本发明给出的四足机器人自由步态规划方法中，使用纵向稳定裕度衡量机器人的稳定性。

在四足支撑阶段，机器人完成重心的主动调整，可以保证摆动足能够稳定地摆动至最优落足点。但是，重心在前进方向侧方向上的摆动，也提高了四足机器人的能耗。

因而，在四足支撑调整阶段，计算四足机器人重心的调整量时，必须遵循以下两条规则：

(1)保证四足机器人在重心调整之后，摆动足摆动过程中，其稳定裕度不小于预先设定的最小稳定裕度(S_min)；

(2)在满足规则(1)的同时，尽量减小侧方向上的重心调整量。

假设机器人沿前进方向上的运动速度为V_x，重心调整阶段的时间为t₁，则可得图9中，重心调整的目标位置点P₁的横坐标x₁需满足下式(13)。

x_I＝L_x1＝V_x·t₁ (13)

欲使四足机器人经四足支撑阶段的重心调整后，四足机器人的稳定裕度不小于最小稳定裕度S_min，则点P₁的位置需满足下式(14)。

(L_x1+L_x2)≥S_min (14)

设重心调整阶段的时间为t₂，则L_x2的值可由式(15)求得。

L_x2＝V_x·t₂ (15)

欲使四足机器人经足的摆动阶段后，四足机器人仍能保证其自身的稳定性，即稳定裕度不小于S_min，则迈步阶段结束后，重心投影的目标位置点P₂需满足式(16)。

L_x3≥S_min (16)

为提高机器人在行走过程中的能耗，点P₁和点P₂满足式(14)、式(16)时，对应的最小移动量L_y，即为目标的重心调整量。

四.迈步顺序的确定

四足机器人在使用自由步态向前行走时，其迈步顺序是不固定的。因而，四足机器人需要在行走过程中自主确定其迈步顺序。

本发明中给出的自由步态生成方法中，在确定迈步顺序时，要以减小四足机器人重心移动的次数和重心沿侧方向上的移动量为原则，以此提高四足机器人的能量利用率。

以图10所示的具体示例，介绍摆动足的确定原则。

(1)如果不需要重心移动，某只足在摆动时，机器人即可满足最小稳定裕度约束以及运动约束时，则该足可被优先选择为摆动足。这样，机器减少了重心的移动次数，可有效地降低能耗。

以如图10为例，当将1号足确定为摆动足时，机器人重心的投影不需要经过侧向的调整，即处于支撑三角形内，且满足式(17)。

L≥S_min (17)

另外，图10中L的值满足式(18)。

L≥[V_x·(t₁+t₂)+S_min] (18)

由此可知，当将1号足确定为摆动足时，机器人重心的投影不需要经过侧向的调整，即可满足稳定性约束(式(17))和运动学约束(式(18))。因而，将1号足作为摆动足，这样可省去一次重心的调整运动，进而可减低能耗。

(2)如果所有的足均不符合规则(1)，则需根据“4重心调整量计算”中给出的重心调整量计算方法，得到四只足分别选为摆动足时，所对应的重心调整量：L_y1、L_y2、L_y3以及L_y4。之后比较这四个重心调整量的大小，选择重心移动量最小相对应的足作为摆动足。

按照上述两条规则，四足机器人即可在行走过程中，自主地确定摆动足的摆动顺序，并最终形成适用于四足机器人在包含不可落足区域崎岖地形上行走时的迈步顺序。