本发明属于机器人技术领域，具体涉及的是一种双足机器人及一种斜坡角度测量方法。
背景技术
现有的2d雷达多用来进行机器人的路径规划与建图，以此来达到对障碍物的检测与避障，但是在对双足机器人进行的上下斜坡的调试试验时，由于斜坡的角度事先未知，造成双足机器人调试过程中，容易出现打滑，摔跤等等问题，现有技术一般会运用陀螺仪来进行位姿调整，但在实际测试中，由于陀螺仪多侧重在平地调试时的位姿调整，在斜坡上机器人行走时候难以做出调整，导致仍然会出现大幅度机器人打滑，摔跤的情况。因此，现有技术中存在着斜坡角度不容易测量的问题。
技术实现要素：
为了实现上述目的，本发明提供如下技术方案：
本发明实施例提供一种斜坡角度测量方法，包括：
获取雷达设备采集的各个扫描点对应的原始数据，一帧所述原始数据包括n组原始数据，一组所述原始数据包括当前扫描点与雷达设备之间的距离和当前扫描点相对于雷达设备的倾斜角度；
针对每一帧所述原始数据，执行以下方法流程：
将所述n组原始数据生成n组量化数据，每一组量化数据中包括第一变量、第二变量和第三变量的取值，所述第一变量的取值等于所述当前扫描点与所述雷达设备之间的距离，所述第二变量的取值等于所述当前扫描点相对于所述雷达设备的倾斜角度，所述第三变量的取值等于所述当前扫描点与雷达设备之间的垂直距离；
根据所述n组量化数据，确定所述双足机器人处于上坡状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最大的m组数据；
根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，m为大于或等于3的正整数。
作为一种示例，所述根据所述n组量化数据，确定所述双足机器人处于上坡状态，包括：
若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐减小的趋势，并且所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种示例，所述根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，包括：
根据所述排序最大的m组数据，确定所述m组数据中的所述第三变量的取值各不相同时，从所述m组数据中提取两组差异最大的数据；
根据所述两组差异最大的数据，计算所述双足机器人所在斜坡的倾斜角度，其中，所述两组差异最大的数据是按照所述第一变量、所述第二变量和所述第三变量中一个从所述m组数据中筛选出的。
作为一种示例，所述方法还包括：
根据所述n组量化数据，确定所述双足机器人处于下状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最小的m组数据；
根据所述排序最小的m组数据，计算所述双足机器人所在斜坡的倾斜角度。
作为一种示例，根据所述n组量化数据，确定所述双足机器人处于下状态确定所述双足机器人处于下坡状态，包括：
若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐增加的趋势，并且所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种示例，将所述n组量化数据进行排序，包括：
按照所述第一变量、所述第二变量和所述第三变量中的一个或任意两个的组合将所述n组量化数据从小到大排序。
本发明实施例提供一种双足机器人，包括：控制器、存储器和雷达设备，所述控制器和所述雷达设备通过总线与存储器连接，所述雷达设备固定在双足机器人的外部；
所述雷达设备配置为：采集各个扫描点对应的原始数据，一帧所述原始数据包括n组原始数据，一组原始数据包括当前扫描点与雷达设备之间的距离和当前扫描点相对于雷达设备的倾斜角度，n为正整数。
所述控制器配置为：获取所述雷达设备采集的所述原始数据，并针对每一帧所述原始数据，将所述n组原始数据生成n组量化数据，每一组所述量化数据中包括第一变量、第二变量和第三变量的取值，所述第一变量的取值等于当前扫描点与雷达设备之间的距离，所述第二变量的取值等于当前扫描点相对于雷达设备的倾斜角度，所述第三变量的取值等于当前扫描点与雷达设备之间的垂直距离；根据所述n组量化数据，确定所述双足机器人处于上坡状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最大的m组数据；根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，m为大于或等于3的正整数。
作为一种示例，所述雷达设备内集成有使用逻辑电平驱动的电机控制器、电机和激光器，所述电机驱动器用于通过pwm信号控制所述电机的转速，所述电机的转速用于控制所述激光器扫描频率。
作为一种示例，所述雷达设备为360度激光扫描测距雷达，所述雷达设备的扫描频率和安装高度满足所述雷达设备在采集所述原始数据时的有效扫描区间为0°～60°。
作为一种示例，所述雷达设备的旋转平面或扫描平面与所述双足机器人所在的坡面或平地垂直，与所述双足机器人的前进方向平行。
作为一种示例，所述雷达设备通过固定底座竖直安装在所述双足机器人的胯部。
作为一种示例，所述控制器根据所述n组量化数据，确定所述双足机器人处于上坡状态，包括：
若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐减小的趋势，并且所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种示例，所述控制器根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，包括：
根据所述排序最大的m组数据，确定所述m组数据中的所述第三变量的取值各不相同时，从所述m组数据中提取两组差异最大的数据；
根据所述两组差异最大的数据，计算所述双足机器人所在斜坡的倾斜角度，其中，所述两组差异最大的数据是按照所述第一变量、所述第二变量和所述第三变量中一个的差异值从所述m组数据中筛选出的。
作为一种示例，所述控制器还配置为：
根据所述n组量化数据，确定所述双足机器人处于下状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最小的m组数据；
根据所述排序最小的m组数据，计算所述双足机器人所在斜坡的倾斜角度；
其中，所述控制器根据所述n组量化数据，确定所述双足机器人处于下状态确定所述双足机器人处于下坡状态，包括：
若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐增加的趋势，并且所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种示例，所述控制器将所述n组量化数据进行排序，包括：
按照所述第一变量、所述第二变量和所述第三变量中的一个或任意两个的组合将所述n组量化数据从小到大排序。
上述实施例中，通过雷达设备实时采集双足机器人在坡面上行走时的扫描点的测距数据和扫描点相对于雷达的角度数据，基于这些采集数据，通过控制器的数据分析流程可以识别出双足机器人所在的坡面是上坡、平地，还是下坡，还可以从这些采集数据提取相关信息来分别确定双足机器人上坡和下坡时的坡度。相对于现有技术可高效、实时的识别双足机器人的路面状况，且本发明设计的数据分析流程简单可靠，不仅能够区分上坡和下坡，还能够针对上坡和下坡按照不同的手段提取信息来计算坡度。
附图说明
图1为本发明具体实施例中的一种带有雷达设备的双足机器人的结构示意图；
图2为本发明具体实施例中的一种双足机器人上的雷达设备的安装位置结构示意图；
图3为本发明具体实施例中的一种双足机器人的几种典型的行走路况示意图；
图4为本发明具体实施例中的一种斜坡角度测量方法的方法流程示意图；
图5为本发明具体实施例中的一种上坡过程和下坡过程的斜坡角度测量方法的方法流程示意图；
图6为本发明实施例提供的一种双足机器人的结构示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
现有技术对于双足机器人上下斜坡调试问题，基本上是在上位机pc端里，手动调试机器人步态行走程序的参数，这种方法比较耗时间，也容易因为摔跤过多而损坏，本发明提出一种双足机器人及其双足行走时的斜坡角度检测方法，可实时检测双足脚下斜坡的角度。此外，在检测出双足所在斜坡的角度的基础上，搭配陀螺仪还可提高斜坡上步态控制的稳定性。
针对斜坡角度不容易测量的问题，本发明实施例提一种双足机器人及斜坡角度测量方法，双足机器人的胯部固定雷达设备，可通过雷达设备实时采集双足机器人在坡面上行走时的扫描点的测距数据和扫描点相对于雷达的角度数据，基于这些采集数据，可通过双足机器人内部或外部的控制器的数据分析流程可以识别出双足机器人所在的坡面是上坡、平地，还是下坡，还可以从这些采集数据提取相关信息来分别确定双足机器人上坡和下坡时的坡度。相对于现有技术可高效、实时的识别双足机器人的路面状况，且本发明设计的数据分析流程简单可靠，不仅能够区分上坡和下坡，还能够针对上坡和下坡按照不同的手段提取信息来计算坡度。
其中，控制器可以设置在双足机器人的内部结构中，也可以设置在双足机器人外部，如计算机控制端，此时控制器可与双足机器人通过无线或者有线连接，实现控制器能够获取雷达设备采集的数据。以控制器在双足机器人内部为例，控制器和雷达设备通过总线与存储器连接，雷达设备固定在双足机器人的外部，具体可固定在双足机器人的胯部中间位置。
本发明实施例中的雷达设备可以是低成本的360°激光测距雷达，控制器采用的是rs232的串口数据采集方式，存储器采用fifo数据存储器。
作为一种示例，所述雷达设备内集成有使用逻辑电平驱动的电机控制器、电机和激光器，所述电机驱动器用于通过pwm信号控制所述电机的转速，所述电机的转速用于控制所述激光器扫描频率。
作为一种示例，如图1所示，所述雷达设备为360度激光扫描测距雷达。
作为一种示例，所述雷达设备通过固定底座竖直安装在所述双足机器人的胯部。雷达设备的安装方式如图2所示，所述雷达设备的旋转平面或扫描平面与所述双足机器人所在的坡面或平地垂直，与所述双足机器人的前进方向平行。
作为一种示例，所述雷达设备的扫描频率和安装高度满足所述雷达设备在采集所述原始数据时的有效扫描区间为0°～60°。
作为一种示例，雷达的安装和激光束的有效扫描区间进行标定：
1、将雷达固定在双足机器人的胯部中间，如图2所示，安装之后雷达可能相对于垂直方向倾斜，雷达，像车胎一样，竖直的装配在双足机器人的胯部中间，与双足机器人的前进方向一致，以便固定在双足机器人胯部的雷达发射的激光束可以扫描双足机器人的前方，其中激光束可顺时针或者逆时针旋转扫描。
2、当雷达固定到双足机器人上之后，将双足机器人放在水平面上，如图2所示，标定雷达的安装高度和激光扫描范围，标定雷达的安装高度为h1，即双足机器人在水平面上站立时，雷达距离地面的垂直高度的最小值，标定激光束垂直扫向地面的扫描方向对应的扫描角度为60°。标定激光束相对于垂直方向倾斜的最大角度的扫描方向对应的扫描角度为0°。雷达的扫描范围通常在18°范围内，在标定所需的扫描范围时，需要兼顾雷达的安装高度和斜坡角度的计算精度问题，本发明实施例并不限于将激光扫描角度限定在0°和60°之间，也可以适当的增大或缩小扫描区间。基于此标定，雷达可以输出当前扫描点相对于雷达的倾斜角度θ，即雷达发射的激光束与水平方向的夹角。
本发明实施例中，以雷达设置为顺时针旋转为例，把雷达竖直安装在双足机器人胯部中间，此安装位置保证雷达采集到机器人在斜坡路径上的连续多组激光扫描数据，基于这些数据可以针对精度范围内的任意两个接近的斜坡角度进行计算。其测量的发明构思如下：
雷达会按照标定的扫描区间进行扫描，得到的原始扫描数据为360°平面内的多帧数据流，多帧数据流通过串口返回到数据存储器，控制端对数据存储器中存储的数据进行读取，基于读取的数据进行斜坡角度的测量。
其中，雷达在每一帧内采集的原始数据可以包括32组数据，每一组数据中包括当前扫描点与雷达之间的实际距离d和当前扫描点相对于雷达的倾斜角度θ。
如图3所示，a，b，c，d，e为双足机器人依次行走在平地、上坡、坡上平地、下坡和平地上的几种场景的示意图。
对于a场景，双足机器人上的雷达与扫描点的之间的距离d等于雷达与扫描点的之间的垂直距离，即雷达的安装高度h1(已知量)。
对于场景b，即上坡场景中，以当前扫描点a为例，当前扫描点a与雷达的直线距离为d，当前扫描点a相对于雷达的倾斜角度θ标定为θ，其中，θ为雷达发射的激光束与水平方向的夹角，则雷达与扫描点a之间的垂直距离为dsinθ，即雷达与图3中a1点之间的距离。上坡时，由于雷达与扫描点a之间的垂直距离小于h1，所以，雷达与扫描点a之间的距离d小于h1/sinθ。上坡时雷达与扫描点之间的垂直距离会越来越小，因此，测量上坡时的斜坡角度时，为了提升测量精度，可以从32组数据中提取取雷达与扫描点之间的垂直距离较大的几组数据来计算斜坡高度。
对于场景c，双足机器人上的雷达与扫描点的之间的距离d等于雷达与扫描点的之间的垂直距离，即雷达的安装高度h1。
对于场景d，即下坡场景中，雷达与扫描点a之间的垂直距离为dsinθ，即雷达与图3中a1点之间的距离。下坡时，由于雷达与扫描点a之间的垂直距离小于h1，所以，雷达与扫描点a之间的距离d小于h1/sinθ，但是下坡时雷达与扫描点之间的垂直距离会越来越大，因此，测量下坡时的斜坡角度时，为了提升测量精度，可以从32组数据中提取雷达与扫描点之间的垂直距离较小的几组数据来计算斜坡高度。
上述方法流程中，双足机器人的胯部固定雷达设备，可通过雷达设备实时采集双足机器人在坡面上行走时的扫描点的测距数据和扫描点相对于雷达的角度数据，基于这些采集数据，可通过双足机器人内部或外部的控制器的数据分析流程可以识别出双足机器人所在的坡面是上坡、平地，还是下坡，还可以从这些采集数据提取相关信息来分别确定双足机器人上坡和下坡时的坡度。相对于现有技术可高效、实时的识别双足机器人的路面状况，且本发明设计的数据分析流程简单可靠，不仅能够区分上坡和下坡，还能够针对上坡和下坡按照不同的手段提取信息来计算坡度。
针对上述发明构思，本发明实施例提供一种斜坡角度测量方法，如图4所示，主要包括以下步骤：
步骤100，控制器获取雷达设备采集的各个扫描点对应的原始数据，一帧原始数据包括n组原始数据，一组原始数据包括当前扫描点与雷达设备之间的距离和当前扫描点相对于雷达设备的倾斜角度。
步骤200，控制器针对每一帧原始数据，执行以下方法流程：
步骤200-1，将n组原始数据生成n组量化数据，每一组量化数据中包括第一变量、第二变量和第三变量的取值，第一变量的取值等于当前扫描点与雷达设备之间的距离，第二变量的取值等于当前扫描点相对于雷达设备的倾斜角度，第三变量的取值等于当前扫描点与雷达设备之间的垂直距离。
步骤200-2，根据n组量化数据，确定双足机器人处于上坡状态时，将n组量化数据进行排序，从n组量化数据中提取出排序最大的m组数据。
步骤200-3，根据排序最大的m组数据，计算双足机器人所在斜坡的倾斜角度，m为大于或等于3的正整数。
进一步的，步骤102中，所述控制器根据所述n组量化数据，确定所述双足机器人处于上坡状态，包括：若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐减小的趋势，并且所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
进一步的，步骤200-2中，所述控制器根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，包括：根据所述排序最大的m组数据，确定所述m组数据中的所述第三变量的取值各不相同时，从所述m组数据中提取两组差异最大的数据；根据所述两组差异最大的数据，计算所述双足机器人所在斜坡的倾斜角度，其中，所述两组差异最大的数据是按照所述第一变量、所述第二变量和所述第三变量中一个从所述m组数据中筛选出的。
进一步的，步骤200-3之后，还包括：
步骤200-4，根据所述n组量化数据，确定所述双足机器人处于下坡状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最小的m组数据。
步骤200-5，根据所述排序最小的m组数据，计算所述双足机器人所在斜坡的倾斜角度。
其中，进一步的，步骤200-4中，根据所述n组量化数据，确定所述双足机器人处于下坡状态确定所述双足机器人处于下坡状态，包括：若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐增加的趋势，并且所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
步骤200-2和步骤200-4中，控制器将所述n组量化数据进行排序，包括：
按照所述第一变量、所述第二变量和所述第三变量中的一个或任意两个的组合将所述n组量化数据从小到大排序。
基于上述方法流程，本发明实施例提供了一种具体的实现方式，如图5所示，控制端对于读取的数据，执行以下方法流程：
步骤1-1：读取雷达采集的一帧原始数据，此时j的初始值等于0，进入步骤1-2，此时i的初始值为0，i为原始数据的组别，j为32组量化数据中互不相同的数组个数，并进入步骤2-0。
步骤2-0：判断当前读取的第i组原始数据的数组编号是否小于32，即i是否小于32，若是，执行步骤2-1，若否，执行步骤3-1。
步骤2-1：进一步判断当前扫描点相对于雷达的倾斜角度θ是否在0°和60°之间，并且当前扫描点与雷达的距离d是否小于h1/sinθ且不等于0，若是，执行步骤2-2，若否，执行2-3；
步骤2-2：根据第i组数据中的d和θ，赋值得到第i组量化数据，第i组量化数据包括三个变量，d1，h2，θ1，其中，将d赋值给d1，将dsinθ赋值给h2，将θ赋值给θ1，d1表示当前扫描点与雷达的实际距离，h2表示雷达与当前扫描点之间的垂直距离，θ1表示当前扫描点相对于雷达的倾斜角度，并将j赋值，并执行步骤2-3。
步骤2-3：将i值递增1，并返回步骤2-0。
步骤3-1：将32组量化数据进行排序，按照θ1从小到大的顺序排序，作为替换方案，也可以按照d1从小到大排序，或者按照h2从小到大排序。然后执行步骤3-2。
步骤3-2：判断是否有3组以上的量化数据互不相同，若是执行步骤3-3，若否，放弃该帧原始数据，执行步骤4-1。
步骤3-3：从32组从小到大排序的量化数据中提取出最大的3组数据，即这3组数据排序最大。
步骤3-4：判断这3组量化数据中的h2是否各不相同，若是，执行步骤3-5，若否，结束任务。
步骤3-5：从这3组量化数据中提取出2组差异较大的量化数据，其中一组数据中的d1和θ1最大，其中一组中的d1和θ1最小，用这两组量化数据构造直角三角形，根据构造的几何关系(如图3中a和b对应的一组量化数据所构造的几何关系)，来计算斜坡的角度，根据构造的几何关系求得斜坡角度的具体内容本领域技术人员均可推导得到，此处不再累述。
步骤4-1：判断是否将j赋值为0，若是，执行步骤4-2，将i赋值为0，以便继续读取雷达采集的下一帧原始数据，然后继续执行步骤5-0，若否，则结束任务。
步骤5-0：判断当前读取的第i组原始数据的数组编号是否小于32，即i是否小于32，若是，执行步骤5-1，若否执行步骤6-1。
步骤5-1：进一步判断当前扫描点相对于雷达的倾斜角度θ是否在0°和60°之间，并且当前扫描点与雷达的距离d是否小于h1/sinθ且不等于0，若是，执行步骤5-2，若否，执行5-3；
步骤5-2：根据第i组数据中的d和θ，赋值得到第i组量化数据，第i组量化数据包括三个变量，d1，h2，θ1，其中，将d赋值给d1，将dsinθ赋值给h2，将θ赋值给θ1，d1表示当前扫描点与雷达的实际距离，h2表示雷达与当前扫描点之间的垂直距离，θ1表示当前扫描点相对于雷达的倾斜角度，并将j赋值，并执行步骤5-3。
步骤5-3：将i值递增1，并返回步骤5-0。
步骤6-1：将32组量化数据进行排序，按照θ1从小到大的顺序排序，作为替换方案，也可以按照d1从小到大排序，或者按照h2从小到大排序。然后执行步骤6-2。
步骤6-2：判断是否有3组以上的量化数据互不相同，若是执行步骤6-3，若否，结束。
步骤6-3：从32组从小到大排序的量化数据中提取出最小的3组数据，即这3组数据排序最小。
步骤6-4：判断这3组量化数据中的h2是否各不相同，若是，执行步骤6-5，若否，结束任务。
步骤6-5：从这3组量化数据中提取出2组差异较大的量化数据，其中一组数据中的d1和θ1最大，其中一组中的d1和θ1最小，用这两组量化数据构造直角三角形，根据构造的几何关系(如图3中a和b对应的一组量化数据所构造的几何关系)，来计算斜坡的角度，根据构造的几何关系求得斜坡角度的具体内容本领域技术人员均可推导得到，此处不再累述。
上述方法流程中，可以实时的根据雷达采集的原始数据得到本发明预设变量的量化数据，并根据上坡和下坡的不同场景提取出满足测量精度要求的两组量化数据来计算斜坡角度，具有实时性和易操作性。相对于现有技术，一方面，本发明避免了搭建更加复杂的传感器系统来感知角度变化，有利于降低成本；另一方面，本发明的硬件搭建简单容易实现、所用算法简洁高效可控，可简化工艺。
上述方法流程中，一帧原始数据中包括32组原始数据，32组也可以替换为其他数量，这与雷达设备的数据格式有关，本发明实施例中并不局限为32组。另外，步骤3-2和步骤6-2中提取的3组量化数据也可替换为提取4组，5组，6组等，本发明实施例中并不限于提取3组。具体提取的数组数量可以根据实际需求确定。
基于相同的发明构思，本发明实施例提供一种双足机器人，本实施例中的控制器603和上述方法流程中的控制器的内容可以相互参照，本实施例中的雷达设备601和上述方法流程中的雷达设备的内容可以相互参照，。
如图6所示，该双足机器人600包括：控制器603、存储器602和雷达设备601，控制器603和雷达设备601通过总线与存储器602连接，雷达设备601固定在双足机器人的外部，具体可固定在双足机器人的胯部中间位置。
作为一种可替换方案，控制器603还可以设置在双足机器人外部，如计算机控制端，此时控制器603可与双足机器人通过无线或者有线连接，实现控制器603能够获取雷达设备601采集的数据。
具体的，雷达设备601配置为：采集各个扫描点对应的原始数据，一帧所述原始数据包括n组原始数据，一组原始数据包括当前扫描点与雷达设备601之间的距离(上述实施例中的d)和当前扫描点相对于雷达设备601的倾斜角度(上述实施例中的θ)，n为正整数。
控制器603配置为：获取雷达设备601采集的所述原始数据，针对每一帧原始数据，生成n组量化数据，每一组量化数据中包括第一变量、第二变量和第三变量的取值，所述第一变量的取值等于当前扫描点与雷达设备601之间的距离(上述实施例中的d1)，所述第二变量的取值等于当前扫描点相对于雷达设备601的倾斜角度(上述实施例中的θ1)，所述第三变量的取值等于当前扫描点与雷达设备601之间的垂直距离(上述实施例中的h2)；根据所述n组量化数据，确定所述双足机器人处于上坡状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最大的m组数据；根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，m为大于或等于3的正整数。
作为一种可选的实施方式，控制器603将所述n组量化数据进行排序，包括：按照所述第一变量、所述第二变量和所述第三变量中的一个或任意两个的组合将所述n组量化数据从小到大排序。
作为一种可选的实施方式，控制器603根据所述n组量化数据，确定所述双足机器人处于上坡状态，包括：若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐减小的趋势，并且根据所述排序结果，所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种可选的实施方式，控制器603根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，包括：根据所述排序最大的m组数据，确定所述m组数据中的所述第三变量的取值各不相同时，从所述m组数据中提取两组差异最大的数据；根据所述两组差异最大的数据，计算所述双足机器人所在斜坡的倾斜角度，其中，所述两组差异最大的数据是按照所述第一变量、所述第二变量和所述第三变量中一个的差异值从所述m组数据中筛选出的。
作为一种可选的实施方式，控制器603还配置为：根据所述n组量化数据，确定所述双足机器人处于下状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最小的m组数据；根据所述排序最小的m组数据，计算所述双足机器人所在斜坡的倾斜角度。
作为一种可选的实施方式，控制器603根据所述n组量化数据，确定所述双足机器人处于下坡状态，包括：若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐增加的趋势，并且根据所述排序结果，所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种可选的实施方式，控制器603根据所述排序最小的m组数据，计算所述双足机器人所在斜坡的倾斜角度，包括：根据所述排序最小的m组数据，确定所述m组数据中的所述第三变量的取值各不相同时，从所述m组数据中提取两组差异最大的数据；根据所述两组差异最大的数据，计算所述双足机器人所在斜坡的倾斜角度，其中，所述两组差异最大的数据是按照所述第一变量、所述第二变量和所述第三变量中一个的差异值从所述m组数据中筛选出的。
上述实施例中，通过雷达设备601实时采集双足机器人在坡面上行走时的扫描点的测距数据和扫描点相对于雷达的角度数据，基于这些采集数据，通过控制器603的数据分析流程可以识别出双足机器人所在的坡面是上坡、平地，还是下坡，还可以从这些采集数据提取相关信息来分别确定双足机器人上坡和下坡时的坡度。相对于现有技术可高效、实时的识别双足机器人的路面状况，且本发明设计的数据分析流程简单可靠，不仅能够区分上坡和下坡，还能够针对上坡和下坡按照不同的手段提取信息来计算坡度。
基于相同的发明构思，本发明还提供一种控制器，包括获取单元和处理单元，处理单元和获取单元连接，具体的，雷达设备601配置为：采集各个扫描点对应的原始数据，一帧所述原始数据包括n组原始数据，一组原始数据包括当前扫描点与雷达设备601之间的距离(上述实施例中的d)和当前扫描点相对于雷达设备601的倾斜角度(上述实施例中的θ)，n为正整数。
获取单元，用于获取雷达设备601采集的各个扫描点对应的原始数据，一帧所述原始数据包括n组原始数据，一组原始数据包括当前扫描点与雷达设备601之间的距离(上述实施例中的d)和当前扫描点相对于雷达设备601的倾斜角度(上述实施例中的θ)，n为正整数。
处理单元，用于针对每一帧原始数据，生成n组量化数据，每一组量化数据中包括第一变量、第二变量和第三变量的取值，所述第一变量的取值等于当前扫描点与雷达设备601之间的距离(上述实施例中的d1)，所述第二变量的取值等于当前扫描点相对于雷达设备601的倾斜角度(上述实施例中的θ1)，所述第三变量的取值等于当前扫描点与雷达设备601之间的垂直距离(上述实施例中的h2)；根据所述n组量化数据，确定所述双足机器人处于上坡状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最大的m组数据；根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，m为大于或等于3的正整数。
作为一种可选的实施方式，处理单元将所述n组量化数据进行排序，包括：按照所述第一变量、所述第二变量和所述第三变量中的一个或任意两个的组合将所述n组量化数据从小到大排序。
作为一种可选的实施方式，处理单元根据所述n组量化数据，确定所述双足机器人处于上坡状态，包括：若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐减小的趋势，并且根据所述排序结果，所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种可选的实施方式，处理单元根据所述排序最大的m组数据，计算所述双足机器人所在斜坡的倾斜角度，包括：根据所述排序最大的m组数据，确定所述m组数据中的所述第三变量的取值各不相同时，从所述m组数据中提取两组差异最大的数据；根据所述两组差异最大的数据，计算所述双足机器人所在斜坡的倾斜角度，其中，所述两组差异最大的数据是按照所述第一变量、所述第二变量和所述第三变量中一个的差异值从所述m组数据中筛选出的。
作为一种可选的实施方式，处理单元还用于：根据所述n组量化数据，确定所述双足机器人处于下状态时，将所述n组量化数据进行排序，从所述n组量化数据中提取出排序最小的m组数据；根据所述排序最小的m组数据，计算所述双足机器人所在斜坡的倾斜角度。
作为一种可选的实施方式，处理单元根据所述n组量化数据，确定所述双足机器人处于下坡状态，包括：若所述n组量化数据在排序前的所述第三变量的取值呈现逐渐增加的趋势，并且根据所述排序结果，所述n组量化数据中至少有3组数据互不相同，则确定所述双足机器人处于上坡状态。
作为一种可选的实施方式，处理单元根据所述排序最小的m组数据，计算所述双足机器人所在斜坡的倾斜角度，包括：根据所述排序最小的m组数据，确定所述m组数据中的所述第三变量的取值各不相同时，从所述m组数据中提取两组差异最大的数据；根据所述两组差异最大的数据，计算所述双足机器人所在斜坡的倾斜角度，其中，所述两组差异最大的数据是按照所述第一变量、所述第二变量和所述第三变量中一个的差异值从所述m组数据中筛选出的。
上述实施例中，通过雷达设备实时采集双足机器人在坡面上行走时的扫描点的测距数据和扫描点相对于雷达的角度数据，基于这些采集数据，通过控制器的数据分析流程可以识别出双足机器人所在的坡面是上坡、平地，还是下坡，还可以从这些采集数据提取相关信息来分别确定双足机器人上坡和下坡时的坡度。相对于现有技术可高效、实时的识别双足机器人的路面状况，且本发明设计的数据分析流程简单可靠，不仅能够区分上坡和下坡，还能够针对上坡和下坡按照不同的手段提取信息来计算坡度。
本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块(illustrativelogicalblock)和步骤(step)可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrativecomponents)和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均在本发明待批权利要求保护范围之内。