一种仿人机器人脚触地检测方法与流程

本发明涉及仿人机器人技术领域，尤其是一种仿人机器人脚触地检测方法。

背景技术：

仿人机器人是具有人类外形，如双手、双足、躯干和头部等特征的智能机器人，也成为人们想象中代表机器人的具体形式，它可以实现类人的灵巧行走动作，使用人类的工具，对未知环境的适应能力强，大大减少专用机器人需要对环境改造的成本，同时代替人工劳动完成更加复杂工作任务等。仿人机器人是集多门基础学科技术于一体，配合仿生学、控制理论及人工智能等学科发展的综合性应用平台系统，高级创新性密集的机电一体化平台可以评价国家科技发展水平。近年来，仿人机器人在结构、驱动和控制的研究更加依赖人类仿生学基础理论，而反过来仿人机器人的研究也同时展示出人类运动的一般规律，相互之间的促进对特殊人群的服务和提高人类生活水平具有极其重要的作用。所以，仿人机器人具有重要的研究意义与应用价值。

早期，仿人机器人的运动控制是采用离线轨迹规划与在线稳定调节实现准静态行走，即每一时刻机器人的压力中心点(centerofpressure)都处于支撑平面内(支撑脚底形成的支撑多边形区域)，这样的运动轨迹中支撑腿与摆动腿的切换早已设定好，所以鲁棒性不强并且运动速度不快。为实现高速强稳定性运动，仿人机器人的控制必须从高动态运动出发考虑，此时脚与地面的接触状态的判断显得尤为重要。

仿人机器人在动态行走过程中，需要实时检测双腿与地面的接触状态，从而根据当前机器人状态参数控制下一周期的运动规划。例如机器人腿在空中摆动时，脚与地面无接触，当检测到脚末端与地面发生接触时，方法会使摆动腿执行支撑腿功能的特定轨迹，而上一时刻的支撑腿即在此刻变为摆动腿。所以摆动腿的接触检测决定着机器人运动决策方法的执行。

在实现脚接触检测方法中，主要可以分为基于力传感器、基于触底开关两种，所以本发明属于全新的无传感器方法一类。但国外也有从运动学与动力学状态参数中判断接触的方法，如论文“contactmodelfusionforevent-basedlocomotioninunstructuredterrains”介绍了一种概率融合接触模型、综合动态建模和运动学的方法，以提高着陆时接触起始的鲁棒性。但是针对仿人机器人高动态高维非线性系统，需要建立复杂的方法结构大大降低程序运行能力影响性能。

综上，目前针对仿人机器人行走过程中脚接触状态的检测装置和方法，主要有如下缺点：

1、采用力传感器等，价格昂贵且容易损坏，并且需要设计额外的机械结构；

2、方法层次需要全身动力学模型，当机构特别复杂时建模不准确会影响实用性；

3、装置和方法都需要固定使用范围，不具备可扩展性。

技术实现要素：

针对现有技术中存在不足，本发明提供了一种仿人机器人脚触地检测方法，本发明无需在仿人机器人的脚末端设置传感器，可以避免多余的机械结构；由于脚接触状态与膝关节运动存在紧密联系，从而简化软件层即方法的复杂性；直接通过svm直接返回接触与非接触两种状态，无需额外处理过程，简单实用。

本发明是通过以下技术手段实现上述技术目的的。

一种仿人机器人脚触地检测方法，包括如下步骤：

步骤1、通过步行仿真提取多个步行周期内所有机器人的运动状态点及运动状态点对应的接触状态，形成训练数据集；

步骤2、利用训练数据集训练支持向量机svm，得到脚接触检测器φs＝f(x)＝sign(w^tx+b)，其中，sign(·)是符号函数，w自变量的系数向量，x是n维空间的向量，b为系数；

步骤3、将利用脚接触检测器φs＝f(x)＝sign(w^tx+b)对实际检测的运动状态点数据进行分类，实现对仿人机器人脚触地的检测。

进一步，所述运动状态点为每一时刻摆动腿的膝关节角速度、角加速度以及关节驱动力矩；

进一步，训练所述支持向量机svm的方法为：根据训练数据集训练并优化得到软边界svm：

其中，s为超参数，γi为宽松因子，γi＞0。

进一步，所述脚接触检测器适用于仿人机器人双足系统以及多足系统。

有益效果：

1、本发明适用于仿人机器人脚接触检测，但不局限于双足机器人针对多足系统同样可判断运动中任意腿与地面的接触；

2、本发明的检测器只需要针对腿部膝关节，根据脚接触状态与膝关节运动存在紧密联系，进而通过观测角速度、角加速度以及力矩值进行机器人脚接触进行判断；

3、本发明利用仿真行走数据训练得到软边界svm超平面，从而得到脚接触检测器，不需要采用力传感器，可以避免多余的机械结构；

4、在实际机器人实验中使用训练好的脚接触检测训练器进行检测，不需要进行复杂的方法，整体程序运行能力较强；

5、本方法仅利用腿部膝关节的三个状态量即可实现判断，简单有效。并且明显具有可扩展性，不依赖于仿人机器人的动力学模型，任意足式机器人的脚接触状态都可用此方法实现检测。

附图说明

图1为本发明仿人机器人脚触地检测方法流程图；

图2为本发明仿人机器人行走示意图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

如图1，本发明所提出的一种仿人机器人脚触地检测方法，包括以下步骤：

步骤1、仿人机器人行走与人类行走高度相似，在周期对称步态中，脚与地面发生碰撞时，髋关节有时前摆有时后摆，但膝关节处于向下摆动过程；如图2当发生接触分离时，膝关节总是抬起趋势(即后摆)，所以脚接触状态与膝关节运动存在紧密联系，因此选择膝关节的角速度角加速度以及关节驱动力矩作为机器人某一时刻的运动状态点，则该运动状态点的维度n＝3。因此，利用步行仿真提取仿人机器人在几个多个步行周期内的所有运动状态点x⁽ⁱ⁾，以及每个运动状态点所对应的接触状态将接触状态作为svm的分类标签，-1表示为非接触，1表示为接触；将所提取的所有运动状态点即其对应的接触状态集合获得训练数据集，表示为

其中，m为多个步行周期内运动状态点的个数，r表示左右腿。

步骤2、利用训练数据集训练并优化得到软边界svm，具体过程为：

当数据点线性可分(即边界是直线或平面)时，可以找到一条决策边界使得分类完美适用不会出错，这种称为强边界svm(hardmarginsvm)，将直线一般方程与点到直线距离d公式：

k1x1+k2x2+b＝0

其中，k1、k2、b均为系数，x1、x2为自变量。扩展到n维空间中时，可以写成：

w^tx+b＝0

其中，w＝[k1；k2；…；kn]是自变量的系数向量，x＝[x1；x2；…；xn]是n维空间的向量，||w||表示w的2范数。若定义处于类a中的点数值y为1，类b的数值y为-1，根据svm确定边界的原理由于边界到两类最小距离都为d，可以列写表示第i点在区域内的方程：

可以将上式整合为：

对于所有支撑向量，应满足最大的距离求解，也就是有最小的求模数，工程上优化问题写为：

针对脚接触检测中的相关量，这里需要采用非线性划分，即软边界svm(softmarginsvm)。采用宽松限定条件，即为每个点i引入宽松因子γi＞0，此时svm优化变为：

其中，s为超参数，表示着允许误差的大小，当其趋近于零时允许无限大的误差，趋近于无穷时即变成了强边界svm。

当训练完成即优化出超平面各个系数后即得到脚接触检测器φs＝f(x)＝sign(w^tx+b)，sign(·)是符号函数；当在实际机器人运行中得到n维状态量后，即可有检测器输出0或1得到脚是否与地面接触。

步骤3、利用脚接触检测器对实际机器人运行过程中的运动状态点数据进行分类时，实时采集待检测仿人机器人左腿或右腿的运动状态点形成测试数据集，将测试数据集输入训练好的svm，根据svm训练出的决策超平面对脚接触状态进行分类，最终输出脚触地检测结果。

由于左右腿运动对称性，因此本发明的方法同时适用于左腿和右腿。本实施例仅以仿人机器人双足系统为例，但是本发明的技术方案不仅仅局限于双足，可扩展至四足或更高系统。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。