CN108563220A - 仿人足球机器人的运动规划 - Google Patents
仿人足球机器人的运动规划 Download PDFInfo
- Publication number
- CN108563220A CN108563220A CN201810084726.6A CN201810084726A CN108563220A CN 108563220 A CN108563220 A CN 108563220A CN 201810084726 A CN201810084726 A CN 201810084726A CN 108563220 A CN108563220 A CN 108563220A
- Authority
- CN
- China
- Prior art keywords
- robot
- foot
- omnidirectional
- motion planning
- apery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 239000002245 particle Substances 0.000 claims abstract description 13
- VIEYMVWPECAOCY-UHFFFAOYSA-N 7-amino-4-(chloromethyl)chromen-2-one Chemical compound ClCC1=CC(=O)OC2=CC(N)=CC=C21 VIEYMVWPECAOCY-UHFFFAOYSA-N 0.000 claims abstract description 7
- 230000005021 gait Effects 0.000 claims abstract description 7
- 230000008447 perception Effects 0.000 claims abstract description 4
- 238000012952 Resampling Methods 0.000 claims abstract description 3
- 238000012937 correction Methods 0.000 claims abstract description 3
- 210000002683 foot Anatomy 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 12
- 210000003127 knee Anatomy 0.000 claims description 6
- 210000002414 leg Anatomy 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 210000001217 buttock Anatomy 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 210000001699 lower leg Anatomy 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 210000000689 upper leg Anatomy 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims 1
- 238000000354 decomposition reaction Methods 0.000 claims 1
- 238000006073 displacement reaction Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000012636 effector Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Manipulator (AREA)
Abstract
本发明所述仿人足球机器人的运动规划,包括目标识别模块、目标定位模块和全向行走方法,目标识别模块具体步骤包括读取模板图片像素信息、模板特征点读取、实时图像匹配和识别物体;目标定位模块具体步骤包括粒子集初始化、预测更新、感知更新、可定位性估计、预测协方差估计、动态修正和扩展重采样;全向行走方法具体为一种基于CMAC闭环控制的步态规划方法。本发明中,目标识别模块通过对机器人所采集的图像进行分析与处理,提取出有效目标,采用可定位性矩阵以及预测模型协方差矩阵,提高动态环境下的定位精度及鲁棒性。本发明介绍了一种以机器人精准定位为前提,基于CMAC闭环控制的步态规划方法,该方法可以实现带预测控制的全向行走方式。
Description
技术领域
本发明属于机器人控制领域,具体涉及仿人足球机器人的运动规划。
背景技术
机器人足球比赛的研究重点是机器人的机器视觉,全局定位和导航,多机器人协作,双足步态和稳定性研究以及行为和策略等等,在机器人足球比赛中所有参赛队伍采用标准机器人参赛,国际和国内比赛中采用的技术挑战赛,包括自由项目、传球、避障射门等项目,比赛时操作员根据主裁判的决定通过无线网络向机器人发出对应的指令,使机器人进行状态切换,完成相应的比赛。
开展机器人足球世界杯结合当前流行的体育运动来推动机器人技术、人工智能和相关技术的共同发展,如果能够实现机器人带球、传球和踢球等动作,必然会实现相关领域技术的突破。
仿人机器人队伍要进行一场流畅地足球赛,需要一些基本的底层动作的支持,包括行走、踢球、起身等。其中,稳定地动态行走是最基础的,同时也是影响比赛的关键因素。比赛时外界环境随着赛程的推进而实时变化,这对机器人的行走提出更高要求,机器人需能随时改变自身的朝向、灵活地转身和快速地前进。
发明内容
本发明的目的在于解决上述研究中存在的问题,提供仿人足球机器人的运动规划,达到精准定位的效果,并且以此为基础实现带预测控制的全向行走。
本发明解决其技术问题所采用的技术方案是:仿人足球机器人的运动规划,包括目标识别模块、目标定位模块和全向行走方法,其特征在于:
所述目标识别模块,具体步骤包括读取模板图片像素信息、模板特征点读取、实时图像匹配和识别物体;
所述目标定位模块,具体步骤包括粒子集初始化、预测更新、感知更新、可定位性估计、预测协方差估计、动态修正和扩展重采样;
其中,可定位性估计是基于参数估计理论中的Fisher信息矩阵和CRB定理;
所述全向行走方法,具体为一种基于CMAC闭环控制的步态规划方法,其具体为,
步骤1,足部规划器在分析外界不同干扰因素的环境下得出可行的足部落脚点并计算出其ZMP值;
步骤2,利用带预测控制的双线性倒立摆模型(D-LIP)由ZMP的值推出机器人躯干的运动轨迹;
步骤3,由足部落脚点使用三次样条插值法,规划出每两个落脚点之间在三维空间中的运行轨迹;
步骤4,利用机器人躯干和足部的位姿结合逆运动学计算出各个关节的角度;
步骤5,由NAO机器人的陀螺仪传感器值可获得其躯干位姿,并与倒立摆形成反馈控制,从而使整个***变为闭环控制。
进一步地,所述仿人足球机器人的运动规划应用于NAO机器人,配合NAO机器人自身硬件实现目标功能。
进一步地,所述目标识别模块中检测特征点时主要使用的算法为高斯滤波、Canny边缘检测和harris角点检测。
进一步地,所述可定位性估计基于Fisher信息矩阵和CRB定理,是将移动机器人位姿作为待估参数,通过计算概率栅格地图下的观测模型,得到位姿的Fisher信息矩阵中的各个参数,从而得到机器人的可定位。
进一步地,所述全向行走方法步骤2中的基于ZMP预测控制的双线性倒立摆,是由足部规划器得出机器人的零力矩点ZMP的值:
进一步地,所述全向行走方法步骤4中的逆运动学计算,其过程为:1.用一个齐次变换矩阵表示机器人自身局部坐标系下的足部位置及其朝向;2.再由旋转和平移两个分量得到相对于臀部滚动关节坐标系下的足部位姿;3.由于机器人在行走的过程中膝盖始终处于弯曲状态,可以假设机器人大腿和小腿之间形成一个三角形,在三角形模型下计算出膝关节角和踝关节角。
本发明采用的技术方案与现有技术相比,具有以下技术效果:
本发明提出了仿人足球机器人的运动规划,目标识别模块通过对机器人所采集的图像进行分析与处理,提取出有效目标,采用可定位性矩阵以及预测模型协方差矩阵,通过对这两种指标的在线估计判断两种数据的可信度,对感知更新后的粒子群进行动态位姿修正以提高动态环境下的定位精度及鲁棒性。本发明介绍了一种以机器人精准定位为前提,基于CMAC闭环控制的步态规划方法,该方法可以实现带预测控制的全向行走方式。
附图说明
图1是本发明实施例的目标识别过程。
图2是本发明实施例的动态环境中机器人自定位方法。
图3是本发明实施例的闭环控制的全向行走框图。
图4是本发明实施例的落脚点规划。
图5是本发明实施例的双线性倒立摆模型。
图6是本发明实施例的NAO的关节示意图。
图7是本发明实施例的腿部的逆运动学计算。
具体实施方式
为使本发明解决的技术问题、采用的技术方案阐述更清晰,下面将结合附图对本发明做进一步描述。
NAO机器人在进行足球比赛时,主要是利用其视觉***来识别目标物体同时感知球场环境。机器人头部上下垂直排列着两个摄像头,可提供分辨率为640*480的YUV422图像,并且每秒30帧的帧速可以确保图像的实时性,如图1所示。该定位方法中,目标识别模块通过对机器人所采集的图像进行分析与处理,提取出有效目标,再结合粒子滤波目标定位模块,精准定位出有效目标在球场上的位置。
相机的成像过程是将真实世界中的三维信息以投影变换的方式映射到二维平面图像的过程,原理是物体反射的光线通过摄像机光轴中心后投射到成像平面形成物体的像。
先拍摄一张足球的图片作为模板,检测出所有的特征点,所用的主要算法为:高斯滤波、Canny边缘检测和harris角点检测。在机器人行走的过程中,对实时拍摄的图片进行分析处理之后和模板图片进行匹配,以确定机器人识别到目标物体。具体目标的识别过程如图1所示。
动态环境中由于人的存在往往给读数带来干扰,这会影响激光数据与已知地图的匹配效果,进而影响机器人的定位精度。为解决经典粒子滤波的退化和限制问题,采用可定位性矩阵以及预测模型协方差矩阵,通过对这两种指标的在线估计判断两种数据的可信度,对感知更新后的粒子群进行动态位姿修正以提高动态环境下的定位精度及鲁棒性。其流程如图2所示。
1)可定位性估计。
可定位性估计是基于参数估计理论中的Fisher信息矩阵和CRB定理。
假设可以交换微分和积分的顺序,即
文献又根据该假设条件推导出了Fisher信息的另外两种表示方法:
则
这是一个n重积分,在假设可以交换微分和积分顺序的条件下可以得到
由此可以看出蕴含在一组n个随机采样中的Fisher信息是单个观测值的n倍。
2)预测模型协方差估计
以里程计作为预测模型的定位过程中会产生两种误差:***误差和非***误差。非***误差主要有光电编码器的读书误差,车轮与地面摩擦打滑造成的误差。
设t时刻里程计的输入为:
根据已经得到机器人的运动学模型,对可能引入的噪声进行分析,进行里程计误差建模,通过里程计协方差矩阵计算预测模型的不确定性。根据运动学模型可知:
首先对每个周期的里程计协方差矩阵进行求解,具体形式为:
其中:
经典粒子滤波定位算法使用基于里程计的预测模型和基于外部传感器的观测信息对粒子集进行权重的更新来确定机器人在环境中的位姿。 由于该方法很大程度上依赖于外部感知的传感器,当机器人处于动态环境中时人体干扰会影响粒子集的权重更新,可能会导致粒子滤波定位失效。而基于里程计的预测模型避免了动态环境中观测信息对机器人定位产生的干扰。
仿人机器人队伍要进行一场流畅地足球赛,需要一些基本的底层动作的支持,包括行走、踢球、起身等。其中,稳定地动态行走是最基础的,同时也是影响比赛的关键因素。比赛时外界环境随着赛程的推进而实时变化,这对机器人的行走提出更高要求,机器人需能随时改变自身的朝向、灵活地转身和快速地前进。本专利介绍了一种以机器人精准定位为前提,基于CMAC闭环控制的步态规划方法,该方法可以实现带预测控制的全向行走方式。
基于CMAC闭环控制的全向行走方法如图3所示。
步骤1,首先足部规划器在分析外界不同干扰因素的环境下得出可行的足部落脚点并计算出其ZMP值。
步骤2,利用带预测控制的双线性倒立摆模型(D-LIP)由ZMP的值推出机器人躯干的运动轨迹。
步骤3,由足部落脚点使用三次样条插值法,规划出每两个落脚点之间在三维空间中的运行轨迹。
步骤4,利用机器人躯干和足部的位姿结合逆运动学计算出各个关节的角度。
步骤5,由NAO的陀螺仪传感器值可获得其躯干位姿,并与倒立摆形成反馈控制,从而使整个***变为闭环的。
① 足部规划器
②基于ZMP预测控制的双线性倒立摆。
由足部规划器可以得出机器人的零力矩点ZMP的值:
由于本专利建立的倒立摆模型是由一个点质量和一个可伸缩的无质量的腿构成,则机器人的主要质量是集中在躯干上,所以可假定COM=Trunk。
③足部轨迹。
④逆运动学
NAO模型在机械构造方面的特殊之处:
b.机器人的两条腿是由一个臀部偏摆关节连接控制的,即由同一个伺服***控制的。
NAO仿人机器人定义了三个坐标系:躯干坐标系、世界坐标系、机器人坐标系。躯干坐标系随着机器人的运动轨迹变化坐标系会发生相应的变化;机器人的起始位置即为世界的坐标系,在后续机器人的运动过程当中不会发生任何变化;机器人坐标系定义了NAO机器人两脚中间位置作为坐标系的原点,垂直方向作为Z轴,X轴永远朝向机器人前进的方向。为了便于获取机器人的姿态和运动参数,在NAO机器人行走方面我们选用机器人坐标系。
建立机器人姿态和运动参数之间的联系,所用的媒介就是运动学。运动学由两部分组成:正运动学和逆运动学。区别在于正运动学是已知各关节的运动参数,求末端执行器的相对参考坐标系的位姿;而逆运动学是根据已给定的满足工作要求的末端执行器相对参考坐标系的位置和姿态,求各关节的运动参数。两者的求解方向相反。
对于机器人行走问题,显而易见,逆运动学更符合实际需求。只要设定机器人需要达到的目标要求轨迹,这个目标要求轨迹即由倒立摆模型和足部轨迹模块推出的机器人自身局部坐标系下的足部位置及朝向。然后再通过逆运动学求解非线性方程得到腿部各个关节的角度从而实现对机器人的实时控制。
逆运动学简单算法过程如下:
1.用一个齐次变换矩阵表示机器人自身局部坐标系下的足部位置及其朝向。
2.再由旋转和平移两个分量得到相对于臀部滚动关节坐标系下的足部位姿。
3.由于机器人在行走的过程中膝盖始终处于弯曲状态,可以假设机器人大腿
和小腿之间形成一个三角形,在三角形模型下计算出膝关节角和踝关节角。
模型如图7所示。
⑤反馈控制。
通过粒子滤波算法和全向行走控制,实现了NAO机器人实时定位并跟踪红球(以红球为例),实现过程如下。
首先建立机器人坐标系,为了便于对红球的检测,使用NAO机器人的下摄像头对图像进行采集。预先设定红色的RGB阈值为[255,0,0]~[255,147,2],并且设定特征对象的直径为5cm,即实验所选取的对象是直径为5cm的红球。
确定对象之后,采用粒子滤波算法对现场环境中直径为5cm的红球进行跟踪定位,通过粒子滤波算法可以实时追踪到红球的位置。
追踪到红球之后,NAO机器人、地面和红球三者之间构成一个三角形。通过单目测距原理和三角函数计算可以得到机器人距离红球的距离Z及角度。
机器人单目测距追踪可得到与目标红球之间的距离,但这种方式是静态的,结合粒子滤波算法可以动态的追踪目标红球,并且通过调整机器人头部角度可以使得红球始终处于机器人视野的中央。
最后由NAO机器人全向行走姿态设计方法,使机器人可以从各个方向走向目标红球。NAO机器人在找球的过程中转动头部电机,直至找到目标红球,定位到目标红球后实时计算与球的角度及距离,利用机器人全向行走行走到红球位置。
为了防止机器人踢到红球,预先设定机器人离红球的位置为80mm时机器人停止行走。机器人在不断接近目标红球的过程中,调用内存监视器实时查看离目标红球的距离,得到相应实验数据,结果为机器人在1cm/s的速度下,在距离红球80.635mm时停止行走。
Claims (10)
1.仿人足球机器人的运动规划,包括目标识别模块、目标定位模块和全向行走方法,其特征在于:
所述目标识别模块,具体步骤包括读取模板图片像素信息、模板特征点读取、实时图像匹配和识别物体;
所述目标定位模块,具体步骤包括粒子集初始化、预测更新、感知更新、可定位性估计、预测协方差估计、动态修正和扩展重采样;
其中,可定位性估计是基于参数估计理论中的Fisher信息矩阵和CRB定理;
所述全向行走方法,具体为一种基于CMAC闭环控制的步态规划方法,其具体为,
步骤1,足部规划器在分析外界不同干扰因素的环境下得出可行的足部落脚点并计算出其ZMP值;
步骤2,利用带预测控制的双线性倒立摆模型(D-LIP)由ZMP的值推出机器人躯干的运动轨迹;
步骤3,由足部落脚点使用三次样条插值法,规划出每两个落脚点之间在三维空间中的运行轨迹;
步骤4,利用机器人躯干和足部的位姿结合逆运动学计算出各个关节的角度;
步骤5,由NAO机器人的陀螺仪传感器值可获得其躯干位姿,并与倒立摆形成反馈控制,从而使整个***变为闭环控制。
2.根据权利要求1所述的仿人足球机器人的运动规划,其特征在于:所述仿人足球机器人的运动规划应用于NAO机器人,配合NAO机器人自身硬件实现目标功能。
3.根据权利要求书1所述的仿人足球机器人的运动规划,其特征在于:所述目标识别模块中检测特征点时主要使用的算法为高斯滤波、Canny边缘检测和harris角点检测。
4.根据权利要求1所述的仿人足球机器人的运动规划,其特征在于:所述可定位性估计基于Fisher信息矩阵和CRB定理,是将移动机器人位姿作为待估参数,通过计算概率栅格地图下的观测模型,得到位姿的Fisher信息矩阵中的各个参数,从而得到机器人的可定位。
5.根据权利要求1所述的仿人足球机器人的运动规划,其特征在于:所述预测协方差估
计,通过预测模型的协方差矩阵计算,消除了以里程计作为预测模型的定位过程中产生的
误差,其中预测模型协方差为,为上一周期机器人位姿协方
差。
6.根据权利要求1所述的仿人足球机器人的运动规划,其特征在于:所述全向行走方法
步骤1中的足部规划器,采用指定落脚点的方法来规划每一步,定义表示
前进方向上的步长,表示侧移方向上的步宽,表示每步踏足的方向,上标表示第n
步,称之为步行参数,则第n个落脚点表示为:
其中,为第一个支撑脚的位置,此处步行开始时是左
脚,如果开始步行的是右脚,那么就将改为。
7.根据权利要求1所述的仿人足球机器人的运动规划,其特征在于:所述全向行走方法步骤2中的基于ZMP预测控制的双线性倒立摆,是由足部规划器得出机器人的零力矩点ZMP的值:
其中,和分别表示机器人质心的水平位移和高度,是质心的水平加速度,代表ZMP在X轴方向上的值;将该模型分解为前进和侧移两个方向,即和两
个部分,这两个部分是完全相同的,称为双线性倒立摆。
8.根据权利要求1所述的仿人足球机器人的运动规划,其特征在于:所述全向行走方法步骤4中的逆运动学计算,其过程为:1.用一个齐次变换矩阵表示机器人自身局部坐标系下的足部位置及其朝向;2.再由旋转和平移两个分量得到相对于臀部滚动关节坐标系下的足部位姿;3.由于机器人在行走的过程中膝盖始终处于弯曲状态,可以假设机器人大腿和小腿之间形成一个三角形,在三角形模型下计算出膝关节角和踝关节角。
9.根据权利要求1所述的仿人足球机器人的运动规划,其特征在于:所述全向行走方法
步骤5中的反馈控制中,机器人躯干的误差值,在双线性
倒立摆模型中考虑躯干的误差值,用以修正倒立摆模型原本的输出值,从而形成
对整个行走过程的闭环控制。
10.根据权利要求9所述的仿人足球机器人的运动规划,其特征在于:所述全向行走方
法步骤5中的反馈控制中,在实际算法执行过程中只考虑50%的传感器的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810084726.6A CN108563220A (zh) | 2018-01-29 | 2018-01-29 | 仿人足球机器人的运动规划 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810084726.6A CN108563220A (zh) | 2018-01-29 | 2018-01-29 | 仿人足球机器人的运动规划 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108563220A true CN108563220A (zh) | 2018-09-21 |
Family
ID=63530993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810084726.6A Pending CN108563220A (zh) | 2018-01-29 | 2018-01-29 | 仿人足球机器人的运动规划 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108563220A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375512A (zh) * | 2018-11-20 | 2019-02-22 | 中南大学 | 基于rbf-arx模型的保证倒立摆***闭环稳定的预测控制方法 |
CN109483540A (zh) * | 2018-11-21 | 2019-03-19 | 南京邮电大学 | 基于高斯惩罚的仿人机器人分层踢球优化模型的优化方法 |
CN109976333A (zh) * | 2019-02-21 | 2019-07-05 | 南京邮电大学 | 一种仿人足球机器人全向行走方式 |
CN110045737A (zh) * | 2019-04-28 | 2019-07-23 | 南京邮电大学 | 基于动态窗口法的仿人足球机器人的路径规划 |
CN110238879A (zh) * | 2019-05-22 | 2019-09-17 | 菜鸟智能物流控股有限公司 | 一种定位方法、装置和机器人 |
CN110653819A (zh) * | 2019-09-25 | 2020-01-07 | 上海大学 | 一种仿人机器人的踢球动作生成***及方法 |
CN110666811A (zh) * | 2019-09-26 | 2020-01-10 | 同济大学 | 一种基于RoboCup标准平台组的球位置预测方法 |
CN111487972A (zh) * | 2020-04-24 | 2020-08-04 | 深圳市优必选科技股份有限公司 | 一种踢球的步态规划方法、装置、可读存储介质及机器人 |
CN112731951A (zh) * | 2020-12-22 | 2021-04-30 | 深圳市优必选科技股份有限公司 | 一种机器人平衡控制方法、装置、可读存储介质及机器人 |
CN113002659A (zh) * | 2021-04-21 | 2021-06-22 | 乐聚(深圳)机器人技术有限公司 | 双足机器人的姿态测量方法、装置、设备及存储介质 |
CN113377108A (zh) * | 2021-06-09 | 2021-09-10 | 乐聚(深圳)机器人技术有限公司 | 双足机器人的控制方法、装置、设备及存储介质 |
CN114280925A (zh) * | 2021-12-24 | 2022-04-05 | 合肥工业大学 | 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及*** |
CN115533924A (zh) * | 2022-12-01 | 2022-12-30 | 北京航空航天大学杭州创新研究院 | 协同运动控制方法及装置、机器人控制设备和存储介质 |
CN118143955A (zh) * | 2024-05-11 | 2024-06-07 | 南京师范大学 | 基于气动人工肌肉驱动的足式机器人足部轨迹规划方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1290590A (zh) * | 1999-09-20 | 2001-04-11 | 索尼公司 | 机器人的步行控制装置和步行控制方法 |
CN102184551A (zh) * | 2011-05-10 | 2011-09-14 | 东北大学 | 结合多种特征匹配和粒子滤波的目标自动跟踪方法及*** |
CN103149933A (zh) * | 2013-02-27 | 2013-06-12 | 南京邮电大学 | 基于闭环控制的仿人机器人全向行走方法 |
CN103197671A (zh) * | 2012-01-04 | 2013-07-10 | 中国人民解放军第二炮兵工程学院 | 一种仿人机器人步态规划及合成方法 |
CN103770111A (zh) * | 2012-10-24 | 2014-05-07 | 中国人民解放军第二炮兵工程大学 | 一种仿人机器人步态规划及合成方法 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
US20160243704A1 (en) * | 2013-10-25 | 2016-08-25 | Aleksandar Vakanski | Image-based trajectory robot programming planning approach |
CN106203342A (zh) * | 2016-07-01 | 2016-12-07 | 广东技术师范学院 | 基于多角度局部特征匹配的目标识别方法 |
CN107084714A (zh) * | 2017-04-29 | 2017-08-22 | 天津大学 | 一种基于RoboCup3D的多机器人协作目标定位方法 |
CN107239748A (zh) * | 2017-05-16 | 2017-10-10 | 南京邮电大学 | 基于棋盘格标定技术的机器人目标识别与定位方法 |
CN107453993A (zh) * | 2017-08-11 | 2017-12-08 | 长春理工大学 | 基于Fisher信息矩阵与SUKF的目标跟踪方法 |
-
2018
- 2018-01-29 CN CN201810084726.6A patent/CN108563220A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1290590A (zh) * | 1999-09-20 | 2001-04-11 | 索尼公司 | 机器人的步行控制装置和步行控制方法 |
CN102184551A (zh) * | 2011-05-10 | 2011-09-14 | 东北大学 | 结合多种特征匹配和粒子滤波的目标自动跟踪方法及*** |
CN103197671A (zh) * | 2012-01-04 | 2013-07-10 | 中国人民解放军第二炮兵工程学院 | 一种仿人机器人步态规划及合成方法 |
CN103770111A (zh) * | 2012-10-24 | 2014-05-07 | 中国人民解放军第二炮兵工程大学 | 一种仿人机器人步态规划及合成方法 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN103149933A (zh) * | 2013-02-27 | 2013-06-12 | 南京邮电大学 | 基于闭环控制的仿人机器人全向行走方法 |
US20160243704A1 (en) * | 2013-10-25 | 2016-08-25 | Aleksandar Vakanski | Image-based trajectory robot programming planning approach |
CN106203342A (zh) * | 2016-07-01 | 2016-12-07 | 广东技术师范学院 | 基于多角度局部特征匹配的目标识别方法 |
CN107084714A (zh) * | 2017-04-29 | 2017-08-22 | 天津大学 | 一种基于RoboCup3D的多机器人协作目标定位方法 |
CN107239748A (zh) * | 2017-05-16 | 2017-10-10 | 南京邮电大学 | 基于棋盘格标定技术的机器人目标识别与定位方法 |
CN107453993A (zh) * | 2017-08-11 | 2017-12-08 | 长春理工大学 | 基于Fisher信息矩阵与SUKF的目标跟踪方法 |
Non-Patent Citations (9)
Title |
---|
刘娟: "RoboCup3D仿真中双足机器人的运动规划与协作机制", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
孙自飞 等: "多传感器的移动机器人可定位性估计与自定位", 《智能***学报》 * |
孟宪龙: "RoboCup中NAO红球识别追踪及自定位研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
沈萍: "RoboCup3D仿真中足球机器人的全向行走与团队协作", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王勇 等: "面向拥挤环境的移动机器人改进粒子滤波定位", 《机器人》 * |
王炜: "移动机器人的可定位性估计及其应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
章为川 等: "图像的角点检测研究综述", 《电子学报》 * |
赵柏山: "基于Harris角点匹配的工具识别方法", 《微型机与应用》 * |
陈宏申: "Canny边缘检测算法在机器人视觉中的应用", 《现代计算机》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375512B (zh) * | 2018-11-20 | 2021-04-09 | 中南大学 | 基于rbf-arx模型的保证倒立摆***闭环稳定的预测控制方法 |
CN109375512A (zh) * | 2018-11-20 | 2019-02-22 | 中南大学 | 基于rbf-arx模型的保证倒立摆***闭环稳定的预测控制方法 |
CN109483540A (zh) * | 2018-11-21 | 2019-03-19 | 南京邮电大学 | 基于高斯惩罚的仿人机器人分层踢球优化模型的优化方法 |
CN109483540B (zh) * | 2018-11-21 | 2022-02-25 | 南京邮电大学 | 基于高斯惩罚的仿人机器人分层踢球优化模型的优化方法 |
CN109976333B (zh) * | 2019-02-21 | 2022-11-01 | 南京邮电大学 | 一种仿人足球机器人全向行走方法 |
CN109976333A (zh) * | 2019-02-21 | 2019-07-05 | 南京邮电大学 | 一种仿人足球机器人全向行走方式 |
CN110045737A (zh) * | 2019-04-28 | 2019-07-23 | 南京邮电大学 | 基于动态窗口法的仿人足球机器人的路径规划 |
CN110238879A (zh) * | 2019-05-22 | 2019-09-17 | 菜鸟智能物流控股有限公司 | 一种定位方法、装置和机器人 |
CN110238879B (zh) * | 2019-05-22 | 2022-09-23 | 菜鸟智能物流控股有限公司 | 一种定位方法、装置和机器人 |
CN110653819A (zh) * | 2019-09-25 | 2020-01-07 | 上海大学 | 一种仿人机器人的踢球动作生成***及方法 |
CN110666811A (zh) * | 2019-09-26 | 2020-01-10 | 同济大学 | 一种基于RoboCup标准平台组的球位置预测方法 |
CN110666811B (zh) * | 2019-09-26 | 2022-08-05 | 同济大学 | 一种基于RoboCup标准平台组的球位置预测方法 |
CN111487972B (zh) * | 2020-04-24 | 2024-04-26 | 深圳市优必选科技股份有限公司 | 一种踢球的步态规划方法、装置、可读存储介质及机器人 |
CN111487972A (zh) * | 2020-04-24 | 2020-08-04 | 深圳市优必选科技股份有限公司 | 一种踢球的步态规划方法、装置、可读存储介质及机器人 |
CN112731951A (zh) * | 2020-12-22 | 2021-04-30 | 深圳市优必选科技股份有限公司 | 一种机器人平衡控制方法、装置、可读存储介质及机器人 |
CN113002659B (zh) * | 2021-04-21 | 2022-02-08 | 乐聚(深圳)机器人技术有限公司 | 双足机器人的姿态测量方法、装置、设备及存储介质 |
CN113002659A (zh) * | 2021-04-21 | 2021-06-22 | 乐聚(深圳)机器人技术有限公司 | 双足机器人的姿态测量方法、装置、设备及存储介质 |
CN113377108A (zh) * | 2021-06-09 | 2021-09-10 | 乐聚(深圳)机器人技术有限公司 | 双足机器人的控制方法、装置、设备及存储介质 |
CN113377108B (zh) * | 2021-06-09 | 2024-05-28 | 乐聚(深圳)机器人技术有限公司 | 双足机器人的控制方法、装置、设备及存储介质 |
CN114280925A (zh) * | 2021-12-24 | 2022-04-05 | 合肥工业大学 | 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及*** |
CN114280925B (zh) * | 2021-12-24 | 2023-07-18 | 合肥工业大学 | 基于单目视觉的可变杆长倒立摆目标捕捉控制方法及*** |
CN115533924A (zh) * | 2022-12-01 | 2022-12-30 | 北京航空航天大学杭州创新研究院 | 协同运动控制方法及装置、机器人控制设备和存储介质 |
CN115533924B (zh) * | 2022-12-01 | 2023-02-28 | 北京航空航天大学杭州创新研究院 | 协同运动控制方法及装置、机器人控制设备和存储介质 |
CN118143955A (zh) * | 2024-05-11 | 2024-06-07 | 南京师范大学 | 基于气动人工肌肉驱动的足式机器人足部轨迹规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108563220A (zh) | 仿人足球机器人的运动规划 | |
CN112097768B (zh) | 机器人位姿的确定方法、装置、机器人及存储介质 | |
US8873831B2 (en) | Walking robot and simultaneous localization and mapping method thereof | |
Reinstein et al. | Dead reckoning in a dynamic quadruped robot: Inertial navigation system aided by a legged odometer | |
CN106525049B (zh) | 一种基于计算机视觉的四足机器人本***姿跟踪方法 | |
Buschka et al. | Fuzzy landmark-based localization for a legged robot | |
CN105931275A (zh) | 基于移动端单目和imu融合的稳定运动跟踪方法和装置 | |
US20130166137A1 (en) | Mobile apparatus and localization method thereof | |
RU2662913C2 (ru) | Способ локализации робота в плоскости локализации | |
Reinstein et al. | Dead reckoning in a dynamic quadruped robot based on multimodal proprioceptive sensory information | |
CN109102525A (zh) | 一种基于自适应位姿估计的移动机器人跟随控制方法 | |
Joukov et al. | Human motion estimation on Lie groups using IMU measurements | |
CN103994765A (zh) | 一种惯性传感器的定位方法 | |
Allali et al. | Rhoban football club: Robocup humanoid kid-size 2016 champion team paper | |
Gao et al. | Invariant filtering for legged humanoid locomotion on a dynamic rigid surface | |
Belter et al. | Optimization-based legged odometry and sensor fusion for legged robot continuous localization | |
CN114234967A (zh) | 一种基于多传感器融合的六足机器人定位方法 | |
KR20120059824A (ko) | 복합 센서를 이용한 실시간 모션 정보 획득 방법 및 시스템 | |
CN106325278A (zh) | 一种基于椭圆识别的机器人定位导航方法 | |
Lasguignes et al. | Icp localization and walking experiments on a talos humanoid robot | |
Tjhai et al. | Using a mobile range-camera motion capture system to evaluate the performance of integration of multiple low-cost wearable sensors and gait kinematics for pedestrian navigation in realistic environments | |
Liu et al. | State estimation of a heavy-duty hexapod robot with passive compliant ankles based on the leg kinematics and IMU data fusion | |
CN113916221B (zh) | 一种融合视觉里程计和bp网络的自适应行人航迹推算方法 | |
Thompson et al. | Localisation for autonomous humanoid navigation | |
CN112461237A (zh) | 一种应用于动态变化场景下的多传感器融合定位算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180921 |