基于事件触发的腿足式机器人足端相位检测方法及系统

技术领域

本发明属于腿足式机器人控制技术领域，尤其涉及一种基于事件触发的腿足式机器人足端相位检测方法及系统。

背景技术

在自然界中，腿足类动物凭借自身高效稳定的能力可以轻松在诸多复杂地形中运动，而仿生腿足式机器人通过模仿这种自然动物实现卓越的运动能力，具备穿越复杂非结构化环境的独特优势。然而，这一优势也伴随着重要挑战，主要源于硬件技术和控制方法的限制，即虽然现有的腿足式机器人的运动控制器比较成熟且能够实现稳健的性能，但其中许多方法都依赖于预定义的步态规划或基于启发式的足端预定接触点，这些方法通常需要涉及基于强有力的感知信息或已知地形环境的支持，在感知信息失效的情况下，虽然可以在相对平坦的地形上表现良好，但在高度变化的极端未知环境下表现不佳。为了解决这一问题，现有的腿足式机器人足端相位检测主要有两种实现思路。

一种是常见的腿部状态检测控制方法，该方法基于固定在机器人脚部的力传感器，获取来自力传感器的地面接触信息，进而可以获得足端实时的触地与离地状态，以此用于提高腿足式机器人在未知地形中的鲁棒性。然而，这种方法面临两个主要问题。首先，添加外部设备会增加惯性特性，与腿足机构需要轻量化设计的原则相违背；其次，腿足机器人的足端需要高频的与地面进行交互，因此固定在足端的力传感器可能会由于频繁交互而引起传感器损坏，进而导致检测失效。作为固定力传感器的替代方法，将视觉传感设备(如摄像头或激光雷达)作为外部感知传感器，为腿足机器人提供对当前环境的实时映射，可用于生成足端避碰支撑点。然而，这一方法在许多复杂情况下，如浓烟或光噪声环境中，由于传感器噪声或光照条件的影响，外部视觉感知传感器可能无法准确反映当前信息，从而导致这种方法失效。

另一种常见的方法是基于深度学习的检测方法，但是该方法的训练过程需要大量具有准确标签的地面实际样本，并需要充分学习地形特性，这在一定程度上限制了其在腿足式机器人中的应用。

发明内容

为解决上述现有技术的不足，本发明提供了一种基于事件触发的腿足式机器人足端相位检测方法，通过建立足端的运动学概率模型和力学概率模型，在仅有编码器和力矩电机的前提下，仅通过腿足式机器人的本体感受器感知反馈信息，实时获取机器人腿部状态，实现更可靠的腿部状态检测，进而完成足端相位的精确检测，具有较高的容错性和鲁棒性。

第一方面，本发明提供了一种基于事件触发的腿足式机器人足端相位检测方法。

一种基于事件触发的腿足式机器人足端相位检测方法，包括：

获取腿足式机器人在当前时刻的关节转角和关节力矩的观测数值，并基于关节转角，通过运动学计算获取机器人足端速度及加速度；

基于关节转角，通过正运动学计算足端运动学信息，将足端运动学信息输入至运动学概率模型中，结合虚拟机身角，求解运动学概率模型下的足端相位状态；

基于关节力矩，通过雅可比计算足端三维观测力，将足端三维观测力输入至动力学概率模型中，结合足端速度及加速度，求解动力学概率模型下的足端相位状态；

基于足端三维观测力，通过计算符合摩擦锥的时长，获取模型校正数值；

结合模型校正数值，构建基于参考时间和摩擦力的相位检测前置模型，并结合运动学概率模型和动力学概率模型下的足端相位状态，计算实际的足端相位转移概率，判断当前发生离地事件还是触地事件，完成机器人足端相位检测。

进一步的技术方案，还包括：

采用由两段曲线和14个控制点生成的贝塞尔曲线描述足端摆动相轨迹，采用余弦曲线描述足端支撑相轨迹；

根据腿足式机器人当前时间点的足端相位状态，选择对应的轨迹曲线，使机器人足端按照规划的轨迹曲线运动。

第二方面，本发明提供了一种基于事件触发的腿足式机器人足端相位检测系统。

一种基于事件触发的腿足式机器人足端相位检测系统，包括：

数据获取模块，用于获取腿足式机器人在当前时刻的关节转角和关节力矩的观测数值，并基于关节转角，通过运动学计算获取机器人足端速度及加速度；

足端相位初始检测模块，用于基于关节转角，通过正运动学计算足端运动学信息，将足端运动学信息输入至运动学概率模型中，结合虚拟机身角，求解运动学概率模型下的足端相位状态；基于关节力矩，通过雅可比计算足端三维观测力，将足端三维观测力输入至动力学概率模型中，结合足端速度及加速度，求解动力学概率模型下的足端相位状态；

校正系数计算模块，用于基于足端三维观测力，通过计算符合摩擦锥的时长，获取模型校正数值；

足端相位检测模块，用于结合模型校正数值，构建基于参考时间和摩擦力的相位检测前置模型，并结合运动学概率模型和动力学概率模型下的足端相位状态，计算实际的足端相位转移概率，判断当前发生离地事件还是触地事件，完成机器人足端相位检测。

进一步的技术方案，还包括：

足端运动驱动模块，用于采用由两段曲线和14个控制点生成的贝塞尔曲线描述足端摆动相轨迹，采用余弦曲线描述足端支撑相轨迹；根据腿足式机器人当前时间点的足端相位状态，选择对应的轨迹曲线，使机器人足端按照规划的轨迹曲线运动。

以上一个或多个技术方案存在以下有益效果：

1、本发明提供了一种基于事件触发的腿足式机器人足端相位检测方法及系统，通过建立足端的运动学概率模型和力学概率模型，仅利用编码器和腿足式机器人本体感知反馈信息，实时获取腿足式机器人的腿部状态，从而实现更可靠的腿部状态检测，具有较高的容错性；在采用的腿相位检测方法的基础上，本体感知状态检测方法使机器人能够在无需外部传感器(如激光雷达设备等)的情况下，有效地改变腿部状态，使得机器人的适用性能够扩展到能见度较低的环境，例如烟雾环境和强光环境，为在未知环境中实现稳定运动提供了更坚实的基础。

2、本发明所提出的检测方法具有较高的鲁棒性，同时还具备高效的可扩展性，将其与其他腿部状态检测技术集成，进一步发挥该方法的应用潜力，这种整合会显著扩展腿足机器人的应用范围，使其能够在各种复杂环境中运行，最终增强四足机器人的稳定性、灵活性和整体性能，使其更能够在具有挑战性的环境中导航并完成复杂任务。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为本发明实施例中基于事件触发的腿足式机器人足端相位检测方法的流程图；

图2为本发明实施例中采用的腿足式机器人正向相位检测示意图；

图3是本发明实施例中采用的腿足式机器人逆向相位检测示意图；

图4是本发明实施例中虚拟机身角的示意图；

图5是本发明实施例中摩擦力约束模型的示意图；

图6是本发明实施例中采用的腿足式机器人相位检测采用的优化足端相位图。

具体实施方式

应该指出，以下详细说明都是示例性的，仅是为了描述具体实施方式，旨在对本发明提供进一步的说明，并非意图限制根据本发明的示例性实施方式。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

受到腿足动物通过本体感知器高效获取足端位置和接触力信息策略的启发，本实施例提供了一种基于事件触发的腿足式机器人足端相位检测方法，该方法通过建立足端的运动学概率模型和力学概率模型，仅利用编码器和腿足式机器人本体感知反馈信息，实时获取腿足式机器人的腿部状态，从而实现更可靠的腿部状态检测。这一方法在采用的腿相位检测方法的帮助下，本体感知状态检测方法使机器人能够在无需外部传感器(如激光雷达设备等)的情况下，能够有效地改变腿部状态，使得机器人的适用性能够扩展到能见度较低的环境，例如烟雾环境和强光环境，为在未知环境中实现稳定运动提供了更坚实的基础。另外，这一检测方法在具有较高鲁棒性的同时，还具备高效的可扩展性，将其与其他腿部状态检测技术集成，进一步发挥该方法的应用潜力，这种整合会显著扩展腿足机器人的应用范围，使其能够在各种复杂环境中运行，最终增强四足机器人的稳定性、灵活性和整体性能，使其更能够在具有挑战性的环境中导航并完成复杂任务。

本实施例所提出的基于事件触发的腿足式机器人足端相位检测方法，利用位于腿足式机器人关节的轻量化编码器以及正运动学，获取足端在髋关节坐标系下的位置，通过配备力矩反馈的关节电机以及动力学信息，获得足端的观测反作用力；在获得准确足端位置和观测反作用力信息的前提下，分别建立运动学概率检测模型和动力学概率检测模型，这些检测模型使用虚拟机身角度以及带通滤波器来实时调整在足端位置和观测反作用力在对应概率模型中的权重，以反映当前观测参数应在对应模型中起到的作用；鉴于反馈信息即使在滤波后也可能因地形变化或控制效果不佳而产生概率模型计算上的波动，为此，引入基于时间和摩擦力的前置模型来保证足端相位检测的准确性。在实际应用中，除了采用上述足端检测方法外，同时还提出了由两段贝塞尔曲线构成的足端摆动平滑轨迹，通过这一设计使得在保持运动平滑和节能特性的同时，也确保了腿足机构在更可能触地的阶段具备等待检测相位改变的能力，而考虑足端在支撑相出现状态突变的情况较少，支撑相轨迹则采用较为简单的正弦波曲线规划，基于所构建的轨迹精确确定足端位置。

在腿足式机器人运动过程中，机器人足端会经历空中摆动-触地支撑-空中摆动的往复周期性运动，该运动周期中一个空中摆动阶段和一个触地支撑阶段构成一个完整的腿足机器人步态周期。在步态周期中，空中摆动阶段定义为足端摆动相，触地支撑阶段定义为足端支撑相，两种相位状态由布尔变量χ＝{0＝摆动，1＝支撑}表示，且定义由摆动相向支撑相切换的事件为触地事件，由支撑相向摆动相切换的事件为离地事件。

腿足式机器人足端相位检测方法的正向转移过程如图2所示，本实施例所提出的新型逆向相位检测方法如图3所示，具体采取以下方案，包括：首先通过步骤S1获取机器人足端相位检测所需的反馈信息，然后分别在基于概率模型的计算步骤S2、步骤S3中求解两个模型下的相位状态，并通过步骤S4求解模型校正数值，最后通过步骤S5将步骤S2、步骤S3中获得的相位状态联立，并利用步骤S4中求得的模型校正数值计算离地及触地事件发生的概率，实现机器人相位检测。另外，考虑到机器人往往在一个步态周期的最后1/4阶段发生触地事件，因此在步骤S6中提出一种等待触地事件发生的足端轨迹规划曲线，在减少平面侧向力干扰的情况下，保证步骤S1-步骤S5具有更好的检测效果。

本实施例所提出的基于事件触发的腿足式机器人足端相位检测方法，如图1所示，具体包括以下步骤：

步骤S1、获取腿足式机器人在当前时刻的关节转角和关节力矩的观测数值，并基于关节转角，通过运动学计算获取机器人足端速度及加速度；

步骤S2、基于关节转角，通过正运动学计算足端运动学信息，将足端运动学信息输入至运动学概率模型中，结合虚拟机身角，求解运动学概率模型下的足端相位状态；

步骤S3、基于关节力矩，通过雅可比计算足端三维观测力，将足端三维观测力输入至动力学概率模型中，结合足端速度及加速度，求解动力学概率模型下的足端相位状态；

步骤S4、基于足端三维观测力，通过计算符合摩擦锥的时长，获取模型校正数值；

步骤S5、结合模型校正数值，构建基于参考时间和摩擦力的相位检测前置模型，并结合运动学概率模型和动力学概率模型下的足端相位状态，计算实际的足端相位转移概率，判断当前发生离地事件还是触地事件，完成机器人足端相位检测。

进一步的，步骤S6、采用由两段曲线和14个控制点生成的贝塞尔曲线描述足端摆动相轨迹，采用余弦曲线描述足端支撑相轨迹；根据腿足式机器人当前时间点的足端相位状态，选择对应的轨迹曲线，使机器人足端按照规划的轨迹曲线运动。

通过下述内容对本实施例所提出的基于事件触发的腿足式机器人足端相位检测方法进行介绍。

步骤S1中，腿足式机器人通过本体感受器获得腿足机构的关节反馈信息。本实施例中，仅通过机器人内置的构件传感器获取相关信息。机器人的关节转角θ可以通过安装于关节处的编码器获得，同时在编码器精度足够高的前提下，关节角速度

其中，p为机器人系统的广义动量，M(q)为机器人的惯性项，

通过对广义动量求导并与动力学表达式合并，可以得到需要观测的广义加速度，为：

其中，

除了获得高精度的关节加速度观测数值外，广义动量还可以用于实现关节力矩的观测估计，具体的，本实施例采用基于动量的一阶力矩观测器，其频域表达式为：

其中，λ＝15Hz为该观测器的截止频率；

其中，

步骤S2中，基于关节转角，通过正运动学计算得到足端在肩关节下的坐标位置(即足端运动学信息)，将获得的足端运动学信息作为输入，输入至运动学概率模型中，运动学概率模型根据当前时间点在整个步态周期中的时刻，实时改变当前运动学信息的权重，计算腿足式机器人的当前足端相位改变概率；并结合虚拟机身角，计算当前状态相位改变的阈值概率，求解运动学概率模型下的足端相位状态。

在通过本体感受器获得所需的足端运动学信息后，建立适用于腿足式机器人的运动学概率模型，如下式所示：

其中，

在理想情况下，在摆动阶段，足端相位改变概率

其中，A

当运动学概率

步骤S3中，基于关节力矩，通过雅克比计算得到足端三维观测力，将观测到的足端在垂直方向上的观测力作为输入，输入至动力学概率模型中，动力学概率模型根据足端三维观测力滤波后的峰值信息，实时改变当前关节力矩在模型中的权重，计算腿足式机器人的当前足端相位改变概率；并结合观测到的足端速度及加速度信息，计算当前状态相位改变的阈值概率，求解动力学概率模型下的足端相位状态。

在通过本体感受器获得所需的动力学信息后，建立适用于腿足式机器人的动力学概率模型，如下式所示：

其中，

由于动力学模概率模型与机器人系统的动力学相联系，因此该模型不同于运动学概率模型，没有如虚拟机身角等可视化的反馈信息为概率模型提供动态阈值。在该判断模型下，腿足式机器人相位改变概率另需足端的速度和加速度信息(上述步骤S1中获取)，获得一个合理且有效的阈值范围，即上限T

其中，F

步骤S4中，在上述步骤S2和步骤S3中，机器人可能会由于足端与地面发生滑动导致概率模型判断错误，因此，引入基于摩擦锥的判断校正模型，以提高步骤S2、步骤S3检测的正确率。

在足端支撑相中，机器人的足端三维观测力应该满足摩擦锥限制，即：

其中，F

在判断离地事件或触地事件是否发生时，足端可能存在的状态如图5所示。通过计算符合摩擦锥的时长，可以获得在k时刻下的模型校正数值J

其中，sgn(·)为符号函数，F

另外，若仅考虑观测的三维足端力是否符合摩擦锥限制，往往会将空中状态和滑动状态混淆，考虑到相位切换事件发生时，垂直方向上的足端观测力会出现高频信号，而足端滑动中并不会出现高频信号，因此在使用计算校正数值前需要先对观测的足端力进行低通滤波，通过消除足端力的高频部分以正确计算校正数值J

其中，

步骤S5中，结合模型校正数值，构建基于参考时间和摩擦力的相位检测前置模型，并结合运动学概率模型和动力学概率模型下的足端相位状态，计算实际的足端相位转移概率，判断当前发生离地事件还是触地事件，完成机器人足端相位检测。

具体的，结合模型校正数值，建立基于参考时间的相位检测前置模型P(χ

其中，

基于摩擦力的相位检测前置模型为：

其中，

在获得上述两个前置模型后，将运动学概率模型和动力学概率模型获得的足端相位状态χ作为参数输入到这两个前置模型中。即，结合运动学概率模型和动力学概率模型下的足端相位状态χ

其中，[w

进一步的，步骤S6中，受动物仿生学启发，采用由两段曲线和14个控制点生成的贝塞尔曲线描述足端摆动相轨迹，采用余弦曲线描述足端支撑相轨迹，如图6所示。在初始阶段，轨迹由13个控制点定义，而在摆动阶段的最后1/4周期，轨迹缩小到两个控制点，产生明显的垂直向下运动，直到触地事件发生。其中，足端摆动相轨迹为：

其中，p

而支撑阶段的足端由于运动的特性，在完成足端轨迹前出现离地的情况较为少见，因此仅采用简单的余弦曲线作为支撑相的足端轨迹，即足端支撑相轨迹为：

其中，p

根据腿足式机器人当前时间点的足端相位状态，选择对应的轨迹曲线，将选择的轨迹曲线传输给机器人，使机器人足端按照规划的轨迹曲线进行运动。

通过上述方法，实现了腿足式机器人的足端相位检测，能够仅有编码器和力矩电机的前提下，仅通过本体感受器完成足端相位的检测，具有较高的容错性；而且在针对非结构化地面的地形运动时，这一方法可以帮助机器人实时检测腿足状态，有效减少了对系统的影响，有较强的外界环境运动适应能力。

实施例二

本实施例提供了一种基于事件触发的腿足式机器人足端相位检测系统，包括：

数据获取模块，用于获取腿足式机器人在当前时刻的关节转角和关节力矩的观测数值，并基于关节转角，通过运动学计算获取机器人足端速度及加速度；

足端相位初始检测模块，用于基于关节转角，通过正运动学计算足端运动学信息，将足端运动学信息输入至运动学概率模型中，结合虚拟机身角，求解运动学概率模型下的足端相位状态；基于关节力矩，通过雅可比计算足端三维观测力，将足端三维观测力输入至动力学概率模型中，结合足端速度及加速度，求解动力学概率模型下的足端相位状态；

校正系数计算模块，用于基于足端三维观测力，通过计算符合摩擦锥的时长，获取模型校正数值；

足端相位检测模块，用于结合模型校正数值，构建基于参考时间和摩擦力的相位检测前置模型，并结合运动学概率模型和动力学概率模型下的足端相位状态，计算实际的足端相位转移概率，判断当前发生离地事件还是触地事件，完成机器人足端相位检测。

进一步的技术方案，还包括：

足端运动驱动模块，用于采用由两段曲线和14个控制点生成的贝塞尔曲线描述足端摆动相轨迹，采用余弦曲线描述足端支撑相轨迹；根据腿足式机器人当前时间点的足端相位状态，选择对应的轨迹曲线，使机器人足端按照规划的轨迹曲线运动。

以上实施例二中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。

本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。

以上所述仅为本发明的优选实施例，虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。