基于TOF相機的四足機器人地形感知及靜步態(tài)規(guī)劃研究.pdf

1、足式機器人與輪式、履帶等機器人相比具備非連續(xù)運動特點，在軍事行動、搶險救援等領(lǐng)域具有廣泛的應(yīng)用前景。自美國波士頓動力公司的四足機器人BigDog和LittleDog問世以來，全世界掀起了四足機器人研究熱潮。四足機器人由于其自身構(gòu)型特點及運動形式，使得在崎嶇復雜地形環(huán)境下行走極具挑戰(zhàn)性。本文針對四足機器人在崎嶇復雜地形條件下自主導航的需要，深入研究基于光傳輸時間（Time Of Flight,TOF）三維激光相機的地形感知算法及借助地形信

2、息規(guī)劃四足機器人運動步態(tài)的算法，為提高四足機器人在復雜環(huán)境下運動性能提供解決方案。
　　四足機器人根據(jù)TOF相機采集的三維點云地圖來規(guī)劃步態(tài)，一幀點云視野較小，無法滿足導航需要。從拼接兩幀在不同位置采集的三維點云數(shù)據(jù)入手，在充分分析TOF相機優(yōu)勢的基礎(chǔ)上，研究基于灰度圖像的兩幀三維點云拼接算法。預(yù)處理灰度圖像，提高圖像的對比度后，研究尺度不變特征點提取和匹配算法及無效三維特征對濾除算法；根據(jù)三維特征對估計與兩幀點云相關(guān)的初始相對位

3、姿，在此基礎(chǔ)上研究基于迭代最近點算法的兩幀三維點云拼接。
　　機器人運動過程中通過采集TOF數(shù)據(jù)對機器人六自由度位姿進行定位，連續(xù)采集多幀數(shù)據(jù)，僅僅依靠相鄰兩幀對機器人連續(xù)定位會產(chǎn)生誤差累積。研究基于圖結(jié)構(gòu)的多幀數(shù)據(jù)位姿優(yōu)化問題，通過幀間配準來從任意兩幀數(shù)據(jù)之間生成三維點對是位姿優(yōu)化前提；構(gòu)建基于三維特征對的分層索引結(jié)構(gòu)，該結(jié)構(gòu)可以有效提高幀間配準精度和匹配效率，幀間配準精度直接決定位姿優(yōu)化效果；位姿優(yōu)化同時需要任意兩幀數(shù)據(jù)對應(yīng)的

4、相機位置之間相對位姿估計精度，為此在幀間配準后，研究基于隱式函數(shù)的閉式估計相對位姿精度算法。
　　四足機器人在崎嶇地形環(huán)境下運動，必須具備判斷落足點優(yōu)劣的能力，否則會產(chǎn)生足端滑動。對TOF相機給出的三維點云進行處理，建立基于柵格的2.5D高程地圖，柵格作為落足點選擇的最小單位；建立四足機器人模型，根據(jù)模型研究默認落足點位置計算方法；計算柵格處地形法向量和曲率，結(jié)合足端地形特征及與默認點位置關(guān)系構(gòu)建落足點代價函數(shù)；在以默認點為中心矩

5、形區(qū)域內(nèi)落足點由11維特征向量表示，代價值由權(quán)值向量與特征向量的內(nèi)積決定；研究基于機器學習策略的權(quán)值向量計算方法，在仿真環(huán)境下由專家指導落足點排序，再用支持向量機通過訓練數(shù)據(jù)學習出權(quán)值向量。
　　為了在復雜地形運動，四足機器人不僅要具備落足點選擇能力，而且還要具備路徑選擇及步態(tài)規(guī)劃的能力。研究機器人二維體心路徑選擇問題，從機體覆蓋區(qū)域提取臺階高度、坡度、粗糙度等三種地形特征，結(jié)合默認落足點平均代價生成總代價地圖，設(shè)計啟發(fā)函數(shù)，在總

6、代價地圖上搜索二維路徑；在二維體心路徑基礎(chǔ)上搜索靜步態(tài)序列，采用遞歸回溯策略向前試探多步進行搜索；每一步機器人狀態(tài)由落足點、橫滾角、俯仰角和體心與地面高度差決定，并判斷到下一狀態(tài)機器人可達性，包括運動過程碰撞檢測及運動學約束滿足檢測等。
　　最后，將基于TOF相機的視覺感知算法和四足機器人靜步態(tài)規(guī)劃策略集成于真實四足機器人。標定TOF相機與機器人體心坐標系之間關(guān)系后，進行四足機器人在有無TOF相機作用下直線行走對比實驗，說明基于T