基于快速搜索树的人型机器人踢球动作信息处理方法

摘要

本发明涉及一种基于快速搜索树的人型机器人踢球动作信息处理方法，包括以下步骤：1)机器人在不确定环境下根据关节位置传感器、加速度传感器和陀螺仪采集的信息，并通过正向运动模型得到机器人当前状态；并通过正向运动模型得到机器人当前状态；2)机器人根据当前状态和踢球的终止状态，通过快速随机搜索树计算出所需的机器人各关节运动轨迹；3)通过动作平滑滤波器对步骤2)中生成的关节运动轨迹进行平滑处理，并动力学滤波器进行修正得到稳定的最终踢球运动轨迹。与现有技术相比，本发明具有保证机器人在不确定环境下踢球动作可靠执行等优点。

主权项

1.一种基于快速搜索树的人型机器人踢球动作信息处理方法，其特征在于，包括以下步骤：1）机器人在不确定环境下根据关节位置传感器、加速度传感器和陀螺仪采集的信息，并通过正向运动模型得到机器人当前状态；2）机器人根据当前状态和踢球的终止状态，通过快速随机搜索树计算出所需的机器人各关节运动轨迹；3）通过动作平滑滤波器对步骤2）中生成的关节运动轨迹进行平滑处理，并通过动力学滤波器进行修正得到稳定的最终踢球运动轨迹，并将该轨迹发送给机器人执行机构；所述的动力学滤波器通过以下步骤来实现关节运动轨迹的修正处理：设C为机器人质心，是机器人关节角θ的函数，即C＝X(θ)，则质心的雅可比矩阵表示为亦即对于微小量的变化，近似的有ΔC＝J(θ)Δθ(t)，滤波目标为保证质心在地面的投影位置不变，约束条件可表示为：$\Delta C_x=\underset{i=1}{\overset{22}{\Sigma }}{J}_{x,i}{\mathrm{\Delta \theta }}_i\left(t\right)=0,$$\Delta C_y=\underset{i=1}{\overset{22}{\Sigma }}{J}_{y,i}{\mathrm{\Delta \theta }}_i\left(t\right)=0$其中Δθ_i＝Δθ_cmdi+Δθ_compi，Δθ_i表示实际角度变化值，Δθ_cmdi表示输入命令角度变化值，Δθ_compi表示滤波补偿值；为了保证对原始姿态的动作改变最小，设计一个评价函数将问题转化为一个最优化问题，其表述如下：求取$\mathrm{MIN}(E\left({\mathrm{\Delta \theta }}_{\mathrm{compi}}\right)=\underset{i=1}{\overset{22}{\Sigma }}{\omega }_i{\left({\mathrm{\Delta \theta }}_{\mathrm{compi}}\right)}^2),$约束条件ΔC_x＝0与ΔC_y＝0。