视觉地形分类和四足机器人步态规划方法研究与应用

摘要

自然界中，四足哺乳动物在适应复杂地形、运动灵活性和效率等方面具有巨大的优势，它们依靠腿足运动几乎能在地球上的任何地面上活动。而从制造成本、控制难易程度和稳定性等方面综合考虑，四足机器人是最佳的多足机器人形式，在非结构环境下的军事-民用物质运输、野外勘探和探险、救援救灾等领域具有广阔的应用前景。因此，构造具有四足哺乳动物特性的高性能四足仿生机器人一直是人类的梦想。事实上，自第二次世界大战后，美国国防预先研究计划局(DARPA)等即开始持续资助多足机器人的研究。
　　 四足机器人与非结构环境交互过程中，由于地形-地面的多样性、复杂性，导致机器人与地形-地面之间存在有复杂的交互作用，使得机器人-地形-地面系统在根本上成为一个多链、动基座、变结构、强耦合、欠驱动、具有闭链约束和非完整约束的复杂多体非线性刚柔系统。因此有关四足仿生机器人大量科学问题和内蕴机理的研究、机器人基本特性的认识等尚需突破。构造具有大负载能力、高动态性和环境适应性的高性能四足机器人是当前一个主流的研究方向，围绕如何提高四足机器人的环境适应性和运动稳定性，本论文研究了视觉地形特征分类算法、四足机器人的腿结构设计和配置方式、四足机器人的运动学分析和步态规划方法，内容如下：
　　 (1)为了提高机器人的地形特征分类能力，首先研究了影响地形分类正确率的两个关键问题：视觉地形特征提取方法和不同地形的快速分类方法。在视觉地形特征提取方法中，首先利用MR8滤波器组方法提取出图像的纹理特征；然后基于聚类方法生成纹理词典；最后利用空间金字塔匹配方法生成视觉地形图像的直方图特征向量。在地形分类算法研究中，基于现有的ELM(Extreme LearningMachine)快速学习算法，针对其存在的缺点，引入了智能优化算法(差分进化算法和粒子群优化算法)和可调激活函数的思想，提出了改进的ELM-RBF学习算法和激活函数可调的ELM学习算法(称为TAF-ELM学习算法)。结合地形图像的特征提取方法和快速的TAF-ELM学习算法，将视觉地形分类方法应用于机器人的地形图像特征分类中，验证了方法的有效性，显著提高了图像的分类正确率。
　　 (2)基于马/骡的腿结构仿生，设计了四足机器人的腿关节结构，并利用ADAMS和MATLAB联合仿真，给出了较优的机器人腿关节配置方式。推导了具有单腿4自由度的四足机器人的正运动方程和入地角度可调的逆运动学方程。为提高四足机器人的动态特性、负载能力和环境适应性提供了一定的理论基础。
　　 (3)在总结四足机器人基本步态规划方法的基础上，给出了四足机器人对角小跑动步态规划方法。基于所推导的运动学方程和动步态规划方法，利用仿真和实验两种方式验证了四足机器人的运动学方程的正确性和有效性，并利用ADAMS和MATLAB联合仿真，研究了入地角度对四足机器人运动性能的影响。
　　 (4)针对基于模型的步态规划方法建模复杂、单周期规划的缺点，研究了基于中枢模式发生器(CPG)的生物仿生步态规划方法。在总结已有的中枢模式发生器的基础上，研究了Wilson-Cowan神经振荡器的性质，基于该神经振荡器，提出了一种新的四足机器人的CPG控制器，利用构造的步态变换矩阵，实现了不同的四足机器人步态及不同步态之间的变换，为实际四足机器人平台的步态规划打下了一定的理论基础。