[发明专利]一种人形智能机器人系统

权利要求书

1.一种人形智能机器人系统，其特征在于，包括机器人主体以及控制系统；所述的控制系统包括：

视觉图像获取模块，用于获取机器人周围的环境图像信息，将图像进行去噪处理后，传递给中央处理模块；

中央处理模块，用于根据视觉图像获取模块提供的去噪后的图像，采用预规划的实时步态控制算法和基于双目视觉的避障算法，对图像中的障碍物进行判断，并进行步态规划，得到机器人的行走步态，并利用副控制器控制驱动模块进行机器人行走；

驱动模块，包括安装在机器人各个关节处的舵机，用于根据副控制器传递来的控制信息，驱动机器人的关节运动，从而实现机器人的行走；

传感模块，用于实时获取机器人的姿态角度信息，并将数据传输到中央处理模块，以实现机器人运动过程中的精确控制；

其中，所述的预规划的实时步态控制算法包括：

先建立双足机器人运动学坐标系模型，然后进行机器人的姿态规划和平稳性判断，最终完成步态行走，实时规划下一步的姿态，具体包括：

步骤1’，建立双足机器人运动学坐标系模型

步骤1.1’，对机器人的各个关节进行编号，对于关节i，确定该关节的原点；

步骤1.2’，确立关节i处坐标系的各个坐标轴X_i、Y_i、Z_i，以在各个关节处建立坐标系；

步骤1.3’，根据在各个关节处建立的坐标系，相邻的两个坐标系O_i与O_i-1相比，获得相邻两个坐标系的差距，即变换矩阵；

通过上面的变换矩阵得到相邻的两个坐标系之间的运动学关系，记双足机器人的左脚膝关节的坐标系为参考坐标系，可得到其他关节坐标系与参考坐标系之间的运动学关系；将每个关节处的坐标系与参考坐标系之间的变换矩阵作为该关节与参考坐标系所在关节之间的数学模型，所有数学模型构成双足机器人运动学坐标系模型；

步骤2’，对双足机器人的姿态进行规划

步骤2.1’，设计双足机器人行走步态流程

机器人通过摆动腿前摆改变重心，在摆动腿前摆时，身体重心从双腿中心移到支撑腿上，因此身体先要向支撑腿一侧扭动来移动重心，即通过髋关节的侧向关节来调整重心；为了防止在侧扭时抬腿而造成身体向摆动腿一侧倾倒、步态设计中将侧扭和抬腿分步设计；

步骤2.2’，规划机器人行走时各个关节的姿态

先假设髋关节的侧向不发生变化，则求解行走轨迹步骤如下：

(1)绘制出髋关节与裸关节随时间改变而变化的曲线图，由此获得髋关节、裸关节的运动学轨迹；

(2)与人类行走轨迹进行对比，按照人类行走过程的受力情况明确机器人髋关节、裸关节运动受力的关键点，然后通过三次样条插值的方式，对所有关键点进行插值处理；

(3)分别将髋关节、裸关节处理后的关键点与步骤(1)中髋关节、裸关节运动学轨迹中的多项式进行拟合，获得髋关节与裸关节的平滑轨迹；则该轨迹即为髋关节与裸关节每一步行走后形成的轨迹；

按照相同的方法，可获得机器人双腿上其他关节在行走时形成的轨迹；将双足机器人一次行走过程中所涉及的关节的轨迹作为规划姿态，则获得规划的姿态后，通过关节处的舵机驱动机器人按照规划的姿态进行行走；

步骤3’，进行姿态规划平稳性判断

根据步骤2’中的规划姿态，在机器人每次准备落脚时进行平稳性计算，判断当前机器人是否满足平稳性要求，判断依据为机器人的平稳点是否在设定的范围内，如在设定的范围内，则不干预，使机器人按照规划姿态进行行走，否则暂停行走，通过机器人的控制器调整机器人腿部的关节的姿态后，重新计算平稳性，直至平稳性满足要求；平稳点计算方法为：

计算机器人的质心位置：

其中，n表示机器人全身关节的数量，m_i表示第i个关节的质量，表示第i个关节的质心位置；COM_i为第i次采样时机器人的质心位置；即当前为第i次采样；

计算平稳点W：

其中，

上式中，t_s为采样时间，COM_i，COM_i-1，COM_i-2分别为第i次、第i-1次和第i-2次采样时机器人的质心位置，COM为机器人站立不动时的质心位置；

判断平稳点W的位置，若W在设定的范围内，则认为机器人此步行走稳定，否则不稳定；

所述的基于双目视觉的避障算法包括：

机器人检测到前方物体并判定为障碍物时，立即站立停止，在静止状态下时获取障碍物的尺寸参数和方位信息；根据障碍物尺寸参数、方位信息控制机器人绕过障碍，包括：

步骤1，根据机器人要到达的目的地进行路径的规划，对双目摄像头的左右两个摄像头分别进行标定，分别计算地面在左、右摄像头坐标系下的平面方程；

步骤2，通过双目摄像头采集机器人前方图像，并进行去噪处理；

步骤3，对左右摄像头采集的两幅图像进行畸变和极线校正，消去失真，将匹配点约束在一条直线上，最终匹配得到一张视差图；

步骤4，计算视差图中匹配点在左摄像头坐标系下的三维坐标(x,y,z)，获取其高度与水平距离，并与设定阈值比较，判断障碍物是否存在；使用OpenCV视觉库中的cvFindCon—tours轮廓检测函数检测物体的轮廓，并用其外接矩形框标记；

对障碍物的判别算法：首先随机提取视差图中外接矩形框内物体上若干个白色像素点，计算其位于左摄像机坐标系下的三维坐标(x，y，z)，其中x和z分别表示物体相对于左摄像头的高度距离与水平距离，y则表示物体相对于左摄像头光心的左右偏移距离，然后根据设定的阈值判断矩形框内的物体是否为障碍物；

步骤5，如判断前方无障碍物，则使机器人按照规划的路径行进；如判断前方有障碍物，则令机器人停止动作，并获取障碍物的参数信息，具体如下：

步骤5.1，将障碍物的外接矩形框的宽度作为障碍物的宽度，记为Q，外接矩形框的中心作为障碍物中心点，记为O；

步骤5.2，通过深度检测获取中心点O的三维坐标d_i(x,y,z)，其中y表示中心点相对于左摄像头光心的偏移距离L_i；获取外界矩形框中最左侧的一个白色像素点在左摄像头坐标系下的坐标(x_L，y_L，z_L)；

步骤5.3，根据障碍物的宽度计算出障碍物中心点O的纵坐标，即O点相对于左摄像头光心的偏移距离L_o：

步骤5.4，由于双目摄像头安装在机器人的中轴线上，因此障碍物中心点O相对于机器人中轴线的偏距d为：

其中d0表示偏右，d0表示偏左，d＝0表示居中；

步骤6，进行避障路径规划

步骤6.1，设定障碍物的长度为W；

步骤6.2，当障碍物相对于机器人偏左时，机器人右转角度θ并沿平行安全距离直行一段距离X，机器人中心与障碍物中心的连线与规划路径垂直时，左转角度2θ并直行距离X，使其回归规划路径；

对于机器人的避障过程，有：

上式中，L为机器人的身宽；θ和2θ为机器人的旋转角度；D为障碍物相对机器人的距离；y_L为障碍物左侧边界相对于机器人中心的偏移距离；d为考虑存在的误差和安全问题所增加的补偿距离。