四足机器人的腿足运动学标定方法、系统、设备及介质技术方案

本申请涉及运动学标定技术领域，特别涉及一种四足机器人的腿足运动学标定方法、系统、设备及介质，方法包括：采集固定于四足机器人腿足上的标志物的标定图像；计算标定图像中标志物中心在像素坐标系下的像素坐标；根据像素坐标、预先标定的双目相机的内参矩阵和双目相机坐标系下标志物中心的z坐标和标定图像在x轴方向的视差之间的关系计算标志物中心在双目相机坐标系下的相机坐标；基于预设的坐标转换矩阵，对相机坐标进行转换，得到标志物中心在世界坐标系下的世界坐标；将世界坐标输入至预先训练的逆运动学神经网络模型，求解四足机器人腿足的各个关节角度，利用关节角度对四足机器人腿足进行标定。由此，减少了标定时间，提高了标定效率。高了标定效率。高了标定效率。

【技术实现步骤摘要】
四足机器人的腿足运动学标定方法、系统、设备及介质


[0001]本申请涉及运动学标定
，特别涉及一种四足机器人的腿足运动学标定方法、系统、设备及介质。

技术介绍

[0002]四足机器人由于其具有高度仿生性能，其承载能力强、稳定性好，具备更加良好的适应复杂路况和复杂环境的能力，可以在复杂环境下代替人类完成各种任务，使其在野外勘测以及军事行动等诸多环境下具有广泛的应用前景。然而，四足机器人运动过程中其实际精度与理论模型之间会有误差，这限制了机器人的应用。四足机器人的误差主要包括杆件误差、关节转角误差等运动学误差以及环境变化和负载变化等非几何误差，其中运动学误差占总误差的90%，因此，提高四足机器人精度的主要任务是减少其运动学误差。
[0003]为了提高四足机器人的运动学精度，需要减少其运动学误差，因此需要对其进行运动学标定，机器人运动学参数标定是提高机器人位姿精度的重要手段。机器人标定就是通过测量和参数辨识计算出机器人模型的准确参数，并通过机器人控制算法补偿或修改理论运动学模型来补偿机器人误差，从而提高机器人绝对精度。四足机器人的关节实际位姿是通过编码器角度来反馈的，为了提高运动精度，需要对四足机器人腿足各个关节的编码器进行标定。对编码器进行标定，实际就是对四足机器人腿足各个关节角度进行测量，并将结果与编码器的输出角度进行对比，最后进行误差补偿。
[0004]通过标定，可以大大降低四足机器人腿足的实际位姿与指令位姿之间的误差，提高四足机器人的绝对运动精度，便于对四足机器人的步态进行分析和优化，尤其在复杂地形工作的四足机器人，更精确的位姿控制可以使其腿足末端在碰到障碍物时有更高的稳定性。目前对四足机器人腿足关节角度的标定是通过人工测量进行标定，标定流程繁琐，耗时较长，在复杂工况下难以实现标定，因此通过基于机器视觉和神经网络的四足机器人的腿足运动学标定系统实现对其腿足关节角度的快速测量以及对编码器进行自动零点标定，减少标定时间，提高标定效率。

技术实现思路

[0005]本申请提供一种四足机器人的腿足运动学标定方法、系统、设备及介质，实现了对四足机器人腿足关节角度的快速测量以及对编码器进行自动零点标定，减少标定时间，提高标定效率。
[0006]本申请第一方面实施例提供一种四足机器人的腿足运动学标定方法，包括以下步骤：采集固定于所述四足机器人腿足上的标志物的标定图像；计算所述标定图像中标志物中心在像素坐标系下的像素坐标；根据所述像素坐标、预先标定的双目相机的内参矩阵和双目相机坐标系下所述标志物中心的z坐标和所述标定图像在x轴方向的视差之间的关系计算所述标志物中心在所述双目相机坐标系下的相机坐标；基于预设的坐标转换矩阵，对所述相机坐标进行转换，得到所述标志物中心在世界坐标系下的世界坐标；将所述世界坐
标输入至预先训练的逆运动学神经网络模型，求解所述四足机器人腿足的各个关节角度，利用所述关节角度对所述四足机器人腿足进行标定。
[0007]可选地，在本申请的一个实施例中，所述计算所述标定图像中标志物中心在像素坐标系下的像素坐标，包括：通过目标检测算法识别所述标定图像中的所述标志物；利用角点检测算法计算识别出的所述标志物的多个顶点在所述像素坐标系下的坐标，计算所述多个顶点在所述像素坐标系下的坐标平均值，得到所述标志物中心在像素坐标系下的像素坐标。
[0008]可选地，在本申请的一个实施例中，在计算所述标志物中心在所述双目相机坐标系下的相机坐标之前，还包括：对所述双目相机进行标定，获取所述双目相机的内参矩阵；利用所述双目相机采集距离所述双目相机不同距离的多张标志物图像；收集所述多张标志物图像中z坐标值和与所述z坐标值对应标志物中心点分别在所述双目相机获取的图像中的x轴方向的像素坐标值，根据所述x轴方向的像素坐标值计算x轴方向的视差值；利用拟合算法求解所述z坐标值与所述x轴方向视差值之间的关系。
[0009]可选地，在本申请的一个实施例中，在基于预设的坐标转换矩阵，对所述相机坐标进行转换，得到所述标志物中心在世界坐标系下的世界坐标之前，还包括：计算所述标志物在所述双目相机坐标系下的相机坐标和所述标志物在所述世界坐标系下的世界坐标；利用仿射变换函数确定所述相机坐标和所述世界坐标之间的变换关系，根据所述变换关系得到所述坐标转换矩阵。
[0010]可选地，在本申请的一个实施例中，在将所述世界坐标输入至预先训练的逆运动学神经网络模型之前，还包括：利用D
‑
H参数法建立所述四足机器人的正运动学模型，通过所述正运动学模型，根据随机给定的所述四足机器人腿足的各个关节角度计算所述四足机器人腿足末端位置在世界坐标系下世界坐标，生成所述关节角度与所述世界坐标对应的训练数据集；利用所述训练数据集进行神经网络模型训练，得到所述逆运动学神经网络模型。
[0011]本申请第二方面实施例提供一种四足机器人的腿足运动学标定系统，包括：采集模块，用于采集固定于所述四足机器人腿足上的标志物的标定图像；第一计算模块，用于计算所述标定图像中标志物中心在像素坐标系下的像素坐标；第二计算模块，用于根据所述像素坐标、预先标定的双目相机的内参矩阵和双目相机坐标系下所述标志物中心的z坐标和所述标定图像在x轴方向的视差之间的关系计算所述标志物中心在所述双目相机坐标系下的相机坐标；转换模块，用于基于预设的坐标转换矩阵，对所述相机坐标进行转换，得到所述标志物中心在世界坐标系下的世界坐标；标定模块，用于将所述世界坐标输入至预先训练的逆运动学神经网络模型，求解所述四足机器人腿足的各个关节角度，利用所述关节角度对所述四足机器人腿足进行标定。
[0012]可选地，在本申请的一个实施例中，所述第一计算模块进一步用于，通过目标检测算法识别所述标定图像中的所述标志物，利用角点检测算法计算识别出的所述标志物的多个顶点在所述像素坐标系下的坐标，计算所述多个顶点在所述像素坐标系下的坐标平均值，得到所述标志物中心在像素坐标系下的像素坐标。
[0013]可选地，在本申请的一个实施例中，还包括：第一生成模块，用于在计算所述标志物中心在所述双目相机坐标系下的相机坐标之前，对所述双目相机进行标定，获取所述双目相机的内参矩阵；利用所述双目相机采集距离所述双目相机不同距离的多张标志物图
像；收集所述多张标志物图像中z坐标值和与所述z坐标值对应标志物中心点分别在所述双目相机获取的图像中的x轴方向的像素坐标值，根据所述x轴方向的像素坐标值计算x轴方向的视差值；利用拟合算法求解所述z坐标值与所述x轴方向视差值之间的关系。
[0014]可选地，在本申请的一个实施例中，还包括：第二生成模块，用于在基于预设的坐标转换矩阵，对所述相机坐标进行转换，得到所述标志物中心在世界坐标系下的世界坐标之前，计算所述标志物在所述双目相机坐标系下的相机坐标和所述标志物在所述世界坐标系下的世界坐标；利用仿射变换函数确定所述相机坐标和所述世界坐标之间的变换关系，根据所述变换关系得到所述坐标转换矩阵。
[0015]可选地，在本申请的一个实施例中，还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种四足机器人的腿足运动学标定方法，其特征在于，包括以下步骤：采集固定于所述四足机器人腿足上的标志物的标定图像；计算所述标定图像中标志物中心在像素坐标系下的像素坐标；根据所述像素坐标、预先标定的双目相机的内参矩阵和双目相机坐标系下所述标志物中心的z坐标和所述标定图像在x轴方向的视差之间的关系计算所述标志物中心在所述双目相机坐标系下的相机坐标；基于预设的坐标转换矩阵，对所述相机坐标进行转换，得到所述标志物中心在世界坐标系下的世界坐标；将所述世界坐标输入至预先训练的逆运动学神经网络模型，求解所述四足机器人腿足的各个关节角度，利用所述关节角度对所述四足机器人腿足进行标定。2.根据权利要求1所述的方法，其特征在于，所述计算所述标定图像中标志物中心在像素坐标系下的像素坐标，包括：通过目标检测算法识别所述标定图像中的所述标志物；利用角点检测算法计算识别出的所述标志物的多个顶点在所述像素坐标系下的坐标，计算所述多个顶点在所述像素坐标系下的坐标平均值，得到所述标志物中心在像素坐标系下的像素坐标。3.根据权利要求1所述的方法，其特征在于，在计算所述标志物中心在所述双目相机坐标系下的相机坐标之前，还包括：对所述双目相机进行标定，获取所述双目相机的内参矩阵；利用所述双目相机采集距离所述双目相机不同距离的多张标志物图像；收集所述多张标志物图像中z坐标值和与所述z坐标值对应标志物中心点分别在所述双目相机获取的图像中的x轴方向的像素坐标值，根据所述x轴方向的像素坐标值计算x轴方向的视差值；利用拟合算法求解所述z坐标值与所述x轴方向视差值之间的关系。4.根据权利要求1所述的方法，其特征在于，在基于预设的坐标转换矩阵，对所述相机坐标进行转换，得到所述标志物中心在世界坐标系下的世界坐标之前，还包括：计算所述标志物在所述双目相机坐标系下的相机坐标和所述标志物在所述世界坐标系下的世界坐标；利用仿射变换函数确定所述相机坐标和所述世界坐标之间的变换关系，根据所述变换关系得到所述坐标转换矩阵。5.根据权利要求1所述的方法，其特征在于，在将所述世界坐标输入至预先训练的逆运动学神经网络模型之前，还包括：利用D
‑
H参数法建立所述四足机器人的正运动学模型，通过所述正运动学模型，根据随机给定的所述四足机器人腿足的各个关节角度计算所述四足机器人腿足末端位置在世界坐标系下世界坐标，生成所述关节角度与所述世界坐标对应的训练数据集；利用所述训练数据集进行神经网络模型训练，得到所述逆运动学神经网络模型。6.一种四足机器人的腿足运动学标定系统，其特征在于，包括：采集模块，用于采集固定于所述四足机器人腿足上的标志物的标定图像；第一计算模块，用于计算所述标定图像中标志物中心在像素坐标系下的像素坐标；
第二计算模块，用于根据所述像素坐标、预先标定的双目相...

【专利技术属性】
技术研发人员：聂振国，刘辛军，徐汉鼎，孟齐志，谢福贵，
申请(专利权)人：清华大学，
类型：发明
国别省市：