本发明涉及四足机器人运动规划，特别是涉及可跨越大障碍物的四足机器人爬行态规划方法及系统。
背景技术：
：：1、本部分的陈述仅仅是提到了与本发明相关的
背景技术：
：，并不必然构成现有技术。2、腿足式机器人与轮式机器人、履带式机器人相比较，因其对于非结构地形的适应能力强、稳定性高等特点受到众多研究人员和研究机构的青睐。其中四足机器人相对双足或六足机器人而言，因其质量轻、稳定性强等优势成为腿足机器人典型代表。3、四足机器人在攀爬崎岖地形时受制于腿长限制，很难实现超过其腿长60％障碍物的场景运动。在当前的机器人中，anymal机器人性能最高，可以借助视觉传感器攀爬21cm高的障碍物，达到其腿长的40％。hyq可以攀爬通过15cm高的楼梯和台阶，达到其腿长的20％。littledog借助高分辨率地图和运动捕捉系统可以实现攀爬与其腿长相同高度的障碍物，但这种方法因需要提前扫描精确地形模型无法在真实场景中应用。4、中国专利文献cn107065867a公开的《一种面向未知崎岖地形的四足机器人运动规划方法》，利用cart-table zmp模型实现机器人的在线轨迹规划，实现了四足机器人在崎岖地形的运动规划，但是针对于大障碍物的运动场景和控制方法未明确说明。5、中国专利文献cn110842921a公开的《四足机器人大坡度地形或高障碍物攀爬跨越的步态规划方法》，利用归一化能量稳定裕度的方法来规划质心的运动保证了在大斜坡角度下的稳定性，但该方法没有考虑在大障碍物下基于时间的状态机切换时因足端落足差过大引起机器人失稳的情况，且针对足端延时触地和提前触地的情况没有考虑。技术实现思路1、为了解决现有技术的不足，本发明提供了可跨越大障碍物的四足机器人爬行态规划方法及系统；实现四足机器人通过超过其腿长63％的38cm高的大障碍物。利用非线性轨迹优化器，实现运动过程中质心最优运动轨迹的在线规划，保证运动过程中质心的稳定裕度；利用基于概率的足底接触估计算法，实现四足机器人足端接触状态准确检测；利用基于事件和时间的状态机，实现四足机器人基于足端接触情况和时间状态机的状态切换；利用足端落差来估计地形坡度，实现四足机器人对于足端地形的自适应。2、第一方面，本发明提供了可跨越大障碍物的四足机器人爬行态规划方法；3、可跨越大障碍物的四足机器人爬行态规划方法，包括：4、设定四足机器人的基础数据；所述基础数据，包括：期望位置、期望速度以及期望步高；5、基于基础数据，构建非线性轨迹优化器和摆动相轨迹规划器；所述非线性轨迹优化器，用于优化四足机器人重心的运动轨迹；所述摆动相轨迹规划器，用于规划四足机器人足端摆动轨迹；构建状态机，所述状态机，包括：四足机器人的预设步态时序；四足机器人的初始状态相为四足支撑相；6、四足机器人开始运动，非线性轨迹优化器、摆动相轨迹规划器和状态机向运动控制器发出控制信号，运动控制器控制四足机器人运动；状态估计器采集四足机器人各个足的位置，根据四足机器人各个足的位置，估计出未知地形的坡度；状态估计器将采集数据和估计的坡度均分别发送给接触检测器和运动控制器；接触检测器估计出足端触地的概率，并将足端触地的概率发送给状态机；状态机根据足端触地的概率和设定的时间间隔，计算出下一状态相的步态时序；状态机将计算结果发送给非线性轨迹优化器和摆动相轨迹规划器；7、重复上一步，四足机器人开始下一个状态相的运动，直至四足机器人跨越障碍物。8、第二方面，本发明提供了可跨越大障碍物的四足机器人爬行态规划系统；9、可跨越大障碍物的四足机器人爬行态规划系统，包括：10、初始化模块，其被配置为：设定四足机器人的基础数据；所述基础数据，包括：期望位置、期望速度以及期望步高；11、构建模块，其被配置为：基于基础数据，构建非线性轨迹优化器和摆动相轨迹规划器；所述非线性轨迹优化器，用于优化四足机器人重心的运动轨迹；所述摆动相轨迹规划器，用于规划四足机器人足端摆动轨迹；构建状态机，所述状态机，包括：四足机器人的预设步态时序；四足机器人的初始状态相为四足支撑相；12、规划模块，其被配置为：四足机器人开始运动，非线性轨迹优化器、摆动相轨迹规划器和状态机向运动控制器发出控制信号，运动控制器控制四足机器人运动；状态估计器采集四足机器人各个足的位置，根据四足机器人各个足的位置，估计出未知地形的坡度；状态估计器将采集数据和估计的坡度均分别发送给接触检测器和运动控制器；接触检测器估计出足端触地的概率，并将足端触地的概率发送给状态机；状态机根据足端触地的概率和设定的时间间隔，计算出下一状态相的步态时序；状态机将计算结果发送给非线性轨迹优化器和摆动相轨迹规划器；13、运动模块，其被配置为：重复规划模块的工作，四足机器人开始下一个状态相的运动，直至四足机器人跨越障碍物。14、与现有技术相比，本发明的有益效果是：15、1)本发明通过提出基于能量等复合约束下的在线轨迹优化器，实现四足机器人重心轨迹的在线规划，根据标准能量稳定裕度生成参考重心轨迹，结合支撑三角形边界约束和曲线连续性约束构建非线性优化函数，在线优化重心最优运动轨迹，最大程度保证重心轨迹的稳定性与连续性，保证了在攀爬崎岖地形时躯干稳定裕度。16、2)本发明通过提出基于时间和事件的状态机，实现四足机器人在大障碍物下足端状态切换，基于摆动腿的触地情况来实现单腿状态的切换，当检测到摆动腿触地后立刻切换到支撑相，相对于时间状态机有效减小因障碍物落足差较大引起的足端足底力冲击，防止因躯干在倾角过大时因足端冲击引起后倾、侧翻等情况，增强在攀爬较高崎岖地形时的稳定性。17、3)本发明通过提出基于概率模型的足端触地检测算法,实现四足机器人足端滑动、提前触地或者延迟触地的准确检测，基于广义动量方法提高足底力估计的准确性，通过卡尔曼滤波融合足端高度、足底力和时间状态机的概率模型，估计出单腿足端触地的概率，在无需足底力传感器的情况下能够准确检测出足端的触地情况，提高整个四足机器人运动的鲁棒性。技术特征：1.可跨越大障碍物的四足机器人爬行态规划方法，其特征是，包括：2.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，所述状态机，包括：两种触发方式，其中一种是基于时间的触发方式，当达到设定时间间隔后，机器人启动下一个状态相；另外一种是基于事件的触发方式，当机器人的摆动足端触地后，机器人启动下一个状态相。3.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，基于基础数据，构建非线性轨迹优化器和摆动相轨迹规划器，其中，摆动相轨迹规划器，包括：4.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，构建状态机，包括：5.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，四足机器人开始运动，非线性轨迹优化器、摆动相轨迹规划器和状态机向运动控制器发出控制信号，运动控制器控制四足机器人运动，包括：6.如权利要求5所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，运动控制器，包括：7.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，状态估计器采集四足机器人各个足的位置，根据四足机器人各个足的位置，估计出未知地形的坡度，具体包括：8.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，接触检测器估计出足端触地的概率，并将足端触地的概率发送给状态机，具体计算过程包括：9.如权利要求1所述的可跨越大障碍物的四足机器人爬行态规划方法，其特征是，状态机根据足端触地的概率和设定的时间间隔，计算出下一状态相的步态时序，具体计算过程包括：10.可跨越大障碍物的四足机器人爬行态规划系统，其特征是，包括：技术总结本发明公开了可跨越大障碍物的四足机器人爬行态规划方法及系统，非线性轨迹优化器、摆动相轨迹规划器和状态机向运动控制器发出控制信号，运动控制器控制四足机器人运动；状态估计器采集四足机器人各个足的位置，根据四足机器人各个足的位置，估计出未知地形的坡度；状态估计器将采集数据和估计的坡度均分别发送给接触检测器和运动控制器；接触检测器估计出足端触地的概率，并将足端触地的概率发送给状态机；状态机根据足端触地的概率和设定的时间间隔，计算出下一状态相的步态时序；状态机将计算结果发送给非线性轨迹优化器和摆动相轨迹规划器；四足机器人开始下一个状态相的运动，直至四足机器人跨越障碍物。技术研发人员：荣学文,路广林,陈腾,张国腾,李贻斌,曹景轩,姜含,毕健受保护的技术使用者：山东大学技术研发日：技术公布日：2024/1/13