基于物体路标的仿人机器人实时里程计

仿人机器人运动方式特殊,目前还没有成熟的里程计方案.针对仿人机器人,提出了一种基于物体路标的低成本实时里程计.算法以环境中的物体作为路标,由4个模块组成.视觉测量中对单目相机图像进行分割及形态学处理以识别路标,并结合先验信息估计机器人位姿;运动学里程计中根据关节角度数据通过正运动学计算机器人姿态得到里程计增量;滤波修正中通过无迹卡尔曼滤波用多组路标的视觉测量信息对运动学里程计进行修正;模型修正中以里程计滤波修正前后数据作为训练样本,视觉无效时使用广义回归神经网络对运动学里程计进行修正.本文在NAO型仿人机器人上对算法进行了仿真和实体实验验证.结果表明,算法的平均位置误差不超过3 cm,姿态角误差约为2°,程序平均耗时为7.94 ms,算法具有较高的精度和良好的实时性.