坡面环境四足机器人对角小跑步态稳定性分析

针对四足机器人在坡面行走过程中,机体质心在支撑面上的投影远离对角支撑线交点,影响四足机器人行走稳定性的问题,本文主要对坡面环境四足机器人trot步态稳定性进行分析。以Stanford Doggo四足机器人为仿真模型,提出了调整机器人姿态和调整等效腿长参数相结合的方法,使四足机器人质心前移,减小四足机器人的翻滚角和偏航角,提高四足机器人坡面行走的稳定性。采用分段摆线轨迹,对四足机器人足端轨迹进行规划,并通过webots机器人仿真软件,对3种质心调整方法进行仿真实验。仿真结果表明,3种质心调整方法均可以减小四足机器人坡面行走的翻滚角和偏航角,四足机器人坡面行走的稳定性得到了提高,而且通过对仿真结果进行对比,本文所提的质心调整方法具有显著的优势。该研究具有一定的应用价值。

基于迁移学习的移动机器人单帧图像坡度检测算法

针对未知环境下移动机器人平稳上坡控制对坡度感知精度的要求,本文提出了一种基于迁移学习的移动机器人单帧图像坡度检测算法。利用室内图像标准数据集训练深度卷积神经场-全连接超像素池化网络(deep convolutional neural field-fully connected superpixel pooling network,DCNF-FCSP)并获得室内单帧图像深度估计网络模型;将DCNF-FCSP模型中前5个图像特征提取层的网络参数迁移至室外图像深度估计网络中;固定室外图像深度估计网络中图像特征提取部分的网络参数,利用室外图像数据集对剩余5层的网络参数进行训练,从而得到室外单帧图像深度估计网络;将其应用在移动机器人坡度检测中,根据单帧斜坡图像估计出斜坡角度。标准数据集和实际场景的深度估计和坡度检测实验表明:本文所提出的基于迁移学习的移动机器人单帧图像坡度检测算法能够仅根据移动机器人车载相机采集的单帧斜坡RGB图像就可估计出精确的斜坡角度,满足移动机器人在未知环境中对坡度感知精度的要求。