基于落足点调整的四足机器人对角步态柔顺控制方法

    公开(公告)号:CN114384918A

    公开(公告)日:2022-04-22

    申请号:CN202210047113.1

    申请日:2022-01-14

    Applicant: 厦门大学

    Abstract: 基于落足点调整的四足机器人对角步态柔顺控制方法,涉及电驱动四足机器人。包括:建立四足机器人简化的刚体模型;根据简化后的刚体模型,结合电机编码器、足底激光距离传感器、关节力传感器、IMU等传感器数据计算得到关节角、触地信号、髋部运动状态、机体质心姿态;进行落足点调整、抬腿高度自适应的足端轨迹规划;设计起步姿态与行走过渡,进行对角小跑步态规划;设计对角小跑步态切换的状态机;建立四足机器人运动的阻抗控制器和虚拟模型控制器。通过建立一种基于落足点调整的电驱动四足机器人对角小跑步态柔顺行走控制方法,实现四足机器人柔顺且稳定地行走。

    一种激光导航AGV高精度定位及目标对准控制方法

    公开(公告)号:CN111352420B

    公开(公告)日:2021-08-10

    申请号:CN202010139789.4

    申请日:2020-03-03

    Abstract: 一种激光导航AGV高精度定位及目标对准控制方法,涉及移动机器人导航技术领域。基于激光点云对目标环境特征进行点云分割与提取,实现AGV实时获取目标特征点云的能力;基于最近邻方法,解决点云匹配中寻找对应点、建立目标函数的问题;设计一种基于梯度点云密度、多分辨率搜索匹配方法,并通过分支定界优化搜索。实现AGV对目标特征点云进行高精度低延时的匹配,解决了激光导航AGV在特定任务点高精度定位的问题;基于AGV平滑运动控制器,实现AGV平滑、精准的运动控制到达目标点的能力。解决激光导航AGV高精度定位及位姿对准、充电对接等目标对准控制问题,弥补SLAM技术定位精度不足、传统对准控制方法成本过高等缺陷。

    一种可变曲度的混合弹性缓冲机器人仿生小腿及调节方法

    公开(公告)号:CN111439320B

    公开(公告)日:2021-01-08

    申请号:CN202010246764.4

    申请日:2020-03-31

    Applicant: 厦门大学

    Abstract: 本发明提供一种可变曲度的混合弹性缓冲机器人仿生小腿及调节方法,其中,可变曲度的混合弹性缓冲机器人仿生小腿,包括小腿连接件及其连接的减振机构,其中:小腿连接件和减振机构之间的连接曲度可调;减振机构设有混合弹性缓冲机构。本发明提供的可变曲度的混合弹性缓冲机器人仿生小腿,通过在小腿连接件和减振机构之间的连接曲度可调的结构设计,能够根据环境需要调节小腿连接件和减振机构之间的曲度,从而减小足端受力方向与小腿连杆的直线方向有交大的偏差角度,减小小腿需承受额外的运动力矩;另外,通过采用混合弹性缓冲机构,解决单一的弹簧减振机构较难根据自身的重量调节弹簧的减振效果的问题,使其能很好的完成崎岖路面的支撑行走任务。

    一种实体群建模系统数据定义和存取方法

    公开(公告)号:CN104021208B

    公开(公告)日:2017-06-09

    申请号:CN201410274677.4

    申请日:2014-06-19

    Applicant: 厦门大学

    Abstract: 一种实体群建模系统数据定义和存取方法,涉及实体群建模。针对数据层与显示层所要交互的数据、数据层与计算层所要交互的数据,定义数据层数据标准;利用所定义的数据标准,计算层通过JDBC数据接口把数据层的数据读取到计算层中;控制层接受用户指令,并把指令发送到计算层;计算层根据控制层的指令和读取的数据计算出实体群中与各个控制层的指令相关的实体的数据,以及指令相关的实体附属实体的数据;利用所定义的数据标准,计算层通过JDBC数据接口把所得的数据记录到数据层中;通过Microsoft ADO数据库操作接口对数据层的数据进行存取操作把数据层的数据读取到显示层中;采用OpenGLTM技术,显示层显示3D海上实体群模型。

    一种连续模拟量时间序列数据挖掘方法

    公开(公告)号:CN106446251A

    公开(公告)日:2017-02-22

    申请号:CN201610895695.3

    申请日:2016-10-14

    Applicant: 厦门大学

    CPC classification number: G06F16/215 G06F16/2465

    Abstract: 一种连续模拟量时间序列数据挖掘方法。1)数据清洗;2)确定周期划分;3)确定傅立叶变换的输出点数和抽样数据的抽样点数;4)周期内数据进行傅立叶变换;5)周期内数据抽样,每个周期与傅立叶变换相同的点数的抽样,作为代表时域的特征;6)把傅立叶变换输出数据和抽样数据存储为一个节点;7)计算整体平均节点密度;8)标记所有节点为未访问;9)随机选择一个未分类点Px并标已访问;10)若点Px的S邻域至少有m个点,则创建新簇Cn并把Px添加到簇Cn中;11)令N为Px的S邻域的节点集合;12)对每个N中的每个节点PNi进行操作;13)查看还有未访问节点吗,如有,则返回步骤9);14)输出簇C。

    基于环境建模与自适应窗口的移动机器人路径规划方法

    公开(公告)号:CN101738195A

    公开(公告)日:2010-06-16

    申请号:CN200910113086.8

    申请日:2009-12-24

    Applicant: 厦门大学

    Abstract: 基于环境建模与自适应窗口的移动机器人路径规划方法,涉及一种移动机器人实时路径规划方法。一个进行多约束局部环境建模和分析的步骤;一个可通过性分析的步骤;一个安全性分析的步骤;一个运动平稳性分析的步骤:一个目标引导性分析的步骤;一个采用自适应窗口的路径规划的步骤。由于具有更好的环境适应性和避障能力,获得较好的安全性和可达性,并具有较高的计算实时性,因此解决了不确定复杂环境下移动机器人实时生成避障路径的问题,提供了一种综合最优的路径选择方法,较好地满足移动机器人的避障要求,实现机器人的实时路径规划和控制,为移动机器人的导航应用提供一个有效的无碰撞路径规划方法。

    一种GNSS/SLAM组合导航系统位姿初始化方法

    公开(公告)号:CN115902978A

    公开(公告)日:2023-04-04

    申请号:CN202310006232.7

    申请日:2023-01-04

    Applicant: 厦门大学

    Abstract: 一种GNSS/SLAM组合导航系统位姿初始化方法,属于移动机器人导航与定位。相对开阔的场地,启动GNSS和SLAM系统;操纵移动机器人完成不小于10m的非直线运动,采集机器人移动过程中GNSS的经纬高数据和SLAM的位姿数据;依照采集的SLAM数据的时间戳,对GNSS的经纬高数据进行线性插值得到同步的GNSS经纬高数据;使用第一个数据作为参考将GNSS数据转换到东北天坐标系中表示,得到机器人的3维轨迹数据;基于李群优化理论,求解优化问题:根据求解得到的位姿矩阵将SLAM的轨迹对齐到系中,启动GNSS/SLAM组合导航融合算法,完成初始化。有效提升组合导航系统的初始化精度。

    一种基于空间点云的三维曲面距离测量方法及系统

    公开(公告)号:CN113008195B

    公开(公告)日:2022-04-22

    申请号:CN202110135554.2

    申请日:2021-02-01

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于空间点云的三维曲面距离测量方法及系统。该方法包括:获取双目相机采集线结构光对目标表面进行投影所得的结构光条纹图像;基于所述结构光条纹图像,根据立体视觉视差原理获得建立在双目系统坐标系下的目标表面的三维空间点云;根据所述三维空间点云,采用基于PCL的k‑d tree近邻搜索法寻找目标表面待测量两点之间最短曲面距离的空间点云路径;基于待测量两点之间最短曲面距离的空间点云路径,确定所述待测量两点之间的最短曲面距离。本发明实现了对物体表面任意两点曲面距离的测量。

    复杂环境树木主干多特征分离统计方法及树干识别方法

    公开(公告)号:CN110348443B

    公开(公告)日:2022-04-01

    申请号:CN201910750754.1

    申请日:2019-08-14

    Applicant: 厦门大学

    Abstract: 本发明涉及四足机器人野外环境感知技术领域,特别涉及一种复杂环境树木主干多特征分离统计方法及树干识别方法。本发明提供的复杂环境树木主干多特征分离统计的方法,通过统计的方法提取树干与周围环境的差异性特征;所提供的树干识别方法,综合颜色和树干的纹理、轮廓特征,通过对树干与周围环境景物的颜色和纹理轮廓特征的差异完成差异性特征的学习,从而实现树主干的准确识别。本发明提供的技术方案以四足机器人复杂环境树木障碍的认知方法为研究对象,使机器人能够适应多变的林木环境实现对树木障碍的准确识别,在四足机器人的导航控制领域具有重要的实际应用价值。

    基于无监督深度学习的单目图像景深实时计算方法

    公开(公告)号:CN110009674B

    公开(公告)日:2021-04-13

    申请号:CN201910256117.9

    申请日:2019-04-01

    Abstract: 本发明公开一种基于无监督深度学习的单目图像景深实时计算方法,利用双目序列图像之间的几何约束关系构造监督信号,取代传统的人工标记数据集,完成了无监督算法设计;在Depth‑CNN网络中的,损失函数除了考虑图像之间的几何约束,还设计了针对左右图像的景深估计结果一致性约束项,提高算法精确度;以Depth‑CNN的输出作为Pose‑CNN输入的一部分,构造整体的目标函数,同时使用双目图像之间的几何关系和序列图像之间的几何关系构造监督信号,进一步提高的算法的精确度以及鲁棒性。

Patent Agency Ranking