[发明专利]一种基于人体运动捕捉数据的仿人机器人步态规划方法

摘要

一种基于人体运动捕捉数据的仿人机器人步态规划方法，首先，提取人体步态模式，包括单腿六自由度的角度曲线，包括髋关节横滚，髋关节俯仰，髋关节偏航，膝关节俯仰，踝关节俯仰，踝关节横滚；其次对人体步态模式数据进行格式转换与数学优化以便应用到仿人机器人身上；最后引入了ZMP控制算法对仿人机器人的关节角度进行微调以达到提高仿人机器人鲁棒性的目的。本发明所述的基于人体运动捕捉数据的仿人机器人步态规划方法不仅能够简化仿人机器人步态规划难度，提高仿人机器人步态的类人性和稳定性，同时也可以为仿人机器人的复杂动作规划作铺垫，与传统的仿人机器人步态规划方法相比优点突出，前景广阔。

主权项

一种基于人体运动捕捉数据的仿人机器人步态规划方法，其特征在于：首先，获取人体的运动捕捉数据并且对人体的运动进行分析；然后，对原数据进行数学预处理，生成人体运动的步态模式；其次将人体运动步态模式数据进行相应的格式转化，生成适用于仿人机器人的步态模式数据并将其直接运用到仿人机器人身上；同时，基于ZMP算法对仿人机器人的稳定性进行判定并且实时调整仿人机器人的关节角度以达到仿人机器人稳定行走的目的；采用光学式运动捕捉设备，通过粘贴在人体上的Marker，每秒采集120帧的人体运动捕捉数据，输出的数据格式为.asf文件和.amc文件；其中.asf文件定义了人体骨架的拓扑结构，.amc文件定义了与.asf文件相对应的“子关节”局部坐标系相对于“父关节”局部坐标系的每一帧欧拉角；人体运动过程由成百上千个关节自由度同时作用而成，为了将人体关节角度数据运用到仿人机器人身上，需要对人体自由度进行精简；为此定义了下肢左右腿各6个自由度，具体关节角度定义如下：右踝横滚角θ1，右踝俯仰角θ2，右膝俯仰角θ3，右髋俯仰角θ4，右髋横滚角θ5，右髋偏航角θ6；左踝横滚角θ7，左踝俯仰角θ8，左膝俯仰角θ9，左髋俯仰角θ10，左髋横滚角θ11，左髋偏航角θ12；随后在Webots仿真平台中搭建了包含以上自由度的仿人机器人模型，模型高度及骨骼比例与.asf文件中定义的骨骼模型一致；由于.amc文件定义的关节角度是每一帧“子关节”局部坐标系相对于“父关节”局部坐标系的欧拉角；但是仿人机器人使用的关节角度为笛卡尔坐标系下关于自身局部坐标系转过的角度，因此需要实现从人体运动捕捉数据到仿人机器人使用数据格式的匹配；由于人体骨骼模型和仿人机器人模型具有相同的自由度数和关节结构，并且人体骨骼长度和仿人机器人对应部位几何长度相等，因此可以通过关节的绝对坐标相等求解仿人机器人所有关节角度，完成关节角度换算；建立人体骨骼运动学模型；根据此模型，按照以下公式求解左踝绝对坐标：vla=TrootworldTlhiprootTlkneelhipTlanklelkneevo]]>Tchildparent=R11R12R13TxR21R22R23TyR31R31R33Tz0001=R3×3P3×1O1×3I1×1]]>其中R3×3＝[parentXchild,parentYchild,parentZchild]代表子坐标系在父坐标系中X、Y、Z轴的位置矢量，描述了子坐标系的姿态；P3×1代表子坐标系原点在父坐标系中的位置矢量，描述了子坐标系的位置；vo＝[0,0,0,1]T代表关节在其局部坐标系中的坐标；分别描述了根节点相对于世界坐标系、髋关节相对于根节点、膝关节相对于髋关节、踝关节相对于膝关节的齐次旋转矩阵；同时求得膝关节和髋关节的绝对坐标：vlh=TrootworldTlhiprootv0]]>vlk=TrootworldTlhiprootTlkneelhipv0]]>利用同样的运动学建模方法计算出仿人机器人模型对应关节的绝对坐标：Pla＝M11(θ11)M12(θ12)M10(θ10)M9(θ9)M7(θ7)M8(θ8)elaPlk＝M11(θ11)M12(θ12)M10(θ10)M9(θ9)elkplh＝M11(θ11)M12(θ12)M10(θ10)elh其中Mi(θi)用来描述连杆间的转换矩阵(D‑H表示法)，ela,elk,elh用来代表关节在自身局部坐标系中的坐标(0,0,0,1)T；由于仿人机器人的关节角度都有一定的域度，因此定义了所求每个自由度的取值范围，如表1所示；表1 为关节自由度取值范围表关节角(度)θ7θ8θ9θ10θ11θ12Max25.21260.738130.07151.05230.191.107Min‑25.212‑60.738‑1‑51.939‑21.03‑30.942基于以上求出的各关节绝对坐标，和关节角度的约束条件，求得θ7,θ8,θ9,θ10,θ11,θ12；利用此种运动学建模方法可以实现从人体运动捕捉数据到仿人机器人关节角度数据的转换。