[发明专利]一种机器人地形识别及速度控制方法及系统

说明书

本发明涉及人工智能技术领域，提出一种机器人地形识别及速度控制方法及系统，其中包括以下步骤：获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到电压数据；将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行调整。本发明将低成本的压力传感器及低功耗的分类器应用于地形识别，能够在确保高准确率的地形识别同时，提高机器人的行进过程中的稳定性。

技术领域

本发明涉及人工智能技术领域，更具体地，涉及一种机器人地形识别及速度控制方法及系统。

背景技术

机器人作为人类的新型工具，在减轻劳动强度、提高生产率、改变生产模式、将人类从危险、恶劣、繁重的工作环境中解放出来等方面，显示出极大的优越性。移动机器人是指具有路径移动规划目标的机器人，从给定的一个起始点运动到目的地。移动机器人的移动控制方法主要涉及：互联网远程控制、卫星定位技术、相对定位等技术。对于移动机器人，互联网所存在的带宽及延迟限制是其固有属性，在进行大数据传输处理时其网络延迟尤为明显，这严重影响了机器人移动的灵活性。而采用卫星定位导航技术对机器人进行移动定位、路线规划和任务部署时，不适用于室内或室外遮挡环境下的移动控制。

由此可见，通过各类传感器赋予机器人一定的自主性来弥补网络延迟、卫星定位盲区等带来的影响，实现移动机器人自主行动是时代发展的迫切需求。目前有提出基于视觉和触觉融合的双模态地形识别方法，其中采用的触觉传感器包括压力传感单元和惯性测量单元，对足型机器人脚底传感器阵列输出信号进行压力信号特征提取，通过离线学习和在线检测完成基于深度神经网络的局部地形分类算法，得到触觉语义信息的导航地图，辅助足型机器人野外行走。然而，深度神经网络模型是典型的高复杂度、高功耗的算法模型，严重依赖于拥有强大计算力的处理器，并且多传感器融合的技术方案同样使得系统的计算与运行难度加大，过于复杂的算法与智能机器人的发展要求相违背。

发明内容

本发明为克服移动机器人对地形识别存在高复杂度、高功耗以及高成本的缺陷，提供一种机器人地形识别及速度控制方法，以及一种机器人地形识别及速度控制系统。

为解决上述技术问题，本发明的技术方案如下：

一种机器人地形识别及速度控制方法，包括以下步骤：

S1、获取设置在机器人足底的压力传感器采集的压力传感信号，对所述压力传感信号进行预处理，得到相应的电压数据；

S2、将所述电压数据基于时域进行特征提取，并将提取得到的特征向量输入经过预训练的分类器中对当前机器人行走的地形进行识别，得到地形识别结果；

S3、将所述地形识别结果经过选通电路发送至机器人控制器，机器人控制器根据接收的地形识别结果，按照预设的行为姿态参数对机器人的姿态及行走速度进行控制。

本技术方案中，采用低成本、超薄且速度敏感的单一触觉传感器，即压力传感器或传感器阵列，以实时检测足型机器人在运动过程中的地表面与机器人足部之间的物理相互作用力的变化，进一步结合经过预训练(离线训练)的分类器实现实时行走的地形识别。并且，由于足型机器人相对其他类型的机器人而言更容易摔倒，本技术方案中的机器人控制器接收到地形标识之后，根据预设的行为参数快速地调整及控制足型机器人的行走速度和/或姿态，从而提高足型机器人在不同室内地面的行进过程中的稳定性。

进一步地，本发明还提出一种机器人地形识别及速度控制系统，应用上述机器人地形识别及速度控制方法。其中包括足型机器人，所述足型机器人双足足底分别设置有压力传感器；所述足型机器人内部设置有依次连接的地形识别模块、选通电路和控制模块。