工程论文哪里有？本文提出了基于足式里程计辅助的视觉定位方案，利用并联六足机器人的结构特点，对足式里程计进行建模并与视觉里程计相结合，采用扩展卡尔曼滤波算法融合里程计数据实现高精度定位。
1 绪论
1.2.1 六足机器人研究现状
20世纪60年代，国外机器人领域的学者逐渐着手研究六足机器人。起初罗马大学Petternela等人研制了首款电动六足机器人用于实现与人的交互。美国俄亥俄州立大学Robert MC Ghee等人则设计了机器人OSU Hexapod[5]，该类型机器人为六足生物仿生机器人，借鉴了大自然中蜘蛛的行进方式，如图1-5(a)所示。到了21世纪初，日本千叶大学研究出了COMET系列机器人，具备在崎岖山路上行走的能力。此外，COMET-IV机器人的腿部结构使用液压方式驱动，负载能力较强。目前为止，该系列机器人已更新到了第四代，COMET-IV为最新型号，如图1-5(b)所示[6]。此外，21世纪初期涌现出的了用于灾难救援的Lauron-IV系列机器人、SIL-06野外检测及排除伤害性地雷机器人以及用于勘探环境的小体积机器人Spider-bot等，为未来战术行动和应急救援类机器人的研究打下了重要基石[7][8]。
20世纪30年代我国开始进行足式机器人的研究。早期文献表明，中国科学院长春光学精密机械研究所曾进行了六足机器人的相关研究[9]。图1-6(a)为哈尔滨工业大学机器人研究协会在2006年研制的机器人HIT-CR-I[10]，专为野外侦察任务设计，该机器人利用基于ARM芯片的控制系统实现全方位移动，并使用了基于Cruse规则的自由步态。2013年，上海交通大学高峰研究团队开发了六足机器人Octopus[11]，其最显著的特点是六条腿使用并联形式，包含1个UP链和2个UPS链，如图1-6(b)所示。北京理工大学的Cher等对他们研制的四足机器人“哪吒”进行了改进，研究出了机器人BIT-NAZA-II，如图1-6(c)所示[12]。它在平整环境中使用轮式结构行走，行动迅速且耗能低；而在起伏道路上则使用足式结构行走，具备较强的灵活性和登高能力。此外，该机器人可以对Stewart平台的垂直自由度进行控制来调节机器人的位姿，同时解决了腿部悬挂挑战。
3 半稠密三维重建视觉SLAM算法
3.1 引言
并联六足机器人导航算法的研究离不开定位与环境地图构建这一重要步骤，定位与建图正是SLAM的基本概念，简而言之，就是在环境信息未知的情况下，使用某种传感器实时地构建出环境模型，并同时估计自身的位姿。本文使用的并联六足机器人在后续开发中拟包含与人的交互功能，所以用到的传感器为深度相机，故称为视觉SLAM。 现有的开源视觉SLAM算法中，具有代表性的算法有ORB-SLAM2、PTAM、SVO、DSO等，如表3-1所示为以上算法的对比。
ORB-SLAM2结合回环检测与全局优化，可以处理数千个关键帧的地图，适用于复杂环境的定位与建图。同时，ORB-SLAM2的代码相对简洁清晰，易于理解和实现，并且具有较高的可移植性，能够方便地部署到不同的硬件平台和应用场景中。但由于使用基于特征点法的纯视觉定位与建图会在提取特征点上存在大量耗时，故本章节针对该问题设计改进的SLAM方案减少算法计算时间，同时增加半稠密建图功能，提供导航时所需要的环境地图。
5 并联六足机器人导航算法
5.1 引言
本章将详细介绍并联六足机器人导航的流程和方法。在前两章中，本文已进行了环境地图的构建和机器人定位，为导航任务奠定了基础。通过栅格地图构建，我们能够准确描述机器人周围的环境，并将其用于路径规划。本文将介绍经典的A*算法和动态窗口法(DWA)，并提出将全局路径规划与局部路径规划相融合的方法以实现更加灵活和高效的导航。接着，提出路径规划结果执行方案，包括轨迹划分和机器人步态规划等关键步骤。最后在仿真环境中验证并联六足机器人导航系统可行性，包括实验环境的介绍、环境地图的建立以及机器人导航实验的过程和结果。
5.2 栅格地图构建
并联六足机器人导航的环境为室内平面，使用二维占据栅格图来提供环境地图[54]。将地图进行栅格化后，各栅格可以处于占据、空闲或未知状态，如图5-1所示。
路径规划算法种类繁多且都有其独特的优缺点，全局路径规划算法，如A算法和Dijkstra算法[55]，能够在整个地图上搜索最优路径，具有较好的全局规划能力，但计算复杂度较高，不适合实时应用。局部路径规划算法，如DWA算法和TEB算法[56]，能够快速生成适应当前环境的局部路径，具备优秀的响应速度和即时性，但可能无法保证全局最优性。混合路径规划算法，如Hybrid A[57]算法和RRT*算法[34]，结合了全局规划和局部规划的优势，能够在保证全局最优性的同时实现快速的局部路径规划，但算法复杂度较高，不适合所有场景。
6 总结与展望
6.2 展望
针对并联六足机器人在室内场景中的导航与避障研究存在以下几点需要优化：
（1）针对足式里程计定位误差较大从而导致融合视觉里程计定位精度不理想的问题，接下来可以进一步利用多传感器融合定位策略，结合惯性测量单元IMU以及超宽带无线通信技术（UWB）来提高定位精度。
（2）由于并联六足机器人具有一定的高度，对于一些矮小的障碍物可以直接跨越通过，故可将二维占据栅格地图替换为三维栅格地图，充分利用机器人的结构特点进行路径规划，从而实现更完善的路径规划算法。
（3）对于与室内环境的交互而言，可以使用深度学习来构建具有语义信息的环境地图，并通过对行人的跟踪实现动态避障功能，使并联六足机器人能够提高对场景中静态和动态信息的识别能力，实现其在博物馆、科技馆等高干扰环境中的导航与避障功能。
参考文献（略）
