基于模糊补偿的主从式上肢外骨骼康复机器人训练控制方法

针对主从式上肢外骨骼康复机器人主臂信息获取、从臂快速响应等问题,提出了基于关节位姿、速度和力/力矩等信息的运动意图建模方法及基于模糊补偿的康复训练控制策略.根据人体工程学原理,提出了一种同构同型的主从式双臂康复机器人新型结构;利用D-H算法给出了笛卡儿空间的主从臂运动学模型,建立了患者健肢运动意图信息和从臂各关节动作的人机协作映射关系;以患者运动意图力矩作为输入,基于模糊补偿算法提出了患者-主臂-从臂协作控制策略,并利用李亚普诺夫定理证明了该控制系统的稳定性.仿真结果表明,康复机器人从臂可以根据患者运动意图跟随主臂运动,能有效地防止抖动误动,可避免对患肢的二次伤害.实验结果表明从臂运动轨迹平滑,无剧烈波动,控制轨迹跟踪主臂效果好.     

人手到灵巧手的运动映射实现

本文研究主从操作中人手到灵巧手的运动映射．提出了一种基于虚拟关节和虚拟手指的关节空间运动映射方法，实现了人手和灵巧手的三维运动仿真．以数据手套为人机接口，在虚拟环境下，通过直观地比较映射效果，验证了映射算法．     

基于Kinect的动态手势识别

针对现有的动态手势识别率低,识别手势少等不足,利用Kinect设备提出了动态手势识别算法.首先利用Kinect捕获人的手部区域,采用基于像素分类的指尖检测算法找到指尖的个数,并以左右手的手指个数作为动态手势的开始和结束;对人手的运动轨迹进行分析,针对运动轨迹的运动方向的变化,提取了该动态手势的运动方向变化角度作为特征;采用隐马尔科夫模型训练和识别各个手势.实验结果表明:方法能够识别16个大写手写英文字母,且效果较好.     

腹腔微创手术机器人的主从控制

为提高基于内窥镜的腹腔微创手术机器人系统的手眼协调一致性,提出了一种主从控制方法.基于旋量理论建立从手系统的正逆运动学模型,基于运动模型提出内窥镜坐标系下的主从运动控制算法,该算法包含了运动的一致性控制、相对运动控制和比例运动控制.主手的腕部为被动方式(无电机驱动),不能在任意位置保持静止,在手术开始、中途中断或调节主手工作空间时,主手和从手姿态不能保持一致.为此,开展3种辅助功能实现研究,分别为主从姿态配准、手术器械更换和主从二次映射.最后进行了套环和穿线实验,这两组实验最大空间位置误差均小于1 mm,说明该算法可有效地提高手眼协调的一致性.     

具有滚动接触的多指手操作运动学及其算法

研究多指手滚动操作的运动学及其算法.简要介绍了滚动接触运动方程,根据接触的 运动学约束,建立了描述物体与关节速度关系的关节--物体运动方程,并给出物体与手指表 面间相对角速度的表达式.得到的关节--物体运动方程、相对角速度表达式和接触运动方程 构成了形式简洁的滚动操作运动学方程.结合对方程的分析,进一步给出了多指手滚动操作物 体跟踪期望的运动轨迹时,关节运动轨迹的生成算法.     

改进卷积神经网络的动态手势识别

针对现有的单目视觉下动态手势识别率低、识别手势种类少等问题提出一种联合卷积神经网络和支持向量机分类（CNN-Softmax-SVM）的动态手势识别算法.首先采用一种基于YCbCr颜色空间和HSV颜色空间的快速指尖检测跟踪,能在复杂背景下实时获取指尖运动轨迹;其次将指尖运动轨迹作为联合CNN-Softmax-SVM网络的输入,最终通过训练网络来识别动态手势.测试结果显示,采用联合CNN-Softmax-SVM算法能够很好地识别动态手势.     

融合手势全局运动和手指局部运动的动态手势识别

传统基于手部轮廓或手部运动轨迹的动态手势识别方法,其提取的特征通常难以准确表示动态手势之间的区别.针对动态手势的复杂时序、空间可变性、特征表示不准确等问题,提出一种融合手势全局运动和手指局部运动的手势识别方法.首先进行动态手势数据预处理,包括去除手势无效帧、手势帧数据补全和关节长度归一化;然后根据给定的手部关节坐标,利用手势距离函数分段提取动态手势关键帧,并基于手势关键帧提取手在空间中的全局运动特征和手内部手指的局部运动特征;其次融合手势全局运动和手指局部运动的关键帧手势特征,并采用线性判别分析进行特征降维;最后利用带高斯核的支持向量机实现动态手势识别与分类.对DHG-14/28动态手势数据集中14类手势和28类手势数据集进行实验,其分类识别准确率分别为98.57%和88.29%,比现有方法分别提高11.27%和4.89%.实验结果表明,该方法能准确地表征动态手势并进行手势识别.     

基于机器视觉的动态多点手势识别方法

提出了一种高效的基于HSV颜色空间的多目标检测跟踪方法,实现通过摄像机实时检测跟踪多个指尖目标;定义了一套基于指尖运动轨迹的动态手势模型,并提出了动态手势识别方法;对于两点动态手势,通过BP神经网络进行手势学习和手势识别,而对于模拟鼠标手势和四点动态手势,利用指尖之间相互位置关系进行手势识别.测试结果表明,该方法能够快速、准确的跟踪多个运动的指尖目标并进行动态多点手势识别.     

外骨骼式遥操作主手设计及主从异构映射算法研究

为了更好地促进机器人适应复杂的遥操作任务,开发了能够精确获取人体上肢运动信息的外骨骼式遥操作主手,并通过异构映射算法,实现对6自由度协作机械臂的遥操作．首先,基于人体仿生结构,设计了可穿戴式8自由度外骨骼主手（臂部7自由度和手部1自由度）;其次,通过改进的D-H（Denavit-Hartenberg）方法建立遥操作系统的运动学模型,基于Matlab的机器人工具箱进行了工作空间仿真,并设计主从异构映射算法;最后,实验验证外骨骼主手在遥操作系统中的可操作性,以及工作空间异构映射算法的可行性．实验表明,外骨骼主手能够控制从端机械手臂,且保证末端位置和姿态一致,可在大范围工作空间内复现人体上肢精细运动,主从跟随误差达2 mm,工作空间类似于直径1.08 m的半球形．因此,可穿戴式的外骨骼主手使操作者能更加直观地参与到遥操作系统当中,辅助操作者更加高效地完成精细复杂任务．     

基于惯性测量系统的人体运动捕捉技术

通过对人体运动捕捉技术的研究,引入对偶四元数姿态变换方法,利用惯性姿态测量系统捕捉手臂关节的运动角速度、运动加速度、运动轨迹等信息。结合惯性传感器捕捉的人体肢体段的运动学参数,建立虚拟人体棒状骨架模型,实时驱动虚拟人手臂运动。实验结果表明,对偶四元数变换的方法结合了四元数旋转和对偶数平移的特点,避免了在大角度下欧拉角产生的奇异现象;对比图像捕捉系统,惯性运动捕捉系统能够方便获得运动姿态数据,快速建立虚拟人体结构模型。     

基于MEMS传感器的三维空间运动轨迹提取方法

基于MEMS传感器的手势识别的一般方法是通过对每个手势进行运动学分析找出每个手势的加速度特征,以此作为识别手势的特征值。这表明该方法需要人工设计特征值,不利于用户的自定义操作。针对这种情况,提出一种空间定位方法。首先获取传感器数据并发送到PC端,并在PC端进行积分处理,转化成空间数据,从而记录手势的运动轨迹。最后结果表明,该方法可以成功记录手部的运动轨迹,不用对每个手势单独进行运动学分析,使得用户在后续的研究中可以实现自定义手势。     

仿人机器人复杂动作设计中人体运动数据提取及分析方法

提出了仿人机器人复杂动作设计中人体运动数据提取及分析方法. 首先, 通过运动捕捉系统获取人体运动数据, 并采用运动重定向技术, 输出人--机简化模型的数据; 然后, 对运动数据进行分析和运动学解算, 给出基于人体运动数据的仿人机器人逆运动学求解方法, 得到仿人机器人模型的关节角数据; 再经过运动学约束和稳定性调节后, 生成能够应用于仿人机器人的运动轨迹. 最终, 通过在仿人机器人BHR-2上进行刀术实验验证了该方法的有效性.     

面向人臂三角形动作基元的拟人臂运动学

对拟人臂的运动规划问题进行了研究.通过引入动作基元的概念,将动作基元空间作为连接任务空间与关节空间的桥梁,构建了一个"关节空间-动作基元空间-任务空间"的三级运动规划框架.这种规划方式既保证了对拟人臂运动过程的控制,又简化了复杂操作任务的运动规划.在抽象的动作基元基础之上提出了一个具体的人臂三角形模型,用以描述拟人臂的运动状态.通过引入拟人臂工作平面的概念,利用坐标变换与几何分析相结合的方法详细推导并建立了人臂三角形空间与任务空间和关节空间之间的正逆运动学,为基于人臂三角形的动作基元设计奠定了基础.最后通过仿真算例验证了运动学算法的有效性与可行性.     

基于视觉的大鼠肢体运动自动分析系统

设计并实现了实验大鼠肢体运动自动分析系统,系统由通用视频设备和计算机硬件组成,采用基于颜色标记的运动捕捉技术,提出了一种RGB空间映射到HSV空间的快速转换方法,以及快速颜色分类算法结合轮廓搜索算法得到标记点坐标,提取肢体运动学特征参数,并应用于步态行为分类和识别.实际测试平均每帧处理时间小于10ns,识别正确率97％...     

基于Kinect骨骼信息与深度图像的指尖点检测

针对普通摄像头手势识别系统易受复杂环境和光照条件等因素影响,存在对指尖点的漏判、误判问题,提出一种基于Kinect 骨骼信息与深度图像的掌心点提取和指尖点检测的手势识别方法。在DRVI平台上创建Kinect的接口控件,对Kinect传感器获取人体骨骼信息和深度图像进行分析,采用了坐标映射、图像分割、距离变换的关键技术和方法从深度图中分割出手势部分区域,对手势区域形态学处理,结合凸包和K-曲率算法检测不同手势中指尖点的个数和位置,计算不同手势凸包轮廓上的点集生成的HOG(Histogram of Oriented Gradient)特征描述子,最后利用特征描述子对预定的6种数字手势进行识别。经实验测试可以在复杂环境和不同光照情况下正确识别指尖点。     

理疗师交互下的下肢康复训练机器人个性化步态规划方法

针对偏瘫患者的个体差异及病况差异,提出了一种理疗师交互下的下肢康复训练机器人步态规划方法,在理疗师-减重悬吊式康复训练机器人-患者三者共存的复杂环境中,理疗师穿戴主控外骨骼直接行走实现步态时空参数规划,并融入理疗师的医学经验及对患者的评估.首先,基于旋量理论建立运动学模型,实现理疗师空间与机器人空间的运动映射;然后,统一规划机器人关节运动轨迹、减重机构重心调整轨迹及跑步机步速.最后,通过理疗师步态参数的实时采集、运动映射实验及机器人轨迹跟踪实验,验证了步态时空规划方法的有效性.结果表明,髋、膝关节规划角度在人体关节活动范围内,速度变化平稳,关节轨迹规划和重心调整规划均符合人体行走的生理特性.理疗师的参与实现了渐进康复训练中的个性化步态规划.     

基于马尔可夫模型的手势识别算法

同时应用手形及其运动轨迹两大特征实现动态手势识别。在轮廓跟踪过程中,获得手部轮廓,同时用轮廓质心的坐标表示手的位置获取手势的运动轨迹,则可得动态手势的特征向量,即观察值序列;然后采用左右结构的带有4个状态的离散马尔可夫模型实现手势识别。试验结果表明算法提高了手势识别率,也达到了实时性效果。     

基于执行时间约束的机器人关节空间轨迹优化

为在保证机器人运动轨迹的平滑性的条件下提高机器人工作效率,提出一种基于轨迹执行时间归一化处理的关节空间运动轨迹规划优化算法。对轨迹的执行时间进行归一化处理,分析关节空间位置、速度、加速度的运动轨迹相对于归一化时间的数学模型;考虑关节运动参数的约束条件,采用五次多项式拟合机器人在关节空间的运动轨迹,分析不同轨迹执行时间对关节位置运动轨迹的超调量的影响,实现机器人关节空间的位置轨迹优化;在M atlab环境里对机器人的运动轨迹进行仿真建模,完成机器人运动学仿真。多组仿真结果表明,该算法在保证机器人轨迹平滑的基础上,能保证轨迹执行时间最优,有效地提高机器人的运动效率。     

用于丝驱动连续体机器人的实用运动学研究

针对单段及多段连续体机器人运动学问题,提出分段常曲率与粒子群算法相结合的完整正逆运动学分析方法.以双段丝驱动连续体机器人为研究对象,首先设计含平移段的机器人样机;然后利用分段常曲率方法建立驱动空间与关节空间的相互映射,根据齐次变换得到关节空间至工作空间的正映射关系;最后利用线性递减权重粒子群算法实现工作空间至关节空间的逆映射.对双段连续体机器人的运动学进行仿真及逆运动学求解耗时测试,并在研制样机上进行了实验验证.仿真结果说明了所提运动学研究方法的合理性及逆运动学求解的快速性,实验结果显示位置平均误差小于双段连续体机器人本体长度的6.22％,验证了所提运动学的有效性.     

基于Kinect的类人机械臂关节运动直接示教

针对人机自然交互技术研究中人臂与机械臂的关节映射问题,提出了一种7自由度类人机械臂关节运动直接示教方法.该方法利用Kinect获取笛卡儿空间内人臂特征点的空间位置坐标,研究了一种基于肘部约束的冗余7自由度人臂逆运动学解法,求解得到关节角度数据.为解决由于Kinect对人臂追踪性能限制所造成的机械臂抖动问题,提出了一种滤波方法来平滑处理机械臂的关节运动轨迹.最终,通过搭建基于Motoman类人机器人的实验平台并开展相应实验研究,验证了所提方案的可行性与有效性.