面向外骨骼机器人人机交互的步态数据获取系统及识别模型

外骨骼机器人人机交互是当前的研究热点,通常需要获取人体相关运动信息作为控制信号源。为了采集人体步态数据,研究了生理信号与关节运动之间的关联机制,设计了一种步态数据获取系统,其利用鞋内薄膜压力传感器和关节角度传感器组成测试设备,成功采集了15组健康男子在3km/h、4km/h和5km/h 3种速率下自然行走的步态数据。提出采用基因表达式编程建立膝关节运动识别模型,并使用所采集的步态数据进行训练和验证。结果显示,利用此模型可有效进行关节运动的识别和预测,验证了本系统作为外骨骼人机接口的可行性。     

人体姿态识别算法在视觉人机交互中的应用

针对当下视觉人机交互应用中所面临的识别过程复杂,交互效率低等一系列问题,提出了一种基于人体构造的姿态识别算法。利用该算法和软硬协同的设计思想,在FPGA平台上实现了一套运用视觉感知进行交互的机器人控制系统。图像采集模块获取双摄像头的画面,图像预处理模块完成降噪和冗余帧的去除,关节识别模块实现对人体皮肤和关节处颜色标记的检测;得到的关节位置信息送入软核,运用空间向量模型识别出肢体动作。最终将识别结果编码后通过蓝牙传输给远端机器人。实际测试表明,该算法能快速准确地识别出绝大部分基本的肢体动作,机器人能实时跟随人体简单运动。     

仿人机器人步态平衡泛化模型的建立与仿真

通过人体示教计算零力矩点(zero moment point, ZMP),并通过补偿关节角度对其矫正的方法可以解决机器人步行不稳定的问题,但仍存在算法复杂度过高等问题。本文提出一种人体示教与机器学习相结合的方法,基于支持向量回归算法建立机器人的步态平衡泛化模型,通过该模型可以实现对模型输入人体示教的关节角度和ZMP信息后直接得到经稳定性补偿的关节角度,并以此驱动机器人完成步行动作。引入鲸鱼优化算法(whale optimization algorithm, WOA)优化模型的参数以使模型得到最优的泛化效果,完善步态平衡模型的性能。WEBOTS仿真平台下,使用模型输出的补偿后的关节角度驱动NAO机器人,其动作自然、稳定且算法复杂度较低,验证了本文方法的可行性。     

遥操作护理机器人系统的操作者姿态解算方法研究

设计了一种遥操作护理机器人系统,为实现从端同构式机器人的随动运动控制,对主端操作者人体姿态解算方法进行了研究.首先,构建由惯性传感单元构成的动作捕捉系统,对用作从端机器人动作指令的操作者人体姿态信息进行采集,采用四元数法对人体运动原始数据进行初步求解.其次,将四元数法得到的姿态数据解算成依据仿人结构设计的护理机器人各关节运动的目标姿态角,实现人体姿态到机器人动作的同构性映射.最后,为验证本文所提姿态解算方法的性能,设计了操作者控制护理机器人完成递送和拿取药瓶动作的实验.结果表明,本文姿态解算方法的解算性能与参考系统基本相同;在操作者动作姿态快速变化的时间段,系统仍可获得较高精度的目标姿态数据,其误差在动态条件下依旧能保持在2%以下;护理机器人可较好地实时复现操作者的人体动作.本文方法能满足机器人进行一般护理作业时对人体姿态数据处理的快速性和准确性要求.     

基于线性二次型最优控制的机器人示教数据处理系统设计

针对机器人拖动示教过程中传感器采集的数据含有噪声的问题,提出了一种基于线性二次型最优控制的运动轨迹控制器。首先,针对机器人关节运动特性建立状态空间模型,并设计相应的性能指标;然后,采用线性二次型最优控制设计最优控制律和相应的控制系统;最后,以Franka Emika机器人为示教对象进行实验,将机器人自身传感器采集的数据作为最优控制系统的输入,将系统输出用于机器人的运动控制,完成机器人拖动示教。实验结果表明,线性二次型最优控制方法能有效抑制传感器采集数据的噪声,较好地将关节速度、加速度和急动度的幅值控制在合理范围内,使处理后的数据能更好地应用于机器人的拖动示教。     

小型双足步行机器人的机构设计及其运动仿真

小型双足步行机器人具有多关节、多驱动器、多自由度的特点,本文以人体全身17个主要关节及其运动特性为研究对象,利用三维设计软件CATIA设计出小型双足步行机器人的全身机构,根据ZMP理论,以正常人行走的“X”形交叉动作为原则,规划出其各关节转角,在ADAMS下对其虚拟样机进行运动仿真,确保实现机器人的稳定步行和做舞蹈动作。     

基于加速度传感器的下肢康复机器人示教训练

将康复治疗人员的临床治疗经验与康复机器人的训练结合,能够有效提高已有下肢康复机器人的训练性能,为此提出一种基于加速度传感器的示教训练方法及无线数据采集系统。通过已有的外骨骼式下肢康复机器人,分析并推导出关节角度与末端轨迹的关系及关节加速度与关节角度的关系。通过加速度信息分析出轨迹信息从而控制训练轨迹。研发的无线数据采集系统提取康复师训练时患者下肢加速度信息并转化成轨迹信息,进而被用于康复机器人示教训练控制。实验结果证明,该系统能够满足康复机器人的示教训练要求。     

基于人体骨架信息的行为检测系统设计

为了解决现有行为检测系统中依赖惯性传感器、检测结果不够准确的问题,设计了基于人体骨架信息的行为检测系统;系统采用Jetson Nano人工智能计算设备作为主控模块,结合图像采集模块、显示模块和以Atmega328单片机为主的报警模块构成;系统利用图像采集模块采集行为视频信息,通过主控模块中的行为检测器对视频中人体行为进行检测,报警模块通过串口接收检测结果并对危险行为进行预警;同时,利用人体骨架的关节空间运动幅度、肢体关联差异,建立了关节帧间位移矢量和骨骼夹角变化的关节行为模型,再借助长短时记忆网络提取行为特征,并训练实时行为检测器;经实验测试,该系统能够有效检测常见的人体行为并对危险行为类别进行报警提示。     

基于自动获取彩色目标的手臂运动轨迹跟踪

将计算机视觉应用于对示教者动作的分析,控制机器人完成动作轨迹的复现,成为机器人智能化的一个研究方向。针对机器人模仿示教者动作的视觉需求,提出一种基于自动获取彩色目标的目标跟踪算法。该算法在L*a*b空间采用k均值聚类算法对彩色图像分类;在HSV空间基于H分量采用直方图门限法识别彩色目标,最后采用camshift算法实现在图像序列中对目标轨迹的跟踪。通过对人体手臂关节点运动轨迹跟踪的实验表明,该算法能自动准确地识别多个彩色目标,并自动生成手臂关节运动轨迹,是机械臂模仿示教者动作的关键技术之一。     

冗余驱动仿下颌运动机器人的机构设计及轨迹规划

为实现人体下颌的运动,针对下颌系统的冗余特性和颞下颌关节运动的独特性,提出一种新型的冗余驱动的仿下颌运动机器人.首先,根据人体下颌运动机理以及仿生设计参数对仿下颌运动机器人进行样机设计.然后,基于虚拟仿真软件,对冗余驱动的仿下颌运动机器人进行轨迹规划.最后,在样机上进行下颌功能运动实验,分别模拟下颌的开闭、前后和侧方运动.结果证明该仿下颌运动机器人能够实现人体下颌的运动,特别是颞下颌关节的运动.