基于AR技术的设计评价系统研究

目的 增强现实技术(AR)的应用研究是产品设计领域的研究趋势之一,旨在研究AR技术与产品设计评价之间的关联性,探求AR技术在此领域的应用方法.方法 基于产品模型、AR体验创建平台和设计评价三大模块构建基于AR技术的设计评价系统,再以在机场环境中的安防机器人为例,以形态、色彩、曲面、人机交互、环境适配和经济适用为主要评价参数,分析此系统的实际应用情况.结果 与现有AR系统对比分析,此系统在颜色更改、比例调整、动态展示三方面具有优势,对产品展示、产品完善、产品设计相关参数的评价以及与客户沟通等方面具有重要意义.结论 在三维层面,基于AR技术的设计评价系统实现了产品展示的多空间、多角度、多层级的转变,对于评价产品设计更具直观性、实用性和经济性,且具有十分重要的实际意义.     

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。     

面向双侧训练的前臂外骨骼肌肉力-电关系识别模型

为了使前臂外骨骼系统能准确识别健肢运动的肌力水平,并带动患肢进行双侧训练,提出基于表面肌电的肌肉自主收缩力-电关系识别模型.通过4名被试者,实验采集前臂4种抓握力度下的肌电信号和握力值.利用单因素方差分析与多重比较产生的同类子集,提取11个具有显著性差异的肌电时域指标作为特征值.采用Elman神经网络构建力-电关系分类模型和肌力预测模型,并与基于支持向量机和基因表达式编程的预测模型进行性能比较.实验结果表明:Elman模型能够成功识别4种不同握力水平,建模效率高于基因表达式编程模型,肌力预测的泛化性能优于支持向量机模型.开发一个前臂外骨骼,在双侧训练的控制中验证了方法的有效性.     

基于EKF的服务机器人目标跟踪定位研究

针对服务机器人系统环境感知问题,设计了智能服务机器人系统的多传感器信息融合模块,采用扩展卡尔曼滤波算法(EKF)实现里程计与激光雷达融合的目标跟踪定位方法,建立基于EKF的定位模型,通过EKF将激光雷达的观测信息和增量式光电解码器状态的预测信息对机器人的状态进行更新,消除增量式光电解码器定位和激光雷达存在的累计误差,排除加速度的干扰得到位置的最优估计,并通过实验验证系统模块的可靠性与稳定性。