动态双足机器人的控制与优化研究进展

对动态双足机器人的可控周期步态的稳定性、鲁棒性和优化控制策略的国内外研究现状与发展趋势进行了探讨.首先,介绍动态双足机器人的动力学数学模型,进一步,提出动态双足机器人运动步态和控制系统原理;其次,讨论动态双足机器人可控周期步态稳定性现有的研究方法,分析这些方法中存在的缺点与不足;再次,研究动态双足机器人的可控周期步态优化控制策略,阐明各种策略的优缺点;最后,给出动态双足机器人研究领域的难点问题和未来工作,展望动态双足机器人可控周期步态与鲁棒稳定性及其应用的研究思路.     

视频监控场景下基于单视角步态的人体身份及属性识别系统

基于步态的特征识别是一种新兴的生物特征识别技术,旨在通过人们走路的姿态进行身份和相关属性的分析.与其他的生物识别技术相比,基于步态的识别方法具有难隐藏性、非接触性和可远距离使用的优点.本文设计出一个视频监控场景下基于单视角步态的人体身份及属性识别系统,该系统通过图像处理方法从复杂的监控视频中实时检测出人体的步态,经过利用深度学习训练过的算法进行分析后,获取人体的身份、性别和年龄信息.实验表明,系统的身份识别准确率达98.1%,性别预测准确率达97.1%,年龄预测平均绝对误差为6.21岁,实验结果均优于传统基准算法,且系统开发成本低,支持实时检测,能充分满足中小规模步态研究与分析的需要.     

六足气动机器人的结构设计与步态规划

本文设计了一种六足气动机器人,由本体、六条相同的腿部、足部等连接件组成。六条腿部对称呈对称分布与本体两侧。腿部具有柔性关节。通过控制向腿部气橡囊中通入气体的压力及方向的不同,可实现机器人腿部轴向伸缩和弯曲变形。并通过步态规划实现了机器人的前后移动,为气动柔性机器人的研究提供一定的理论基础。     

基于步态加速度的步态分析研究

介绍了基于加速度传感器的便携式步态数据采集模块的设计方案.重点分析了步态加速度信号的特征,以及利用步态加速度的无偏自相关特性提取步态参数方法,并通过分析、对比人单步(左、右脚步)与步态周期间的相关系数,实现了步态对称性的评估.     

基于粒子滤波算法的足底压力预测

针对人体下肢运动状态识别精度低的问题,提出了一种基于足底压力的下肢运动状态识别预测方法。以EMED足底压力平板采集的不同步速下各40组足底压力数据为试验样本,通过分析足底压力特征参数,构建步态相位,建立足底步态周期关系,以及步态位移模型。下肢运动是非线性运动,采用步态周期模型结合粒子滤波算法实现足底压力预测。先对粒子群初始化获取先验概率密度函数,对预测压力进行估计,其次对状态向量检验,使用多元线性回归推导出预测足底压力。实验结果表明,在不同步态速度下,粒子滤波算法性能好,精确度达到97%以上,从而证明了足底压力预测方法的有效性。补充不同年龄、性别、体重的实验者的足底压力数据进行分析,预测精度均在97.5%以上,验证了预测算法的稳定性和精准性。     

一种双足机器人实时步态规划方法及相关数值算法

针对步行双足机器人实时步态规划问题,提出了一种改进的非线性模型预测控制（NMPC）方法．采用扩展的关节坐标,将单腿支撑相（SSP）和双腿支撑相（DSP）统一表示为一个非线性动力学模型．通过对SSP和DSP的3个阶段设定运动学和动力学虚拟约束,将复杂实时步态规划问题转化为4个以预测时域内控制量二次型为代价函数的NMPC问题．采用直接法将连续优化问题参数化为有限维优化问题,并采用惩罚函数法将状态变量约束转化为代价函数中的惩罚项,从而得到能够用渐进二次规划（SQP）求解的有限维静态优化问题．仿真结果表明,应用该方法对BIP机器人模型进行实时步态规划,实现了包含足部转动的动态步行,且机器人满足稳定性条件,不发生侧滑,从而证明了该方法的有效性和可实现性．     

基于机器学习的人体步态检测智能识别算法研究

为实现快速步态状态判断,以更好地对下肢外骨骼进行高精度的步态识别和控制,进行了基于可穿戴惯性测量装置检测人体姿态变化的算法研究.通过对人体下肢的跌倒、转弯、蹲坐与起立等非周期性步态变化活动进行测算试验,获得了受试者实验过程中身体角度、下肢关节角速度和加速度变化等数据,随后应用随机森林等4种机器学习经典分类算法对受试者进...     

三维步态识别研究进展

步态识别在身份识别领域具有重要的研究意义。随着技术的发展,步态识别的研究热点正从二维（2D）转向三维（3D）。与图像固有的2D信息相比,用视觉技术还原的3D信息能更有效地预测人员的身份。在2D视觉领域中,由于受到物体遮挡、视角变化等因素的影响,传统的步态识别方法在实际应用中难以取得理想的识别性能。基于人体3D重建和人体3D姿态估计等3D人体技术,近年来的研究在3D步态识别领域取得了一系列进展。本文介绍了3D步态识别方法,探讨了基于3D步态的身份识别领域的研究现状、优势与不足;总结了主要的3D步态数据集;讨论了3D识别方法与2D识别方法的对比;提出了3D身份识别领域未来潜在的研究方向,包括3D数据集的采集和整理、2D 和 3D 数据的多模态融合等。     

欠驱动两足步行机器人研究现状

针对欠驱动两足步行机器人的研究现状与发展趋势进行了探讨。首先,总结了被动行走和踝关节欠驱动两足机器人的研究现状,介绍了欠驱动两足步行机器人的基本研究方法,包括问题描述、步态规划、运动控制和稳定性判定等,并对欠驱动两足机器人需要进一步研究的问题和发展方向进行深入研究,最终目标是将欠驱动控制策略应用于两足步行机器人的行走过程控制,以提高其运动性能。     

基于改进深度卷积神经网络的步态识别算法

针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。