【摘要】：隨著智能機器人技術的不斷發(fā)展,逐漸激發(fā)了人們對交互體驗的更高要求�；隗w感的人機交互在提高智能性以及舒適性等方面都具有重要價值,而機器的人動作模仿則是該領域的研究重點之一。本文以法國Aldebaran Robotics公司的NAO_V5機器人作為實驗平臺,以KinectV2深度相機作為體感采集設備,設計模仿交互系統(tǒng)。并針對模仿過程中數(shù)據(jù)采集優(yōu)化、肢體動作映射以及手部動作識別控制等問題進行了深入研究,研究內容包括如下四個部分:首先,通過Kinect傳感器獲取人體深度圖像與骨骼數(shù)據(jù),記錄人體關節(jié)位置數(shù)據(jù),通過坐標空間轉換發(fā)送給NAO機器人,完成人機交互下的初級動作模仿。其次,針對模仿過程中采集數(shù)據(jù)時出現(xiàn)的抖動和跟蹤誤差問題,提出改進的非線性約束卡爾曼濾波方法。該算法將非線性骨長度約束納入有效的濾波跟蹤方法中,并通過求解帶等式約束的極大似然估計方法,解決參數(shù)在求解過程中的穩(wěn)定收斂問題。實驗證明,估計狀態(tài)的均方誤差由6.06dB下降到了5.77dB,對骨長度變化標準偏差的性能評估由23.1%上升到94.31%,算法有效提高了數(shù)據(jù)的平滑性和抗干擾性,再次,在手臂模仿基礎上對模仿動作算法進行優(yōu)化。針對NAO機器人物理結構的限制,采用基于牛頓迭代法的逆運動學算法,通過目標位置與正運動學求出的當前位置之間的差值比較,在運動學、動力學及關節(jié)閾值等條件的約束下,迭代實現(xiàn)差值最小化,以此時的關節(jié)角度作為機器人的最終映射角度,保證系統(tǒng)能夠在滿足運動相似性的基礎上兼顧自身的物理限制。通過對典型動作姿勢的模仿進行實驗評估,驗證優(yōu)化算法的有效性。最后,針對實時模仿過程中手部動作因空間位姿限制引起的采集效果不佳的問題,通過提取采集圖像的梯度方向直方圖,利用支持向量機訓練分類模型,識別不同位置上手部動作變化。實驗證明,離線測試的結果為92%,實時在線測試也顯示較高的識別速度和準確率。
【圖文】：

動作交互的研究離不開實驗平臺搭建，本章根據(jù) NAO 機器的軟、硬件配置特點，結合計算機平臺的 Pycharm 開發(fā)環(huán)境，用于動作模仿實驗。 機器人設備分析 機器人的硬件結構分析器人是法國 Aldebaran Robotics 公司 2004 年開發(fā)的多自由度如圖 2-1 所示。NAO 機器人高 57 公分，重 4.5 公斤，擁有 2為電機與制動器，極大程度上保證了能靈活做出類似于人類的配備了各種傳感器，，包括攝像頭，麥克風，聲納傳感器，觸覺度計，以及用于自我表達的語音合成器、LED 燈和揚聲器，C 無芯形式的執(zhí)行器，保證了在行走和動作中良好的交互性、應用于科研、娛樂和服務等行業(yè)。

了出色的硬件配置，Aldebaran 公司為了保證良好的交互和控制體驗，長期致力于 NAO 機器人嵌入式系統(tǒng)的開發(fā)和性能完善，希望開發(fā)人員人機器人新型項目的研究人員共同設計跨平臺工具以及進行核心通信模塊的交互研究，所以 NAO 機器人的軟件配置同樣令人驚艷。NAOAMD Geode 500MHz 主計算機運行 Linux 內核，Aldebaran 公司通過對操作系統(tǒng)的修改，使之可以支持其自主研發(fā)的專有插件 NAOqi。NAO優(yōu)秀的跨平臺分布式機器人框架結構，正如其他框架結構一樣，NAO層，專為 NAO 設計，通過 NAOqi 協(xié)調溝通運動、音頻、視頻等不同互，所以有豐富的程序編程接口，該接口可以跨越 Linux、Window 和作平臺并提供包括 C ++，Python ，.NET，Java 和 MATLAB 在內的多而極大拓寬了基于NAO機器人研究方案的設計渠道。還可以實現(xiàn)其次LMemory 模塊共享信息，開發(fā)人員幾乎可以完成任何交互任務。另外自己的編程能力選擇基于 NAOqi 開發(fā)的圖形化編程軟件 Choregraphe機器人問題[37]，如圖 2-2 所示，其通俗性給開發(fā)人員帶來很大的便捷
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP242

【相似文獻】

相關期刊論文 前10條

1 董詩繪;張雨新;鄭宏亮;牛彩雯;;基于Robotics Toolbox工業(yè)機器人工作空間的仿真與分析[J];裝備制造技術;2019年10期

2 郭小寶;趙振;黃偉;賈志聞;;飲料生產線碼垛機器人的設計原理[J];裝備機械;2018年02期

3 許衛(wèi)斌;平雪良;應再恩;杜永忠;李正洋;;6R型串聯(lián)機器人工作空間快速求解方法[J];機械設計;2013年06期

4 段齊駿;機器人工作空間配置的可靠性規(guī)劃[J];機械科學與技術;2004年02期

5 鐘勇,朱建新;一種新的機器人工作空間求解方法[J];機床與液壓;2004年04期

6 楊德榮,馮宗律;機器人工作空間快速可靠數(shù)值算法[J];機器人;1990年02期

7 王興海,周迢;機器人工作空間的數(shù)值計算[J];機器人;1988年01期

8 徐禮鉅,姚進;機器人尺度綜合的一種方法[J];機器人;1988年02期

9 陳懇,林建亞,路甬祥;機器人的自適應控制系統(tǒng)[J];機器人;1988年03期

10 郭明,周國斌;多關節(jié)機器人工作空間的分析與評價方法[J];機器人;1988年04期

相關會議論文 前5條

1 范守文;徐禮鉅;;機器人工作空間分析的解析法[A];第十四屆全國機構學學術研討會暨第二屆海峽兩岸機構學學術交流會論文集[C];2004年

2 朱志明;馬國銳;郭吉昌;劉晗;;基于蒙特卡洛法的箱型鋼結構焊接機器人工作空間分析[A];第二十次全國焊接學術會議論文集[C];2015年

3 劉曉羽;徐斌;;一種基于智能方法井下路徑規(guī)劃研究[A];2016年第一屆今日財富論壇論文集[C];2016年

4 喻宏波;王玉新;李乃華;;掃描體求解方法研究及其在機構設計中的應用[A];面向制造業(yè)的自動化與信息化技術創(chuàng)新設計的基礎技術——2001年中國機械工程學會年會暨第九屆全國特種加工學術年會論文集[C];2001年

5 姚麗;陳杰;;一種適用于軍事最優(yōu)路徑規(guī)劃的方法[A];第二十一屆中國控制會議論文集[C];2002年

相關博士學位論文 前10條

1 董易;并聯(lián)微納操作機器人標定與實驗研究[D];上海交通大學;2016年

2 吳鴻敏;非參數(shù)化貝葉斯模型的機器人多模態(tài)感知與學習[D];廣東工業(yè)大學;2019年

3 曲家迪;基于視覺的擬人雙臂機器人自主協(xié)調操作研究[D];哈爾濱工業(yè)大學;2019年

4 楊劍;群機器人隊形控制及協(xié)同搜索方法研究[D];哈爾濱工業(yè)大學;2018年

5 李國棟;仿人雙臂機器人軌跡規(guī)劃策略研究[D];北京理工大學;2017年

6 李澤國;柔性關節(jié)機器人控制策略研究[D];北京理工大學;2016年

7 穆煜;磨拋機器人關鍵技術研究[D];北京理工大學;2017年

8 陳賽旋;協(xié)作機器人零力控制與碰撞檢測技術研究[D];中國科學技術大學;2018年

9 梁樂;黏性橡膠拆垛機器人軌跡優(yōu)化及控制研究[D];哈爾濱工業(yè)大學;2018年

10 牟宗高;面向狹小空間作業(yè)的超冗余機器人軌跡規(guī)劃及控制研究[D];哈爾濱工業(yè)大學;2017年

相關碩士學位論文 前10條

1 蔣佳坤;五自由度單孔腹腔手術持鏡機器人穩(wěn)定性與擺位規(guī)劃研究[D];山東科技大學;2018年

2 劉明;下肢外骨骼機器人新型踝關節(jié)設計與系統(tǒng)仿真研究[D];山東科技大學;2018年

3 莊照波;雙臂機器人協(xié)調運動規(guī)劃研究[D];山東科技大學;2018年

4 張生財;小型消防機器人操控系統(tǒng)的研究[D];內蒙古科技大學;2019年

5 魏得權;基于靜剛度模型的機器人銑削加工誤差在線補償[D];華中科技大學;2019年

6 朱鶴;基于Kinect的類人機器人動作模仿關鍵問題研究[D];燕山大學;2019年

7 王皓辰;基于單目視覺平面運動機器人跟隨技術研究[D];燕山大學;2019年

8 趙春霖;一種過約束五自由度混聯(lián)機器人誤差補償與標定實驗研究[D];燕山大學;2019年

9 齊有泉;一種面向多腔室工件噴涂的機器人構型設計及軌跡規(guī)劃[D];燕山大學;2019年

10 吳紹坤;基于智能優(yōu)化算法的機器人路徑規(guī)劃策略研究[D];燕山大學;2019年

本文編號：2676745