[发明专利]一种基于Kinect装置的两轮自平衡机器人控制方法

说明书

技术领域

本发明涉及机器人控制领域，具体应用在两轮自平衡机器人的人机交互系统上。

背景技术

当前计算机的两个发展方向是计算机系统的拟人化(虚拟现实)和微型化(智能手机)。利用人的感觉和动作(如语言、手写、姿势、视线、表情等),以并行、非精确的方式与计算机环境进行交互,可以大大提高人机交互的效率和自然性。近年来多通道交互技术发展迅速,它满足“以人为中心”的自然交互准则,同时也推动了互联网时代信息产业的快速发展。多通道交互技术通过多种通道和计算机通信,其中通道包含了操作者能够表达意图、执行动作和感知反馈的各种通信方法,如语言、面部表情、手动、唇动、头动、手势、人体姿势、触觉、味觉和嗅觉等。该技术目前己有不少成熟产品,如手写识别、数字墨水、笔式交互、语音识别、语音合成等。此外,很多相关的研究也取得很明显的进展,如手势识别及合成、视线跟踪、面部表情识别等。

微软公司推出的Kinect体感设备在人体跟踪以及姿态估计方面有着出色的表现。作为新一代自然人机交互技术的典范,Kinect实现了用户通过语音和手势等行为与计算机进行更自然的交互。为了发掘Kinect的更大潜力,微软公司推出了Kinect forWindows SDK开发工具包。配合此工具包可以利用Kinect的体感技术,获取的人体深度信息,通过识别人体动作和手势,来理解操作者的意图,从而利用计算机对机器人进行有效的操作。

近年来两轮自平衡机器人不仅具有娱乐功能,还能够代替人高效地完成许多工作。随着机器人技术的发展,两轮自平衡机器人或相应的智能产品越来越多地走进家庭、工厂和企业,为人类提供各种娱乐、生产等服务,使得人与机器人的交互活动变得越来越普遍，因此能够更加自然有效的对两轮自平衡机器人进行运动控制显得越来越重要。

目前手势识别方法主要包含动态时空规整、动态规划算法和模板匹配方法。模板匹配算法是其中最为简单的实现,即将已经建好的模板与每个动作的特征数据进行比较,根据两者的相似度来判别手势。计算代价低是模板匹配算法的优点,其缺点是容易受到时间间隔变化的影响。DTW是在动态规划基础上发展起来的一种很好的非线性时间规整方法。它具有非线性归一化效果的模式匹配算法,釆用对特征信号进行伸长或缩短直至与标准模式的长度一致,以使得与模板更好的匹配。其优点是步骤简单,计算量少,对于单一动作序列的识别比较出色。在现有的手势识别技术中,多采用肤色空间进行手势分割、建模,这种方法容易受到光照等因素的影响。而本文使用的Kinect设备能够提供人体深度图像信息,能够在黑暗的条件下提供人体骨賂图像,所以本文所使用的手势识别方法不受光照条件影响,应用性较强。

发明内容

为了能够更自然有效地控制两轮自平衡机器人的运动行为，本发明提出了基于Kinect装置的一种两轮自平衡机器人运动控制方法，使人可以利用简单的肢体动作来控制两轮自平衡机器人的运动行为。

本发明采用如下技术方案：

基于Kinect装置的两轮自平衡机器人控制系统，系统包括：图像采集模块，图像处理模块，无线通信模块，运动控制模块和运动执行模块。

所述图像采集模块包括Kinect的一个RGB摄影头，一对3D深度摄像头及一个转动马达,图像采集模块具备即时动态捕捉、影像传输和多人互动的功能；Kinect机身上的3个镜头中位于中间的是RGB彩色摄像头,一侧放置为红外线发射器镜头,另一侧放置为红外线CMOS摄像头；红外线发射器镜头和红外线CMOS摄像头构成了三维深度图像传感器；三维深度图像传感器用来获取操作者的动作,而RGB彩色摄像头则是用来辨别操作者的身份；位于Kinect底座的是一个马达,所述马达能上下转动，以便于扩大Kinect的视角范围；

所述图像处理模块首先通过USB线缆接收来自图像采集模块即Kinect采集到的图像信息，以Kinectforwindows SDK中提供的人体骨豁模型为基础通过Kinectforwindows SDK获得骨骼模型中20个节点的三维坐标信息；选择这20个骨豁节点中的4对节点作为动态手势的特征处理,分别为左手节点、右手节点、左手手腕节点、右手手腕节点、左手手肘节点、右手手肘节点、左肩节点和右肩节点，获取能够代表手势的特征向量；最后利用DTW算法对获取的手势特征向量与模板库中的样本进行对比,所述的对比方法为在DTW算法中,定义特征向量空间T,其中：

f：T×T→R≥0