[发明专利]基于关节相关性分析的数据手套标定方法

说明书

基于关节相关性分析的数据手套标定方法，属于数据手套标定技术领域。本发明是为了解决将手套的读取数据和人手实际的关节数据视为线性关系对手套进行标定时，其映射关系准确性差的问题。它首先建立人手模型，根据人手模型确定数据手套中分别与每个关节相对应的传感器；操作者佩戴数据手套进行规定动作，获得操作者的规定动作数据；针对每个关节，对相应规定动作数据进行相关性分析，依据相关性的不同，将人手模型中的关节分为独立关节、单耦合关节和多耦合关节；分别对每个关节对应的规定动作数据进行处理，获得相应规定动作数据与人手模型中对应关节的映射关系，并按照所述映射关系对数据手套进行标定。本发明用于数据手套的标定。

技术领域

本发明涉及一种基于关节相关性分析的数据手套标定方法，属于数据手套标定技术领域。

背景技术

人手作为自然界中最灵巧的执行器，其自由度数多达20多个，能够灵活的使用各种工具。机器人灵巧手作为人手的有效延伸，以其通用性强、感知能力丰富、能够实现满足几何封闭和力封闭的精确、稳固抓取等优点，从20世纪后半期，作为机器人领域的热门研究方向之一而被各国科研人员广泛研究，但是实现灵巧手抓握的稳定性以及灵巧性一直是这个领域的难点。为了使灵巧手能够具备人手的灵活性，一种常用的方法即是利用灵巧手模仿人手的动作。该方法首先需要获取抓握物体时人手的运动数据，从而使灵巧手具备仿人的抓取功能。因此实现对人手运动数据的捕捉就显得尤为重要。

现阶段对于人手抓取运动数据的捕捉主要有以下两种方式：一种方法为应用视觉的方法来获得人手在笛卡尔空间中的运动数据，通过运动学模型或者投影法将获得的笛卡尔空间中的人手的运动数据转化为人手的关节数据。经过调研发现，由于这种方法存在丢点串点等问题，利用其获得连续的人手的运动数据非常困难。故通常采用第二种方法——数据手套的方法来获得人手的运动数据。在采用数据手套来获取人手的运动数据时，首先需要针对使用者的使用习惯和人手尺寸，进行数据手套的标定。但是由于数据手套内有多达22个光纤传感器，且传感器之间存在耦合，给标定过程带来困难。

数据手套的传统标定方法是将手套的读取数据和人手实际的关节数据视为线性的、一对一的关系，通过线性关系式G_o＝AG_i+B求得系数，得到手套和人手的映射关系；其中G_i为数据手套传感器的测量矩阵，G_o为标定后的输出矩阵，A为标定增益系数矩阵，B为标定偏置矩阵。虽然这个线性关系能大体反应人手的运动情况，在遥操作的过程中，通过操作者对环境的适应也能达到一定的效果。但是，在手套的使用中，可以发现，人手和手套对应关节的映射并不是一一对应的线性关系，手套的某些关节之间存在耦合。

发明内容

本发明目的是为了解决将手套的读取数据和人手实际的关节数据视为线性关系对手套进行标定时，其映射关系准确性差的问题，提供了一种基于关节相关性分析的数据手套标定方法。

本发明所述基于关节相关性分析的数据手套标定方法，它包括以下步骤：

步骤一：建立人手模型，其中将单个手指表示成三个旋转关节和一个侧摆关节的组合，根据人手模型确定数据手套中分别与每个关节相对应的传感器；

步骤二：操作者佩戴数据手套进行规定动作，使数据手套上的相关传感器获得操作者的规定动作数据；

步骤三：针对每个关节，对相应规定动作数据进行相关性分析，依据相应规定动作数据相关性的不同，将人手模型中的关节分为独立关节、单耦合关节和多耦合关节；

步骤四：分别对每个关节对应的规定动作数据进行处理，获得相应规定动作数据与人手模型中对应关节的映射关系，并按照所述映射关系对数据手套进行标定。