[发明专利]一种基于混合滤波器自适应无标记机械臂轨迹跟踪方法

说明书

本发明提出了一种基于混合滤波器自适应无标记机械臂轨迹跟踪方法，包括以下步骤：S1、利用固定在笛卡尔平台上的体感控制器(Leap Motion)获取人手的位置、速度、角速度、加速度和朝向；S2、采用区间卡尔曼滤波(IKF)估计人手的位置；S3、用改进的粒子滤波(IPF)估计人手的方位与姿态；S4、采用均值滤波器(MF)来平滑笛卡尔平台的运动。本发明利用Leap Motion获取手的位置，并利用改进的粒子滤波提高手位置估计的准确度，使得人能以一种很自然的方式控制机械臂。由于仅仅通过处理视觉数据来获取手的位置和姿态，无需操作者佩戴任何设备，侵入性低。提高了人机交互的友好性。

技术领域

本发明涉及人机交互技术，具体涉及一种基于混合滤波器自适应无标记机械臂轨迹跟踪方法。

背景技术

人机机器接口是指用户和机器人之间的交互。传统的人-机器人交互模式是以机器人为中心的受限模式。虽然这种联系方法能够满足精确的交互要求,但交互性并不灵活,需要进行密集训练以完成目标任务。用户无法记住新的命令并探索新的功能。与传统的人-机器人交互技术相比,不受限制的人-机器人交互技术强调将人的自然能力与计算设备、感知和推理能力结合起来。此外,它允许人类使用多种渠道,如声音,手势,视觉等。多个感官和效果通道是可选的并行和协作,以实现多通道,高带宽,高效和无限制的人-机器人通信。多通道通信可以扩大人机通信的带宽,减少人的认知困难。人类不再需要扭曲他们最自然的思维方式和行为, 以满足机器人的要求。人的表达的模糊性和不精确性使得不受限制的人机交互技术在机器人交互中的应用具有巨大的挑战性。

目前已有上肢同机器人主设备,操作员执行三维身体运动后，机器人复制操作员的动作。在开发一个软可穿戴的机器人替换全身外骨骼设备。随着手套的发展,操作员可以保持不同形状的对象,而不主动控制。另一种就是将磁性惯性单元连接到腰部,并检查多传感器数据融合的效果。还有一些是使用惯性和肌电信号识别手和手指手势。使用一个操纵杆与可折叠的椅子遥控机器人的位置、姿态和手爪。使用操纵杆,头方向和手势控制机器人和照相机,。

人-机器人交互使用接触装置要求操作者直接佩戴或触摸设备,这可能会阻碍操作者的移动,使操作者笨拙。例如,上肢同机器人主设备阻碍了全身运动,而数据手套则会阻碍手的运动。此外,联系人交互要求操作员学习如何使用该设备以及如何在操作过程中操作设备,如操纵杆、鼠标和键盘。此外,操纵杆控制的方向是二维的,而实际的物理世界是三维的,所以交互性不够自然。

非接触方法包括使用语音、手势、眼睛等方法。非接触式人-机器人交互要求传感器的高精度,如声音传感器或身体运动传感器。此外,一些非接触方法需要标记,但标记可能在复杂的环境中被遮蔽。因此,无标记的和非接触式人-机器人交互是可取的,预期是自然和有效的。而且,它不能限制操作者的动作,最好不用复杂的学习过程。

根据里基定律,对于指点装置,T＝a+blog2(D/W+1),D代表当前位置和目标位置之间的距离,而W显示目标对象的大小。到达目标所需的时间取决于目标大小以及当前位置和目标位置之间的距离。目标对象是一致的,其大小也是一致的。以前的研究需要的手势复位和因而增加的时间费用。以鼠标为例,复位意味着鼠标移动到区域时操作不便,将鼠标移回区域操作方便。Kinect也是一种非接触式的人-机器人交互装置,其检测范围比固定跃迁化妆水。然而,Leap Motion更专业的手势检测。利用IKF和森林小组估计测量位置和方位数据, 可用于消除噪声和测量误差的影响。对所提出的人-机器人界面进行了一系列的实验评估和验证。结果表明,该方法具有较高的效率。

发明内容