[发明专利]一种基于抓握分类学的虚拟手自然抓握动作生成方法

权利要求书

1.一种基于抓握分类学的虚拟手自然抓握动作生成方法，其特征在于，该方法包括以下步骤：

a)三维物体模型的超二次曲面模型拟合

首先将三维物体模型点云化，得到由点云数据构成的点云模型，然后对点云模型进行拟合，拟合过程分为分割阶段和合并阶段，具体实施内容如下：

在分割阶段，首先将完整的点云模型拟合成一个超二次曲面模型，并用如下拟合误差函数计算该超二次曲面模型与点云模型的近似程度：

其中，N是输入的点云模型的采样点数，是从超二次曲面中心O指向采样点P_n的向量，是函数F(x,y,z)-1的近似，是超二次曲面模型，a,b,c是F(x,y,z)的半轴长，η和∈是F(x,y,z)的形状参数；如果拟合误差小于给定的阈值T，即fT，则认为当前拟合得到的超二次曲面模型近似表示物体，不需要进一步分割；如果拟合误差f≥T，则将点云模型沿着主轴方向的分割平面分割成两个点云模型，且对分割得到的点云模型进行拟合，递归运行所述拟合误差函数计算和点云模型分割，直到拟合误差满足阈值或者被分割的点云模型采样点数小于给定阈值T^′；

在合并阶段，首先对得到的点云模型计算每两个点云模型之间分割平面的数量，尝试将分割平面数量小于3的两个点云模型合并，并计算其拟合误差f，如果合并后的拟合误差fT，则保留合并后的点云模型；如果合并后的拟合误差f≥T，则取消这次合并；

最终得到一组由物体组件构成的点云模型，以及对应的超二次曲面模型；

b)基于抓握分类学的物体元型-标准抓握类型映射

根据拟合的超二次曲面模型的主轴长度，使用基于主轴的物体分类法将分割得到的物体组件分为四类，对每一个类别，分析其中物体组件的抓握维度dim，按照抓握维度dim满足的尺寸条件s，将此物体组件映射为不同的标准抓握类型g，构造一个物体元型-标准抓握类型映射：

类别1，

类别2，

类别3，

类别4，

其中抓握维度dim是物体组件的主轴A、B、C所在方向，s的单位是厘米，物体元型即分割得到的物体组件，标准抓握类型是人类日常生活最常用的五个抓握动作类型：MediumWrap，Thumb-2 Finger，Power Sphere，Tripod，Lateral Pinch；

c)抓握姿态相似性距离的计算

根据物体元型-标准抓握类型映射得到与被抓握物体对应的一个或一组标准抓握类型，计算虚拟手在位姿空间中的姿态与标准抓握类型的相似性距离E_similarity，公式如下所示：

其中h_n,是单位四元数，h_n表示虚拟手第n个关节相对于手掌的方向，表示标准抓握类型姿态的第n个关节相对于手掌的方向，m表示虚拟手关节数量，k₁是权重；

d)抓握质量的计算

计算抓握姿态的抓握质量，以评估抓握姿态的稳定性，公式如下所示：

E_quality＝-k₂log(q_m)

其中q_m是抓握质量，k₂是权重；

e)动作规划算法

基于模拟退火算法，设计动作规划算法，在虚拟手的位姿空间进行迭代搜索，其能量函数为：

E＝E_distance+E_similarity+E_quality

其中E_distance表示虚拟手上所有预设点与被抓握物体表面的距离和，距离和越小表示虚拟手上的预设点越接近物体，即虚拟手的姿态越能匹配物体的局部形状；E_similarity表示步骤c)中的相似性距离，E_quality表示步骤d)中的抓握质量；该动作规划算法在虚拟手位姿空间中以最小化能量函数为目标，通过迭代优化来寻找能量函数最小值，在此迭代过程中，采用抓握质量和相似性距离约束，使得算法搜索到抓握质量更大、相似性距离更小的状态，最终获得数个抓握质量大于0，且与标准抓握类型相似度较高的抓握动作候选。