[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

说明书

本发明公开了一种基于抓握分类学的虚拟手自然抓握动作生成方法，包括步骤：1）基于超二次曲面模型的分割拟合算法，对三维物体模型进行分割和拟合，并选择可抓的物体组件用于后续动作规划；2)将抓握分类学与抓握动作规划相结合，构造被抓物体与标准抓握类型之间的映射关系；3）基于模拟退火启发式搜索算法，结合抓握质量度量，在虚拟手位姿空间寻找稳定的抓握动作候选；4）引入抓握姿态相似性距离，引导规划过程生成与自然的人类抓握姿态相符合的抓握动作。应用本发明能够鲁棒高效地生成既稳定又自然的虚拟手抓握姿态，提高了人机交互中抓握动作的真实性，增强了用户体验。

技术领域

本发明属于人机交互领域，具体地说是一种基于抓握分类学(TheGRASPTaxonomy)的虚拟手自然抓握动作生成方法，其技术包括超二次曲面模型分割拟合方法、抓握质量评估方法和抓握姿态相似性距离等。

背景技术

抓握行为是人类与物体进行交互的重要途径，在人机交互和机器人等领域一直是一个重要的研究方向，有着广泛的应用前景。目前流行的抓握规划主要分为两种，分析法和实验法。分析法主要是通过数学公式或者物理定律对抓握过程进行建模，保证了抓握过程的合理性和动作的稳定性。但是分析法往往忽略了姿态的自然性。实验法通过观察人手是如何操作物体的，记录抓握动作数据，然后基于这些数据生成适用于其他物体或者场景的抓握动作。实验法的局限性在于提前记录的数据不能直接扩展到其他物体上，并且对于实验设备的要求较高，需要准确捕捉手的关节、物体的移动以及接触点信息，需要耗费大量的时间来收集数据。已有的方法没有解决抓握姿态自然性的问题。

随着对真实感的进一步需求，只考虑抓握姿态的物理稳定性约束已满足不了大众的视觉体验。因而抓握姿态需要符合人类抓握习惯的属性也必须考虑，以展示自然的抓握姿态。同时，对于不同的三维物体模型，人类对其的抓握习惯是不同的。所以如果可以生成适应不同物体模型的自然抓握姿态，则对大众的人机交互体验来说将会是一个巨大的提升。

现有的抓握动作生成算法对抓握姿态的真实性关注度不高，往往将抓握动作的稳定性作为评价一个抓握动作的唯一指标。现有基于模拟退火算法的动作规划算法在迭代过程中，虚拟手在当前姿态周围进行采样，得到更优的采样姿态并更新当前姿态，对于每个采样姿态，采用虚拟手上的预设点到物体的距离作为评价指标对姿态进行评估，当评估值越小，说明虚拟手上的预设点越接近物体，手的姿态越能匹配物体的局部形状，也就更有可能得到稳定的抓握动作。但该方法只考虑了虚拟手与物体的距离，所以生成的姿态只能保证最终得到的动作是稳定的，且有的动作不符合人类抓握习惯。

发明内容

本发明的目的在于将真实的人手抓握习惯引入到虚拟手的抓握动作规划中，提出了一种基于抓握分类学的虚拟手自然抓握动作生成方法，该方法引入了抓握质量和抓握分类学中的标准抓握姿态，对虚拟手抓握动作生成的过程进行约束，使得生成的抓握姿态在稳定性的前提下，更加自然、符合真实的人手抓握习惯。

实现本发明目的的具体技术方案是：

一种基于抓握分类学的虚拟手自然抓握动作生成方法，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：