[发明专利]基于高斯过程学习的人臂运动学建模方法有效
申请号: | 201911264388.5 | 申请日: | 2019-12-11 |
公开(公告)号: | CN111563346B | 公开(公告)日: | 2023-03-24 |
发明(设计)人: | 夏晶;朱蓉军;周世宁;姚阳;张昊;马宏伟 | 申请(专利权)人: | 西安科技大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N20/00 |
代理公司: | 西安文盛专利代理有限公司 61100 | 代理人: | 佘文英 |
地址: | 710054 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 过程 学习 运动学 建模 方法 | ||
1.基于高斯过程学习的人臂运动学建模方法,其特征在于建立7DOF人臂运动学模型,输入人臂以最舒适的方式运动时手掌位姿和上臂、下臂的长度,输出人臂运动时最舒适的臂构型;采用红外运动捕捉仪采集人臂以最舒适的方式运动时肩关节、肘关节、腕关节、手掌中心位姿及上下臂的长度,使用高斯过程回归方法学习人臂以最舒适的方式运动时手掌中心位姿及上下臂长度与臂角的高斯过程回归模型,建立基于高斯过程学习的人臂运动学模型;
具体包括以下步骤:
步骤一:将人臂骨骼模型简化为7DOF运动学模型,建立人臂运动学坐标系;
步骤二:人臂训练数据采集;
该步骤的具体过程为:
使用红外运动捕捉仪采集数据,提出一种人臂Marker点布置方式;采集人臂在空间中以最舒适的方式运动时肩关节、肘关节、腕关节、末端的位姿及上下臂长度,将采集到的100组末端位姿及上下臂长度作为训练输入集X,30组作为测试输入集X0;使用几何法计算臂角,将计算出的100组人臂以最舒适的方式到达末端位置时的臂角作为训练输出集Y,30组作为测试输出集Y0;
步骤三:训练人臂运动高斯过程回归模型,根据步骤二中采集到的数据,建立训练集T=(X,Y),确定高斯过程的协方差函数和边缘似然函数,并根据训练集T学习高斯过程回归模型中的超参数,建立高斯过程回归模型,得到人臂以最舒适的方式运动时手掌中心位姿及上下臂长度与臂角ψ的高斯模型:ψ=g(x,y,z,α,β,λ,dse,dew),并使用测试集T0=(X0,Y0)检测该模型;
步骤四:根据步骤三中学习的高斯过程模型,建立基于高斯过程的人臂运动模型θi=f(x,y,z,α,β,λ,dse,dew),(i=1...7)。
2.根据权利要求1所述的基于高斯过程学习的人臂运动学建模方法,其特征在于步骤二中出了将人臂以最舒适的方式运动时手掌中心的位姿作为输入外,还将人臂上下臂长度作为输入。
3.根据权利要求1所述的基于高斯过程学习的人臂运动学建模方法,其特征在于步骤二中:使用红外运动捕捉仪采集人臂以最舒适的方式运动时肩关节、肘关节、腕关节、手掌中心位姿及上下臂的长度;使用3D打印制作4个完全不同的三角形,将12个完全相同的Marker点分别固定到4个三角形的三个定点,将4个三角形分别固定到手臂肩关节、肘关节、腕关节中心位置及手掌中心位置。
4.根据权利要求1所述的基于高斯过程学习的人臂运动学建模方法,其特征在于步骤三中:高斯过程学习方法训练集T上的边缘似然函数为:
K为根据协方差函数得到的协方差矩阵,为噪音值,I为单位矩阵。
5.根据权利要求1所述的基于高斯过程学习的人臂运动学建模方法,其特征在于步骤三中:高斯过程学习方法训练集T上的协方差函数为:
其中xp,xq∈训练输入集X;δpq为噪音项;ω1、ω2、ω3、ω4、ω5、ω6、ω7、ω8为超参数。
6.据权利要求1所述的基于高斯过程学习的人臂运动学建模方法,其特征在于步骤四中所述的基于高斯过程的人臂运动模型θi=f(x,y,z,α,β,λ,dse,dew)为:
θ1=arctan2{sign(sinθ2)(-as22sin[g(x,y,z,α,β,λ,dse,dew)]-bs22cos[g(x,y,z,α,β,λ,dse,dew)]-cs22),sign(sinθ2)(-as12sin[g(x,y,z,α,β,λ,dse,dew)]-bs12cos[g(x,y,z,α,β,λ,dse,dew)]-cs12)}
θ2=±arccos(-as32sin[g(x,y,z,α,β,λ,dse,dew)]-bs32cos[g(x,y,z,α,β,λ,dse,dew)]-cs32)
θ3=arctan2{sign(sinθ2)(as33sin[g(x,y,z,α,β,λ,dse,dew)]+bs33cos[g(x,y,z,α,β,λ,dse,dew)]+cs33),sign(sinθ2)(-as31sin[g(x,y,z,α,β,λ,dse,dew)]-bs31cos[g(x,y,z,α,β,λ,dse,dew)]-cs31)}
θ5=arctan2{sign(sinθ6)(aw23sin[g(x,y,z,α,β,λ,dse,dew)]+bw23cos[g(x,y,z,α,β,λ,dse,dew)]+cw23),sign(sinθ6)(aw13sin[g(x,y,z,α,β,λ,dse,dew)]+bw13cos[g(x,y,z,α,β,λ,dse,dew)]+cw13)}
θ6=±arccos(aw33sin[g(x,y,z,α,β,λ,dse,dew)]+bw33cos[g(x,y,z,α,β,λ,dse,dew)]+cw33)
θ7=arctan2{sign(sinθ6)(aw32sin[g(x,y,z,α,β,λ,dse,dew)]+bw32cos[g(x,y,z,α,β,λ,dse,dew)]+cw32),sign(sinθ6)(-aw31sin[g(x,y,z,α,β,λ,dse,dew)]-bw31cos[g(x,y,z,α,β,λ,dse,dew)]+cw31)}
asij,bsij,csij,awij,bwij,cwij分别是矩阵As,Bs,Cs,Aw,Bw和Cw的(i,j)元素,dse是上臂长度,dew是下臂长度,(x,y,z,α,β,λ)为手掌中心位姿,θi(i=1...7)为人臂第i个关节的角度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安科技大学,未经西安科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911264388.5/1.html,转载请声明来源钻瓜专利网。