[发明专利]一种基于多传感器的物体递交意图识别系统及方法

权利要求书

1.一种基于多传感器的物体递交意图识别方法，其特征在于，包括以下步骤：

步骤1：采集用户递交物体时的手臂肌电信号和手腕位置信息，并制作数据集；

步骤2：PC上位机对采集到的数据进行模型训练；

步骤3：融合肌电信号和手腕位置信息，识别用户意图；

步骤1中所述的采集用户递交物体时的手臂肌电信号和手腕位置信息，手臂肌电信号用MYO内置的肌肉运动感应器感应大脑控制肌肉运动产生的生物电得到；手腕位置通过Vicon动作捕捉系统定位贴在手腕上的反光球得到；具体步骤可以分为以下几步：A，将用户递交物体意图识别分为四种场景，分别为用户递交物体给机械臂，机械臂递交物体给用户和交接物体时手准备松开和抓住；B,采集用户递交物体给机械臂和机械臂递交物体给用户这两个场景的肌电信号数据,每个场景重复操作N次，并记录采集到N个数据点为人体抓握状态时手臂的肌电信号，i代表第i组数据；

步骤3中的信息融合说明如下：所述信息融合以训练好的模型为参考，并结合手腕位置信息估计用户递交物体的意图，从不同传感器的角度观察物体，对数据作出预处理、特征提取、识别，通过不同层次的多传感器所得的信息进行融合最终得到结果；动作捕捉系统检测到手腕不断靠近机械臂末端可判定为用户有递交物体的意图，手腕位置在机械臂末端附近且变化不大时可判定用户打算交接物体且该位置为用户交接物体时的位置，再利用训练好的手臂肌电信号模型与采集到的肌电信号及其变化则可以进一步判定属于4种交互意图中的一种，最后机械臂依据意图识别的结果做出相应动作。

2.根据权利要求1所述的一种基于多传感器的物体递交意图识别方法，其特征在于，步骤2中的模型训练首先采用K-Means聚类算法进行GMM模型参数初始化，然后使用EM算法进行模型训练，得到GMM模型；

所述K-Means聚类算法，计算出初始的K个组分，根据采集肌电信号的两个场景：用户递交物体给机械臂和机械臂递交物体给用户，得到K＝2；K-Means聚类算法具体步骤如下：

步骤2.01，随机选取K个聚类中心点μ₁,…,μ_K；

步骤2.02，重复下面过程直到收敛，对于每一组场景数据i，计算其应该属于的类

对于每一个类j，重新计算该类的质心

J函数表示每个样本点到其质心的距离平方和

用J函数来表示K-Means聚类算法得到的结果是否收敛，J函数未达到最小值则重复上述步骤直至达到最小值；

所述EM算法主要分为迭代期望步骤和迭代最大化步骤，直至参数的估计收敛；具体计算过程如下：

步骤2.11，迭代期望步骤：

对于和

步骤2.12，迭代最大化步骤：

对于由E步计算出的求解其他三个参数：

3.一种采用权利要求1所述的基于多传感器的物体递交意图识别方法的系统，其特征在于：包括

机械臂：机械臂在PC上位机的控制指令下运动；

PC上位机：控制机械臂运动，并进行数据传输和计算；

MYO腕带：基于ROS的驱动程序，用来获取人递交过程中的手腕肌电信号；

Vicon动作捕捉系统：安装在递交场景上方，用来获取人递交过程中的手臂位置。