姿态识别与机器人跟踪控制系统的研究

作     者：杨文康 

作者单位：吉林大学 

学位级别：硕士

导师姓名：张宇

授予年度：2021年

学科分类：08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：机器人 姿态识别 分割算法 聚类算法 神经网络 

摘      要：随着智能化科技的高速发展,机器人开始走进广大人民群众的工作和生活中。工业上机器人可以代替工人从事一些具有危险的工作,从而保护工人的安全;也可以从事一些单调枯燥的工作,减轻工人负担。日常生活中,机器人也在很多方面得到了广泛的使用,如扫地机器人、洗碗机器人、舞蹈机器人、钢琴机器人等。机器人的应用离不开人为的控制,因此如何进行简单有效的人机交互控制是非常重要的。人机交互的方法有很多,可以选择姿态信息作为输入,这种输入方式不再依赖鼠标和键盘等中间媒介物品。在本文中,我们采用姿态信息作为输入,控制机器人实现跟踪控制功能。本文重点研究了姿态识别算法。首先利用WTS（加权切线分割算法）对复杂姿态完成分割,然后利用基于SSED（平方误差和分布）的SOM（自组织映射）神经网络对分割得到的简单姿态进行聚类,得到基本姿态及基本姿态数据集。最后利用BP（反向传播）神经网络完成简单姿态的识别,并根据分割得到的时间戳得到复杂姿态的识别结果。在机器人跟踪控制方面,本文仅做了初步研究,根据接收到的识别数据实现机器人的跟踪控制。本文主要从以下几个方面进行研究:1、对三维空间中常用坐标系进行介绍,并对MPU9250姿态数据进行了描述与分析。通过对人体架构和人体基本活动范围分析,得到人体简化模型,并根据人体简化模型搭建仿人机器人模型。2、本文提出了WTS分割算法,完成复杂姿态的分割。复杂姿态由多个简单姿态构成,在相邻的两个简单姿态之间,必然存在一段数据稳定的区域,该区域中上一个简单姿态的运动趋势逐渐减弱,下一个简单姿态的运动趋势逐渐加强。因此可以根据这段稳定区域,将相邻的简单姿态进行区分,从而将复杂姿态分割为简单姿态。3、本文提出了基于SSED的SOM神经网络聚类算法,完成简单姿态的聚类。针对不同的聚类个数,我们利用SSE数据判定聚类效果,从而得到最佳聚类个数,实现简单姿态的聚类并得到基本姿态数据集。4、本文提出了基于时间戳的BP神经网络算法,对复杂姿态进行识别。分割算法将复杂姿态进行分割,得到简单姿态和它们的时间戳序列。利用BP神经网络在时间戳上对每个简单姿态进行分类识别,得到复杂姿态的识别序列。5、在本文中,我们分别设计了姿态识别系统和仿人机器人跟踪控制系统。在姿态识别系统中,主要包括数据采集、主控制器和无线传输三个模块,完成姿态数据的采集、处理、识别和传输。机器人跟踪控制系统主要包括主控制器、无线传输和舵机控制板三个模块,完成姿态数据的接收和对机器人的跟踪控制。