专利汇可以提供面向非接触力反馈的自然人机交互方法专利检索,专利查询,专利分析的服务。并且本 发明 提供一种面向非 接触 力 反馈的自然 人机交互 方法。所述方法包括如下步骤:使用运动 传感器 测量人手并进行坐标配准;根据测量的数据使用区间卡尔曼滤波估计人手的 位置 和朝向;生成反馈的电磁力并通过人手上的磁 铁 反馈到人手。本发明使用多个动作传感器合作实时获取操作员手的姿势,使用两个区间卡尔曼 滤波器 来消除测量误差的影响,本发明使用电磁 力反馈 机制。本发明可以克服机械力反馈中的摩擦误差,连接累积误差和有限的操作空间等问题。本发明中,操作员不仅可以感受到 机器人 操纵器的力并获得良好的 沉浸感 ,还可以实时调整操作,使控制更准确可靠。本发明自然友好,适合非专业用户使用。,下面是面向非接触力反馈的自然人机交互方法专利的具体信息内容。
1.面向非接触力反馈的自然人机交互方法,其特征在于,包括如下步骤:
S1、使用运动传感器测量人手并进行坐标配准;
S2、根据测量的数据使用区间卡尔曼滤波估计人手的位置和朝向;
S3、生成反馈的电磁力并通过人手上的磁铁反馈到人手。
2.根据权利要求1所述的面向非接触力反馈的自然人机交互方法,其特征在于,步骤S1具体包括:
S1.1、将多个运动传感器放置在操作平台上,其中一个运动传感器放置在平台的中心,周围的运动传感器以45度的倾斜角度朝向操作平台中心的运动传感器放置,运动传感器坐标系定义为XLYLZL;运动传感器坐标系的原点为它的几何中心;运动传感器的三个坐标轴定义如下:XL正方向沿着设备的较长边并与接线口朝向相反,YL正方向垂直于传感器正面向外,ZL垂直于XL-YL平面;
S1.2、选择一部分传感器来跟踪操作员在重叠空间中的手,当操作员的手掌进入重叠空间时,采用坐标配准来融合测量数据,以使测量更准确和稳定。
3.根据权利要求2所述的面向非接触力反馈的自然人机交互方法,其特征在于,步骤S1.2中,使用相关算法将周围传感器的坐标配准到中间传感器的坐标:
[xi,yi,zi]表示周围传感器的坐标系中的某一空间点的坐标,并且该点在中间传感器c的坐标系中的坐标表示为[xc,yc,zc];两个坐标之间满足以下关系:
其中,T是涉及周围传感器坐标系I和中间传感器坐标系C的变换矩阵。
4.根据权利要求1所述的面向非接触力反馈的自然人机交互方法,其特征在于,步骤S2中,使用区间卡尔曼滤波估计人手的位置包括以下步骤:
S2.1.1、对于手势识别,P(Px,Py,Pz)是世界坐标系中手掌中心的位置,世界坐标系定义为XWYWZW,世界坐标系被设置成与中间传感器的坐标系重合;传感器用于测量手掌掌心在传感器坐标系的X、Y、Z轴上的坐标,因此,P(Px,Py,Pz)由从传感器坐标系到世界坐标系的方向余弦矩阵MH2S即步骤S1.2中的周围传感器坐标系I和中间传感器坐标系C的变换矩阵给出;
S2.1.2、然后,通过以下等式获得世界坐标系下手的加速度:
其中 分别表示人手在世界坐标系X、Y、Z轴上的加速度; a,b
∈(X,Y,Z), 表示周围传感器坐标系的a轴和世界坐标系b轴之间的角度;|g|是局部重力矢量的大小,Ax、Ay、Az是由传感器获得的手掌在传感器坐标系X,Y,Z轴的加速度测量分量;
位置估计时的区间卡尔曼滤波中的位置状态 包含k时刻的位置变量、速度变量和加W
速度变量,为 Vz表示人手在世界坐标
系X、Y、Z轴上的速度;
位置估计时的区间卡尔曼滤波中的状态转移矩阵为
其中t表示传感器相邻两次测量数据之间的时间间隔;
位置估计时的区间卡尔曼滤波中的系统输入:
位置估计时测量矩阵表示为:
S2.1.3、最终,根据S2.1.2中确定的区间卡尔曼滤波的参数和区间卡尔曼滤波的求解步骤,由时刻k的人手位置的测量值P(Px,Py,Pz)获得人手的位置估计值Pk(Px,k,Py,k,Pz,k)。
5.根据权利要求1所述的面向非接触力反馈的自然人机交互方法,其特征在于,步骤S2中,使用区间卡尔曼滤波估计人手的朝向包括以下步骤:
S2.2.1、将时刻k的人手朝向由欧拉角转换成四元数:
其中翻滚角φ、俯仰角θ和偏航角ψ分别表示人手沿XL轴、YL轴和ZL轴的旋转,并且四元数组(q0,k,q1,k,q2,k,q3,k)满足
时刻k时的人手的朝向即四元数q0,k、q1,k、q2,k、q3,k在时间t上的微分函数为:
ξx、ξy、ξz表示人手绕运动传感器坐标系的X、Y、Z轴旋转的角速度分量;
S2.2.2、人手朝向估计时的区间卡尔曼滤波状态转移矩阵如下:
其中Δt是传感器的采样时间间隔;
S2.2.3、因为在人手的运动过程中没有额外的输入来驱动人手的运动,朝向估计时区间卡尔曼滤波中的输入矩阵Γk被定义为零矩阵;
S2.2.4、因为四元数状态由角速度确定,定义过程噪声矢量:
wk=[0 0 0 0 wx wy wz]T;
其中wx,wy,wz代表角速度的过程噪声;
S2.2.4、使用校准的陀螺仪检测角速度,则观测矩阵Hk为:
Hk=[0n×p In×n];
其中n是角速度矢量的数量,p是四元数的维数;
S2.2.5、根据步骤S2.21~步骤S2.25中确定的区间卡尔曼滤波中需要使用到的参数,获得在时刻k处估计出的人手的朝向即四元数q’k,并对其进行归一化如下:
q’k=[q'0,k/M q'1,k/M q'2,k/M q'3,k/M]
其中q'0,k、q'1,k、q'2,k、q'3,k由区间卡尔曼滤波的计算步骤获得,表示估计出的人手朝向即四元数q’k的四个分量。
6.根据权利要求1所述的面向非接触力反馈的自然人机交互方法,其特征在于,步骤S3中包括以下步骤:
S3.1、使用力传感器测量机器人受到的力;
S3.2、使用反向传播神经网络(BPNN)来计算用于生成反馈力的电流;
S3.3、使用闭环力控制用于减少来自线圈和磁体的意外影响,使用在电磁铁控制器上开发的传统PID控制器来控制电磁铁的电流强度;
S3.4、然后,电磁控制器调整四个线圈中的电流IA,IB,IC和ID以在磁体和线圈之间产生电磁力。
7.根据权利要求6所述的面向非接触力反馈的自然人机交互方法,其特征在于,步骤S3.2中,所述反向传播神经网络包括输入层、输出层和两个隐藏层;输入层有六个节点,分配给输入参数即步骤S2中得到的估计的人手的位置Pk(Px,k,Py,k,Pz,k)和预期的力fe(fe,x,fe,y,fe,z);预期的力fe(fe,x,fe,y,fe,z)来自环境对机器人的力,即力传感器测量所得;输出层包括对应于电流IA,IB,IC和ID的四个节点;两个隐藏层用于改善BPNN的性能。
8.根据权利要求6所述的面向非接触力反馈的自然人机交互方法,其特征在于,步骤S3.3中,所述电磁控制器被适当地调整,使得电磁控制器不妨碍操作员手部的自由运动,并且电磁铁所产生的磁力fh应当接近预期的力fe。
9.根据权利要求3所述的面向非接触力反馈的自然人机交互方法,其特征在于,所述相关算法采用最小二乘估计(LSE),并使用多于三个的非共线点来计算每个坐标系之间的变换矩阵。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种兼容两种不同直流供电的驱动电路 | 2020-05-08 | 591 |
终端设备控制方法、装置及终端设备可读存储介质 | 2020-05-08 | 359 |
用于电子电路的输出滤波器 | 2020-05-11 | 834 |
磁阻随机存取存储器 | 2020-05-08 | 407 |
一种电器故障提示的电机控制方法 | 2020-05-11 | 21 |
电池组电解质水平监测器、系统和方法 | 2020-05-08 | 284 |
用于控制在机动车的电气驱动装置中的损耗热量的方法、用于机动车的电气驱动单元以及机动车 | 2020-05-08 | 567 |
用于操作多相开关磁阻电机以及校正单元的控制器系统以及方法 | 2020-05-08 | 363 |
具有改善的线性度的放大设备 | 2020-05-11 | 558 |
适用于断路器的独立型瞬时电流检测用印刷电路板电流互感器器件 | 2020-05-08 | 811 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。