基于关键姿态约束的人体运动序列插值生成

为克服设备精度、捕获速度、位置遮挡、奇异性解析等因素制约,从离散的、有缺失的人体运动捕获数据中生成连贯的人体运动序列,提出了一种基于关键姿态约束的人体运动序列插值生成方法。首先,从人体运动捕获数据库提取各种典型动作对应的关键姿态数据序列,建模为动作节点。其次,依据人体动作过渡关系建立包含所有动作节点的有限状态机图谱。最后,在应用过程中通过最小距离查找即时采集数据对应的动作节点及帧序,若发生数据缺失,则查找缺失数据前后的边界帧所在动作节点,根据运动图谱的过渡关系计算并插入若干过渡动作帧,实现动作的接续连贯。实验结果表明:该方法能有效克服动作数据采集过程的缺失,并可用于复杂人体动作的组合生成,实现动作序列的流畅,提高人体运动捕获数据的可用性、鲁棒性。

基于Kinect和ODE的人体运动建模与仿真

运动数据捕获与物理仿真再现相结合,为人体运动特性的研究及仿人机器人的研制提供了一个重要技术途径。论文基于Kinect体感设备及ODE物理引擎,设计并实现了人体运动数据捕获、数据转化、动作建模及仿人机器人动作再现的系列方法。首先,建立转化模型,完成从Kinect关节点位置数据向肢体姿态数据的转化,并存储于BVH文件中,为数据分析和数据驱动提供支撑。其次,基于ODE建立一个全尺寸虚拟仿人机器人,为人体动作的仿真再现及控制算法提供验证平台。第三,完成关节位姿数据向驱动扭矩的实时计算及控制,采用PD控制算法控制各关节的扭矩输入。第四,贯穿完成Kinect数据采集、离线BVH转换、仿人机器人姿态计算、关节扭矩计算、仿真驱动等,实现虚拟仿人机器人对人体动作的精确再现。最后,将该方法应用于轻型仿人机器人手臂样机的研制过程。实践表明,该系列方法能够比较精确地实现仿人机器人对人体动作(挥手、行走、站立等)的学习和再现,可用于仿人机器人研制中的动作学习、规划、仿生控制等环节。

轻型仿人机械手臂集成研发平台ArmPlant的设计与实现

建立了一个轻型仿人机械手臂集成研发平台ArmPlant,该平台基于ODE物理引擎计算,采用Visual C++、Matlab混合编程开发,集外形尺寸设计、质量分布、关节扭矩评测、运动学及逆运动学计算、动作规划与仿真、人体动作采集和再现、运动控制、样机硬件驱动、运动特性评测等功能于一体,可用于仿人机械手臂的快速研制过程。实践过程中,基于该平台设计并实现一款8-DoF仿人机械手臂,并选取物体连续抓取、人体动作跟踪再现这两个场景,对ArmPlant整体功能及机械手臂运动特性进行评测。仿真实验及样机实验均表明ArmPlant功能较完备、计算及控制准确、交互性强,能有效支持轻型仿人机械手臂的研发全过程,显著提高研发效率。