基于协作机器人仿真环境的关节轨迹预测方法

安全在人机协作过程中是至关重要的,必须实时掌握人的行为信息,并进行准确高效的预测。基于Linux和ROS系统搭建仿真环境,通过Xtion PRO LIVE深度相机采集多组人体关节的空间位置信息,然后通过无监督学习方法对采集到的坐标点进行聚类和预测,实时更新预测模型,并基于minimum-jerk对特殊异常轨迹进行预测。为了充分保证人的安全,主要研究手部和肘部运动轨迹的预测方法。最终实验结果证明,所提出的分层轨迹预测框架可以很好地描述人体运动轨迹,并实时做出准确的预测,不仅保证了人体安全,而且对于提高生产效率具有重要意义。

基于深度相机的移动机器人自主跟随技术

为解决移动机器人在复杂环境下进行自主跟随的问题,提出一种基于深度相机的自主跟随方法。搭建一个载有深度相机的全向移动平台;通过提取图像中的方向梯度直方图来检测行人,利用社会力模型预测行人的运动状态,结合分段颜色直方图信息提出一种行人模型来识别行人;利用人工势场法进行路径规划,完成自主跟随任务。实验结果表明,应用该方法移动机器人,在有行人干扰或距离行人较近的复杂环境下能够顺利的完成跟随任务。