基元库构建思想的机器人动作与策略演示学习方法

为解决机器人演示学习过程中演示数据优化、动作与任务策略的存储调用问题,提出一种利用基元库思想的演示学习方法。动作学习采用专家拖动机械臂执行动作获取演示数据,利用高斯混合模型与高斯混合回归提升数据质量,由动态运动基元算法转换为基函数的权重值。策略学习将任务步骤创建为动作基元,向基元内添加得到的权重值并构建包含任务执行策略的基元名片,由基元组成基元库完成存储。执行任务时从基元库中有序调用基元,利用YOLOv5目标检测网络和AlexNet图像分类网络检测目标信息,匹配动作并泛化出具有原动作特征的新动作。该方法实现了从演示中学习动作与策略存储,根据实际目标组合合适动作完成任务。钢筋绑扎实验创建5个动作基元,通过专家演示学习10个动作,机器人利用动作基元库成功完成水平面与竖直面钢筋交叉点绑扎任务说明其有效性。

基于场景点云重建的移动焊接机器人作业轨迹提取方法

为保证移动作业焊接机器人能够在建筑、石化、船舶等非结构化场景中精准高效的完成作业,提出一种基于点云重建的焊接轨迹提取方法。焊接机器人变换作业场景后,首先通过深度相机实时检测引导标志物,明确作业范围和起点并重建场景点云。然后基于点云分割和边界提取算法获取焊缝点云轨迹,并提出一种焊接机器人位姿调整策略。最后,针对点云精度不足的问题,采用激光视觉传感器对焊缝进行精度修正,提取精确焊接轨迹。通过曲线焊缝场景实验,表明机器人运动平滑,焊缝轨迹提取误差小于0.5 mm,精度满足生产要求。

基于平行板波导的紧凑化微波喷流设计

针对传统微波喷流装置体积质量大与集成度差的问题,提出了一种集成于平行板波导的紧凑型设计。在50Ω同轴线激励下,平行板波导支持柱面波形式的TM_(0)模在其内部传播。为了在波导末端预设焦点使周围形成微波喷流,通过馈源和焦点之间的射线路径差异分析,得到了各射线在焦点处同相叠加所需的相位补偿条件。进一步,设计了仅含单层介质衬底的透射型超表面单元,其几何尺寸变化可使10 GHz处的透射相位在2π范围内调节,以满足相位补偿条件。将不同尺寸的单元以一维阵列形式集成于平行板波导末端,产生了良好的微波喷流特性。此外,对位于喷流区域内的亚毫米级导电圆柱,分析了微波喷流引起的后向散射增强效应。全波仿真与实验结果之间的吻合验证了该设计的有效性,微波喷流的紧凑化设计可为细微物体的微波检测实际应用提供基础。

三维激光雷达-相机间外参的高效标定方法

在自动驾驶、移动机器人等领域,激光雷达与相机是常用的传感器,融合这两者的信息首先应该标定两者间的外参。本文在考虑平面移动机器人运动特点的基础上提出两阶段外参标定方法,在尽可能少的人为干预下实现快速标定。第一阶段,在机器人运动过程中同时估算激光里程计和视觉里程计,提取平移、旋转两种运动信息以修改的Kabsch算法初步估计外参中的旋转矩阵;第二阶段,以箱体三面相交组成的三面体作为标识物,优化点云中三面体边的投影点和图像中对应三面体边的距离,从而得到精确的外参。此两阶段方法效率高、无需专业设备,在少量人工干预下即可实现外参标定。最后,实验结果表明,在3个坐标轴上的平均误差仅为3.67、1.11、0.78 mm,在典型移动计算平台上相应的平均标定时间仅需约635 ms。

基于人体模型映射的步态识别及意图感知方法

准确识别人体行走步态并据此进行行为意图感知是实现外骨骼机器人控制系统精确控制的关键。自主设计了一款高分辨率的足底压力采集系统,结合Anybody人体建模仿真软件进行运动学和动力学分析,获取人体姿势及相应足底分布式压力,确立操作者意图与足底压力之间的映射关系,并通过回归分析方法建立真实人体与仿真模型足底压力的映射关系,构建基于人体模型的操作者行为意图实时感知信息数据库,提出了一种基于模型映射和卷积神经网络的可区分人体步态行走过程中6种标准步态相位的方法,并对步态行走、蹲起和举重3种状态进行识别,平均识别准确率达到约98.86%,可准确感知人体意图并预测出当前人体姿态。

基于面元的机器人三维激光雷达室内实时定位和建图方法

为了满足室内服务机器人定位能力要求,在考虑室内环境结构化特征和激光雷达独特优势的基础上,提出了从雷达点云中提取面元表达环境以实现室内精确定位和建图的方法。对激光雷达的扫描线进行分割,通过计算分割段内各点的凸系数的连续性条件确定面元覆盖范围。定位和建图分为两个阶段,首先求解点云帧间运动,作为全局位姿的估计;其次对全局位姿进一步优化,依概率将帧面元融入地图。两个阶段均优化隐式移动最小二乘距离代价,而面元不确定模型则由激光雷达测量误差确定。最后,分别在空旷和狭窄两种场景下进行试验,结果表明,所提方法相对定位精度分别为0.022%和0.11%,地图一致性好、满足实时性要求。

基于惯性测量单元辅助的激光里程计求解方法

在同步定位与建图(SLAM)问题中,里程计部分的求解精度对后续建图起着至关重要的作用,惯性测量单元(IMU)可以为SLAM中里程计求解提供良好辅助。在考虑平面移动机器人运动特点及室内环境特征的基础上提出一种基于IMU松耦合的激光里程计求解方法,实现里程计部分的精准定位。第1阶段,机器人运动过程中实时处理点云信息,将地面点分割并提取有效关键点;第2阶段,将IMU信息引入卡尔曼滤波器,为帧间匹配提供位姿先验;第3阶段,滤波器输出位姿估计值后,利用非线性优化方法进行点云帧间匹配,实现里程计运动的求解。实验表明,所提方法在激光点云处理、运动求解,具有良好的稳定性和准确性,可将偏移量误差控制在0.4%以内,为后续建图提供有力数据保障。

开花灌浆期小麦叶片奢侈蒸腾发生的土壤水分阈值试验研究

奢侈蒸腾耗水对作物光合及产量形成贡献较低,而开花灌浆期是冬小麦产量形成的关键期,精准调控作物蒸腾耗水、明确影响奢侈蒸腾的土壤水分阈值,对提高冬小麦的水分利用效率至关重要。本研究以冬小麦品种‘石新828’为材料,在人工气候生长箱进行盆栽试验,定量研究土壤水分对作物气孔导度、光合速率和蒸腾速率的影响,明确开花灌浆期奢侈蒸腾产生的土壤水分阈值。结果表明:气孔导度与土壤水吸力关系密切,在土壤水吸力较低时,气孔导度随土壤水吸力增加而迅速降低,而土壤水吸力较高时,气孔导度降低速度变缓。光合速率随土壤水吸力增加以抛物线的形式递减,当土壤水吸力低于1.2 MPa 时,光合速率接近最大值,随后土壤水吸力继续增加,光合速率逐渐降低。蒸腾速率随着土壤水吸力增加呈线性递减,降低速率为2.3mmol·m^-2·s^-1·MPa^-1。光合速率与蒸腾速率的关系符合米氏方程,蒸腾速率低于2.179 mmol·m^-2·s^-1 时,光合速率随蒸腾速率线性增加,当蒸腾速率高于此值时,单位光合速率的增加变缓,奢侈蒸腾开始产生,此值所对应的土壤水吸力为1.76 MPa,此时叶片光合速率处于较高(16 μmol·m^-2·s^-1 左右)水平,叶片水平水分利用效率(WUEL)达到最高7.3 μmol(CO2)·mmol^-1(H2O)。综上所述,小麦叶片奢侈蒸腾的发生始于水分利用效率从最高转向降低、光合速率处于较高水平而非最大。通过光合随蒸腾变化的米氏方程关系及蒸腾与土壤水吸力的线性关系,可以确定土壤水吸力1.76 MPa 为小麦开花灌浆期叶片奢侈蒸腾发生的土壤水分阈值。

基于阵列式触觉传感器的操作意图实时感知

针对协作型机器人,自主研发了一款柔性阵列式触觉传感器,将其封装为可感知人手抓握姿态与力大小的触觉手柄,提出一种基于卷积神经网络(CNN)的可区分人手松抓握、紧抓握与无意间触碰触觉手柄3种模式状态的方法,识别准确率达到98.2%。提出一种可变导纳控制策略,利用人手抓握手柄状态,实时调节机械臂虚拟阻尼,基于此触觉手柄可实时感知人手局部变换姿态,准确估计操作者操作意图,并将局部感知信息传输给机器人控制其运动,以UR协作型机器人为实验平台,以触觉手柄为感知输入并进行人机交互实验,对机械臂运动精度做了评价。实验表明触觉手柄具有良好的意图感知能力。

基于视觉的非接触呼吸频率自动检测方法

针对生理健康监测领域的呼吸率检测舒适度及效率问题,提出了一种基于视觉的非接触式测量方法,该方法利用普通相机拍摄人体呼吸视频,并通过欧拉算法将呼吸时的胸腹运动位移加以放大,考虑人体胸腹区域位置提取准确度对呼吸率检测精度的影响,提出了基于光流信号提取呼吸区域的方法,利用光流算法将胸腹运动转化为光流信息并进行编码,将其显示为彩色图像形式,从中提取胸腹呼吸区域的像素亮度序列,从而得到呼吸波形信息,通过波峰检测获取呼吸率。最后,实验将本算法自动提取的呼吸信号与Embla N7000多导睡眠仪测量结果相比较,结果表明,本算法呼吸率检测平均误差为0.54次/min,具有较高的准确性。

BIM校正累计误差的激光里程计求解方法

建筑机器人室内作业过程中,如何实现里程计精确求解对后续的定位建图及精准作业有着至关重要的影响。针对传统同步定位与地图构建(SLAM)方法由于回环检测导致的准确性问题,提出了一种以建筑信息模型(BIM)数据校正激光里程计累计误差实现精准定位的方法。首先求解机器人初始时刻在BIM中的全局初始定位,其次提取三维点云关键点并转换其为二维点云,然后以轮式里程计数据为预测值求解帧间运动,最后结合BIM数据消除累计误差得到高精度里程计定位。实验表明:本方法在机器人初始定位、激光点云处理和消除累计误差的运动求解上具有良好的稳定性和准确性,初始定位误差小于2 mm,里程计偏移量误差控制在0.09%内,为建筑机器人精确建图提供了有力保障。

基于模型约束的人体姿态视觉识别算法研究

针对移乘服务机器人对人体姿态识别高精度性的要求,以及现有的人体姿态识别方法在关节遮挡情况下识别精度低的问题,提出了一种基于模型约束的人体姿态识别算法,以解决移乘操作前机器人系统对人体关节空间坐标的精确提取。首先采用OpenPose算法识别彩色图像中未遮挡关节的像素坐标,通过对RGB-D相机的彩色图像与深度图像进行对齐,将关节像素坐标转换为3D坐标。然后依据人体模型相关参数以及未被遮挡关节坐标计算与之相连接的被遮挡关节的空间坐标,用于提高遮挡关节的识别精度。实验结果表明,所提出的算法在关节未遮挡时识别精度为92%,在关节遮挡时达到了90%。单帧计算平均用时约为190 ms,满足移动服务机器人操作的实时性要求。

冗余度双臂机器人协作策略下实时避障算法

针对冗余度双臂机器人协调操作过程中机械臂本体避障及躲避环境障碍问题,提出了基于冗余机械臂自运动特性的双臂机器人协作策略下实时避障算法。首先,利用障碍物在机械臂连杆上的投影矢量筛选掉不会避碰杆件,再计算可能避碰杆件与障碍物的最短距离;其次,根据双臂协作的运动学约束关系,得到冗余度双臂机器人协调搬运避障的运动学逆解;再次,引入梯度“安全距离”和两个避障因子,实时改变机械臂的避障速度,使机器人末端完成协作任务以及双臂实时自避碰及躲避环境障碍物的任务;最后,利用冗余度双臂机器人进行仿真及实验。结果表明:双臂机器人末端执行器执行协作任务的同时机器人双臂可以躲避障碍物,且各关节运动连续、平稳。

基于辅助相机的景深拓展三维重建技术研究

针对面结构光三维重建中,由于重建景深的限制导致待测物在超出重建景深后出现重建错误的问题,提出了一种基于辅助相机的景深拓展三维重建技术,并借助相位阈值自适应地对重建景深内外物体进行重建。采用四步相移与互补格雷码结合的方法获取绝对相位,通过多项式拟合法对相机、投影仪进行标定。提出了借助辅助相机建立超出重建景深的相位-高度映射的方法。实验结果表明:该方法能提高重建景深范围50%左右,大大提升了面结构光的重建范围。

基于床垫动态压力检测的胸腹呼吸运动无束缚监测方法

目的开发一种适用于日常居家使用的无束缚睡眠呼吸监测方法,实现睡眠呼吸暂停综合征(sleep apnea syndrome,SAS)及呼吸系统疾病的无束缚筛查。方法提出一种基于床单式柔性压力传感器的无束缚胸腹呼吸监测方法,通过检测呼吸时胸部和腹部作用于床垫的动态压力获取呼吸信息。对10名健康受试者进行无束缚监测与胸腹呼吸带监测的对比实验,验证所提方法的有效性。结果床单式柔性压力传感器可以检测呼吸时胸部和腹部作用于床垫的动态压力,并据此获取呼吸波形和呼吸率信息。其中,呼吸率与胸腹呼吸带的输出结果相同,而呼吸动态压力波形与胸腹呼吸带输出信号在相位上存在差异,该差异与受试者的睡姿和性别有关。建立胸式呼吸有限元模型,对呼吸运动的相位差异进行初步分析。结论床单式柔性压力传感器可以无束缚监测呼吸时胸部和腹部运动,具有判别SAS类型的潜力。由于胸腹运动存在力学耦合关系,欲利用动态压力识别胸腹运动的相位差,进一步需进行解耦研究。

基于人体模型约束的步态动态识别方法

针对外骨骼机器人在人机交互、医疗康复中的人体运动步态准确识别问题,提出一种基于人体模型约束的步态动态识别方法。首先,利用AMS仿真软件建立不同运动的仿真模型,根据模型约束划分步态相位,并通过回归映射建立真实数据与仿真数据间的对应关系;然后,将柔性压力传感器采集的足底压力数据以及惯性测量单元采集的足部位移数据融合为足部运动数据,并根据动态变化结合模型约束条件动态分割运动数据,以判断步态相位;最后,搭建卷积神经网络(CNN)识别行走步态相位。实验结果表明,所提方法的行走动作步态平均识别准确率为94.58%,上、下楼梯动作的平均步态识别准确率分别为93.21%和94.64%,与未经动态分割的足底压力数据的步态识别相比,分别提高了11.34、12.19和16.03个百分点。可见,通过经动态分割的足部运动数据进行CNN识别具有较高的准确率,且适用于不同动作的步态识别。

基于柔性压力传感器的睡姿识别方法研究

目前使用的睡姿识别系统存在泄露隐私、束缚人体以及识别精度不高等问题,难以实现临床应用。为了提高睡姿识别的实用性,使用自主开发的柔性压力传感器无束缚采集六种睡姿图像,提出了一种基于支持向量机(SVM)并使用遗传算法(GA)进行关键参数优化的睡姿识别方法。实验表明:提出的方法能准确识别人体睡姿,平均识别准确率可达93.3%,在临床护理领域具有良好的应用前景。

基于面结构光的工件内壁点云旋转拼接研究

针对某些工件内部空间有限、测量困难的问题,提出了一种基于面结构光的点云旋转拼接方法。介绍了面结构光单一视野的重建方法,采用四步相移与互补格雷码结合的方法获取绝对相位值,通过多项式拟合法对相机、投影仪进行标定。基于机械臂末端腕关节旋转平面(简称:旋转平面)对点云的配准进行了研究,提出了基于辅助相机的标定方法,给出了相机成像坐标系和旋转平面坐标系之间的变换关系。实验结果表明:该方法适用于工件内壁测量,拼接平均误差不大于0.05 mm,满足实际应用需求。

睡眠中逐次心跳周期的无束缚提取方法研究

针对无束缚睡眠监测的迫切需求以及现有心率和心跳周期提取方法获取生理信息有限、缺乏临床价值或需要关于生理信息的先验知识等问题,基于心冲击(BCG)提出了一种改进的实时心率和逐次心跳周期提取方法。该方法利用固定于床侧的加速度传感器采集BCG信号,并通过改进的心跳周期函数从BCG信号中得到心跳周期序列;为解决序列中出现错误心跳周期的问题引入心跳周期估计的概念,根据心跳周期估计值并通过心跳候选值和其位置差值结合,从心跳候选值及位置构成的矩阵中得到逐次心跳周期。通过对比实验,将本方法与心电图得到的心率和心跳周期相比较,结果表明本方法提取心率的准确率不低于98.72%,两种方法获得的逐次心跳周期95.64%在一致性界限之内,验证了其准确性和一致性。

运用视觉和主成分分析的非接触式心率测量

图像光电容积脉搏波描记法(PPGi)是一种利用视觉采集并分析人体皮肤由于充放血所引起的颜色变化来测量心率的方法。与传统的使用电极的方法相比较,这种方式能够提供更舒适的生理信息提取,在一些非医疗场景的健康监测和人机交互场景中是非常重要的。一种运用自动人脸追踪和主成分分析RGB三色通道来提取脉搏信号的方法被提出,分别对10名实验者进行视频拍摄,并在日光、灯光和日光与灯光同时存在的3种情况下实验,在视频拍摄人脸的同时用一个多导睡眠仪(用来测心电图)作对比。实验结果表明:该算法在准确提取出脉搏心率的同时,能够大幅降低运算时间。