一种机器人实时模仿方法技术

本发明专利技术涉及一种机器人实时模仿方法，包括：获得人体动作的各个关节位置，利用所述人体动作的各关节位置计算出人体相邻关节间的方向向量；将所述人体相邻关节间的方向向量与机器人对应的相邻关节间的方向向量进行匹配，获得机器人需移动到的目标角。本技术方案通过应用运动学反解和LP优化方法，并用贝塞尔曲线拟合轨迹，将传感器检测的人体信息映射到机器人上并使其执行相似动作。同时还会考虑平衡问题以使得机器人能够模拟其他高难度动作。该方法操作简单、成本相对较低且稳定性较高。

Real time imitation method for robot

The invention relates to a method for real-time simulations, including: the robot joint position of human body movements, calculating body adjacent joint between the direction vector using the human body movement of each joint position; by matching the direction vector of the human body adjacent adjacent joint joint between the steering vector and the corresponding robot the robot need to move to the target angle. By applying the inverse kinematics solution and LP optimization method, and applying the Bessel curve to fit the trajectory, the sensor detects the human body information and maps it to the robot. It also takes into account the balance problem so that the robot can simulate other difficult movements. The method is simple in operation, low in cost and high in stability.

【技术实现步骤摘要】

本专利技术涉及智能机器人
，特别涉及一种机器人实时模仿方法。
技术介绍
目前，人形机器人凭借其拟人的外形以及强大的可编程能力正越来越受到大众的关注，法国Aldebaran-Robotics公司出产的NAO机器人正是其中的一种。NAO机器人有着与人相似的外形，全身总共有25个自由度。其中，NAO机器人的每个手臂有六个自由度，两条腿共有十一个自由度，头部有两个自由度。这种机器人由于其可爱的外形，正越来越受到大众的欢迎。目前，基于人形机器人的模仿系统不是特别健全，大都停留在给机器人硬编码的程度。现有方法为：首先设定一些机器人运动的姿态，然后将相应的关节角保存起来，每当机器人需要展示的时候调用机器人执行这些关节角。这种方法使得机器人比较呆板，没有办法适应实时使用的需求。基于上述需求，相关技术人员努力开发一种能够使得机器人在线模仿人运动系统，该系统能够使得机器人通过Kinect捕捉到人体的运动，并通过软件将这些运动所获取的信息以角度计算映射到NAO机器人的关节角上。这种模仿方法能够提高机器人的适应性，对于某些特定的情况，机器人可以直接模仿人类的运动，与硬编码方法相比，这种方法提高了人机交互的能力，减少程序编码的复杂程度。因此模仿学习不论是在工业领域还是在日常生活中都有广泛的应用场景。机器人在线模仿人运动系统的学习机制要么运用摄像技术，通过摄像头捕捉人体的运动。这种系统实时性差，采集的图像往往需要复杂的程序处理才能够得到机器人的关节角。还有就是利用动作捕捉设备，这样精确地获得人体运动的数据来实现模仿。这种系统一般比较昂贵，而且需要示教者穿戴。
技术实现思路
为解决现有技术的问题，本专利技术提出一种机器人实时模仿方法，本技术方案采用价格相对低廉的传感器作为动作捕捉设备捕捉并分析处理人类的运动，在设备的程序接口中能够利用人体的深度图像获得人体的骨架信息，利用该骨架信息，计算出的关节角使得人形机器人能够模仿人类的运动，从而提高模仿学习的效率以及准确率。为实现上述目的，本专利技术提供了一种机器人实时模仿方法，包括：获得人体动作的各个关节位置，利用所述人体动作的各关节位置计算出人体相邻关节间的方向向量；将所述人体相邻关节间的方向向量与机器人对应的相邻关节间的方向向量进行匹配，获得机器人需移动到的目标角。优选地，所述匹配的方法为：对所述人体相邻关节间的方向向量进行归一化，对机器人相邻关节间的方向向量进行归一化；利用归一化的人体相邻关节间的方向向量和归一化的机器人相邻关节间的方向向量获得相对于机器人坐标系的误差函数；对所述误差函数作最小值优化求解，获得机器人需移动到的关节角。优选地，所述误差函数为：其中，BHi表示为在机器人坐标系中人体相邻关节间的方向向量；BVi(θ)表示为在机器人坐标系中机器人相邻关节间的方向向量，BVi(θ)是关于关节角θ的函数表达式；n表示肢体数，i表示某个肢体，BS表示误差值，ωi表示第i个肢体的权值。优选地，还包括：利用机器人的质心对机器人作单脚平衡处理和双脚平衡处理。优选地，所述单脚平衡处理的步骤包括：获得在机器人坐标系中的机器人质心的坐标；利用所述机器人质心的坐标确定支撑踝关节至质心的方向向量；利用支撑踝关节至质心的方向向量确定最优踝关节角度。优选地，所述机器人质心的坐标表达式为：其中，BXC表示在机器人坐标系中机器人质心的坐标；n表示肢体数，i表示某个肢体，M表示机器人的质量；Ti表示在机器人坐标系中第i个肢体的质心坐标；mi表示第i个肢体的质量。优选地，所述支撑踝关节至质心的方向向量的表达式为：WXC＝WRB(BXC-BXAnkle)其中，BXC表示在机器人坐标系中机器人质心的坐标；WXC表示在世界坐标系中支撑踝关节至质心的方向向量；WRB表示从机器人坐标系到世界坐标系的旋转矩阵；BXAnkle表示在机器人坐标系中踝关节的位置坐标。优选地，所述利用支撑踝关节至质心的方向向量确定最优踝关节角度的步骤包括：利用世界坐标系中支撑踝关节至质心的方向向量WXC构建WS表达式；其中，WS表示归一化后的方向向量WXC相对于世界坐标系中z轴方向向量的偏移向量的模；对WS表达式进行最小值优化，获得最优踝关节角。优选地，所述WS表达式为：其中，WXC表示在世界坐标系中支撑踝关节至质心的方向向量；z表示在世界坐标系中z轴方向的单位向量z＝(0,0,1)T。优选地，所述双脚平衡处理的步骤包括：获得在世界坐标系中机器人质心；确定在世界坐标系中机器人质心至机器人两脚踝关节之间的中点的向量、机器人理想质心至机器人两脚踝关节之间的中点的向量；获得两向量之间的夹角；其中，所述机器人理想质心为机器人质心位于机器人两脚踝关节连线的垂线上。利用所述夹角确定机器人髋关节轴线旋转角度。优选地，所述机器人髋关节轴线旋转角度的表达式为：φ＝kφ·J+·ΔWXC其中，φ表示机器人髋关节轴线旋转角度；kφ取值为0.1～0.5，以保证机器人髋关节正常移动；表示在世界坐标系中机器人质心至机器人两脚踝关节之间的中点的向量，WXcdesired表示在世界坐标系中机器人理想质心至机器人两脚踝关节之间的中点的向量，ΔWXC表示两者向量的差向量，J+表示支撑踝关节至质心的方向向量WXC关于关节角θ的雅克比矩阵的伪逆。优选地，还包括：根据机器人两肢体间的最短距离是否小于两肢体对应的两肢体模型的圆柱体半径之和来判断机器人在运动过程中预测是否发生自碰撞。上述技术方案具有如下有益效果：本技术方案通过应用运动学反解和LP优化方法，并用贝塞尔曲线拟合轨迹，将传感器检测的人体信息映射到机器人上并使其执行相似动作。同时还会考虑平衡问题以使得机器人能够模拟其他高难度动作。该方法操作简单、成本相对较低且稳定性较高。并且，本案将对后续NAO机器人平台上的更高层次智能的研究具有重要作用，比如基于模仿人类行为的跟随音乐节奏的舞蹈，双足行走，物品抓取，乃至机器人能够理解行为并根据学习模仿的行为自主地行动等等。从产业上来说，该系统具有较好的趣味性，对玩具产业将比较有吸引力。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本技术方案的工作原理示意图；图2为本专利技术提出一种机器人实时模仿方法流程图；图3为本实施例采用的视觉平台Kinect示意图；图4为人体骨架示意图之一；图5为人体骨架示意图之二；图6为机器人坐标系示意图；图7为世界坐标系示意图；图8为本实施例机器人单脚站立时左脚踝调整以保持平衡示意图；图9为本实施例机器人双脚平衡时髋关节旋转示意图；图10为本实施例机器人双脚平衡原理示意图；图11为本实施例实时模仿对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本技术方案的工作原理为：如图1所示，为本技术方案的工作原理示意图本文档来自技高网...

【技术保护点】
一种机器人实时模仿方法，其特征在于，包括：获得人体动作的各个关节位置，利用所述人体动作的各关节位置计算出人体相邻关节间的方向向量；将所述人体相邻关节间的方向向量与机器人对应的相邻关节间的方向向量进行匹配，获得机器人需移动到的目标角。

【技术特征摘要】
1.一种机器人实时模仿方法，其特征在于，包括：获得人体动作的各个关节位置，利用所述人体动作的各关节位置计算出人体相邻关节间的方向向量；将所述人体相邻关节间的方向向量与机器人对应的相邻关节间的方向向量进行匹配，获得机器人需移动到的目标角。2.如权利要求1所述的方法，其特征在于，所述匹配的方法为：对所述人体相邻关节间的方向向量进行归一化，对机器人相邻关节间的方向向量进行归一化；利用归一化的人体相邻关节间的方向向量和归一化的机器人相邻关节间的方向向量获得相对于机器人坐标系的误差函数；对所述误差函数作最小值优化求解，获得机器人需移动到的关节角。3.如权利要求2所述的方法，其特征在于，所述误差函数为：SB=Σi=1nωi||1||HBi||HBi-1||VBi(θ)||VBi(θ)||2]]>其中，BHi表示为在机器人坐标系中人体相邻关节间的方向向量；BVi(θ)表示为在机器人坐标系中机器人相邻关节间的方向向量，BVi(θ)是关于关节角θ的函数表达式；n表示肢体数，i表示某个肢体，BS表示误差值，ωi表示第i个肢体的权值。4.如权利要求1所述的方法，其特征在于，还包括：利用机器人的质心对机器人作单脚平衡处理和双脚平衡处理。5.如权利要求4所述的方法，其特征在于，所述单脚平衡处理的步骤包括：获得在机器人坐标系中的机器人质心的坐标；利用所述机器人质心的坐标确定支撑踝关节至质心的方向向量；利用支撑踝关节至质心的方向向量确定最优踝关节角度。6.如权利要求5所述的方法，其特征在于，所述机器人质心的坐标表达式为：XBC=1MΣi=1nTi×mi]]>其中，BXC表示在机器人坐标系中机器人质心的坐标；n表示肢体数，i表示某个肢体，M表示机器人的质量；Ti表示在机器人坐标系中第i个肢体的质心坐标；mi表示第i个肢体的质量。7.如权利要求6所述的方法，其特征在于，所述支撑踝关节至质心的方向向量的表达式为：WXC＝WRB(BXC-BXA...

【专利技术属性】
技术研发人员：胡建兵，邢为之，王志扬，欧勇盛，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44