一种面向人机融合系统的数据通信方法及其装置制造方法及图纸

本发明专利技术提供了一种面向人机融合系统的数据通信方法及其装置。该方法包括如下步骤：(1)获取操作者的骨骼点数据和机器人同时刻的关节角度数据；(2)对骨骼点数据进行数据表征与泛化，具体为：先对骨骼点数据进行解算，得到关节角度数据，然后对关节角度数据进行滤波，最后利用步骤(1)得到的机器人同时刻的关节角度数据，使用平衡控制算法进一步修正滤波后的关节角度数据，得到关节控制量；(3)将关节控制量输入给机器人的控制系统。本发明专利技术装置包括视觉端、队列结构、数据处理模块、栈结构和控制端。采用本发明专利技术的方法和装置对人机融合系统进行优化，可以使得系统性能显著提高，人机融合的稳定性和连续性明显得到改善。稳定性和连续性明显得到改善。稳定性和连续性明显得到改善。

【技术实现步骤摘要】
一种面向人机融合系统的数据通信方法及其装置


[0001]本专利技术涉及机器人控制
，具体涉及一种面向人机融合系统的数据通信方法及其装置。

技术介绍

[0002]近年来，随着计算机、互联网和通信技术的发展，人工智能的发展迎来第三次浪潮，取得了大量成果，改变了人们的生活方式。但是，以深度学习模型为代表，目前人工智能领域的研究重点集中于软件算法部分，主要应用方式为数据处理，而在硬件上和人类的交互程度还不够高。针对这一现实，有学者提出：人工智能要推进深入的人机交互和协同，实现“人机融合”这一崭新的智能形式。另一方面，在当下的制造业、医疗、娱乐、军事等许多应用场景中，受限于人机交互水平，使用者往往需要花费大量时间进行操作学习，以适应机器人平台复杂的底层控制，这带来许多不便。因此，人机融合不仅是一个新概念，也是目前产业界的实际需求。
[0003]目前，已有研究人员从“人机交互”、“动作模仿”等角度出发，为人机融合系统做了大量探索性的工作。北京工业大学的于建均教授等人利用Kinect体感相机与Nao机器人搭建了动作模仿系统，借助高斯混合模型(GMM)与高斯混合回归(GMR)进行数据处理，得到良好的模仿效果(《基于Kinect的Nao机器人动作模仿系统的研究与实现》[J].智能系统学报,2016,11(02):180
‑
187.)。然而，在实际应用中，随着人机融合系统愈发复杂，系统内部数据传输的不稳定性暴露出来，如出现数据传输阻塞或空缺的问题，影响了最终机器人的控制效果。

技术实现思路

>[0004]针对以上现有技术中存在的缺陷，本专利技术的目的在于提供一种面向人机融合系统的数据通信方法及其装置，以增加人机融合系统的稳定性和鲁棒性。
[0005]为达上述目的，本专利技术采用的技术方案如下：
[0006]一种面向人机融合系统的数据通信方法，包括如下步骤：
[0007](1)获取操作者的骨骼点数据和机器人同时刻的关节角度数据；
[0008](2)对所述操作者的骨骼点数据进行数据表征与泛化，具体为：先对骨骼点数据进行解算，得到关节角度数据，然后对关节角度数据进行滤波，最后利用步骤(1)得到的机器人同时刻的关节角度数据，使用平衡控制算法进一步修正滤波后的关节角度数据，得到关节控制量；
[0009](3)将步骤(2)得到的关节控制量输入给机器人的控制系统。
[0010]进一步地，步骤(1)中，使用Kinect设备获取操作者的骨骼点数据。
[0011]本专利技术一种面向人机融合系统的数据通信装置，其特征在于，包括视觉端、队列结构、数据处理模块、栈结构和控制端，所述视觉端，用于采集人体深度图像，并进行骨骼点追踪，得到人体运动数据；所述数据处理模块，用于根据从视觉端获得的人体运动数据解算得
到机器人各关节的角度值，并对解算结果进行滤波，然后根据从控制端获得的机器人当前状态信息，利用平衡控制算法进一步修正滤波后的数据，最终输出控制数据给控制端；所述队列结构，连接在视觉端和数据处理模块之间，用于缓冲数据；所述栈结构，连接在数据处理模块和控制端之间，用于存储数据；所述控制端，用于控制机器人的运动。
[0012]进一步地，所述数据处理模块设置循环定时器，到达每个周期时间后，必须将数据交付给栈结构；若数据尚未被处理完，进程将被中断，数据处理模块重新接收新的输入处理。
[0013]进一步地，当所述栈结构内的存储数据处于溢出的状态时，从栈底删除元素，从而保证在栈顶的是新入栈的元素；当所述栈结构内的存储数据小于阈值时，采用预测算法估计数据并补充进栈结构中。
[0014]本专利技术针对人机融合系统数据传输的特点，基于队列和栈结构实现了应用层的数据通信，能有效解决系统受干扰导致的数据阻塞或空缺，增强系统的鲁棒性，提高人机融合的效果。采用本专利技术的方法和装置对人机融合系统进行优化，可以使得系统性能显著提高，人机融合的稳定性和连续性明显得到改善。
附图说明
[0015]图1为本专利技术方法的流程图。
[0016]图2为本专利技术装置的结构示意图。
[0017]图3为队列结构的功能示意图。
[0018]图4为数据处理模块的通道以及定时器的功能示意图。
[0019]图5使用向量法由骨骼点坐标解算关节角度值的示意图。
[0020]图6为机器人双脚站立时，使用平衡控制算法计算合适的下半身关节角数值的示意图。
[0021]图7为栈结构的功能示意图。
具体实施方式
[0022]下面将结合附图及具体实施例对本专利技术进行详细描述。
[0023]本实施例提供一种面向人机融合系统的数据通信方法，如图1所示，该方法的步骤包括：
[0024]S1，获取操作者的骨骼点数据和机器人同时刻的关节角度数据；
[0025]S2，对操作者的骨骼点数据进行数据表征与泛化，具体为：先对骨骼点数据进行解算，得到关节角度数据，然后对关节角度数据进行滤波，最后利用S1得到的机器人同时刻的关节角度数据，使用平衡控制算法进一步修正滤波后的关节角度数据，得到关节控制量；
[0026]S3，将S2得到的关节控制量输入给机器人的控制系统。
[0027]其中，S2中数据表征与泛化的具体过程为：
[0028](1)使用向量法，将操作者的骨骼点坐标连接为向量，再计算向量夹角，从而将骨骼点坐标解算为关节角度值。
[0029]如图5所示，由Shoulder和Elbow骨骼点计算ShoulderPitch角。计算公式为：
[0030]当z
E
≤z
S
时，
[0031][0032]当z
E
＞z
S
时，
[0033][0034]其中，x
S
,z
S
为机器人Shoulder骨骼点在x轴和z轴上的坐标值。x
E
,z
E
为机器人Elbow骨骼点在x轴和z轴上的坐标值。
[0035]其余关节角的计算方法与上面的类似。
[0036](2)对得到的关节角度进行限幅滤波。本实施例限幅滤波的方法为：
[0037]根据经验判断，确定前后两次采样允许的最大偏差值(设为A)，每次采样时判断：如果本次值与上次值之差≤A，则本次值有效；如果本次值与上次值之差>A，则本次值无效，放弃本次值，用上次值代替本次值。
[0038](3)对滤波后的关节角度数据，结合S1获取的与人体动作数据同步的机器人关节角数据，执行平衡控制算法，修正部分关节角的值(本实施例主要为下半身)，如图6所示，具体地：
[0039]1)计算机器人当前重心位置
[0040]以机器人双足底部投影的中轴点为原点建立坐标系。在Nao机器人中，借助传感器可以实时读取每个躯干(Links)的重心坐标，第i个部分的躯干质量为m
i
，该部分重心坐标为(x
i
...

【技术保护点】

【技术特征摘要】
1.一种面向人机融合系统的数据通信方法，其特征在于，包括如下步骤：(1)获取操作者的骨骼点数据和机器人同时刻的关节角度数据；(2)对所述操作者的骨骼点数据进行数据表征与泛化，具体为：先对骨骼点数据进行解算，得到关节角度数据，然后对关节角度数据进行滤波，最后利用步骤(1)得到的机器人同时刻的关节角度数据，使用平衡控制算法进一步修正滤波后的关节角度数据，得到关节控制量；(3)将步骤(2)得到的关节控制量输入给机器人的控制系统。2.根据权利要求1所述的一种面向人机融合系统的数据通信方法，其特征在于，步骤(1)中，使用Kinect设备获取操作者的骨骼点数据。3.一种面向人机融合系统的数据通信装置，其特征在于，包括视觉端、队列结构、数据处理模块、栈结构和控制端，所述视觉端，用于采集人体深度图像，并进行骨骼点追踪，得到人体运动数据；所述数据处理模块，用于根据从视觉端获得的人体运动数...

【专利技术属性】
技术研发人员：金治宇，芦毅，吴浩田，沈秋，
申请(专利权)人：南京大学，
类型：发明
国别省市：