基于手臂可扩展造型库的姿态识别及跟随系统技术方案

本发明专利技术公开了基于手臂可扩展造型库的姿态识别及跟随系统，包括以下模块：姿态识别模块、数据库、对比分析模块、调取模块、更新模块和跟随控制模块；姿态识别模块和数据库与对比分析模块相连接；更新模块和调取模块与对比分析模块相连接；更新模块和调取模块与跟随控制模块相连接；更新模块与数据库相连接；姿态识别模块，采集人体姿态数据；数据库，对手臂的历史姿态数据进行存储和记录；对比分析模块，与机器人关节点角度进行对比分析匹配；调取模块，从数据库中调取与姿态识别模块所识别的姿态数据相匹配的模拟数据；更新模块，与数据库中未匹配的姿态数据进行存储；跟随控制模块，进行指令数据的接收和控制。进行指令数据的接收和控制。进行指令数据的接收和控制。

【技术实现步骤摘要】
基于手臂可扩展造型库的姿态识别及跟随系统


[0001]本专利技术涉及机器人
，具体为基于手臂可扩展造型库的姿态识别及跟随系统。

技术介绍

[0002]随着人工智能技术的飞速发展与进步，机器人的智能化已经为现代机器人发展的终极目标。随着机器人发展速度的不断提升，应用的范围也不断拓展，出现很多类型的机器人，例如操作机器人、信息机器人、移动机器人等。机器人的不断发展为我们的生活提供很多的便利，同时也对于涉及的技术提出更为苛刻的要求，这就需要对技术机器人不断的创新与探索，进而适应机器人快速发展的具体需求。可以认为人工智能作为机器人未来发展最为关键的技术，需要不但的拓展与进步。经历多年的发展之后，机器人发展十分的快速，在制造领域具有较大的功能。在应用到机械加工行业、汽车制造行业以及食品加工行业等。对于未来伴随着人工智能的进步，劳动力的减少，社会对于劳动力需求的增加，对工业机器人的需求也会增加；其次为未来对于制造过程精度要求的不断提升，不仅仅会对于工业机器人的需求量增加，同时还是会促进其向智能化的方向发展。同时工业机器人在核能、航天、生物工程等高科技行业之中也具有较为重要的应用。为此在人工智能的背景下，机器人的发展前景是较为广泛的。机器人模拟行为是机器人
的重要方向。机器人学习控制技术是实现仿人机器人在结构和非结构环境下实现智能化控制的一项重要技术。针对机器人模仿行为，要对机器人进行复杂的编程以及精准的定位。但是针对现有的技术水平，存在以下问题：
[0003]1、机器人无法准确定位关节；
[0004]2、机器对指令数据的进行接收和控制的时间较长，反应速度慢；
[0005]3、机器人模仿人体动作僵硬、不流畅；
[0006]所以，人们需要基于手臂可扩展造型库的姿态识别及跟随系统来解决上述问题。

技术实现思路

[0007]本专利技术的目的在于提供基于手臂可扩展造型库的姿态识别及跟随系统，以解决上述
技术介绍
中提出的问题。
[0008]为了解决上述技术问题，本专利技术提供如下技术方案：基于手臂可扩展造型库的姿态识别及跟随系统，其特征在于，包括以下模块：姿态识别模块、数据库、对比分析模块、调取模块、更新模块和跟随控制模块；
[0009]所述姿态识别模块和数据库与对比分析模块相连接；所述更新模块和调取模块与对比分析模块相连接；所述更新模块和调取模块与跟随控制模块相连接；所述更新模块与数据库相连接；所述姿态识别模块，用于采集人体姿态数据；数据库，用于对手臂的历史姿态数据进行存储和记录；对比分析模块，用于与机器人关节点角度进行对比分析匹配；调取模块，用于从数据库中调取与姿态识别模块所识别的姿态数据相匹配的模拟数据；更新模
块，用于对与数据库中未匹配的姿态数据进行存储；跟随控制模块，用于进行指令数据的接收和控制。
[0010]所述姿态识别模块包括对象捕捉单元、关节定位单元和运动轨迹单元；所述对象捕捉单元，对控制对象进行识别和捕捉；所述关节定位单元，对捕捉的对象进行关节点的定位；所述运动轨迹单元，根据对象捕捉单元和关节定位单元的处理数据输出对象运动轨迹。
[0011]所述数据库，对手臂的历史姿态数据进行存储和记录。
[0012]所述对比分析模块包括坐标系建立单元、向量生成单元、匹配单元和数据反馈单元；所述坐标系建立单元，根据姿态识别模块中的对象捕捉单元进行对象捕捉，确定人体关节点位置，建立直角坐标系；所述向量生成单元，根据人体各部件节点的位置生成向量；所述匹配单元，根据计算出的手肘和手腕数据与手肘和手腕历史姿据进行对比分析匹配；所述数据反馈单元，计算得出的数据无法与历史数据匹配反馈给更新模块；
[0013]在人体姿态数据上建立平面直角坐标系，赋予人体姿态数据的每一个关节节点以坐标值(X
i
，Y
i
)形成集合P，则集合P中的向量P
i
＝(X
i
，Y
i
)
‑
(X
i
‑1，Y
i
‑1)；根据人体姿态数据确定运动关节的节点和位置，所述人体姿态数据中的关节节点数量为n个，每两个相邻关节节点组成一个向量，最终形成人体姿态数据的关节节点向量集合P
’
，赋予人体姿态历史数据的每一个关节节点以坐标值(X
j
，Y
j
)形成集合Q，则集合Q中的向量Q
j
＝(X
j
，Y
j
)
‑
(X
j
‑1，Y
j
‑1)；根据人体姿态数据确定运动关节的节点和位置，所述人体姿态数据中的关节节点数量为n个，每两个相邻关节节点组成一个向量，最终形成人体姿态数据的关节节点向量集合Q
’
，
[0014]根据匹配单元计算集合P
’
中的向量与集合Q
’
中的向量的相似度：
[0015]识别到的人体姿态数据设定集合P
’
中的向量P
e
向量用坐标(Xe,Ye)表示，P
f
的向量用坐标(Xf,Yf)表示,向量P
e
和P
f
向量的夹角用θ表示：
[0016]e＝1,2,3，...，n
‑
1；f＝1,2,3，...，n
‑
1。
[0017]人体姿态历史数据设定集合Q
’
中的向量Q
s
向量用坐标(Xs,Ys)表示，Q
t
的向量用坐标(Xt,Yt)表示,向量Q
s
和Q
t
向量的夹角用θ
’
表示：
[0018]s＝1,2,3，...，n
‑
1；t＝1,2,3，...，n
‑
1。
[0019]运用余弦值计算出的人体姿态数据与人体历史姿态数据进行对比分析匹配。
[0020]处理流程是：
[0021](1)通过姿态识别模块中的对象捕捉单元、关节定位单元和运动轨迹单元。对控制对象进行识别和捕捉，对捕捉的对象进行关节点的定位，识别出人体部件关节的节点，输出
对象运动轨迹。
[0022](2)通过对比分析模块中的坐标系建立单元，以肩为原点，手臂关节部位取若3个节点，合并成一个集合；
[0023](3)通过向量生成单元，根据人体各部件节点的位置生成人体各部位节点的向量；
[0024](4)通过匹配单元，运用余弦值计算出的手肘和手腕姿态数据与手肘和手腕历史姿态数据进行对比分析匹配；将未与数据库中未匹配的姿态数据发送到更新模块；
[0025]所述调取模块，针对不同人体建立虚拟模型数据，将机器人关节的角度和位置与历史数据进行对比之后，对数据库中的数据进行分析匹配之后的调取数据的信息。
[0026]所述更新模块，将对比分析模块中通过搜索查询，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于手臂可扩展造型库的姿态识别及跟随系统，其特征在于，包括以下模块：姿态识别模块、数据库、对比分析模块、调取模块、更新模块和跟随控制模块；所述姿态识别模块和数据库与对比分析模块相连接；所述更新模块和调取模块与对比分析模块相连接；所述更新模块和调取模块与跟随控制模块相连接；所述更新模块与数据库相连接；所述姿态识别模块，用于采集人体姿态数据；数据库，用于对手臂的历史姿态数据进行存储和记录；对比分析模块，用于与机器人关节点角度进行对比分析匹配；调取模块，用于从数据库中调取与姿态识别模块所识别的姿态数据相匹配的模拟数据；更新模块，用于对与数据库中未匹配的姿态数据进行存储；跟随控制模块，用于进行指令数据的接收和控制。2.根据权利要求1所述的基于手臂可扩展造型库的姿态识别及跟随系统，其特征在于：所述姿态识别模块包括对象捕捉单元、关节定位单元和运动轨迹单元；所述对象捕捉单元，对控制对象进行识别和捕捉；所述关节定位单元，对捕捉的对象进行关节点的定位；所述运动轨迹单元，根据对象捕捉单元和关节定位单元的处理数据输出对象运动轨迹。3.根据权利要求1所述的基于手臂可扩展造型库的姿态识别及跟随系统，其特征在于：所述数据库，对手臂的历史姿态数据进行存储和记录。4.根据权利要求1所述的基于手臂可扩展造型库的姿态识别及跟随系统，其特征在于：所述对比分析模块包括坐标系建立单元、向量生成单元、匹配单元和数据反馈单元；所述坐标系建立单元，根据姿态识别模块中的对象捕捉单元进行对象捕捉，确定人体关节点位置，建立直角坐标系；所述向量生成单元，根据人体各部件节点的位置生成向量；所述匹配单元，根据计算出的手肘和手腕数据与手肘和手腕历史姿据进行对比分析匹配；所述数据反馈单元，计算得出的数据无法与历史数据匹配反馈给更新模块。5.根据权利要求4所述的基于手臂可扩展造型库的姿态识别及跟随系统，其特征在于：在人体姿态数据上建立平面直角坐标系，赋予人体姿态数据的每一个关节节点以坐标值(X
i
，Y
i
)形成集合P，则集合P中的向量P
i
＝(X
i
，Y
i
)
‑
(X
i
‑1，Y
i
‑1)；根据人体姿态数据确定运动关节的节点和位置，所述人体姿态数据中的关节节点数量为n个，每两个相邻关节节点组成一个向量，最终形成人体姿态数据的关节节点向量集合P...

【专利技术属性】
技术研发人员：任瑞，王春林，
申请(专利权)人：无锡傅里叶科技有限公司，
类型：发明
国别省市：