本申请实施例属于机器人技术领域，涉及一种用于遥操作的姿态识别方法，包括获取操作者N个部位的N组当前运动反馈数据，其中N为大于等于2的整数；及通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别，得到操作者的当前姿态，其中，当前姿态包括操作者M个部位的当前姿态，M为大于N的整数。本申请还提供一种用于遥操作的姿态识别装置、系统、计算机设备及存储介质。本申请可以基于更少数量的姿态传感器得到操作者更为精确的姿态识别结果。果。果。
【技术实现步骤摘要】
一种用于遥操作的姿态识别方法、装置及系统
[0001]本申请涉及遥操作
，尤其涉及一种用于遥操作的姿态识别方法、装置及系统。
技术介绍
[0002]随着科技的发展，机器人应用领域越发广泛，在一些复杂和危险环境中，需要机器人灵活性更高，具有更高的仿人工作的能力，为此，遥操作机器人应运而生。遥操作机器人是通过在操作人员身上安装姿态传感器，比如，惯性传感器(Inertial Measurement Unit IMU)，操作人员在另一真实或者虚拟场景下进行目标任务操作，通过IMU捕捉操作人员在操作过程中的动作并采集相应的运动反馈数据发送给控制器，控制器根据反馈数据生成相应的运动控制指令等，以控制从端机器人，从而实现遥操作的目的。
[0003]现有的动作捕捉方案主要是在人体上密集布置惯性传感器以获得动作相关的运动反馈数据，为实现全身动作捕捉一般需在操作者身上分布16
‑
20个IMU。
[0004]而通常IMU成本较高，需要处理的数据量也较大，算力要求高，不利于实时的动作捕捉。
技术实现思路
[0005]本申请实施例的目的在于提出一种用于遥操作的姿态识别方法、装置及系统，以基于更少数量的姿态传感器得到操作者更为精确的姿态识别结果。
[0006]为了解决上述技术问题，本申请实施例提供一种用于遥操作的姿态识别方法，采用了如下所述的技术方案：
[0007]一种用于遥操作的姿态识别方法，用于识别操作者的姿态，包括下述步骤：
[0008]获取操作者N个部位的N组当前运动反馈数据，其中N为大于等于2的整数；及
[0009]通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别，得到操作者的当前姿态，其中，当前姿态包括操作者M个部位的当前姿态，M为大于N的整数。
[0010]进一步的，所述N等于4；所述操作者N个部位的N组当前运动反馈数据包括：
[0011]对应操作者的左腕部的运动反馈数据；
[0012]对应操作者的右腕部的运动反馈数据；
[0013]对应操作者的腰部的反馈数据；
[0014]对应操作者的头部的运动反馈数据。
[0015]进一步的，获取操作者N个部位的N组当前运动反馈数据包括：
[0016]获取满足预设时间间隔的当前时刻以及所述当前时刻前预设时间窗口内的运动反馈数据；和/或
[0017]所述姿态识别模型为Transformer模型。
[0018]进一步的，所述通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别之前还包括：
[0019]构建在人体多个姿态下的N组运动反馈数据的训练样本集，其中，以基于SMPL上半身模型的姿态表示作为训练样本集的标注；
[0020]设定预设的姿态识别模型的超参数；
[0021]基于运动反馈数据的训练样本集对姿态识别模型进行训练。
[0022]进一步的，所述通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别的步骤之后还包括：
[0023]基于人体先验模型，以所述当前姿态为目标进行跟踪优化，得到优化后的当前姿态。
[0024]进一步的，所述基于人体先验模型，以所述当前姿态为目标进行跟踪优化的步骤具体包括：
[0025]将所述当前姿态作为优化目标；
[0026]将所述人体先验模型的各个关节的转矩和脚部受力作为控制向量；
[0027]定义所述人体先验模型跟踪所述当前姿态的目标函数和约束条件，对所述目标函数和所述约束条件进行联合最优化求解，得到当前最优控制向量；
[0028]对所述人体先验模型执行所述当前最优控制向量，得到人体先验模型的当前姿态；
[0029]将所述人体先验模型的当前姿态作为优化后的当前姿态。
[0030]进一步的，所述目标函数为：
[0031][0032]其中，Q和R均为权重矩阵；N1表示预测时域；p(k+it)表示人体先验模型运动位姿向量以t时刻值为基准向前预测k+i时刻的值；pr(k+i t)表示神经网络输出的目标运动位姿向量以t时刻值为基准向前预测k+i时刻的值；t表示当前时刻；N2表示控制时域；Δu(k+i t)表示控制向量增量以t时刻值为基准向前预测k+i时刻的值；
[0033]所述约束公式为：
[0034][0035][0036]u_min≤u≤u_max(2.3)；
[0037]其中，公式(2.1)表示所述人体先验模型的各个关节的旋转角度需被约束在一定范围内；公式(2.2)表示所述人体先验模型的各个关节的旋转角速度需被约束在一定范围内；公式(2.3)表示所述人体先验模型的各个关节的转矩和脚部受力，即所述控制向量u的大小被约束在一定范围内。
[0038]第二方面，本申请实施例还提供一种用于遥操作的姿态识别装置，用于识别操作者的姿态，采用了如下所述的技术方案：
[0039]一种用于遥操作的姿态识别装置，包括：
[0040]获取模块，用于获取操作者N个部位的N组当前运动反馈数据，其中N为大于等于2的整数；
[0041]识别模块，用于通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态
识别，得到操作者的当前姿态，其中，当前姿态包括操作者M个部位的当前姿态，M为大于N的整数。
[0042]第三方面，本申请实施例还提供一种遥操作系统，采用了如下所述的技术方案：
[0043]一种遥操作系统，包括：N个姿态传感器、控制器和机器人,其中，N为大于等于2的整数；
[0044]所述N个姿态传感器和所述机器人分别与所述控制器130通信连接；
[0045]所述N个姿态传感器，用于分别采集操作者N个部位的N组当前运动反馈数据；
[0046]所述控制器，用于获取所述操作者N个部位的N组当前运动反馈数据；及通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别，得到操作者的当前姿态，其中，当前姿态包括操作者M个部位的当前姿态，M为大于N的整数；
[0047]所述机器人，用于根据所述当前姿态的指示进行运动。
[0048]第四方面，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0049]一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的用于遥操作的姿态识别方法的步骤。
[0050]第五方面，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0051]一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的用于遥操作的姿态识别方法的步骤。
[0052]与现有技术相比，本申请实施例主要有以下有益效果：
[0053]本申请实施例，将更少数量的姿态传感器采集的关节的运动反馈数据通过姿态识别模型进行操作者的姿态识别，由于该姿态识别模型基于大量的运动反馈本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于遥操作的姿态识别方法，用于识别操作者的姿态，其特征在于，包括下述步骤：获取操作者N个部位的N组当前运动反馈数据，其中N为大于等于2的整数；及通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别，得到操作者的当前姿态，其中，当前姿态包括操作者M个部位的当前姿态，M为大于N的整数。2.根据权利要求1所述的用于遥操作的姿态识别方法，其特征在于，所述N等于4；所述操作者N个部位的N组当前运动反馈数据包括：对应操作者的左腕部的运动反馈数据；对应操作者的右腕部的运动反馈数据；对应操作者的腰部的反馈数据；对应操作者的头部的运动反馈数据。3.根据权利要求1或2所述的用于遥操作的姿态识别方法，其特征在于，获取操作者N个部位的N组当前运动反馈数据包括：获取满足预设时间间隔的当前时刻以及所述当前时刻前预设时间窗口内的运动反馈数据；和/或所述姿态识别模型为Transformer模型。4.根据权利要求1或2所述的用于遥操作的姿态识别方法，其特征在于，所述通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别之前还包括：构建在人体多个姿态下的N组运动反馈数据的训练样本集，其中，以基于SMPL上半身模型的姿态表示作为训练样本集的标注；设定预设的姿态识别模型的超参数；基于运动反馈数据的训练样本集对姿态识别模型进行训练。5.根据权利要求1或2所述的用于遥操作的姿态识别方法，其特征在于，所述通过预设的姿态识别模型对当前运动反馈数据进行操作者的姿态识别的步骤之后还包括：基于人体先验模型，以所述当前姿态为目标进行跟踪优化，得到优化后的当前姿态。6.根据权利要求5所述的用于遥操作的姿态识别方法，其特征在于，所述基于人体先验模型，以所述当前姿态为目标进行跟踪优化的步骤具体包括：将所述当前姿态作为优化目标；将所述人体先验模型的各个关节的转矩和脚部受力作为控制向量；定义所述人体先验模型跟踪所述当前姿态的目标函数和约束条件，对所述目标函数和所述约束条件进行联合最优化求解，得到当前最优控制向量；对所述人体先验模型执行所述当前最优控制向量，得到人体先验模型的当前姿态；将所述人体先验模型的当前姿态作为优化后的当前姿态。7.根据权利要求6所述的用于遥操作的姿态识别方...
【专利技术属性】
技术研发人员：何宇星，石炜烨，李向东，许晋诚，
申请(专利权)人：帕西尼感知科技张家港有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。