一种基于人体特征信号的动作捕捉及腕关节角度估计的机械臂映射方法

本发明属于ur机械臂人机交互，具体涉及一种基于人体特征信号的动作捕捉及腕关节角度估计的机械臂映射方法。

背景技术：

1、机械臂是一种模仿人类手臂的结构和功能的机器装置，它可以在一定的空间范围内完成各种操作任务，如抓取、移动、装配、焊接等。机械臂的控制方式主要有两种：一种是通过编程方式，预先设定好机械臂的运动轨迹和参数，让机械臂按照程序执行；另一种是通过手动方式，利用遥控器或者手套等设备，让操作者实时控制机械臂的动作。前者虽然可以保证机械臂的精确性和稳定性，但是缺乏灵活性和适应性，不能应对复杂和变化的环境；后者虽然可以提高机械臂的灵活性和适应性，但是需要操作者具有较高的技能和经验，而且容易造成操作者的疲劳和误操作。

2、为了克服上述问题，本发明提出了一种基于人体特征信号的动作捕捉及腕关节角度估计的机械臂映射方法，该方法利用肌电信号和角度信号作为人体手臂的运动信息，通过运动学建模、角度预测和关节映射等技术，实现人体手臂与机械臂的协同控制，使机械臂能够根据操作者的意图和手势进行灵活和自然的动作。

技术实现思路

1、针对现有技术的缺陷，本发明的目的在于，提供一种基于人体特征信号的动作捕捉及腕关节角度估计的机械臂映射方法，该方法将肌电信号融入到人机交互的过程中，有效的实现了人体手臂与机械臂的协同控制，提高机械臂的灵活性和适应性，增加了人机交互体验感。

2、本申请提供了一种基于人体特征信号的动作捕捉及腕关节角度估计的机械臂映射方法，主要包括以下步骤：

3、步骤1：通过对人体手臂关节进行运动学建模，利用x-y-z固定角度法，根据欧拉角信号，设计全局框架、局部框架和gforce臂环框架，由上肢手臂关节欧拉角解算方法求得当前时刻肩部和肘部的关节角度；

4、步骤2：当gforce臂带戴在受试者的前臂和腕关节处时，分别采集semg信号和imu信号，并对采集到的肌电信号进行预处理、特征提取、包络处理，可得到一条平滑的包络线，能反映出肌电信号的变化特征；然后，通过建立基于肌电信号的pso-grnn角度模型，预测腕关节的角度；

5、步骤3：通过分析手臂和机械臂的运动特性和结构差异，并在此基础上设计一种手臂到机械臂的关节动作映射关系。

6、通过本发明所构思的以上技术方案，与现有技术相比，能够取得下列有益效果：

7、1.本发明利用肌电信号和角度信号作为人体手臂的运动信息，通过运动学建模、角度预测和关节映射等技术，实现人体手臂与机械臂的协同控制，使机械臂能够根据操作者的意图和手势进行灵活和自然的动作，提高了机械臂的灵活性和适应性，适用于复杂的工业环境和人机交互场景。

8、2.本发明采用gforce臂带作为数据采集设备，可以方便地佩戴在受试者的前臂和腕关节处，无需粘贴电极片和穿戴手套等设备，减少了操作者的负担和不适感，提高了数据采集的效率和舒适性。

9、3.本发明采用pso-grnn角度预测器作为腕关节角度估计模型，可以有效地利用肌电信号的特征，提高了腕关节角度估计的准确性和实时性，同时可以根据不同的运动模式进行自适应调整，增强了模型的泛化能力和鲁棒性。

技术特征：

1.一种基于人体特征信号的动作捕捉及腕关节角度估计的机械臂映射方法，其特征在于，包括以下步骤：

2.根据权利要求书1中步骤1所述的人体上肢关节解算，其特征在于：通过定义全局坐标系(xg,yg,zg):x轴指向左侧；y轴指向前方，z轴指向上方。将两个gforce臂环分别佩戴在上臂和前臂中间部位，gforce臂带框架分别为(x1,y1,z1)和(x2,y2,z2)，使上臂局部框架(xh,yh,zh)和前臂局部框架(xf,yf,zf)与全局框架重合。在全局框架下，可得到上臂框架和前臂框架的方向旋转矩阵分别为和其中r∈r3×3为旋转矩阵，0为初始位置，“g”、“h”和“f”分别表示全局框架、上臂框架和前臂框架。上臂和前臂的局部框架不是静止的，上臂框架相对于第一个gforce臂带框架的方向和前臂框架相对于第二个gforce臂带框架的方向是恒定的矩阵，它们分别为和其中,下标“1”表示上臂佩戴的第一个gforce臂臂环，下标“2”表示前臂佩戴的第二个gforce臂环。

3.根据权利要求书1中步骤2所述的腕关节角度估计方法，其特征在于：通过建立两个相同网络结构的pso-grnn角度预测器，并与掌屈/背伸、尺偏/桡偏两种运动模式相对应；将semg信号与当前时刻腕关节角度根据标记的运动模式标签放入对应的pso-grnn角度预测器进行训练。训练完毕的pso-grnn角度预测器，通过运动模式分类算法确定当前的运动模式，并根据当前的运动模式将数据输入至对应的pso-grnn预测器进行实时角度预测。肌电信号的大小用均方根rms特征表示，其中iemgl(n)(l＝1,2···8)为肌电传感器测量第n帧iemg信号的值，第n帧l个rms特征的均值为e(n)；将解算得到的实时腕关节角度θ及对应的semg信号通过分类出的运动模式输入到对应的pso-grnn角度预测器进行角度预测，可获得腕关节的掌屈/背伸、尺偏/桡偏两个角度预测值q6、q7。

4.根据权利要求书1中步骤3所述的手臂与机械臂的关节映射，其特征在于：通过对手臂和机械臂的运动特性和结构差异的分析，发现手臂有3个关节7个自由度，机械臂有6个关节6个自由度。同时，在各关节的空间分布上，手臂肩关节与机械臂的第1、2关节位于同一位置，手臂肘关节与机械臂第3关节位于同一位置，手臂桡尺关节、腕关节与机器人第4、5、6关节位于同一位置。根据手臂与机械臂的关节自由度对比和空间分布位置的差异，可知机器人的关节1和关节2类似于手臂的肩关节结构，其中肩关节多了一个内旋/外旋的自由度在6自由机械臂中无对应关节与之相似；机械臂的关节3类似于手臂的肘关节；机器人的关节4、关节5和关节6类似于手臂的桡尺关节、腕关节。由肩关节的内收(+)/外展(-)q1对应机械臂关节角θ1，前屈(+)/后伸(-)q2对应机械臂关节角θ2；由肘关节屈(+)/伸(-)q4对应机械臂关节角θ3；桡尺关节(腕关节)的旋前(+)/旋后(-)q5对应机械臂关节角θ5；腕关节的掌屈(+)/背伸(-)q6对应机械臂关节角θ4，尺偏(+)/桡偏(-)q7对应机械臂关节角θ6。

技术总结
本发明公开了一种基于人体特征信号的动作捕捉及腕关节角度估计的机械臂映射方法，属于机械臂控制技术领域。包括：首先采用X‑Y‑Z固定角度法，设计全局框架、局部框架和gForce臂环框架，由手臂关节欧拉角解算方法求得肩部和肘部的关节角度；然后，采集前臂和腕关节处的sEMG信号和IMU信号，对sEMG信号进行处理，得到反映肌电信号变化特征的平滑包络线；接着，通过建立基于肌电信号的PSO‑GRNN角度模型，预测腕关节的角度；最后，由手臂和机械臂的运动特性和结构差异，设计出一种手臂到机械臂的关节动作映射关系。该方法将肌电信号融入到人机交互的过程中，有效的实现了人体手臂与机械臂的协同控制，提高机械臂的灵活性和适应性，增加了人机交互体验感。

技术研发人员：尤波,刘伟,李佳钰,陈晨
受保护的技术使用者：哈尔滨理工大学
技术研发日：
技术公布日：2024/1/14