機器人交互安全技術

目錄

第1章 緒論 1
1.1　研究背景與意義 1
1.2　機器人節(jié)點姿態(tài)估計技術的研究現(xiàn)狀 4
1.2.1 單個IMU姿態(tài)估計技術 4
1.2.2 機器人關節(jié)角估計技術 5
1.3　人體運動捕捉技術的研究現(xiàn)狀 7
1.3.1 人體運動捕捉方案 7
1.3.2 人體運動捕捉方法 9
1.3.3 人體位置跟蹤方法 11
1.4　人體動作識別技術的研究現(xiàn)狀 13
1.4.1 傳感器部署方案與數(shù)據(jù)集 13
1.4.2 基于機器學習的動作識別方法 15
1.4.3 基于深度學習的動作識別方法 17
第2章 MARG傳感器的模塊設計與傳感器校準 21
2.1　MARG傳感器的模塊設計 21
2.2　傳感器校準 29
2.2.1 磁力計校準 29
2.2.2 加速度計校準 31
2.2.3 陀螺儀校準 32
第3章 節(jié)點姿態(tài)估計技術 34
3.1　剛體姿態(tài)描述方法 34
3.2　基于EKF的姿態(tài)估計算法 35
3.2.1 過程模型 35
3.2.2 觀測模型 36
3.2.3 EKF執(zhí)行過程 37
3.3　基于DEKF的解耦姿態(tài)估計算法 38
3.3.1 問題描述 38
3.3.2 融合加速度矢量和角速度矢量估計物體姿態(tài) 39
3.3.3 從單位四元數(shù)中剔除航向姿態(tài) 39
3.3.4 融合磁場矢量和角速度矢量估計航向姿態(tài) 41
3.3.5 融合非航向姿態(tài)與航向姿態(tài)實現(xiàn)完整姿態(tài)估計 43
3.4　基于正交觀測矢量的姿態(tài)估計算法 43
3.4.1 參考矢量構造 43
3.4.2 參考矢量觀測協(xié)方差推導 44
3.4.3 基于正交觀測矢量的解耦姿態(tài)解算 45
3.5　實驗與分析 46
3.5.1 磁干擾下解耦姿態(tài)估計實驗 46
3.5.2 靜態(tài)與動態(tài)姿態(tài)估計實驗 48
3.5.3 大范圍俯仰運動姿態(tài)估計實驗 50
3.5.4 算法計算效率對比實驗 53
第4章 人體運動捕捉技術 54
4.1　人體關節(jié)運動鏈模型 54
4.2　人體運動捕捉算法 55
4.2.1 初始姿態(tài)標定 55
4.2.2 關節(jié)姿態(tài)解算 58
4.2.3 人體運動學模型 59
4.3　人體位置跟蹤算法 62
4.3.1 基于自適應零速度更新的腳部位置跟蹤 62
4.3.2 融合慣性導航與人體運動學模型的位置跟蹤 76
4.4　實驗結果 78
4.4.1 零速度檢測實驗 78
4.4.2 人體動作捕捉實驗 85
4.4.3 人體位置跟蹤實驗 86
第5章 機器人運動捕捉技術 90
5.1　單軸旋轉運動旋轉軸與轉角估計 90
5.1.1 旋轉軸與轉角解析 90
5.1.2 實驗與分析 95
5.2　機械臂姿態(tài)捕捉 104
5.2.1 問題構建 105
5.2.2 關節(jié)角與位置解算 107
5.2.3 實驗與分析 115
5.3　移動機器人姿態(tài)捕捉 120
5.3.1 基于主平面磁場信息的磁力計校準 120
5.3.2 移動機器人姿態(tài)估計算法 123
5.3.3 實驗與分析 123
第6章 人體行為識別技術 129
6.1　基于深度卷積Transformer的對比自監(jiān)督動作識別模型 129
6.1.1 對比自監(jiān)督預訓練模塊 130
6.1.2 動作識別微調(diào)模塊 135
6.1.3 動作識別測試模塊 136
6.2　實驗平臺 136
6.2.1 數(shù)據(jù)集 136
6.2.2 模型參數(shù)設置 137
6.2.3 對比模型 137
6.2.4 模型評價方法 138
6.3　實驗與分析 139
6.3.1 數(shù)據(jù)增強實驗 139
6.3.2 基于不同比例有標記數(shù)據(jù)的動作識別實驗 141
6.3.3 線性評估與微調(diào)評估實驗 143
6.3.4 動作類別分類能力實驗 143
6.3.5 特征學習能力實驗 146
6.3.6 消融實驗 146
參考文獻 149