论文部分内容阅读
近年来,传统工业机器人的技术发展进入了瓶颈期,为了进一步提高产能,人与机器人共同协作的灵活生产模式逐渐受到了更多的关注。本文基于多相机下的人体姿态识别技术研究,结合多任务的人机交互需求,设计并实现了一种人机交互系统,具体的研究工作包括以下几个方面:(1)针对单一传感器在信息检测维度上的缺陷以及对噪声数据敏感的问题,提出了多传感器融合的人体姿态估计方法。基于相机、惯性测量单元等不同传感器的数据特征,分别建立了相应的目标函数,通过求解上述目标函数加权后得到的优化问题,融合了相机检测所得的2D姿态信息与可穿戴式IMU检测所得的肢体旋转信息,得出最优的人体姿态估计结果。(2)针对使用多相机进行多人姿态重建的场景,提出一种基于匹配度的迭代匹配法来确定各个相机视角下姿态之间的匹配关系,并针对相机视野下人群较为密集时容易出现的错误匹配情况,设计了迭代检查环节,通过调整迭代优先度,延后匹配的方式,避免错误匹配的发生。此外,为了使多人姿态编号能够在时间序列上保持连续,设计了基于前向搜索的姿态的跟踪算法,利用该算法对短时间内不连续出现的姿态进行跟踪。(3)针对人机交互工作中,机器人需要面对多种任务需求的情况,设计了基于目标点生成的机器人行为模式,将不同的机器人任务转化为相应的目标点生成方法,通过目标点生成方法的切换,使得机器人能够平滑地在不同的任务间过渡。进一步的,针对多任务的工作模式设计了基于模型预测的机器人控制方法,使得机器人能够根据不同的控制需求动态调整参数,以适应不同的人机交互任务。基于上述的研究内容,设计了人体姿态识别实验、多人姿态匹配实验与机器人目标跟踪实验,分别验证了:基于多传感器融合的姿态识别方法的识别精确度以及在噪声数据下的识别鲁棒性;基于匹配度的迭代匹配方法的匹配准确性与姿态跟踪算法的稳定性;基于模型预测的机器人控制方法在不同参数下的柔顺性。并通过多人人机安全实验与目标跟踪、物品传递、动态避障等人机交互实验,验证了系统在多种交互任务和交互场景下的可行性。实验结果表明了本系统能够适应多任务场景的人机交互工作,为业界提供了可靠的人机协作解决方案。