[发明专利]一种基于数据手套的水下机器人软体作业手位置跟踪方法

说明书

本发明针对数据手套的动态捕捉准确性和水下软体作业手位置跟踪的不准确性，公开了一种基于数据手套的水下机器人软体作业手位置跟踪方法。针对数据手套对人手部关节进行数据捕捉时角度不准确的问题，将姿态融合算法运用到数据手套的姿态采集中，融合三轴磁力计、三轴加速度计和三轴陀螺仪的数据求解出姿态角度。针对水下软体作业手对人手部位置跟踪的问题，本发明提出采用动态矩阵预测控制，通过设计轨迹跟踪误差性能优化指标，建立跟踪误差约束条件，并把满足约束条件的性能优化问题，转化为求解控制增量的二次规划问题，获得时域内满足误差约束条件的预测控制，提高了数据手套动态捕捉和水下软体作业手的位置跟踪的准确性。

技术领域

本发明涉及数据手套动态捕捉及水下软体作业手位置跟踪技术领域，尤其涉及一种基于数据手套的水下机器人软体作业手位置跟踪方法。

背景技术

近年有缆水下机器人(ROV)作业技术的发展，越来越多的复杂作业任务被有缆水下机器人(ROV)所承担，水下机器人的人机交互也成为了水下机器人作业技术的研究热点以及未来方向。基于动作捕捉技术研制的数据手套可以实现对人手手指姿态采集，将采集到的手指弯曲角度和手臂姿态数据转换为机械手驱动电机的旋转角度，从而实现对机械手姿态的远程控制。动作捕捉技术是一种将人体在三维空间的运动姿态转换为数字信息的技术，目前已经广泛使用于电脑动画、体育和教育、互动游戏、虚拟现实、医学研究等人机交互领域，从捕捉原理层面分类，动作捕捉技术可以分为光学式、机械式、惯性传感器等。其中常用的动作捕捉技术有光学式、机械式和基于惯性传感器六大类。其中光学式动作捕捉需要在捕捉对象身上预先设置光学标记点，然后用摄像机对标记进行跟踪，通过对拍摄到的标记点视频进行图像分析来完成高精度的动作捕捉，光学式动作捕捉系统整体造价昂贵，并且对环境的光照和反射情况要求比较严格，因此往往适用于3D电影拍摄等场景；

现在最接近本文算法的是金杰在一种基于视觉与惯性信息融合的手部姿态估计方法及系统。其提出首先构建手部姿态数据。然后进行特征提取，包括通过Resnet50残差网络对AR眼镜获取的彩色图像进行视觉信息特征提取最终得到图像特征向量；通过构建卷积神经网络进行惯性信息特征提取，得到惯性信息特征向量；将图像特征向量和惯性信息特征向量连接后得到融合后的特征向量。再进行手部的2D和3D姿态估计。而后通过网络训练及测试将训练好的手部姿态估计网络模型部署到AR眼镜，通过调用彩色相机以及数据手套，进行实时手部姿态估计。

上述最接近本文的技术方案，虽优点很明显，对本身不确定参数及外部环境的适应力强，但加速度计在运动时容易产生高频噪声，其动态特性差，同时陀螺仪低段动态频特性差，会随着时间逐渐变大积分误差。以及惯性测量单元中只有三轴加速度计和三轴陀螺仪，无法测得手指的横移，导致该算法无法精准的捕捉手部的精准位置，不容易应用于实际工程。

同时水下软体作业手在进行抓取的过程中软体机作业手抓取的目标具有高价值，水下软体作业手运动位置对保证目标安全完好具有重要意义。普通滑模控制或者PID控制位置会超过目标承受能力，导致目标与水下软体作业手运动不协调而再次受伤；位置状态超出空间环境限制，水下软体作业手也会碰撞周围的物体。

发明内容

本发明旨在提出一种基于数据手套的水下机器人软体作业手位置跟踪方法，目的在于提高水下软体作业手抓取高价值目标物的能力，保护其完整性，在数据手套动态捕捉方面，本发明提出改进的姿态融合算法对九轴惯性传感器数据进行融合，解算出准确的人手部关节位置，解决数据手套只依靠角度传感器测量人手部关节位置容易出现误差的问题；在水下软体作业手对人手位置跟踪控制方面，本发明提出改进的动态矩阵预测控制算法来提高系统的鲁棒性和抗干扰能力，通过添加限制条件，滚动优化，解决水下软体作业手与人手位置误差的问题；本发明设计的数据手套动态捕捉及水下软体作业手位置跟踪方法能使有缆水下机器人搭载水下软体作业手开展水下高价值物体探测、采集工作。

本发明的目的通过以下技术方案予以实现：

一种基于数据手套的水下机器人软体作业手位置跟踪方法，包括以下步骤：