[发明专利]基于人体手臂运动信息预测的人机在线避障方法及系统

说明书

本发明公开了一种基于人体手臂运动信息预测的人机在线避障方法及系统，其中方法包括：获取人体手臂运动信息；将人体手臂运动信息输入LSTM‑BP模型进行人体手臂运动的预测；将人体手臂作为障碍物，根据人体手臂运动的预测信息获取斥力场；将机器人的移动终点作为目标点，根据目标点获取引力场；根据斥力场和引力场获取机器人的末端位姿，根据获得的末端位姿控制机器人运动；其中，斥力场不仅与机器人和障碍物之间的距离有关，还与机器人和目标点之间的距离有关。本发明利用长短期记忆神经网络结合反向传播神经网络预测人体手臂运动，并通过人工势场算法实现人机交互下的在线避障，提升人机交互的安全性，可广泛应用于人机交互技术领域。

技术领域

本发明涉及人机交互技术领域，尤其涉及一种基于人体手臂运动信息预测的人机在线避 障方法及系统。

背景技术

机器人制造业正在成为衡量一个国家科技创新和高端制造水平的代表性产业。随着机器 人技术的发展，其应用从工业制造越来越多地进入到家庭服务、医疗护理、航天科技等诸多 领域。工作环境逐渐由传统结构单一化转为复杂非结构化。由此，在人机环境中机器人与人 如何安全且高效的进行作业，成为当前机器人领域重要的研究方向。在该方向，人体运动信 息预测及机器人在线避障规划成为了一个主要的研究课题。

目前，在人机交互环境下机器人与传感器之间出现通信延迟导致人机可能发生物理碰撞 的问题，目前仍有待解决。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种基 于人体手臂运动信息预测的人机在线避障方法及系统。

本发明所采用的技术方案是：

一种基于人体手臂运动信息预测的人机在线避障方法，包括以下步骤：

获取人体手臂关键点坐标，根据人体手臂关键点坐标获取人体手臂运动信息；

将获取的人体手臂运动信息输入LSTM-BP模型进行人体手臂运动的预测，其中LSTM-BP模型包括长短期记忆神经网络和反向传播神经网络；

将人体手臂作为障碍物，根据人体手臂运动的预测信息获取斥力场；

将机器人的移动终点作为目标点，根据目标点获取引力场；

根据斥力场和所述引力场获取机器人的末端位姿，根据获得的末端位姿控制机器人运动；

其中，所述斥力场不仅与机器人和障碍物之间的距离有关，还与机器人和目标点之间的 距离有关。

进一步地，所述获取人体手臂关键点坐标，根据人体手臂关键点坐标获取人体手臂运动 信息，包括：

采用光学三维动作捕捉系统提取人体手臂关键点坐标；

根据人体手臂关键点坐标计算人体手臂关键点在三个维度上的速度与加速度，获得人体 手臂运动信息。

进一步地，所述LSTM-BP模型通过以下方式训练：

采用光学三维动作捕捉系统获取人体手臂运动信息；

利用滑动窗口法所述人体手臂运动信息进行数据分割；

利用分割的数据信息对数据进行归一化预处理，并划分出训练集和测试集；

采用训练集训练长短期记忆神经网络，初始化网络参数，在网络中进行参数训练和迭代；

利用长短期记忆神经网络训练获得的输出数据，训练反向传播神经网络，在反向传播神 经网络中进行参数学习和迭代；

将测试集输进训练后的LSTM-BP模型，对输出数据进行反归一化处理，获得模型中的 预测值。

进一步地，所述斥力场的表达式为：