CN104758096A - 一种对假肢目标空间定位精度矫正的方法 - Google Patents
一种对假肢目标空间定位精度矫正的方法 Download PDFInfo
- Publication number
- CN104758096A CN104758096A CN201510144894.6A CN201510144894A CN104758096A CN 104758096 A CN104758096 A CN 104758096A CN 201510144894 A CN201510144894 A CN 201510144894A CN 104758096 A CN104758096 A CN 104758096A
- Authority
- CN
- China
- Prior art keywords
- artificial neural
- neural network
- training
- artificial
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Prostheses (AREA)
Abstract
本发明公开了一种对假肢目标空间定位精度矫正的方法,它首先利用实现多自由度假肢对随机目标进行空间定位的方法对一系列目标进行初步定位,得到一系列目标点位置的集合,将该集合留作人工神经网络的训练输入样本集;然后人工借助测量工具,精确测得一系列目标实际的三维坐标值的集合,将该实际的三维坐标值集合留作人工神经网络的训练目标样本集,建立一种人工神经网络,经过充分训练后,使其输出值逼近目标的真实值;这样,当对网络输入训练输入样本集及其附近的参数时,该人工神经网络的实际输出就会逼近真实值,该人工神经网络即成多自由度上肢假肢或机器人对随机目标进行空间定位的精度矫正模型,从而对目标定位精度进行有效矫正。
Description
技术领域
本发明涉及肩离断型残疾人上肢假肢,尤其涉及该假肢对其随机目标进行空间定位的精度矫正方法。
背景技术
在申请人的发明专利“实现多自由度假肢对随机目标进行空间定位的方法”(ZL201010280508.3)中,公开了一种对用在非结构化环境中的“肩离断”型残疾人上肢假肢,尤其是可实现代偿功能的多自由度上肢假肢的对随机操作目标空间定位的方法。该方法在使用中发现,对某目标进行初步定位时,会得到其三维的坐标值p=[px py pz]T,因为对佩带者身材不同和身体结构尺寸测量的误差、传感器安装位置存在的误差等,p的坐标值往往与真实值之间的误差比较大,使得相关坐标系之间关系的描述精度受到影响,多个坐标之间的关系描述的误差积累,最终会放大并影响到目标定位精度,直接采用其值会影响上肢假肢的操作效果,这就不利于上肢假肢对目标的准确操作。不过这些误差均属于系统误差,该问题是本领域研究人员亟需解决的问题。
发明内容
为了对发明专利“实现多自由度假肢对随机目标进行空间定位的方法”(ZL201010280508.3)中的目标定位精度进行有效矫正,本发明提出一种简单易行的实现矫正的方法。
为达上述目的,本发明总的解决方案是,首先利用发明专利“实现多自由度假肢对随机目标进行空间定位的方法”(ZL201010280508.3)进行初步定位,然后利用本发明方法进行定位精度矫正,使得对随机目标的定位精度能够满足上肢假肢佩带者的操作需要,本方法拟利用人工神经网络对空间离散信息独特的映射与插值能力、多输入多输出的非线性特性和快速并行信息处理能力来建立一种对初步定位信息误差的精度矫正模型。每当上肢假肢系统获得随机目标在操作空间初步定位的三维坐标值时,将该三维坐标值作为人工神经精度矫正模型的输入,就可以快速、并行地得到随机目标在操作空间较精确的三维坐标值。
本发明的精度矫正方法步骤如下:
第一步、建立训练输入样本集
利用实现多自由度假肢对随机目标进行空间定位的方法对某目标进行初步定位时,得到其三维的坐标值,p=[px py pz]T;
当在上肢假肢的操作空间内采集测量一系列目标点的三维坐标值时,得到上述pi(i=1,2…,n)的集合{P},将该系列目标点位置与顺序进行标记、保存,将集合{P}留作人工神经网络的训练输入样本集;
第二步、建立训练目标样本集
人工借助测量工具(比如三维坐标测量仪、简易三维坐标板等等)精确测得某目标实际的三维坐标值,将该值表示为t=[tx ty tz]T;
对第一步的pi(i=1,2…,n)的集合{P}所对应的一系列目标点的三维坐标值进行精确测量,并与t=[tx ty tz]T进行对应顺序排列,得到这些的集合{T},将集合{T}留作人工神经网络的训练目标样本集,训练目标样本集的位置精度以满足上肢假肢的使用要求为标准;
第三步、建立与训练人工神经网络
取集合{P}作为人工神经网络的训练输入样本集,取集合{T}作为人工神经网络的训练目标样本集,建立一种人工神经网络;
训练开始,当人工神经网络的实际输出为其每一个位置点的坐标值为 )时,用误差{e}去训练人工神经网络,其中:
经过充分训练后,使得{e}→{0},即,网络最终能够使其输出逼近目标的真实值{T};
这样,当对网络输入训练输入样本集及其附近的参数时,该人工神经网络的实际输出就会逼近真实值,该人工神经网络即成多自由度上肢假肢或机器人对随机目标进行空间定位的精度矫正模型。
本发明的优点在于:每当用专利“实现多自由度假肢对随机目标进行空间定位的方法”(ZL201010280508.3)获得某目标的较为粗糙的初步定位值,并作为本人工神经网络的输入时,那么,该精度矫正模型就会自动输出目标相对上肢假肢或机器人的较精确的定位值。该方法的定位精度可根据训练样本集的大小程度及网络训练参数的选取进行调整,以满足上肢假肢及个别种类机器人的需要为标准;该方法的矫正范围可根据实际使用范围的进行变化,可以是局部,也可以是全空间;该方法无需借助昂贵、复杂的仪器与设备,成本低,灵活性强,易普及,个性化服务好,具有很强的实用性。该方法也可以用在其它具有类似工作情形的机械手对随机目标空间定位精度的矫正上。
附图说明
下面参照附图说明本发明的实施例。
图1是本发明定位精度矫正模型的获得和应用方法的流程框图。
图2是本发明人工神经网络的框架结构与内部组织图。
具体实施方式
本发明的精度矫正方法步骤如下,见图1:
1、建立训练输入样本集
利用发明专利“实现多自由度假肢对随机目标进行空间定位的方法”(ZL201010280508.3)对某目标进行初步定位时,得到其三维的坐标值p=[px py pz]T;
当在上肢假肢的操作空间内采集测量一系列目标点的三维坐标值时,得到上述pi(i=1,2…,n)的集合{P},将该系列目标点位置与顺序进行标记、保存,将集合{P}留作人工神经网络的训练输入样本集;
2、建立训练目标样本集
人工借助三维坐标测量仪精确测得某目标实际的三维坐标值,将该值表示为t=[tx ty tz]T;
对前述的pi(i=1,2…,n)的集合{P}所对应的一系列目标点的三维坐标值进行精确测量,并与t=[tx ty tz]T进行对应顺序排列,得到这些ti(i=1,2…,n)的集合{T},将集合{T}留作人工神经网络的训练目标样本集,训练目标样本集的位置精度以满足上肢假肢的使用要求为标准;
3、建立与训练人工神经网络
取集合{P}作为人工神经网络的训练输入样本集,取集合{T}作为人工神经网络的训练目标样本集,建立一种BP人工神经网络,其框架结构与内部组织如图2所示;
训练开始,当人工神经网络的实际输出为其每一个位置点的坐标值为 )时,用误差{e}去训练人工神经网络,其中:
经过充分训练后,使得{e}→{0},即,网络最终能够使其输出逼近目标的真实值{T};
进一步,一种用前述的集合{P}和集合{T}用来训练BP人工神经网络的MATLAB程序的主要部分参照如下:
其中部分网络参数可以作调整。
上述名为“netBP”的人工神经网络模型就是要求的多自由度上肢假肢或机器人对随机目标进行空间定位的精度矫正模型。
每当用专利“实现多自由度假肢对随机目标进行空间定位的方法”(ZL201010280508.3)获得某目标的初步定位值时,将其作为精度矫正模型的输入,则该精度矫正模型就会自动输出目标相对上肢假肢或机器人的较精确定位值。
应用本方法的精度矫正模型对初始定位值的矫正情况见表1。
表1(单位:mm)
*代表部分训练样本集中的点。
#代表部分非训练点的测试点。
表1说明:
(1)在训练点处,本方法的精度矫正模型可以很好地逼近实际定位值,而在非训练点处,也可以获得较为理想的插值。
(2)此处,初始定位系统的X坐标值测量精度比较高,在矫正模型中也可以很好地体现这一点。
(3)本发明的方法可以在发明专利“实现多自由度假肢对随机目标进行空间定位的方法”(ZL201010280508.3)进行初步定位情况下,对其存在的系统定位误差进行有效矫正,使得目标定位的精度大大提高,以满足使用要求。
本发明说明书中未详细描述的有关人工神经网络等内容属于本领域专业技术人员公知的技术或理论。
Claims (1)
1.一种对假肢目标空间定位精度矫正的方法,其特征在于,步骤如下:
第一步、建立训练输入样本集
利用实现多自由度假肢对随机目标进行空间定位的方法对某目标进行初步定位时,得到其三维的坐标值,p=[px py pz]T;
当在上肢假肢的操作空间内采集测量一系列目标点的三维坐标值时,得到上述pi(i=1,2…,n)的集合{P},将该系列目标点位置与顺序进行标记、保存,将集合{P}留作人工神经网络的训练输入样本集;
第二步、建立训练目标样本集
人工借助测量工具精确测得某目标实际的三维坐标值,将该值表示为t=[tx ty tz]T;
对第一步的pi(i=1,2…,n)的集合{P}所对应的一系列目标点的三维坐标值进行精确测量,并与t=[tx ty t]z T进行对应顺序排列,得到这些ti 的集合{T},将集合{T}留作人工神经网络的训练目标样本集,训练目标样本集的位置精度以满足上肢假肢的使用要求为标准;
第三步、建立与训练人工神经网络
取集合{P}作为人工神经网络的训练输入样本集,取集合{T}作为人工神经网络的训练目标样本集,建立一种人工神经网络;
训练开始,当人工神经网络的实际输出为其每一个位置点的坐标值为时,用误差{e}去训练人工神经网络,其中:
经过充分训练后,使得{e}→{0},即,网络最终能够使其输出逼近目标的真实值{T};
这样,当对网络输入训练输入样本集及其附近的参数时,该人工神经网络的实际输出就会逼近真实值,该人工神经网络即成多自由度上肢假肢或机器人对随机目标进行空间定位的精度矫正模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510144894.6A CN104758096B (zh) | 2015-03-30 | 2015-03-30 | 一种对假肢目标空间定位精度矫正的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510144894.6A CN104758096B (zh) | 2015-03-30 | 2015-03-30 | 一种对假肢目标空间定位精度矫正的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104758096A true CN104758096A (zh) | 2015-07-08 |
CN104758096B CN104758096B (zh) | 2016-11-30 |
Family
ID=53640442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510144894.6A Expired - Fee Related CN104758096B (zh) | 2015-03-30 | 2015-03-30 | 一种对假肢目标空间定位精度矫正的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104758096B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106737673A (zh) * | 2016-12-23 | 2017-05-31 | 浙江大学 | 一种基于深度学习的端到端的机械臂控制的方法 |
CN108037520A (zh) * | 2017-12-27 | 2018-05-15 | 中国人民解放军战略支援部队信息工程大学 | 阵列幅相误差条件下基于神经网络的直接定位偏差修正方法 |
CN109153123A (zh) * | 2016-05-20 | 2019-01-04 | 谷歌有限责任公司 | 与基于捕获物体的图像并且基于用于环境中的未来机器人运动的参数来预测机器人环境中的物体运动有关的机器学习方法和装置 |
CN110310315A (zh) * | 2018-03-21 | 2019-10-08 | 北京猎户星空科技有限公司 | 网络模型训练方法、装置及物体位姿确定方法、装置 |
US10963682B2 (en) | 2017-12-08 | 2021-03-30 | Huawei Technologies Co., Ltd. | Skeleton posture determining method and apparatus, and computer readable storage medium |
US11173599B2 (en) | 2016-05-20 | 2021-11-16 | Google Llc | Machine learning methods and apparatus related to predicting motion(s) of object(s) in a robot's environment based on image(s) capturing the object(s) and based on parameter(s) for future robot movement in the environment |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6330905A (ja) * | 1986-07-25 | 1988-02-09 | Agency Of Ind Science & Technol | 冗長マニピユレ−タのハイブリツド制御装置 |
CN101234043A (zh) * | 2008-02-28 | 2008-08-06 | 上海交通大学 | 适用于瘫痪病人的并联关节式助走外骨骼假肢 |
CN101953727A (zh) * | 2010-09-11 | 2011-01-26 | 山东科技大学 | 多自由度上假肢关节空间参数的求解方法 |
JP4794011B2 (ja) * | 2008-04-03 | 2011-10-12 | 関東自動車工業株式会社 | 画像処理装置、およびロボット制御システム |
CN103273497A (zh) * | 2013-06-06 | 2013-09-04 | 山东科技大学 | 人机交互式机械手控制系统及其控制方法 |
CA2916319A1 (en) * | 2013-07-19 | 2015-01-22 | Bionik Laboratories, Inc. | Control system for exoskeleton apparatus |
-
2015
- 2015-03-30 CN CN201510144894.6A patent/CN104758096B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6330905A (ja) * | 1986-07-25 | 1988-02-09 | Agency Of Ind Science & Technol | 冗長マニピユレ−タのハイブリツド制御装置 |
CN101234043A (zh) * | 2008-02-28 | 2008-08-06 | 上海交通大学 | 适用于瘫痪病人的并联关节式助走外骨骼假肢 |
JP4794011B2 (ja) * | 2008-04-03 | 2011-10-12 | 関東自動車工業株式会社 | 画像処理装置、およびロボット制御システム |
CN101953727A (zh) * | 2010-09-11 | 2011-01-26 | 山东科技大学 | 多自由度上假肢关节空间参数的求解方法 |
CN103273497A (zh) * | 2013-06-06 | 2013-09-04 | 山东科技大学 | 人机交互式机械手控制系统及其控制方法 |
CA2916319A1 (en) * | 2013-07-19 | 2015-01-22 | Bionik Laboratories, Inc. | Control system for exoskeleton apparatus |
Non-Patent Citations (2)
Title |
---|
樊炳辉等: "《一种康复用多自由度假肢肘关节气动平衡机构的优化设计》", 《机械传动》 * |
樊炳辉等: "《基于C8051F020的假肢控制系统设计》", 《计算机技术与应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109153123A (zh) * | 2016-05-20 | 2019-01-04 | 谷歌有限责任公司 | 与基于捕获物体的图像并且基于用于环境中的未来机器人运动的参数来预测机器人环境中的物体运动有关的机器学习方法和装置 |
US11173599B2 (en) | 2016-05-20 | 2021-11-16 | Google Llc | Machine learning methods and apparatus related to predicting motion(s) of object(s) in a robot's environment based on image(s) capturing the object(s) and based on parameter(s) for future robot movement in the environment |
CN109153123B (zh) * | 2016-05-20 | 2022-04-26 | 谷歌有限责任公司 | 与基于捕获物体的图像并且基于用于环境中的未来机器人运动的参数来预测机器人环境中的物体运动有关的机器学习方法和装置 |
CN114967433A (zh) * | 2016-05-20 | 2022-08-30 | 谷歌有限责任公司 | 基于捕获物体的图像的机器学习方法和装置 |
CN114967433B (zh) * | 2016-05-20 | 2023-08-18 | 谷歌有限责任公司 | 基于捕获物体的图像的机器学习方法和装置 |
CN106737673A (zh) * | 2016-12-23 | 2017-05-31 | 浙江大学 | 一种基于深度学习的端到端的机械臂控制的方法 |
CN106737673B (zh) * | 2016-12-23 | 2019-06-18 | 浙江大学 | 一种基于深度学习的端到端的机械臂控制的方法 |
US10963682B2 (en) | 2017-12-08 | 2021-03-30 | Huawei Technologies Co., Ltd. | Skeleton posture determining method and apparatus, and computer readable storage medium |
CN108037520A (zh) * | 2017-12-27 | 2018-05-15 | 中国人民解放军战略支援部队信息工程大学 | 阵列幅相误差条件下基于神经网络的直接定位偏差修正方法 |
CN110310315A (zh) * | 2018-03-21 | 2019-10-08 | 北京猎户星空科技有限公司 | 网络模型训练方法、装置及物体位姿确定方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104758096B (zh) | 2016-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104758096A (zh) | 一种对假肢目标空间定位精度矫正的方法 | |
CN105945948B (zh) | 一种应用于工业机器人的tcp在线快速标定方法及装置 | |
CN100429476C (zh) | 一种双传感器激光视觉三维测量系统校准方法 | |
CN103455811B (zh) | 室内无线定位指纹采集方法及系统 | |
CN106550451B (zh) | 一种多用户超宽带室内定位系统 | |
CN108012143B (zh) | 双目摄像头标定方法及装置 | |
CN108527360B (zh) | 一种位置标定系统及方法 | |
CN108627153A (zh) | 一种基于惯性传感器的刚体运动追踪系统及其工作方法 | |
CN108646277A (zh) | 基于抗差自适应与扩展卡尔曼滤波融合的北斗导航方法 | |
CN107084714A (zh) | 一种基于RoboCup3D的多机器人协作目标定位方法 | |
CN103673976A (zh) | 复合式精度测量坐标系的转换与统一方法及系统 | |
CN108942918A (zh) | 一种基于线结构光的立体定位方法 | |
CN107421537A (zh) | 基于惯性传感器刚体网格的物体运动姿态感知方法和系统 | |
CN109540140A (zh) | 一种融合ssd目标识别和里程计信息的移动机器人定位方法 | |
CN107656180A (zh) | 一种局部放电智能传感器检测方法 | |
CN106020024B (zh) | 一种机械臂末端运动补偿装置及其补偿方法 | |
CN104363649A (zh) | 带有约束条件的ukf的wsn节点定位方法 | |
CN110045342A (zh) | 雷达相对系统误差估值有效性评价方法 | |
CN105844670B (zh) | 水平机器人移动相机多点移动标定方法 | |
CN104807465B (zh) | 机器人同步定位与地图创建方法及装置 | |
CN106227368A (zh) | 一种人体关节角度解算方法及装置 | |
CN106671080A (zh) | 校正方法与校正设备 | |
CN106584509A (zh) | 并联机器人的原点标定方法 | |
CN107255446A (zh) | 一种矮化密植果树冠层三维地图构建系统和方法 | |
CN107843259B (zh) | 一种基于vckf的多机器人协同导航定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161130 Termination date: 20190330 |