CN107450559A - 基于脑电波控制蜘蛛机器人移动的方法及装置 - Google Patents

基于脑电波控制蜘蛛机器人移动的方法及装置 Download PDF

Info

Publication number
CN107450559A
CN107450559A CN201710818727.4A CN201710818727A CN107450559A CN 107450559 A CN107450559 A CN 107450559A CN 201710818727 A CN201710818727 A CN 201710818727A CN 107450559 A CN107450559 A CN 107450559A
Authority
CN
China
Prior art keywords
absorbed
angle value
data
dynamic threshold
brain wave
Prior art date
Application number
CN201710818727.4A
Other languages
English (en)
Inventor
杨毓纬
林展帆
刘伟
冀亚青
Original Assignee
深圳市宏智力科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 深圳市宏智力科技有限公司 filed Critical 深圳市宏智力科技有限公司
Priority to CN201710818727.4A priority Critical patent/CN107450559A/zh
Publication of CN107450559A publication Critical patent/CN107450559A/zh

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Abstract

本发明公开一种基于脑电波控制蜘蛛机器人移动的方法及装置,该方法包括:根据脑波芯片TGAT获取用户的脑电波数据,对专注度数据及放松度数据进行过滤处理得到专注度值及放松度值;分别计算前一设定周期内专注度及放松度的均值并分别作为专注力动态阈值及放松度动态阈值;以及在当前周期内的专注度值超过专注力动态阈值且放松度值低于放松度动态阈值时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器人朝前行进;以及在当前周期内的专注度值低于专注力动态阈值且放松度值超过放松度动态阈值时,输出特定高电平与低电平中剩下的一种,以驱动蜘蛛机器人向后行进。本发明的技术方案能够直观显示用户的专注和放松程度,能够提高用户的体验。

Description

基于脑电波控制蜘蛛机器人移动的方法及装置

技术领域

[0001] 本发明涉及脑电波控制技术领域,尤其涉及一种基于脑电波控制蜘蛛机器人移动 的方法及装置。

背景技术

[0002] 随着电子技术的不断发展,电子产品的更新日新月异,脑电产品就是这些新兴的 电子产品之一。脑电产品可以检测脑电波数据,并对脑电波数据进行处理来实现控制应用。 由于脑电波信号是一种微弱的电信号,加上脑波检测装置本身存在误差,直接将检测的脑 电数据控制对应的应用,导致控制结果的不准确,影响用户的体验。

[0003] 有鉴于此,有必要提出对目前的脑电波控制技术进行进一步的改进。

发明内容

[0004] 为解决上述至少一技术问题,本发明的主要目的是提供一种基于脑电波控制蜘蛛 机器人移动的方法及装置。

[0005] 为实现上述目的,本发明采用的一个技术方案为:提供一种基于脑电波控制蜘蛛 机器人移动的方法,包括:

[0006] 根据脑波芯片TGAT获取用户的脑电波数据,所述脑电波数据包括专注度数据及放 松度数据;

[0007] 对专注度数据及放松度数据进行过滤处理得到专注度值及放松度值;

[0008] 分别计算前一设定周期内专注度及放松度的均值并分别作为专注力动态阈值及 放松度动态阈值;以及

[0009] 在当前周期内的专注度值超过专注力动态阈值且放松度值低于放松度动态阈值 时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器人朝前行进;以及

[0010] 在当前周期内的专注度值低于专注力动态阈值且放松度值超过放松度动态阈值 时,输出特定高电平与低电平中剩下的一种,以驱动蜘蛛机器人向后行进。

[0011] 其中,所述脑电波数据还包括信号值数据;

[0012] 所述对专注度数据及放松度数据进行过滤处理得到专注度值及放松度值的步骤, 具体包括:

[0013] 判断信号值数据是否超过设定的信号阈值;

[0014] 在信号值数据超过设定的信号阈值时,对专注度数据及放松度数据进行过滤处理 得到专注度值及放松度值。

[0015] 其中,在当前周期内的专注度值超过专注力动态阈值且放松度值低于放松度动态 阈值时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器人朝前行进的步骤,还包括:

[0016] 计算专注度值与专注力动态阈值两者的相对差;

[0017] 判断相对差所处预设专注力范围并输出对应的行进速率,所述预设专注力对应行 进速度划分有不同等级;以及

[0018] 根据选出的行进速率控制蝴蛛机器人朝前行进的速度。

[0019] 其中,所述判断相对差所处预设专注力范围并输出对应的行进速率的步骤,具体 包括:

[0020] 计算相对差所占绝对差的百分比,所述绝对差为专注度最大值与专注力动态阈值 之差;以及

[0021] 根据百分比输出对应的行进速率。

[0022] 其中,在驱动蜘蛛机器人朝前行进或向后行进的步骤之后,还包括:

[0023] 暂存当前周期的专注度及放松度的均值,并分别作为下一周期的专注力动态阈值 及放松度动态阈值。

[0024] 为实现上述目的,本发明采用的另一个技术方案为:提供一种基于脑电波控制蜘 蛛机器人移动装置,包括:

[0025] 获取模块,被配置为根据脑波芯片TGAT获取用户的脑电波数据,所述脑电波数据 包括专注度数据及放松度数据;

[0026] 过滤模块,被配置为对专注度数据及放松度数据进行过滤处理得到专注度值及放 松度值;

[0027] 设置模块,被配置为分别计算前一设定周期内专注度及放松度的均值并分别作为 专注力动态阈值及放松度动态阈值;以及

[0028] 控制模块,被配置为在当前周期内的专注度值超过专注力动态阈值且放松度值低 于放松度动态阈值时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器人朝前行进;以 及

[0029] 在当前周期内的专注度值低于专注力动态阈值且放松度值超过放松度动态阈值 时,输出特定高电平与低电平中剩下的一种,以驱动蜘蛛机器人向后行进。

[0030] 其中,所述脑电波数据还包括信号值数据;

[0031] 所述基于脑电波控制蜘蛛机器人移动装置还包括:

[0032] 判断单元,被配置为判断信号值数据是否超过设定的信号阈值;

[0033] 在信号值数据超过设定的信号阈值时,对专注度数据及放松度数据进行过滤处理 得到专注度值及放松度值。

[0034] 其中,所述控制模块还包括:

[0035] 计算单元,被配置为计算专注度值与专注力动态阈值两者的相对差;

[0036] 判断单元,被配置为判断相对差所处预设专注力范围并输出对应的行进速率,所 述预设专注力对应行进速度划分有不同等级;以及

[0037] 输出单元,被配置为根据选出的行进速率控制蜘蛛机器人朝前行进的速度。

[0038] 其中,所述计算单元,具体用于:

[0039] 计算相对差所占绝对差的百分比,所述绝对差为专注度最大值与专注力动态阈值 之差;以及

[0040] 根据百分比输出对应的行进速率。

[0041] 其中,所述暂存模块,被配置为:

[0042] 暂存当前周期的专注度及放松度的均值,并分别作为下一周期的专注力动态阈值 及放松度动态阈值。

[0043]本发明的技术方案先根据脑波芯片TGAT获取用户的脑电波数据,然后对专注度数 据及放松度数据进行过滤处理得到专注度值及放松度值;而后分别计算前一设定周期内专 注度及放松度的均值并分别作为专注力动态阈值及放松度动态阈值;最后,在当前周期内 的专注度值超过专注力动态阈值且放松度值低于放松度动态阈值时,输出特定高电平及低 电平中的一种,以驱动蜘蛛机器人朝前行进;以及在当前周期内的专注度值低于专注力动 态阈值且放松度值超过放松度动态阈值时,输出特定高电平与低电平中剩下的一种,以驱 动蜘蛛机器人向后行进,如此,通过上述方案能够同时实现对专注度及放松度的直观显示, 能够提高用户的体验效果。

附图说明

[0044]为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本 发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以 根据这些附图示出的结构获得其他的附图。

[0045]图1为本发明一实施例基于脑电波控制蜘蛛机器人移动的方法的流程图;

[0046]图2为图1中步骤S40的具体流程图;

[0047]图3为本发明一实施例基于脑电波控制蜘蛛机器人移动装置的模块方框图;

[0048]图4为图3中控制模块的方框图。

[0049]本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。

具体实施方式

[0050] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完 整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基 于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其 他实施例,都属于本发明保护的范围。

[0051] 需要说明,本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为 指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、 “第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方 案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合 出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保 护范围之内。

[0052] 请参照图1,在本发明实施例中,该基于脑电波控制蜘蛛机器人移动的方法,包括: [0053]步骤S10、根据脑波芯片TGAT获取用户的脑电波数据,所述脑电波数据包括专注度 数据及放松度数据;

[0054]步骤S2〇、对专注度数据及放松度数据进行过滤处理得到专注度值及放松度值; [0055]步骤S3〇、分别计算前一设定周期内专注度及放松度的均值并分别作为专注力动 态阈值及放松度动态阈值;以及

[0056]步骤S40、在当前周期内的专注度值超过专注力动态阈值且放松度值低于放松度 动态阈值时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器人朝前行进;以及

[0057] 在当前周期内的专注度值低于专注力动态阈值且放松度值超过放松度动态阈值 时,输出特定高电平与低电平中剩下的一种,以驱动蜘蛛机器人向后行进。

[0058] 上述实施例中,脑波数据可以通过脑波检测仪来检测,本案的检测仪内置有脑波 芯片TGAT,以提高获取脑波数据的精度。在实际情况中,考虑到脑波数据是一种微弱的电信 号,易受佩戴位置的不同的影响,如此,为提高获取数据的准确性,需要对获取的脑电数据 进行过滤处理,选取符合要求的专注度值及放松度值。在比较时,比较当前的专注度值及放 松度值与专注力动态阈值及放松度动态阈值,可以理解的,该专注力动态阈值及放松度动 态阈值也应为满足特定要求的数值,最后根据比较的结果输出对应的电频信号,以控制蜘 蛛机器人前进或后进。当然,本方案中的蜘蛛机器人仅为本方案的一种特定应用,可以理解 的,本方案还可以应用于其他的应用。

[0059]本发明的技术方案先根据脑波芯片TGAT获取用户的脑电波数据,然后对专注度数 据及放松度数据进行过滤处理得到专注度值及放松度值;而后分别计算前一设定周期内专 注度及放松度的均值并分别作为专注力动态阈值及放松度动态阈值;最后,在当前周期内 的专注度值超过专注力动态阈值且放松度值低于放松度动态阈值时,输出特定高电平及低 电平中的一种,以驱动蜘蛛机器人朝前行进;以及在当前周期内的专注度值低于专注力动 态阈值且放松度值超过放松度动态阈值时,输出特定高电平与低电平中剩下的一种,以驱 动蜘蛛机器人向后行进,如此,通过上述方案能够同时实现对专注度及放松度的直观显示, 能够提高用户的体验效果。

[0060] 在一具体的实施例中,所述脑电波数据还包括信号值数据;

[0061] 所述对专注度数据及放松度数据进行过滤处理得到专注度值及放松度值的步骤 S20,具体包括:

[0062] 判断信号值数据是否超过设定的信号阈值;

[0063] 在信号值数据超过设定的信号阈值时,对专注度数据及放松度数据进行过滤处理 得到专注度值及放松度值。考虑获取的脑电波的信号强度的影响,在对脑电信号进行处理 时,需要判断脑电信号中的信号值数据,只有在信号值数据达到或者超过设定的信号阈值 时,才进行过滤处理,否则则当前获取失败,并继续获取脑电数据。

[0064] 请参照图2,在一具体的实施例中,在当前周期内的专注度值超过专注力动态阈值 且放松度值低于放松度动态阈值时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器 人朝前行进的步骤,还包括:

[0065] 步骤S41、计算专注度值与专注力动态阈值两者的相对差;

[0066]步骤S42、判断相对差所处预设专注力范围并输出对应的行进速率,所述预设专注 力对应行进速度划分有不同等级;以及

[0067] 步骤S43、根据选出的行进速率控制蜘蛛机器人朝前行进的速度。

[0068]本实施例中,主要是对蜘蛛机器人的前进速度进行控制,进一步的,该蜘蛛机器人 速度的大小与专注度值的大小呈正比,专注度值越大时,蜘蛛机器人前进的速度就越快,如 此,更直观的显示专注力的集中度,可以带给用户更佳的体验。需要指出的是,基于上述的 方案的原理,还可以对放松度值的大小进行速度控制。

[0069]在一具体的实施例中,所述判断相对差所处预设专注力范围并输出对应的行进速 率的步骤,具体包括:

[0070] 计算相对差所占绝对差的百分比,所述绝对差为专注度最大值与专注力动态阈值 之差;以及

[0071] 根据百分比输出对应的行进速率。

[0072] 该计算方法为上述实施例的一种具体形式,该绝对差为专注度的最大值与专注力 的动态阈值两者之差,当相对差所占的比例大时,对应的输出速率越快。

[0073] 在一具体的实施例中,在驱动蝴蛛机器人朝前行进或向后行进的步骤之后,还包 括:

[0074] 暂存当前周期的专注度及放松度的均值,并分别作为下一周期的专注力动态阈值 及放松度动态阈值。本方案中,专注力动态阈值及放松度动态阈值并不是固定的,两者均根 据前一周期的专注度均值及放松度均值确定。

[0075] 请参照图3,在本发明的实施例中,该基于脑电波控制蜘蛛机器人移动装置,包括:

[0076] 获取模块10,被配置为根据脑波芯片TGAT获取用户的脑电波数据,所述脑电波数 据包括专注度数据及放松度数据;

[0077] 过滤模块20,被配置为对专注度数据及放松度数据进行过滤处理得到专注度值及 放松度值;

[0078] 设置模块30,被配置为分别计算前一设定周期内专注度及放松度的均值并分别作 为专注力动态阈值及放松度动态阈值;以及

[0079] 控制模块40,被配置为在当前周期内的专注度值超过专注力动态阈值且放松度值 低于放松度动态阈值时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器人朝前行进; 以及

[0080] 在当前周期内的专注度值低于专注力动态阈值且放松度值超过放松度动态阈值 时,输出特定高电平与低电平中剩下的一种,以驱动蜘蛛机器人向后行进。

[0081] 上述实施例中,脑波数据可以通过脑波检测仪来检测,本案的检测仪内通过获取 模块10可以获取脑波数据,然后通过过滤模块20对获取的脑电数据进行过滤处理,选取符 合要求的专注度值及放松度值。在比较时,比较当前的专注度值及放松度值与专注力动态 阈值及放松度动态阈值,可以理解的,该专注力动态阈值及放松度动态阈值也应为满足特 定要求的数值,在通过设置模块30可以设定专注力动态阈值及放松度动态阈值,最后通过 控制模块40比较的结果输出对应的电频信号,以控制蜘蛛机器人前进或后进。当然,本方案 中的蜘蛛机器人仅为本方案的一种特定应用,可以理解的,本方案还可以应用于其他的应 用。

[0082] 在一具体的实施例中,所述脑电波数据还包括信号值数据;

[0083] 所述基于脑电波控制蜘蛛机器人移动装置还包括:

[0084] 判断单元,被配置为判断信号值数据是否超过设定的信号阈值;

[0085]在信号值数据超过设定的信号阈值时,对专注度数据及放松度数据进行过滤处理 得到专注度值及放松度值。在信号值数据超过设定的信号阈值时,对专注度数据及放松度 数据进行过滤处理得到专注度值及放松度值。考虑获取的脑电波的信号强度的影响,在对 脑电信号进行处理时,需要判断脑电信号中的信号值数据,只有在信号值数据达到或者超 过设定的信号阈值时,才进行过滤处理,否则则当前获取失败,并继续获取脑电数据。

[0086] 请参照图4,在一具体的实施例中,所述控制模块40还包括:

[0087]计算单元41,被配置为计算专注度值与专注力动态阈值两者的相对差;

[0088]判断单元42,被配置为判断相对差所处预设专注力范围并输出对应的行进速率, 所述预设专注力对应行进速度划分有不同等级;以及

[0089]输出单元43,被配置为根据选出的行进速率控制蜘蛛机器人朝前行进的速度。本 实施例中,通过计算单元41及判断单元42,可以根据获取的专注度值对蜘蛛机器人进行控 制,主要是对蜘蛛机器人的前进速度进行控制,进一步的,该蜘蛛机器人速度的大小与专注 度值的大小呈正比,专注度值越大时,蜘蛛机器人前进的速度就越快,如此,更直观的显示 专注力的集中度,可以带给用户更佳的体验。需要指出的是,基于上述的方案的原理,还可 以对放松度值的大小进行速度控制。

[0090] 进一步的,所述计算单元41,具体用于:

[0091]计算相对差所占绝对差的百分比,所述绝对差为专注度最大值与专注力动态阈值 之差;以及

[0092]根据百分比输出对应的行进速率。具体的,该计算单元41可以计算出绝对差及相 对差,其中,该绝对差为专注度最大(如100)值与专注力动态阈值之差,并比较相对差所占 绝对差的百分比,占比越大时,对应输出的速率越快。

[0093] 在一具体的实施例中,所述暂存模块,被配置为:

[0094] 暂存当前周期的专注度及放松度的均值,并分别作为下一周期的专注力动态阈值 及放松度动态阈值。本方案中,专注力动态阈值及放松度动态阈值并不是固定的,两者均根 据前一周期的专注度均值及放松度均值确定。

[0095]以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本 发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用 在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (10)

1. 一种基于脑电波控制蜘蛛机器人移动的方法,其特征在于,所述基于脑电波控制蜘 蛛机器人移动的方法包括: 根据脑波芯片TGAT获取用户的脑电波数据,所述脑电波数据包括专注度数据及放松度 数据; 对专注度数据及放松度数据进行过滤处理得到专注度值及放松度值; 分别计算前一设定周期内专注度及放松度的均值并分别作为专注力动态阈值及放松 度动态阈值;以及 在当前周期内的专注度值超过专注力动态阈值且放松度值低于放松度动态阈值时,输 出特定高电平及低电平中的一种,以驱动蝴蛛机器人朝前行进;以及在当前周期内的专注 度值低于专注力动态阈值且放松度值超过放松度动态阈值时,输出特定高电平与低电平中 剩下的一种,以驱动蜘蛛机器人向后行进。
2. 如权利要求1所述的基于脑电波控制蜘蛛机器人移动的方法,其特征在于,所述脑电 波数据还包括信号值数据; 所述对专注度数据及放松度数据进行过滤处理得到专注度值及放松度值的步骤,具体 包括: 判断信号值数据是否超过设定的信号阈值; 在信号值数据超过设定的信号阈值时,对专注度数据及放松度数据进行过滤处理得到 专注度值及放松度值。
3. 如权利要求1所述的基于脑电波控制蜘蛛机器人移动的方法,其特征在于,在当前周 期内的专注度值超过专注力动态阈值且放松度值低于放松度动态阈值时,输出特定高电平 及低电平中的一种,以驱动蜘蛛机器人朝前行进的步骤,还包括: 计算专注度值与专注力动态阈值两者的相对差; 判断相对差所处预设专注力范围并输出对应的行进速率,所述预设专注力对应行进速 度划分有不同等级;以及 根据选出的行进速率控制蜘蛛机器人朝前行进的速度。
4. 如权利要求3所述的基于脑电波控制蜘蛛机器人移动的方法,其特征在于,所述判断 相对差所处预设专注力范围并输出对应的行进速率的步骤,具体包括: 计算相对差所占绝对差的百分比,所述绝对差为专注度最大值与专注力动态阈值之 差;以及 根据百分比输出对应的行进速率。
5. 如权利要求1所述的基于脑电波控制蜘蛛机器人移动的方法,其特征在于,在驱动蜘 蛛机器人朝前行进或向后行进的步骤之后,还包括: 暂存当前周期的专注度及放松度的均值,并分别作为下一周期的专注力动态阈值及放 松度动态阈值。
6. —种基于脑电波控制蜘蛛机器人移动装置,其特征在于,所述基于脑电波控制蜘蛛 机器人移动装置包括: 获取模块,被配置为根据脑波芯片TGAT获取用户的脑电波数据,所述脑电波数据包括 专注度数据及放松度数据; 过滤模块,被配置为对专注度数据及放松度数据进行过滤处理得到专注度值及放松度 值; 设置模块,被配置为分别计算前一设定周期内专注度及放松度的均值并分别作为专注 力动态阈值及放松度动态阈值;以及 控制模块,被配置为在当前周期内的专注度值超过专注力动态阈值且放松度值低于放 松度动态阈值时,输出特定高电平及低电平中的一种,以驱动蜘蛛机器人朝前行进;以及 在当前周期内的专注度值低于专注力动态阈值且放松度值超过放松度动态阈值时,输 出特定高电平与低电平中剩下的一种,以驱动蜘蛛机器人向后行进。
7. 如权利要求6所述的基于脑电波控制蜘蛛机器人移动装置,其特征在于,所述脑电波 数据还包括信号值数据; 所述基于脑电波控制蜘蛛机器人移动装置还包括: 判断单元,被配置为判断信号值数据是否超过设定的信号阈值; 在信号值数据超过设定的信号阈值时,对专注度数据及放松度数据进行过滤处理得到 专注度值及放松度值。
8. 如权利要求6所述的基于脑电波控制蜘蛛机器人移动装置,其特征在于,所述控制模 块还包括: 计算单元,被配置为计算专注度值与专注力动态阈值两者的相对差; 判断单元,被配置为判断相对差所处预设专注力范围并输出对应的行进速率,所述预 设专注力对应行进速度划分有不同等级;以及 输出单元,被配置为根据选出的行进速率控制蜘蛛机器人朝前行进的速度。
9. 如权利要求8所述的基于脑电波控制蜘蛛机器人移动装置,其特征在于,所述计算单 元,具体用于: 计算相对差所占绝对差的百分比,所述绝对差为专注度最大值与专注力动态阈值之 差;以及 根据百分比输出对应的行进速率。
10. 如权利要求6所述的基于脑电波控制蜘蛛机器人移动装置,其特征在于,所述暂存 模块,被配置为: 暂存当前周期的专注度及放松度的均值,并分别作为下一周期的专注力动态阈值及放 松度动态阈值。
CN201710818727.4A 2017-09-12 2017-09-12 基于脑电波控制蜘蛛机器人移动的方法及装置 CN107450559A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710818727.4A CN107450559A (zh) 2017-09-12 2017-09-12 基于脑电波控制蜘蛛机器人移动的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710818727.4A CN107450559A (zh) 2017-09-12 2017-09-12 基于脑电波控制蜘蛛机器人移动的方法及装置

Publications (1)

Publication Number Publication Date
CN107450559A true CN107450559A (zh) 2017-12-08

Family

ID=60495567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710818727.4A CN107450559A (zh) 2017-09-12 2017-09-12 基于脑电波控制蜘蛛机器人移动的方法及装置

Country Status (1)

Country Link
CN (1) CN107450559A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108388340A (zh) * 2018-02-11 2018-08-10 广东欧珀移动通信有限公司 电子设备控制方法及相关产品
WO2019153628A1 (zh) * 2018-02-07 2019-08-15 深圳市宏智力科技有限公司 基于脑电波的人脑喜好度检测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289285A (zh) * 2011-08-16 2011-12-21 海尔集团公司 一种基于意识实现对电子设备控制的方法
CN103690281A (zh) * 2014-01-04 2014-04-02 张江杰 一种脑电波控制假肢系统
CN104622466A (zh) * 2013-11-14 2015-05-20 北华航天工业学院 脑电波遥控车及控制方法
CN106454082A (zh) * 2016-09-29 2017-02-22 深圳市宏智力科技有限公司 脑波检测仪及其录像控制方法
CN206081622U (zh) * 2016-08-31 2017-04-12 浙江大学 一种基于脑电波控制的路轨赛车系统
CN106741775A (zh) * 2017-01-06 2017-05-31 吕梁学院 一种基于脑电波控制的仿生机器鱼系统及方法
US20170171441A1 (en) * 2015-12-15 2017-06-15 Intel Corporation Electroencephalography (eeg) camera control

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289285A (zh) * 2011-08-16 2011-12-21 海尔集团公司 一种基于意识实现对电子设备控制的方法
CN104622466A (zh) * 2013-11-14 2015-05-20 北华航天工业学院 脑电波遥控车及控制方法
CN103690281A (zh) * 2014-01-04 2014-04-02 张江杰 一种脑电波控制假肢系统
US20170171441A1 (en) * 2015-12-15 2017-06-15 Intel Corporation Electroencephalography (eeg) camera control
CN206081622U (zh) * 2016-08-31 2017-04-12 浙江大学 一种基于脑电波控制的路轨赛车系统
CN106454082A (zh) * 2016-09-29 2017-02-22 深圳市宏智力科技有限公司 脑波检测仪及其录像控制方法
CN106741775A (zh) * 2017-01-06 2017-05-31 吕梁学院 一种基于脑电波控制的仿生机器鱼系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
焦炳豪等: "基于脑电波信号的智能小车控制设计", 《智能计算机与应用》 *
肖迪等: "基于TGAM模块和脑电波对音响音量的控制", 《电脑知识与技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019153628A1 (zh) * 2018-02-07 2019-08-15 深圳市宏智力科技有限公司 基于脑电波的人脑喜好度检测方法及装置
CN108388340A (zh) * 2018-02-11 2018-08-10 广东欧珀移动通信有限公司 电子设备控制方法及相关产品

Similar Documents

Publication Publication Date Title
CN104859715A (zh) 手在方向盘上的检测
CN102666257B (zh) 电动动力转向控制装置
CN100386961C (zh) 基于dsp芯片的全数字化矢量控制型高压大功率变频器
CN102554692B (zh) 振动抑制方法以及振动抑制装置
JP2006081327A (ja) インバータの故障検出装置
ES2372603T3 (es) Sistema de seguimiento perimetral.
EP0145935B1 (en) Method and apparatus for detecting position and velocity of moving body
CN105189191B (zh) 用于运行用于机动车蓄能器的单相充电和多相充电的充电装置的方法和充电装置
CN103092342B (zh) 移动终端的处理方法及装置
CN103647492A (zh) 一种无刷直流电机定子磁链的辨识方法
TW561325B (en) Motor control device and method for measuring a mechanical characteristic
CN102331339B (zh) 便携式电梯限速器检测装置及其对电梯限速器的检测方法
CN102798770B (zh) 一种变频器缺相的检测方法
CN102769426B (zh) 一种在线容错电动汽车交流感应电机驱动控制系统
CN104571925A (zh) 移动终端的单手操作方法及装置
Saberi et al. Lateralization thresholds obtained under conditions in which the precedence effect is assumed to operate
CN103136512A (zh) 一种瞳孔定位方法及系统
EP2403132A2 (en) Method and apparatus for controlling motor torque
DE4224555A1 (de) Vorrichtung und verfahren zur kompensation eines ausgangsspannungsfehlers
EP1478073A3 (en) System for monitoring and maintaining the provision of electrical power
CN104951900B (zh) 一种电力系统稳定器的性能评估装置
CN105739125A (zh) Vr眼镜以及障碍物提示方法
CN103869172B (zh) 感应电机的转子电阻测量方法及测量装置
CN104617845A (zh) 伺服电机系统增益参数自调整方法及系统
CN105007422B (zh) 一种相位对焦方法及用户终端

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination