CN107877493B - 一种老年人室内活动搀扶机器人系统及其应用方法 - Google Patents

Abstract

本发明公开一种老年人室内活动搀扶机器人系统及其应用方法，包括前搀扶装置和后搀扶装置，前搀扶装置和后搀扶装置均包括控制系统模块、搀扶机构、移动执行机构、人体运动和环境感知传感器系统，其中前搀扶装置和后搀扶装置传感器数目和类型均相同，前搀扶装置和后搀扶装置对称布置，且一同夹住老年人，控制系统模块安装于移动执行机构。本发明具备主动跟随功能，在老年人摔倒发生时，主动给予辅助支撑力矩，实时分析室内环境宽度的可通过性，尤其是复杂转弯时既保证老年人搀扶力矩，又能避免与周围环境刮擦，最重要的是能够在老年人正常行进时给予自动跟随，使用方便灵活，具有广阔的市场前景。

Description

一种老年人室内活动搀扶机器人系统及其应用方法

技术领域

本发明属于智能机器人技术，具体涉及一种辅助步行防跌倒的老年人室内活动搀扶机器人系统及其应用方法。

背景技术

中国已经进入老龄化社会，全社会老龄人口不断增加，同时随着健康预期的提高，对老龄生活自主品质的追求也有所增长，老龄人群由于骨质疏松和腿部血管堵塞，腿脚无力感增加，摔倒几率增加。

一方面，人类活动七成以上是在室内完成的，老龄人群在室内的时间更多，老龄人群大部分日常活动在室内，这些活动具备典型性，任务较为单一，比如夜间起床上厕所，到客厅看电视等少数典型室内活动，使得环境具有一定的结构化特征。另一方面，年轻人压力大，工作节奏快，难以实时陪伴在老年人身边，而由于各种原因，目前老年人群服务业尚不够发达。这些情况为机器人辅助老年人步行提供了可行性和必要性。

现有相关技术研究主要集中于机器视觉方法、微硅加速度计、陀螺仪等各种不同传感器对老年人失稳的判断(例如申请号为201711224730X的发明专利(申请公布号为CN108247642 A))，有一些研究讨论了采用气囊对行将倾倒的老年人给予缓冲；还有一些研究讨论了类似拐棍的步行辅助车，但是以上系统方法和设备都不具备主动跟随，摔倒发生时这些设备不能主动给予辅助支撑力矩，实现辅助条件下的全程步行功能才是老年人步行辅助最需要的。

并且，一般的移动机器设备对于室内环境宽度可通过性，尤其是复杂转弯时可通过性分析不够，既保证不了老年人搀扶力矩，又不能避免与周围环境刮擦，最重要的是不能够在老年人正常行进时给予自动跟随，使用还是不够方便灵活，存在很多缺陷。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种老年人室内活动搀扶机器人系统及其应用方法。

技术方案：本发明的一种老年人室内活动搀扶机器人系统，包括前搀扶装置和后搀扶装置，前搀扶装置和后搀扶装置均包括控制系统模块、搀扶机构、移动执行机构、人体运动和环境感知传感器系统，其中前搀扶装置和后搀扶装置传感器数目和类型均相同，前搀扶装置和后搀扶装置对称布置，且一同夹住老年人，但前搀扶装置和后搀扶装置中的传感器的特征提取算法和控制方法不同，所述控制系统模块安装于移动执行机构，移动执行机构即底盘；所述移动执行机构上均安装有Grabowiecki轮或Mecanum轮，以实现非完整约束的转动；且根据从外部环境感知的定位信息、老年人运动意图和状态信息来指示移动执行机构和搀扶机构的执行动作；所述搀扶机构通过支撑柱安装于底盘，搀扶机构包括对称安装的搀扶手臂以及安装于搀扶手臂上的气囊，在发现老年人跌倒倾向后，控制系统模块立即控制搀扶机构给予托扶和力矩矫正，并在老年人行走方向发生严重偏离的情况下进行矫正；所述的传感器系统按不同高度对外(朝向环境)和对内(朝向老年人)安装在搀扶机构上，传感器系统包括激光雷达和环境空间感测系统，所述激光雷达绘制地图和定位所述空间感测系统包括线结构光和摄像头。

进一步的，还包括可外扩网络通信模块，可外扩网络通信模块可安装在底盘即移动执行机构，用于远端人员交互操作和状态信息传递。

进一步的，所述控制系统模块控制人体运动和环境感知传感器系统进行探测，人体运动和环境感知传感器系统实时提取内外部环境特征，控制系统模块收到相应内外部环境数据后进行地图更新、特征匹配定位以及路径规划，在使用过程中实时根据老年人状态进行判断。

本发明还公开了一种老年人室内活动搀扶机器人系统的应用方法，包括以下步骤：

(1)在正式使用之前示教一次，在示教时，由一般(可为非老年人)人员带领搀扶机器人系统，将典型室内活动任务巡走一遍，由激光雷达和定位装置感测机器人巡走过程中的环境特征，通过对任务环境进行地图构建，将环境信息转化为矢量地图；

(2)建立任务环境地图后，控制系统模块将矢量地图分析处理；示教阶段的路线与老年人室内行走线路典型任务应一致，不要求示教阶段和实际执行搀扶任务阶段的速度相同，但要求线路相同；在示教巡走阶段，前搀扶装置和后搀扶装置均可不添加左右力矩平衡辅助支撑轮，以及使不使用扶墙卡托；

(3)转弯障碍躲避与执行动作规划：

(31)要求老年人室内行走环境与示教环境基本一致，不出现显著的已绘地图外的障碍物，直行时遵循中正之行为主原则，即可引导老年人前行，但在转弯时，对不同的转弯情况进行分析，遇到局部狭窄处转弯时延伸搀扶手臂长度，使用扶墙卡托和左右力矩平衡辅助支撑轮实现人体搀扶力矩裕度；

(32)拐弯状态下：移动执行机构行进缓慢、移动执行机构随时停止、搀扶机构随时提供搀扶力；

(33)自适应路径：人体前进轨迹在接近稳定临界处给予矫正，此处的稳定临界处根据地图和激光雷达实测当老年人行走偏离预定路径。

进一步的，所述步骤(1)中，控制系统模块的具体工作过程为：

(11)依次进行可通过性分析和障碍物分析，然后通过激光雷达和线结构光雷达的特征与地图匹配，发现异常特征，判断障碍物存在与否和障碍物的距离，接着规划出路径避障，并判断左右力矩平衡辅助支撑轮和扶墙卡托适用性，根据激光雷达获取环境信息得到可通过性分析，判断墙和障碍物与搀扶机器人的距离；

(12)不摔倒力矩计算，保证稳定力矩的裕度；

(13)基于多线结构光的老年人行进意图预测：包括行进速度、方向和旋转角度判别的搀扶机器人，对前进的速度、方向和角度旋转进行判别；

(14)识别搀扶机器人的系统状态，所述系统状态包括：继续行进、暂停、转弯、摔倒和偏离路线。

进一步的，所述激光雷达和定位装置感测机器人巡走过程的具体步骤为：

(21)采集结构光圆弧状光条图像，进行光条提取，实现老年人行进意图和状态的识别，根据线结构光视觉传感测量模型，计算目标圆弧光条三维坐标，直接以相机中线结构光轮廓图像曲线做特征；

(22)在前后下肢小腿至脚踝间位置、前后下肢大腿位置、前后髋关节位置以及前后髋关节以上位置均一套放置线结构光和摄像头，以20Hz以上频率获取信息；

(23)由于有前搀扶装置和后搀扶装置，且前搀扶装置和后搀扶装置对称，因此此处写了前后，在前后髋关节位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量KA，同时将左半边视野内凸包面积为一个特征量KL，将右半边视野内凸包面积为一个特征量KR；

(24)前后髋关节以上位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量UA，同时将左半边视野内凸包面积为一个特征量UL，将右半边视野内凸包面积为一个特征量UR；

(25)前后下肢小腿至脚踝间位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量HA，同时将左半边视野内凸包面积为一个特征量HL，将右半边视野内凸包面积为一个特征量HR；

(26)前后下肢大腿位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量LA，同时将左半边视野内凸包面积为一个特征量LL，将右半边视野内凸包面积为一个特征量LR；

基于以上特征量做行进意图分析，同时这些特征量可作为摔倒判据，具体的运动决策过程为：包括对外界环境的感知及决策和对老年人运动的感知及决策，其中，老年人运动的感知及决策采用含先验知识的神经网络框架，以确定好上述特征量(即KA\KL\KR\UA\UL\UR\HA\HL\HR\LA\LL\LR)和人工辅助推行的位移量；接着确定好训练集；

训练集的形成过程是：采用人工辅助推行老年人前后搀扶装置，同步记录上述特征量(包括当前时刻的和前一时刻的特征量)和人工辅助推行的位移量，将特征量(包括当前时刻的和前一时刻的特征量)作为神经网络的输入，将人工辅助推行的位移量作为神经网络的输出量，在经过1000种不同情况下的特征量和人工决策位移量作为训练集,构建不含先验知识的神经网络,同时给定特征量KA\KL\KR\UA\UL\UR\HA\HL\HR\LA\LL\LR的阈值，一旦某一个特征量超过阈值则位移量与超过阈值特征量成正比，作为先验知识，这个先验知识作为一个函数，加权附在神经网络中。

上述神经网络的训练方式与经典BP训练方式相同，神经网络采用单隐含层。

进一步的，所述步骤(3)的老年人一般行进自适应过程中，前搀扶装置和后搀扶装置的搀扶机构均伸出搀扶手臂，并且距离老年人左右臂膀保持3cm-5cm，通过线结构光和摄像头的20HZ传感信息计算控制量，保证不影响老年人正常行进运动，一旦发现老年人行走过程中出现失稳现象，所有搀扶手臂的小型气囊同时打开，提供扶正力矩，并给予夹紧力摩擦导致的反重力的支持力。

进一步的，设定底盘两个轮子之间宽度为L，搀扶手臂宽度为l，机器人质量为M，老年人质量为m；搀扶系统所有力矩等于偏离地面上人体左右对称中心，人体重量对地面上人体对称中心引起的力矩，这个力矩小于重心全部加在搀扶系统扶手上的力矩；

对于人体分析：人体对脚底所有倾覆力矩与所有搀扶力矩平衡，放大重力对人体倾覆力矩的力臂，实际上G2的力臂不可能达到L，因为左右搀扶系统距离人体仅仅3cm左右，搀扶发生在行将摔倒的时刻，此时左右基本对称临界只是刚刚破坏，略大于步宽的一半，

0.5*W<l，l1<0.5*W；

0.5是因为前后两个搀扶机器人，每个搀扶机器人分力矩一半，等效于力臂是原来两倍；W是指下肢重心到移动执行机构中心的距离；

G1*l1+0.5*G2*W＝N2*L；G1是指下肢中点处的重力，G2是指上肢中点处的重力；

N2＝l/L*(G1+G2)；

对于宽度l短于扶手宽度L的搀扶系统分析：搀扶系统对于边缘角点力矩平衡；N2*(L-l)+N3*S＝G3*l；

对于宽度l长于扶手宽度L的搀扶系统分析：搀扶系统对于边缘角点力矩平衡；N3*S’＝G3*l+N2*(L-l)；

其中，N3＝G1+G2+G3，S和S’是轮子与角点之间距离，G3是底盘重量，取底盘右角点为力矩原点；N1是指地面对老年人的支持力；N2是指老年人倾倒时某一侧搀扶手臂对老年人的垂直向上支持力，N3是指老年人倾倒时地面对某一侧轮子的支持力；

由此可以断定，只要搀扶系统宽度l长于扶手宽度L，老年人倾倒加载于搀扶系统的倾覆力矩就不存在。

进一步的，所述根据内外状态进行配重底盘移动和搀扶执行的算法步骤流程，和神经网络计算模型，输入量基本已知，老年人身上佩戴传感器判断摔倒，老年人摔倒传感装置和特征量(便携式微硅传感器系统如腰带一般佩戴在身上)三轴加速度计：加速度计时域波动能量(瞬时波动能量超过阈值)，波动幅值(瞬时波动幅值量超过阈值)；三轴角速度传感器：角速度时域波动能量(瞬时波动能量超过阈值)，积分转角(当积分转角超过阈值)，以上这些特征量结合线结构光对老年人行进判断特征量。

进一步的，.基于前后两向多线结构光及示教记录的室内定位辅助信息感知子系统中的室内定位辅助信息感知步骤：

a、获取当前时刻前后两向线结构光光心提取；

b、根据上一时刻的位置，将当前时刻的前后两向光心线条匹配示教对应光心线条，示教匹配线条选择在示教图位于上一时刻位置附近几幅；

c、获取当前位置。

有益效果：本发明具备主动跟随功能，在老年人摔倒发生时，主动给予辅助支撑力矩，实时分析室内环境宽度的可通过性，尤其是复杂转弯时既保证老年人搀扶力矩，又能避免与周围环境刮擦，最重要的是能够在老年人正常行进时给予自动跟随，使用方便灵活，具有广阔的市场前景。

附图说明

图1为本发明中搀扶机器人底盘尺寸超过搀扶扶手尺寸示意图；

图2为本发明中搀扶机器人底盘尺寸未超过搀扶扶手尺寸示意图；

图3为本发明中线激光在髋关节获取老年人行动特征量示意图；

图4为本发明中搀扶机器人工作流程示意图；

图5为本发明中搀扶机器人工作状态切换示意图；

图6为本发明中前后两个搀扶机器人协助搀扶老年人俯视示意图；

图7为本发明中前方搀扶机器人搀扶老年人斜视示意图；

图8为本发明中不同转弯方式搀扶机器人的最大尺寸扫过轨迹示意图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

如图6至图8所示，本发明的一种老年人室内活动搀扶机器人系统，包括前搀扶装置和后搀扶装置，前搀扶装置和后搀扶装置均包括控制系统模块、搀扶机构、移动执行机构、人体运动和环境感知传感器系统以及可外扩网络通信模块，其中前搀扶装置和后搀扶装置传感器数目和类型均相同，前搀扶装置和后搀扶装置对称布置，且一同夹住老年人，但前搀扶装置和后搀扶装置中的传感器的特征提取算法和控制方法不同，所述控制系统模块安装于移动执行机构，移动执行机构即底盘；所述移动执行机构上均安装有Grabowiecki轮或Mecanum轮，以实现非完整约束的转动；且根据从外部环境感知的定位信息、老年人运动意图和状态信息来指示移动执行机构和搀扶机构的执行动作；所述搀扶机构通过支撑柱安装于底盘，搀扶机构包括对称安装的搀扶手臂以及安装于搀扶手臂上的气囊，在发现老年人跌倒倾向后，控制系统模块立即控制搀扶机构给予托扶和力矩矫正，并在老年人行走方向发生严重偏离的情况下进行矫正；所述的传感器系统按不同高度对外(朝向环境)和对内(朝向老年人)安装在搀扶机构上，传感器系统包括激光雷达和环境空间感测系统，所述激光雷达绘制地图和定位所述空间感测系统包括线结构光和摄像头。可外扩网络通信模块可安装在底盘即移动执行机构，用于远端人员交互操作和状态信息传递。

上述控制系统模块控制人体运动和环境感知传感器系统进行探测，人体运动和环境感知传感器系统实时提取内外部环境特征，控制系统模块收到相应内外部环境数据后进行地图更新、特征匹配定位以及路径规划，在使用过程中实时根据老年人状态进行判断。

如图3至图5所示，上述老年人室内活动搀扶机器人系统的应用方法，包括以下步骤：

(1)在正式使用之前示教一次，在示教时，由一般(可为非老年人)人员带领搀扶机器人系统，将典型室内活动任务巡走一遍，由激光雷达和定位装置感测机器人巡走过程中的环境特征，通过对任务环境进行地图构建，将环境信息转化为矢量地图；

(2)建立任务环境地图后，控制系统模块将矢量地图分析处理；示教阶段的路线与老年人室内行走线路典型任务应一致，不要求示教阶段和实际执行搀扶任务阶段的速度相同，但要求线路相同；在示教巡走阶段，前搀扶装置和后搀扶装置均可不添加左右力矩平衡辅助支撑轮，以及使不使用扶墙卡托；

(3)转弯障碍躲避与执行动作规划：

(31)要求老年人室内行走环境与示教环境基本一致，不出现显著的已绘地图外的障碍物，直行时遵循中正之行为主原则，即可引导老年人前行，但在转弯时，对不同的转弯情况进行分析，遇到局部狭窄处转弯时延伸搀扶手臂长度，使用扶墙卡托和左右力矩平衡辅助支撑轮实现人体搀扶力矩裕度(由控制系统模块判断并控制是否伸出扶墙卡托和左右力矩平衡辅助支撑轮)；

(32)拐弯状态下：移动执行机构行进缓慢、移动执行机构随时停止、搀扶机构随时提供搀扶力；

(33)自适应路径：人体前进轨迹在接近稳定临界处给予矫正，此处的稳定临界处根据地图和激光雷达实测当老年人行走偏离预定路径。

如图8所示，区域A是指以老年人左侧为圆心，在行驶过程中即将碰到墙壁时，前搀扶装置的转弯行驶所扫过的区域，区域B是指老年人的中轴线在行驶过程中即将碰到墙壁后时，前搀扶装置的转弯行驶所扫过的区域；C是指前搀扶装置，D是指老年人；E是指后搀扶装置。

上述步骤(1)中，控制系统模块的具体工作过程为：

(11)依次进行可通过性分析和障碍物分析，然后通过激光雷达和线结构光雷达的特征与地图匹配，发现异常特征，判断障碍物存在与否和障碍物的距离，接着规划出路径避障，并判断左右力矩平衡辅助支撑轮和扶墙卡托适用性，根据激光雷达获取环境信息得到可通过性分析，判断墙和障碍物与搀扶机器人的距离；左右力矩平衡辅助支撑轮和扶墙卡托分别安装于移动执行机构上底座的两侧；

(12)不摔倒力矩计算，保证稳定力矩的裕度；

(13)基于多线结构光的老年人行进意图预测：包括行进速度、方向和旋转角度判别的搀扶机器人，对前进的速度、方向和角度旋转进行判别；

(14)识别搀扶机器人的系统状态，所述系统状态包括：继续行进、暂停、转弯、摔倒和偏离路线。

所述激光雷达和定位装置感测机器人巡走过程的具体步骤为：

(21)采集结构光圆弧状光条图像，进行光条提取，实现老年人行进意图和状态的识别，根据线结构光视觉传感测量模型，计算目标圆弧光条三维坐标，直接以相机中线结构光轮廓图像曲线做特征；

(22)在前后下肢小腿至脚踝间位置、前后下肢大腿位置、前后髋关节位置以及前后髋关节以上位置均一套放置线结构光和摄像头，以20Hz以上频率获取信息，如图7所示，前搀扶装置和后搀扶装置中的传感器系统中均包括激光雷达和环境空间感测系统，按不同高度对外(朝向环境)和对内(朝向老年人)安装在搀扶机构上，所述激光雷达绘制地图和定位所述空间感测系统包括线结构光和摄像头构成；

(23)由于有前搀扶装置和后搀扶装置，且前搀扶装置和后搀扶装置对称，因此此处写了前后，在前后髋关节位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量KA，同时将左半边视野内凸包面积为一个特征量KL，将右半边视野内凸包面积为一个特征量KR；

(24)前后髋关节以上位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量UA，同时将左半边视野内凸包面积为一个特征量UL，将右半边视野内凸包面积为一个特征量UR；

(25)前后下肢小腿至脚踝间位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量HA，同时将左半边视野内凸包面积为一个特征量HL，将右半边视野内凸包面积为一个特征量HR；

(26)前后下肢大腿位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量LA，同时将左半边视野内凸包面积为一个特征量LL，将右半边视野内凸包面积为一个特征量LR；

基于以上特征量做行进意图分析，同时这些特征量可作为摔倒判据，具体的运动决策过程为：包括对外界环境的感知及决策和对老年人运动的感知及决策，其中，老年人运动的感知及决策采用含先验知识的神经网络框架，以确定好上述特征量(即KA\KL\KR\UA\UL\UR\HA\HL\HR\LA\LL\LR)和人工辅助推行的位移量；接着确定好训练集；

训练集的形成过程是：采用人工辅助推行老年人前后搀扶装置，同步记录上述特征量(包括当前时刻的和前一时刻的特征量)和人工辅助推行的位移量，将特征量(包括当前时刻的和前一时刻的特征量)作为神经网络的输入，将人工辅助推行的位移量作为神经网络的输出量，在经过1000种不同情况下的特征量和人工决策位移量作为训练集,构建不含先验知识的神经网络,同时给定特征量KA\KL\KR\UA\UL\UR\HA\HL\HR\LA\LL\LR的阈值，一旦某一个特征量超过阈值则位移量与超过阈值特征量成正比，作为先验知识，这个先验知识作为一个函数，加权附在神经网络中。

上述步骤(3)的老年人一般行进自适应过程中，前搀扶装置和后搀扶装置的搀扶机构均伸出搀扶手臂，并且距离老年人左右臂膀保持3cm-5cm，通过线结构光和摄像头的20HZ传感信息计算控制量，保证不影响老年人正常行进运动，一旦发现老年人行走过程中出现失稳现象，所有搀扶手臂的小型气囊同时打开，提供扶正力矩，并给予夹紧力摩擦导致的反重力的支持力。

如图1和图2所示，设定底盘两个轮子之间宽度为L，搀扶手臂宽度为l，机器人质量为M，老年人质量为m；搀扶系统所有力矩等于偏离地面上人体左右对称中心，人体重量对地面上人体对称中心引起的力矩，这个力矩小于重心全部加在搀扶系统扶手上的力矩；

对于人体分析：人体对脚底所有倾覆力矩与所有搀扶力矩平衡，放大重力对人体倾覆力矩的力臂，实际上G2的力臂不可能达到L，因为左右搀扶系统距离人体仅仅3cm左右，搀扶发生在行将摔倒的时刻，此时左右基本对称临界只是刚刚破坏，略大于步宽的一半，

0.5*W<l，l1<0.5*W；

0.5是因为前后两个搀扶机器人，每个搀扶机器人分力矩一半，等效于力臂是原来两倍；W是指下肢重心到移动执行机构中心的距离；

G1*l1+0.5*G2*W＝N2*L；G1是指下肢中点处的重力，G2是指上肢中点处的重力；

N2＝l/L*(G1+G2)；

对于宽度l短于扶手宽度L的搀扶系统分析：搀扶系统对于边缘角点力矩平衡；N2*(L-l)+N3*S＝G3*l；

对于宽度l长于扶手宽度L的搀扶系统分析：搀扶系统对于边缘角点力矩平衡；N3*S’＝G3*l+N2*(L-l)；

其中，N3＝G1+G2+G3，S和S’是轮子与角点之间距离，G3是底盘重量，取底盘右角点为力矩原点；N1是指地面对老年人的支持力；N2是指老年人倾倒时某一侧搀扶手臂对老年人的垂直向上支持力，N3是指老年人倾倒时地面对某一侧轮子的支持力；

由此可以断定，只要搀扶系统宽度l长于扶手宽度L，老年人倾倒加载于搀扶系统的倾覆力矩就不存在。

根据内外状态进行配重底盘移动和搀扶执行的算法步骤流程，和神经网络计算模型，输入量基本已知，老年人身上佩戴传感器判断摔倒，老年人摔倒传感装置和特征量(便携式微硅传感器系统如腰带一般佩戴在身上)三轴加速度计：加速度计时域波动能量(瞬时波动能量超过阈值)，波动幅值(瞬时波动幅值量超过阈值)；三轴角速度传感器：角速度时域波动能量(瞬时波动能量超过阈值)，积分转角(当积分转角超过阈值)，以上这些特征量结合线结构光对老年人行进判断特征量。

基于前后两向多线结构光及示教记录的室内定位辅助信息感知子系统中的室内定位辅助信息感知步骤：

a、获取当前时刻前后两向线结构光光心提取；

b、根据上一时刻的位置，将当前时刻的前后两向光心线条匹配示教对应光心线条，示教匹配线条选择在示教图位于上一时刻位置附近几幅；

c、获取当前位置。

Claims (10)

1.一种老年人室内活动搀扶机器人系统，其特征在于：包括前搀扶装置和后搀扶装置，前搀扶装置和后搀扶装置均包括控制系统模块、搀扶机构、移动执行机构、人体运动和环境感知传感器系统，其中前搀扶装置和后搀扶装置传感器数目和类型均相同，前搀扶装置和后搀扶装置对称布置，且一同夹住老年人，所述控制系统模块安装于移动执行机构；

所述移动执行机构上均安装有Grabowiecki轮或Mecanum轮，以实现非完整约束的转动；且根据从外部环境感知的定位信息、老年人运动意图和状态信息来指示移动执行机构和搀扶机构的执行动作；

所述搀扶机构通过支撑柱安装于底盘，搀扶机构包括对称安装的搀扶手臂以及安装于搀扶手臂上的气囊，在发现老年人跌倒倾向后，控制系统模块立即控制搀扶机构给予托扶和力矩矫正，并在老年人行走方向发生严重偏离的情况下进行矫正；

所述的传感器系统按不同高度对外和对内安装在搀扶机构上，传感器系统包括激光雷达和环境空间感测系统，所述激光雷达绘制地图和定位所述空间感测系统包括线结构光和摄像头。

2.根据权利要求1所述的老年人室内活动搀扶机器人系统，其特征在于：还包括可外扩网络通信模块，可外扩网络通信模块可安装在底盘即移动执行机构，用于远端人员交互操作和状态信息传递。

3.根据权利要求1所述的老年人室内活动搀扶机器人系统，其特征在于：所述控制系统模块控制人体运动和环境感知传感器系统进行探测，人体运动和环境感知传感器系统实时提取内外部环境特征，控制系统模块收到相应内外部环境数据后进行地图更新、特征匹配定位以及路径规划，在使用过程中实时根据老年人状态进行判断。

4.一种基于权利要求1至3任意一项所述的老年人室内活动搀扶机器人系统的应用方法，其特征在于：包括以下步骤：

(1)在正式使用之前示教一次，在示教时，由一般人员带领搀扶机器人系统，将典型室内活动任务巡走一遍，由激光雷达和定位装置感测机器人巡走过程中的环境特征，通过对任务环境进行地图构建，将环境信息转化为矢量地图；

(2)建立任务环境地图后，控制系统模块将矢量地图分析处理；示教阶段的路线与老年人室内行走线路典型任务应一致，不要求示教阶段和实际执行搀扶任务阶段的速度相同，但要求线路相同；在示教巡走阶段，前搀扶装置和后搀扶装置均可不添加左右力矩平衡辅助支撑轮，以及使不使用扶墙卡托；

(3)转弯障碍躲避与执行动作规划：

(31)要求老年人室内行走环境与示教环境基本一致，不出现显著的已绘地图外的障碍物，直行时遵循中正之行为主原则，即可引导老年人前行，但在转弯时，对不同的转弯情况进行分析，遇到局部狭窄处转弯时延伸搀扶手臂长度，使用扶墙卡托和左右力矩平衡辅助支撑轮实现人体搀扶力矩裕度；

(32)拐弯状态下：移动执行机构行进缓慢、移动执行机构随时停止、搀扶机构随时提供搀扶力；

(33)自适应路径：人体前进轨迹在接近稳定临界处给予矫正，此处的稳定临界处根据地图和激光雷达实测当老年人行走偏离预定路径。

5.根据权利要求4所述的老年人室内活动搀扶机器人系统的应用方法，其特征在于：所述步骤(1)中，控制系统模块的具体工作过程为：

(11)依次进行可通过性分析和障碍物分析，然后通过激光雷达和线结构光雷达的特征与地图匹配，发现异常特征，判断障碍物存在与否和障碍物的距离，接着规划出路径避障，并判断左右力矩平衡辅助支撑轮和扶墙卡托适用性，根据激光雷达获取环境信息得到可通过性分析，判断墙和障碍物与搀扶机器人的距离；

(12)不摔倒力矩计算，保证稳定力矩的裕度；

(13)基于多线结构光的老年人行进意图预测：对前进的速度、方向和角度旋转进行判别；

(14)识别搀扶机器人的系统状态，所述系统状态包括：继续行进、暂停、转弯、摔倒和偏离路线。

6.根据权利要求4所述的老年人室内活动搀扶机器人系统的应用方法，其特征在于：所述激光雷达和定位装置感测机器人巡走过程的具体步骤为：

(21)采集结构光圆弧状光条图像，进行光条提取，实现老年人行进意图和状态的识别，根据线结构光视觉传感测量模型，计算目标圆弧光条三维坐标，直接以相机中线结构光轮廓图像曲线做特征；

(22)在前后下肢小腿至脚踝间位置、前后下肢大腿位置、前后髋关节位置以及前后髋关节以上位置均一套放置线结构光和摄像头，以20Hz以上频率获取信息；

(23)由于有前搀扶装置和后搀扶装置，且前搀扶装置和后搀扶装置对称，因此此处写了前后，在前后髋关节位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量KA，同时将左半边视野内凸包面积为一个特征量KL，将右半边视野内凸包面积为一个特征量KR；

(24)前后髋关节以上位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量UA，同时将左半边视野内凸包面积为一个特征量UL，将右半边视野内凸包面积为一个特征量UR；

(25)前后下肢小腿至脚踝间位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量HA，同时将左半边视野内凸包面积为一个特征量HL，将右半边视野内凸包面积为一个特征量HR；

(26)前后下肢大腿位置摄像头视野内，将某个水平线以下上部分的凸包与水平线所围面积作为一个特征量LA，同时将左半边视野内凸包面积为一个特征量LL，将右半边视野内凸包面积为一个特征量LR；

基于以上特征量做行进意图分析，同时这些特征量可作为摔倒判据，具体的运动决策过程为：包括对外界环境的感知及决策和对老年人运动的感知及决策，其中，老年人运动的感知及决策采用含先验知识的神经网络框架，以确定好上述特征量和人工辅助推行的位移量；接着确定好训练集；

训练集的形成过程是：采用人工辅助推行老年人前后搀扶装置，同步记录上述特征量和人工辅助推行的位移量，将特征量作为神经网络的输入，将人工辅助推行的位移量作为神经网络的输出量，在经过1000种不同情况下的特征量和人工决策位移量作为训练集,构建不含先验知识的神经网络,同时给定特征量KA\KL\KR\UA\UL\UR\HA\HL\HR\LA\LL\LR的阈值，一旦某一个特征量超过阈值则位移量与超过阈值特征量成正比，作为先验知识，这个先验知识作为一个函数，加权附在神经网络中。

7.根据权利要求4所述的老年人室内活动搀扶机器人系统的应用方法，其特征在于：所述步骤(3)的老年人一般行进自适应过程中，前搀扶装置和后搀扶装置的搀扶机构均伸出搀扶手臂，并且距离老年人左右臂膀保持3cm-5cm，通过线结构光和摄像头的20HZ传感信息计算控制量，保证不影响老年人正常行进运动，一旦发现老年人行走过程中出现失稳现象，所有搀扶手臂的小型气囊同时打开，提供扶正力矩，并给予夹紧力摩擦导致的反重力的支持力。

8.根据权利要求4所述的老年人室内活动搀扶机器人系统的应用方法，其特征在于：设定底盘两个轮子之间宽度为L，搀扶手臂宽度为l，机器人质量为M，老年人质量为m；搀扶系统所有力矩等于偏离地面上人体左右对称中心，人体重量对地面上人体对称中心引起的力矩，这个力矩小于重心全部加在搀扶系统扶手上的力矩；

对于人体分析：人体对脚底所有倾覆力矩与所有搀扶力矩平衡，放大重力对人体倾覆力矩的力臂，实际上G2的力臂不可能达到L，因为左右搀扶系统距离人体仅仅3cm左右，搀扶发生在行将摔倒的时刻，此时左右基本对称临界只是刚刚破坏，略大于步宽的一半，

0.5*W<l，l1<0.5*W；

0.5是因为前后两个搀扶机器人，每个搀扶机器人分力矩一半，等效于力臂是原来两倍；W是指下肢重心到移动执行机构中心的距离；

G1*l1+0.5*G2*W＝N2*L；G1是指下肢中点处的重力，G2是指上肢中点处的重力；

N2＝l/L*(G1+G2)；

对于宽度l短于扶手宽度L的搀扶系统分析：搀扶系统对于边缘角点力矩平衡；N2*(L-l)+N3*S＝G3*l；

对于宽度l长于扶手宽度L的搀扶系统分析：搀扶系统对于边缘角点力矩平衡；N3*S’＝G3*l+N2*(L-l)；

其中，N3＝G1+G2+G3，S和S’是轮子与角点之间距离，G3是底盘重量，取底盘右角点为力矩原点；N1是指地面对老年人的支持力；N2是指老年人倾倒时某一侧搀扶手臂对老年人的垂直向上支持力，N3是指老年人倾倒时地面对某一侧轮子的支持力；

由此可以断定，只要搀扶系统宽度l长于扶手宽度L，老年人倾倒加载于搀扶系统的倾覆力矩就不存在。

9.根据权利要求4所述的老年人室内活动搀扶机器人系统的应用方法，其特征在于：所述根据内外状态进行配重底盘移动和搀扶执行的算法步骤流程，和神经网络计算模型，输入量基本已知，老年人身上佩戴传感器判断摔倒，老年人摔倒传感装置和特征量三轴加速度计：加速度计时域波动能量，波动幅值，三轴角速度传感器：角速度时域波动能量，积分转角，以上这些特征量结合线结构光对老年人行进判断特征量。

10.根据权利要求4所述的老年人室内活动搀扶机器人系统的应用方法，其特征在于：.基于前后两向多线结构光及示教记录的室内定位辅助信息感知子系统中的室内定位辅助信息感知步骤：

a、获取当前时刻前后两向线结构光光心提取；

b、根据上一时刻的位置，将当前时刻的前后两向光心线条匹配示教对应光心线条，示教匹配线条选择在示教图位于上一时刻位置附近几幅；

c、获取当前位置。

Images