CN110559639B - 体操运动的机器人教学方法及机器人 - Google Patents

Abstract

本发明提供了一种体操运动的机器人教学方法及机器人，涉及体育器械技术领域，能够用机器人代替人进行一对多的体操教学，并对教学质量进行判断，及时对动作错误学员进行提示以便纠正动作；该方法步骤包括：S1、仿人形机器人根据预存的教程做出体操动作；S2、机器人通过眼部的CCD摄像机进行图像采集；S3、机器人对采集的学员动作图像进行识别和分析；采集学员的动作信息，并与数据库中的标准动作做对比，对学员动作整体一致性和每个学员动作正确性进行判断；S4、对动作不达标的情况进行错误提示。本发明提供的技术方案适用于体操教学的过程中。

Description

体操运动的机器人教学方法及机器人

【技术领域】

本发明涉及体育器械技术领域，尤其涉及一种体操运动的机器人教学方法及机器人。

【背景技术】

在随着科技的发展，机器人的发展技术越来越快，甚至有的领域的机器人已进入社会进行服务，通过机器人进行教学同样是一个重要的研究课题。

中国专利CN103659818A公开了一种十自由度自由体操机器人，对人形机器人的机械结构进行了改进，使之能够更好的完成倒立、滚翻、侧翻、劈叉等自由体操动作。中国专利CN208629444U公开了一种自由体操机器人，并具体公开了其仿人形的机械结构，该机械结构可进行向前360度翻滚和向后360度翻滚动作，以及倒立180度并腿和劈叉动作，左右侧翻360度动作，进行左右单手俯卧撑、双手俯卧撑等动作。中国专利CN206527735U也公开了一种十自由度自由体操机器人，其仿人形结构和各关节结构相对比较简单，维修方便。中国专利CN206344139U公开了一种基于KE15Z的十一自由度体操机器人，该机器人的机械结构具备十一个自由度，能够完成点头、鞠躬、挥手、侧手翻、倒立、前后翻滚、俯卧撑等动作。

但目前的体操机器人仅能模仿人类体操动作，在体操教学方面的研究依然不足，不能解决现在人为教学存在的老师容易体力不支、人为观察并纠正学员动作不够准确全面等教学问题。

因此，有必要研究一种体操运动的机器人教学方法及机器人来应对现有技术的不足，以解决或减轻上述一个或多个问题。

【发明内容】

有鉴于此，本发明提供了一种体操运动的机器人教学方法及机器人，能够用机器人代替人进行一对多的体操教学，并对教学质量进行判断，及时对动作错误学员进行提示以便纠正动作。

一方面，本发明提供一种体操运动的机器人教学方法，其特征在于，具体步骤包括：

S1、机器人根据预存的教程做出体操动作，用于学员学习；

S2、机器人通过眼部的CCD摄像机进行图像采集；

S3、机器人对采集的学员动作图像进行识别和分析；

采集学员的动作信息，并与数据库中的标准动作做对比，对学员动作整体一致性和每个学员动作正确性进行判断；

S4、对动作不达标的情况进行错误提示。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对学员动作整体一致性进行判断具体为：针对多个个体，判断在特定时间身体各部位保持的一致性，采用层次分析法对个体姿势的位置元素的矩阵区间一致性进行判断，若判断结果为不一致，则进行提示。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对每个学员动作正确性进行判断具体为：针对每个学员进行标记，对该学员的动作进行跟踪和分解，并与数据库中的标准动作进行比较，如有错误则进行提示。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述提示的具体方式为声音提示和/或影像提示；所述影像提示具体为：通过wifi模块与外部显示器通信连接，对学员的错误动作进行放映；所述声音提示具体为：通过设置在机器人嘴部的声音装置发出声音提示。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，采用Horn&Schunck算法对学员的动作进行跟踪。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，采用Horn&Schunck算法对学员的动作进行跟踪时，需对图像序列进行高斯平滑，选用的高斯平滑函数的方差σ＝1.5，a＝0.5，迭代次数为80-100次，使用的导数算子为

其中，a代表ε_b和ε_c的相对权重，ε_b代表图像亮度保持不变的假设带来的误差，ε_c代表光流平滑性假设带来的误差。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述机器人内部设有运动位置传感器和激光测距仪，运动位置传感器为机器人提供定位所需的运动数据，激光测距仪为机器人提供定位所需的观测数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，机器人定位所用的算法采用Bayes滤波器；采用卡尔曼滤波器对所述Bayes滤波器进行改造。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述运动位置传感器采用光纤陀螺+加速度计的惯导组合定位模块。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述机器人为仿人形机器人，具有手腕、手臂肘、肩部、腰部、腿关节、脚关节和颈部。

另一方面，本发明提供一种体操运动的机器人，其特征在于，所述机器人能够实现如上任一所述的教学方法。

与现有技术相比，本发明可以获得包括以下技术效果：能够用机器人代替人一对多的进行体操教学，解放人力，避免人为教学时体力不支造成教学质量欠佳的情况发生；机器人能够对教学质量进行实时的监控和分析判断，对学员动作的整体一致性和单个学员的动作进行判断，对不达标情况及时进行提示以便纠正动作。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有技术效果。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例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获得其它的附图。

图1是本发明一个实施例提供的体操运动的机器人教学方法的流程图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，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它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

本发明提供的用于体操运动教学的机器人为仿人形机器人，具有仿造的手腕、手臂肘、肩部、腰部、腿关节、脚关节、颈部等人类主要运动关节，以便机器人能够做出各种体操动作。机器人的眼睛处设有可旋转的高速CCD摄像机，用于对学员的动作情况进行图像采集。机器人还设有GPS定位系统，将自身的位置通过GPS定位系统传输出去，方便总控制系统对该机器人的实时管控。机器人内部预存任意版本的体操教程，可根据体操教程做出标准的体操动作，以便对学员进行教学。体操教程不限于体操，还可包括其他类型的运动，例如基础舞蹈等。

机器人内部设有运动位置传感器，运动位置传感器采用光纤陀螺+加速度计的惯导组合定位技术，用于获取机器人自身的运动数据，因惯导组合定位技术不需要和外界通讯，因此其独立性很强，适合本申请的体操机器人使用。惯导组合定位技术所获得的数据为机器人提供定位所需的运动数据。

机器人内部设有激光测距仪，激光测距仪模仿人类视觉测距功能，用于测量其与周围人事物的距离，为机器人提供定位所需的观测数据。

惯导组合定位技术所获得的运动数据和激光测距仪所获得的观测数据，再与预存的已知地图相结合，实现机器人的定位功能，对机器人的位置、位姿、移动情况及各种动作进行限定以及对下一步动作进行指导，避免机器人出现与其他事物发生碰撞等不良现象，且为机器人的各种动作提供依据和保障。例如，机器人测距功能测得前排学员与机器人距离过近无法进行体操动作时，可判断机器人后退还是学员后退以增加两者之间的距离，判断依据可以是机器人自身位置是否在其教学的预设范围内或学员位置是否在预设的学员区域内，根据判断结果调整自身位置或者由设置在嘴部的声音装置发出声音提醒或要求学员后退。

工作时，激光测距仪主动发射探测信号并接收反射信号，从而通过间隔时间计算出目标距离。本申请机器人具备自身定位能力，定位的前提是环境地图和机器人对环境和自身运动的感知，机器人通过这两个前提条件确定自身相对于已知地图的位姿。

在机器人定位中，动态系统是移动机器人和周围环境，系统状态时机器人的位姿。机器人的运动数据用u表示，观测数据用z表示。

本申请机器人采用Bayes滤波器进行递归推导，递归推导的公式为

Bel(x_t)＝ηp(z_t|x_t)∫p(x_t|x_t-1,z_t-1)Bel(x_t-1)dx_t-1；其中，η＝p(z_t|u_t-1,...,z₀)^-1；

递归推导公式再结合初始概率，便可计算出任一时刻的状态。

在实际的定位计算中，需要对上述递归推导公式进行改造，本申请采用基于卡尔曼滤波器的定位算法对其进行改造，用参数的形式表示信任度：期望u_t和方差∑_t。其状态转移概率p(x_t|u_t,x_t-1)为线性函数，噪声服从高斯分布，可以用以下方程表示

x_t＝A_tx_t-1+B_tu_t+ε_t (1)

其中，x_t和x_t-1是状态向量(即t时刻和t-1时刻运动模型中机器人的位姿)，u_t是t时刻的控制向量(即惯导组合定位技术所获得的运动数据)，这里的向量指列向量，即

x_t＝(x_1,t,x_2,t,...,x_n,t)^T (2)

u_t＝(u_1,t,u_2,t,...,u_n,t)^T (3)

A_t和B_t为矩阵，A_t是一个n*n的方阵，n是状态向量x_t的维数。B_t是一个n*m的矩阵，m等于控制向量u_t的维数。

ε_t是一个服从均值为0、方差为R_t的高斯分布随机向量，是状态变化噪声的模型，具有和状态向量相同的维数。状态转移概率p(x_t|u_t,x_t-1)可以这样计算

观测概率p(z_t|x_t)也是线性的，并且具有高斯噪声：

z_t＝C_tx_t+δ_t (5)

其中，C_t为k*n的矩阵，k是测量向量的维数。δ_t是测量噪声，服从均值为0，方差为Q_t的高斯分布。因此，观测概率可以表示为

最后，初始信任度分布的均值u₀和方差∑₀满足

这样就使得后验概率bel(x_t)在任何时刻都服从高斯分布，满足卡尔曼滤波器的假设，机器人的位姿就可以通过卡尔曼滤波器求得。

机器人通过眼部的高速CCD摄像机，对学员的动作情况进行图像采集、识别，并与内设的标准动作进行比较，对教学效果进行判断。对教学效果进行判断包括对学员动作整体一致性的判断和对每个学员动作正确与否的判断。

1、对学员动作整体一致性的判断具体为：针对多个个体，判断在特定时间身体各部位保持的一致性，采用层次分析法对个体姿势的位置元素的矩阵区间一致性进行判断。

采用层次分析法对一致性进行判断时，要求通过对某一准则(该准则指某一体操动作在人体上重点部位的动作特征)所支配的元素u₁,u₂,...,u_n进行两两比较建立判断矩阵

其中A_ij是方案i与方案j相对于准则的重要性比例标度，它通过两个方案间的直接比较给出。其实在判断信息一致性的假设下(即方案i与方案k的重要性之比A_ik，而方案k与方案j的重要性之比A_kj，则方案i与方案j的重要性之比为A_ij＝A_ikA_kj)，还可通过间接判断给出，即A_ij＝A_ikA_kj,k＝1,2,...,n。

一致性数字矩阵的定义为：设

为数字判断矩阵，如果对任意i,j,k＝1,2,...,n，有a_ij＝a_ika_kj，则称

为一致性数字矩阵。

假设

为区间数判断矩阵，如果存在i,j使

则对任意a_ij∈A_ij，数字矩阵

不是一致性数字判断矩阵。

证明：设

是一致性矩阵，则由一致性数字矩阵的定义可知，对任意i,j,k＝1,2,...,n，有a_ij＝a_ika_kj。由于a_ik∈A_ik，a_kj∈A_kj，于是由区间数的运算性质可知，a_ij＝a_ika_kj∈A_ikA_kj,(k-1,2,...,n)，从而

与已知条件矛盾。

根据以上数字矩阵一致性和非一致性的判断方法对学员整体动作的一致性进行判断，并根据判断结果给出指导或评价。

2、对每个学员的动作进行判断具体为：针对每个学员进行标记，对该学员的动作进行跟踪和分解，并与数据库中的标准动作进行比较，如有错误则进行提示。提示可以是声音的提示，也可以通过wifi模块与外部大屏幕通信连接，对学员的错误动作进行放映，也可以是声音和影像配合提醒，以达到纠正学员动作、提高教学质量的目的。

对学员动作进行跟踪的算法采用Horn&Schunck算法，对光流的平滑性进行约束，图像上任一点的光流并不是独立的，而是在整个图像范围内平滑变化。

假设图像上的点m＝(x,y)在时刻t的灰度值为I＝(x,y,t)，经过间隔dt后对应点的灰度为I(x+dx,y+dy,t+dt)，当dt→0时可以认为两点的灰度不变，也就是

I(x+dx,y+dy,t+dt)＝I(x,y,t) (8)

如果图像灰度值随x,y,t缓慢变化，可将式(8)的左边Taylor展开

其中ε代表二阶无穷小项，出于dt→0，忽略ε，可以得到

令

代表x和y方向上的光流，

分别代表图像灰度相对于x、y和t的偏导，式(10)可以写成

I_xu+I_yv+I_t＝0 (11)

写成向量形式

其中，

是图像在点m的梯度，V_m＝(u,v)是m的光流。

Horn&Schunck算法对下式进行最小化

ε²＝∫∫(a²ε_c ²+ε_b ²)dxdy (13)

式中，ε_b＝I_xu+I_yv+I_t (14)

ε_b代表图像亮度保持不变的假设带来的误差。

ε_c代表光流平滑性假设带来的误差。a代表ε_b和ε_c的相对权重。当图像噪声比较大时，原始数据的可信度比较低，更多的依赖光滑平滑性约束，a应该取比较大的值；反之，a应该取比较小的值。本申请选择a＝0.5。

利用变分几何的知识，可以得到式(13)的迭代解

本申请中对学员动作进行跟踪时，首先对图像序列进行高斯平滑，选用的高斯平滑函数的方差σ＝1.5，a＝0.5，迭代次数为80-100次，使用的导数算子为

以上对本申请实施例所提供的一种体操运动的机器人教学方法及机器人，进行了详细介绍。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

如在说明书及权利要求书当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求书并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求书当中所提及的“包含”、“包括”为一开放式用语，故应解释成“包含/包括但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求书所界定者为准。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求书的保护范围内。

Claims (9)

1.一种体操运动的机器人教学方法，其特征在于，具体步骤包括：

S1、仿人形机器人根据预存的教程做出体操动作，用于学员学习；

S2、机器人通过眼部的CCD摄像机进行图像采集；

S3、机器人对采集的学员动作图像进行识别和分析；

采集学员的动作信息，并与数据库中的标准动作做对比，对学员动作整体一致性和每个学员动作正确性进行判断；

S4、对动作不达标的情况进行错误提示；

对学员动作整体一致性进行判断具体为：针对多个个体，判断在特定时间身体各部位保持的一致性，采用层次分析法对个体姿势的位置元素的矩阵区间一致性进行判断，若判断结果为不一致，则进行提示；

采用层次分析法对一致性进行判断时，要求通过对某一准则所支配的元素u₁，u₂，...，u_n进行两两比较建立判断矩阵

其中A_i是方案i与方案j相对于准则的重要性比例标度，通过两个方案间的直接比较给出；其实在判断信息一致性的假设下通过间接判断给出，即A_j＝A_jkA_kj＝1，２，...，n，A_k为方案j与方案k的重要性之比，A_kj为方案k与方案j的重要性之比；所述某一准则具体为体操动作在人体上重点部位的动作特征；

一致性数字矩阵的定义为：设

为数字判断矩阵，如果对任意i，j，k＝1，2，...，n，有a_ij＝a_ka_kj，则称

为一致性数字矩阵；假设

为区间数判断矩阵，如果存在i，j使

则对任意a_ij∈A_ij，数字矩阵

不是一致性数字判断矩阵。

2.根据权利要求1所述的体操运动的机器人教学方法，其特征在于，对每个学员动作正确性进行判断具体为：针对每个学员进行标记，对该学员的动作进行跟踪和分解，并与数据库中的标准动作进行比较，如有错误则进行提示。

3.根据权利要求1或2所述的体操运动的机器人教学方法，其特征在于，所述提示的具体方式为声音提示和/或影像提示；所述影像提示具体为：通过wifi模块与外部显示器通信连接，对学员的错误动作进行放映；所述声音提示具体为：通过设置在机器人嘴部的声音装置发出声音提示。

4.根据权利要求2所述的体操运动的机器人教学方法，其特征在于，采用Horn&Schunck算法对学员的动作进行跟踪；对学员的动作进行跟踪时，需对图像序列进行高斯平滑，选用的高斯平滑函数的方差σ＝1.5，a＝0.5，迭代次数为80-100次，使用的导数算子为

其中，a代表ε_b和ε_c的相对权重，ε_b代表图像亮度保持不变的假设带来的误差，ε_c代表光流平滑性假设带来的误差。

5.根据权利要求1所述的体操运动的机器人教学方法，其特征在于，所述机器人内部设有运动位置传感器和激光测距仪，运动位置传感器为机器人提供定位所需的运动数据，激光测距仪为机器人提供定位所需的观测数据。

6.根据权利要求5所述的体操运动的机器人教学方法，其特征在于，机器人定位所用的算法采用Bayes滤波器；采用卡尔曼滤波器对所述Bayes滤波器进行改造。

7.根据权利要求5所述的体操运动的机器人教学方法，其特征在于，所述运动位置传感器采用光纤陀螺+加速度计的惯导组合定位模块。

8.根据权利要求1所述的体操运动的机器人教学方法，其特征在于，所述机器人为仿人形机器人，具有手腕、手臂肘、肩部、腰部、腿关节、脚关节和颈部。

9.一种体操运动的机器人，其特征在于，所述机器人能够实现如权利要求1-8任一所述的教学方法。

Images