CN110919650A

CN110919650A - 一种基于svm的低延时抓取遥操作系统

Info

Publication number: CN110919650A
Application number: CN201911139066.8A
Authority: CN
Inventors: 杨忠健; 吕彦佑; 李浩正; 杜敏; 胡睿
Original assignee: Jiangsu University
Current assignee: Jiangsu University
Priority date: 2019-11-20
Filing date: 2019-11-20
Publication date: 2020-03-27

Abstract

本发明公开了一种基于SVM的低延时抓取遥操作方法，通过主站模块获取遥操作者手臂抓取运动中的动作幅度特征；将动作幅度特征输入分类模块，由分类模块为支持向量机(SVM)输出动作幅度特征的分类标签；从站模块中的模糊控制器根据动作幅度特征的分类标签控制获取机械臂进行相应的动作，实现对待抓取物的抓取动作，本发明所提出的技术方案可以有效降低算法复杂度，达到低延时效果。

Description

一种基于SVM的低延时抓取遥操作系统

技术领域

本发明涉及机械臂遥操作领域，具体涉及一种基于SVM的低延时抓取遥操作系统。

背景技术

近年来随着国内经济的高速发展，生产能力日益提高,科技不断进步推动着机器人技术不断发展完善。在传统的制造领域，工业机器人已经逐步走向成熟。但当前机器人面对复杂情形时还不能很好的发挥人的作用。

机器人遥操作技术一定程度解决了这个问题，该技术既能将人类与危险的操作环境隔离，又能体现人类的主观能动性，因而拥有很强的现实实用价值和应用前景。

然而现有的遥操作方法一般分为接触式和非接触式两类。其中接触式常常采用穿戴式测量手套，外骨骼设备来获取用户端的信息，控制从站做出相应的动作。这些方法需要在操作者身上穿戴传感设备，不利于操作者做出目标动作，在动作快时，甚至可能失效。而非接触式遥操作方法则不会有此问题，通常采用机器视觉系统，操作自然，但跟随控制算法复杂度高，对视觉测量的精确度要求较高，导致延时大大增加。

发明内容

为了解决现有技术中的不足，本发明提出了一种基于SVM的低延时抓取遥操作系统，采用模糊化的设计思路对操作者和机械臂的行为进行控制，同时利用支持向量机进行分类以完成对操作者行为抓取行为路径的识别，然后模糊反馈到抓取端，再利用人类专家经验建立的模糊规则库进行解模糊完成输出。此类方法可有效降低算法复杂度，达到低延时效果。

本发明所采用的技术方案如下：

一种基于SVM的低延时抓取遥操作方法，通过主站模块获取遥操作者手臂抓取运动中的动作幅度特征；将动作幅度特征输入分类模块，由分类模块为支持向量机(SVM)输出动作幅度特征的分类标签；从站模块中的模糊控制器根据动作幅度特征的分类标签控制获取机械臂进行相应的动作，实现对待抓取物的抓取动作。

进一步，获取遥操作者手臂动作幅度特征的方法为：

S1、使用深度相机采集操作者手臂运动，进而获得操作者手臂各关节的三维空间坐标模型，利用各关节坐标在深度相机三维空间坐标系中的位置构建向量，再根据手臂各关节坐标计算出关节角；

S2、根据操作者手臂的前后两帧图像，获取每个关节角的差值，将各个关节角的差值作为抓取运动的动作幅度特征(Δθ₁、Δθ₂、Δα)，其中，Δθ₁为上臂正X轴方向的关节角差值，Δθ₂为上臂正Z轴方向的关节角差值，Δα前臂与上臂角度变化值。

进一步，所述分类模块为支持向量机(SVM)；

进一步，训练支持向量机(SVM)的方法为：

S1、根据操作者手臂运动方向和动作幅度分别划分出SVM标签；

S2、将S1中划分的SVM标签与专家知识库1内的SVM标签划分标准进行比较，对S1中所划分的SVM标签进行修正；

S3、将动作幅度特征构成的测试样本集输入SVM分类器中进行训练，SVM分类器对输入的测试样本进行分类得到样本各自对应的分类标签；进而获得训练好的SVM分类器。

进一步，从站模块包括模糊控制器、机械臂和机械抓手，所述机械臂仿照操作者的手臂，分别在肩关节、肘关节和腕关节对应设置舵机；所述的模糊控制器的输入端和输出端分别连接支持向量机的输出和连接舵机；

进一步，在机械抓手上设置接近觉传感器，所述接近觉传感器连接模糊控制器的输入端；通过近觉传感器将机械手与待抓取物之间的距离信息反馈至模糊控制器。

进一步，所述模糊控制器根据SVM分类器输出的分类标签输出各个关节处的舵机的控制量，进而实现抓取动作。

本发明的有益效果：

1、本训练方法涉及的基于SVM的模糊控制可以避免传统机械臂在逆解上的复杂算法以及机械视觉在识别机体动作时复杂的数据勘测，达到低延时的控制效果。

2、本系统设计机械臂运动是一种介于PTP控制与CP控制的新型控制方法，使实际运动更加拟人化，在需要反应快速及抓手端要求不高的情况下，具有跟高的精准性和实用价值。

3、在实际使用中，本系统根据储存的训练信息及抓取点与原位置点的位置关系脱机运行，完成示教-再现运行，适应性强

附图说明

图1是本发明主站模块和从站模块生成三维坐标模型示意图；

图2是本发明基于SVM的低延时抓取遥操作系统框图；

图3是本发明基于SVM的低延时抓取遥操作工作流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

如图1所示，一种基于SVM的低延时抓取遥操作方法，通过主站模块获取遥操作者手臂抓取运动中的动作幅度特征；将动作幅度特征输入分类模块，分类模块为支持向量机(SVM)，由分类模块为支持向量机(SVM)输出动作幅度特征的分类标签；从站模块中的模糊控制器根据动作幅度特征的分类标签控制获取机械臂进行相应的动作，实现对待抓取物的抓取动作。以下对各个过程做详细解释：

1、构建主站模块的方法为：

步骤1.1，主站模块包括深度相机(在本实施例中采用Kinect传感器)，使用深度相机采集操作者手臂运动，获得操作者左臂各关节的三维空间坐标模型，如图2，如左肩关节坐标O(x_o，y_o，z_o)、左肘关节坐标A(x_a，y_a，z_a)、左腕关节坐标B(x_b，y_b，z_b)生成左臂的三维坐标模型；利用各关节坐标在Kinect三维空间坐标系中的位置构建向量，再通过左臂各关节坐标计算向量夹角(即关节角)。

步骤1.2，深度相机所采集的操作者左臂的相邻两帧图像，获取每个关节角的差值，如：上臂在X-Y平面投影与正X轴角度变化值Δθ₁、上臂与正Z轴角度的余角变化值Δθ₂、前臂与上臂角度变化值Δα，将各个关节角的差值作为抓取运动的动作幅度特征(Δθ₁、Δθ₂、Δα)；将每一组的动作幅度特征(Δθ₁、Δθ₂、Δα)作为SVM分类器的样本，多次试验获得大量测试样本集。

2、分类模块为支持向量机(SVM)，训练支持向量机(SVM)的方法为：

步骤2.1，根据操作者手臂运动方向人为划分SVM标签，例如：抓取运动大致可分为六个方向(即前、后、左、右、上、下)以及每个方向所组合得到的26种方向标签A；根据动作的幅度获得的三种幅度标签B，为简化计算，可对方向标签进行直接分类。

幅度标签为方向标签为

方向标签为B＝{前后左右上下上左上右下左下右左前左后右前右后上前上后下前下后上左前上左后下左前下左后上右前上右后下右前下右后}

则分类标签(模糊子集论域)其中的模糊量即为AB相乘中的元素。

步骤2.2，为了防止人为判断的非客观性，故将人为划分的SVM标签与专家知识库内的划分标准进行比较，对所划分的SVM标签进行修正；在本实施例中，专家知识库为长期的工作实践中所获得的有关人体具体动作幅度量化的经验知识。

步骤2.3，将动作幅度特征构成的测试样本集输入SVM分类器中进行训练，SVM分类器对输入的测试样本进行分类得到样本各自对应的分类标签；进而获得训练好的SVM分类器。

3、构建从站模块的方法为：

步骤3.1，从站模块包括模糊控制器、机械臂和机械抓手，机械臂仿照操作者左臂，分别在肩关节、肘关节和腕关节对应设置一号舵机、二号舵机和三号舵机；在机械抓手上设置接近觉传感器，模糊控制器的输出端分别连接一号舵机、二号舵机和三号舵机，模糊控制器的输入端分别连接支持向量机的输出和接近觉传感器；

步骤3.2，使用深度相机获取各个舵机的参数值；

步骤3.3，将分类模块所获得的分类标签与舵机参数进行比较，进而选择一种合适的对应于每一标签的合适的控制量输出。为了更清楚的解释本发明所保护的技术方案，以下结合本发明的工作过程作进一步解释：

如图3在抓取过程中，首先从站模块采集机械臂和待抓取物图像，进而获得在三维空间坐标内机械手臂和待抓取物的坐标位置；

主站模块内，操作者左手臂运动，且采集左手臂抓取过程中的动作幅度特征(Δθ₁、Δθ₂、Δα)；

将动作幅度特征(Δθ₁、Δθ₂、Δα)输入构建好的支持向量机(SVM)；模糊控制器根据支持向量机(SVM)输出的分类标签控制各个舵机；进而控制机械臂的动作对待抓取物进行抓取，同时机械抓手上的接近觉传感器实时监测机械抓手与待抓取物之间的距离，并将该信息反馈至模糊控制器，模糊控制器再调节各个舵机的动作。本申请中还可增加接近觉传感器来提高整体控制精度。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims

1.一种基于SVM的低延时抓取遥操作方法，其特征在于，通过主站模块获取遥操作者手臂抓取运动中的动作幅度特征；将动作幅度特征输入分类模块，由分类模块为支持向量机(SVM)输出动作幅度特征的分类标签；从站模块中的模糊控制器根据动作幅度特征的分类标签控制获取机械臂进行相应的动作，实现对待抓取物的抓取动作。

2.根据权利要求1所述的一种基于SVM的低延时抓取遥操作方法，其特征在于，获取遥操作者手臂动作幅度特征的方法为：

3.根据权利要求1所述的一种基于SVM的低延时抓取遥操作方法，其特征在于，所述分类模块为支持向量机。

4.根据权利要求3所述的一种基于SVM的低延时抓取遥操作方法，其特征在于，训练支持向量机的方法为：

5.根据权利要求1所述的一种基于SVM的低延时抓取遥操作方法，其特征在于，从站模块包括模糊控制器、机械臂和机械抓手，所述机械臂仿照操作者的手臂，分别在肩关节、肘关节和腕关节对应设置舵机；所述的模糊控制器的输入端和输出端分别连接支持向量机的输出和连接舵机。

6.根据权利要求5所述的一种基于SVM的低延时抓取遥操作方法，其特征在于，在机械抓手上设置接近觉传感器，所述接近觉传感器连接模糊控制器的输入端；通过近觉传感器将机械手与待抓取物之间的距离信息反馈至模糊控制器。

7.根据权利要求6所述的一种基于SVM的低延时抓取遥操作方法，其特征在于，所述模糊控制器根据SVM分类器输出的分类标签输出各个关节处的舵机的控制量，进而实现抓取动作。