CN114073625A - 一种可自主导航的脑电控制电动轮椅 - Google Patents
一种可自主导航的脑电控制电动轮椅 Download PDFInfo
- Publication number
- CN114073625A CN114073625A CN202111521548.7A CN202111521548A CN114073625A CN 114073625 A CN114073625 A CN 114073625A CN 202111521548 A CN202111521548 A CN 202111521548A CN 114073625 A CN114073625 A CN 114073625A
- Authority
- CN
- China
- Prior art keywords
- wheelchair
- electric wheelchair
- controller
- electroencephalogram
- brain
- 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
- 210000004556 brain Anatomy 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000005611 electricity Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 239000004744 fabric Substances 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000003340 mental effect Effects 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002567 autonomic effect Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 206010033892 Paraplegia Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G5/00—Chairs or personal conveyances specially adapted for patients or disabled persons, e.g. wheelchairs
- A61G5/04—Chairs or personal conveyances specially adapted for patients or disabled persons, e.g. wheelchairs motor-driven
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G5/00—Chairs or personal conveyances specially adapted for patients or disabled persons, e.g. wheelchairs
- A61G5/10—Parts, details or accessories
- A61G5/1051—Arrangements for steering
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
- A61G2203/22—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering for automatically guiding movable devices, e.g. stretchers or wheelchairs in a hospital
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/30—General characteristics of devices characterised by sensor means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/70—General characteristics of devices with special adaptations, e.g. for safety or comfort
- A61G2203/72—General characteristics of devices with special adaptations, e.g. for safety or comfort for collision prevention
Abstract
一种可自主导航的脑电控制电动轮椅,包括电动轮椅(1),所述电动轮椅(1)上安装有支架(2),电动轮椅(1)以支架(2)为物理支撑和信号线布设对象,分别安装有PC端(3)、脑电帽(4)、激光测距仪(5)和深度相机(6),所述电动轮椅(1)安装有编码器和控制器(7),所述编码器能够将位移信息转换成电信号,所述控制器(7)能够控制电动轮椅(1)的运动,所述编码器、脑电帽(4)、激光测距仪(5)、深度相机(6)和控制器(7)分别连接至PC端(3)。将自主导航和避障技术与脑电控制结合起来,使脑控轮椅不仅仅停留在使用者对轮椅的控制上,更能够通过自主导航减少使用者的精力和脑力消耗,提高了使用过程中的安全性。
Description
技术领域
本发明涉及自主导航及脑电控制,具体涉及一种可自主导航的脑电控制电动轮椅。
背景技术
轮椅作为辅助有生活不便问题的移动工具,在当今社会得到广泛的应用。传统轮椅使用人工或者电力驱动,使得丧失活动能力的病人独自使用轮椅成为一种障碍。随着老龄化趋势的日益加剧及残障人士的增加,他们行动不便的困扰受到越来越多的关注。他们中有很多人不能够正常使用轮椅,也不能安全的驾驶轮椅,而患有脑中风、多发性硬化症以及其他病症的患者甚至不能使用轮椅。脑机接口技术最有可能成为智能轮椅的有效解决方案,它能够帮助丧失活动能力的患者实现自由移动。在电动轮椅的控制中加入脑机接口技术,是脑机接口与移动轮椅机器人学的一次完美结合。通过对两大前沿技术的优势互补,促进智能轮椅的实现,为行动不便者提供方便,同时拓展其他技术领域。
目前也已经有许多将脑电信号控制、脑机接口应用于轮椅上的设计,比如中国发明专利CN202010997383.X中提供一种智能轮椅控制系统和方法,能够根据用户的脑磁信号方便地实现对智能轮椅的控制,满足高位截瘫等特殊用户的使用需求。但是此类轮椅的脑控技术需要使用者的大脑持续发出指令才可运动至目的地,考虑到轮椅使用者需要休息,应该尽量减少其脑力消耗,因此需要一种既能够根据使用者的主观意图控制轮椅运动,又能够自主导航和避障的脑电控制轮椅。
发明内容
本发明的目的是提供一种具备自主导航和避障功能的脑电控制轮椅,将自主导航和避障技术与脑电控制结合起来,使脑控轮椅不仅仅停留在使用者对轮椅的控制上,更能够通过自主导航减少使用者的观察精力和脑力的消耗,也提高了使用者在使用过程中的安全性。
本发明的技术方案如下:
一种可自主导航的脑电控制电动轮椅,包括电动轮椅,所述电动轮椅上安装有支架,电动轮椅以支架为物理支撑和信号线布设对象,分别安装有PC端、脑电帽、激光测距仪和深度相机,所述电动轮椅安装有编码器和控制器,所述编码器能够将位移信息转换成电信号,所述控制器能够控制电动轮椅的运动,所述编码器、脑电帽、激光测距仪、深度相机和控制器分别连接至PC端,所述PC端用于执行包括如下步骤的处理程序:
步骤一、利用深度相机,采用SLAM算法得到完整的地图信息,为操作者提供待选目的地;
步骤二、分析操作者佩戴的脑电帽采集的脑电信号,得到目标地点,根据地图信息进行路径规划;
步骤三、结合地图信息、激光测距仪及编码器的信息,通过控制器控制电动轮椅进行自主导航和避障,直至到达目标地点;
步骤四、在步骤三中,持续分析脑电帽的脑电信号,得到操作者的动作意图,根据动作意图结合地图信息、激光测距仪及编码器的信息,控制调整电动轮椅运动。
如上所述的一种可自主导航的脑电控制电动轮椅,所述操作者的动作意图包括前进、后退、左转、右转和停止,所述控制器设置有与操作者的动作意图相对应的按钮。
如上所述的一种可自主导航的脑电控制电动轮椅,所述PC端根据激光测距仪和深度相机的信息,采用ICP算法确定电动轮椅的位姿。
进一步的,所述ICP算法包括如下步骤:
步骤一、预处理:剔除无效的数据点,删除孤立点,对点集进行中值滤波,得到合适的参考点集X和对比点集P;
步骤二、确定对应点对集:首先针对对比点集P中每个点pi,在参考点集X中搜索最近点,生成点对,其次为每一个点对分配权重,D为两点之间距离,MaxDist为激光测距仪最大有效距离,最后,针对参考点集X中每个点,如果其对应的点对数量大于1,则只保留权重最大的点对,删除其他点对,生成一一对应的对应点对集;
步骤三、计算旋转变换矩阵R和平移矩阵t;
步骤四、计算误差E(R,t),如果误差大于阈值,则根据R和t将对比点集P矫正为与参考点集X同一坐标系下P=RP+t,转到步骤二,重复迭代;如果误差小于阈值,则迭代结束,得到足够准确的旋转变换矩阵R和平移矩阵t。
进一步的,所述自主导航和避障策略为:
激光测距仪发现障碍物时与系统的安全距离作比较,当电动轮椅与障碍物的距离达到或小于安全距离时,PC端根据编码器数据向控制器发出命令,使控制器调整电动轮椅的速度及转动一定角度,使电动轮椅继续前进到合适的距离处,再回到原设的规划路径上。
如上所述的一种可自主导航的脑电控制电动轮椅,所述PC端采用K-means聚类算法对深度相机采集到的数据进行聚类分析,包括如下步骤:
步骤一、选定簇个数k;
步骤二、计算各个样本点到k个“簇中心”的距离;
步骤三、根据新划分的簇,更新“簇中心”;
步骤四、重复步骤二、步骤三过程,直至“簇中心”没有移动。
作为具体的实施方式,其特征在于,所述激光测距仪产生的数据的滤波处理采用均值滤波法。
如上所述的一种可自主导航的脑电控制电动轮椅,所述SLAM算法步骤包括前端数据处理、后端数据处理、回环检查和地图融合。
进一步的,所述脑电帽和PC端间通过蓝牙进行通讯。
作为具体的实施方式,所述电动轮椅的驱动轮采用直流无刷电机,所述直流无刷电机包括驱动器,所述驱动器与控制器连接。
本发明的有益效果在于:
将自主导航和避障技术与脑电控制结合起来,使脑控轮椅不仅仅停留在使用者对轮椅的控制上,更能够通过自主导航减少使用者的观察精力和脑力的消耗,也提高了使用者在使用过程中的安全性。该轮椅通过视觉定位法和同步构图(SLAM)算法等技术实现自身的轨迹规划。该脑电控制的自主导航系统,在数据的处理上,对激光测距仪产生的数据的滤波处理采用均值滤波法,采用K-means聚类算法对深度相机采集到的数据进行聚类分析,采用ICP算法进行位姿估计。使用了输出功率较高的直流无刷电机,运动控制更加稳定、精准。
附图说明
通过阅读下文优选实施方式的详细描述,本申请的方案和优点对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
在附图中:
图1为本发明实施例1的一种可自主导航的脑电控制电动轮椅结构示意图;
图2为实施例1的系统框图;
图3为实施例1的数据对比图。
图中各附图标记所代表的组件为:
1、电动轮椅,2、支架,3、PC端,4、脑电帽,5、激光测距仪,6、深度相机、7、控制器。
具体实施方式
下面将结合附图更详细地描述本公开的示例性实施方式。需要说明,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员,可以以各种形式实现本公开,而不应被这里阐述的实施方式所限制。
实施例1
参见图1,其中图1为本实施例1的一种可自主导航的脑电控制电动轮椅结构示意图,包括电动轮椅1,所述电动轮椅1上安装有支架2,电动轮椅1以支架2为物理支撑和信号线布设对象,分别安装有PC端3、脑电帽4、激光测距仪5和深度相机6,所述电动轮椅1安装有编码器和控制器7,所述编码器能够将位移信息转换成电信号用于测量轮椅移动速度或轮子转速,所述控制器7能够控制电动轮椅1的运动,所述编码器、脑电帽4、激光测距仪5、深度相机6和控制器7分别连接至PC端3。脑电控制电动轮椅是以一台标准电动轮椅为基础,配置一些外设、传感器、脑电帽等设备,或者在移动机器人平台上安置一个座椅而构成的智能轮椅系统。脑电帽4采用非侵入式脑机接口从而避免了手术的风险,这种非侵入方式的脑机接口装置具有易于使用者佩戴,同时具备价格低廉、不易产生生理损伤的特点。
激光测距仪5原理同雷达测距一样,但具有远、准、快、抗干扰、无盲区等优点。深度相机6相比较传统的相机,在功能上添加了深度测量,如RGB-D相机,从而更方便准确的感知周围的环境及变化。
参见图2,在系统框图中,由脑控系统和自主定位导航系统构成。其中,PC端3、脑电帽4和控制器7组成脑控系统,负责采集、处理使用者的脑电信号,PC端3通过全局地图信息生成待选目的地并显示在屏幕上,使用者用眼睛观察选择目标地点,所产生的特定脑电信号经过PC端3分析得到目标地点,当然,如果手部活动正常,也可手动选择目标地点;PC端3、编码器、激光测距仪5和深度相机6组成自主定位导航系统,负责根据环境信息生成全局地图信息、待选目的地,并完成脑控轮椅的定位、导航和避障。
参见图2,脑控轮椅的定位与导航是指轮椅从任意位置出发,根据已创建的全局地图信息和已选择的目的地进行全局路径规划,并跟踪规划的路径行驶至目标位置。在行进过程中,脑控轮椅借助外部传感器激光测距仪5不断检测周围的环境信息,并借助内部传感器(编码器)获取自身运动状态,融合传感器信息确定自身的位姿,自主完成动态路径规划和安全避障。该脑控轮椅能够实现沿着规划好的路径运动。
自主通过视觉定位法和同步构图(SLAM)算法等技术实现自身的轨迹规划,在电动轮椅1的操作者具有环境感知能力和主观意图明确的前提下,所采用的导航和避障算法,让电动轮椅既能够按照操作者的大脑意图来实现前进、后退、左转、右转等动作,还能选择目标地点后进行自动导航和避障。SLAM算法采用栅格地图表示方式来构建环境地图,其中步骤分为前端数据处理,后端数据处理,回环检查和地图融合。另外,使用者的环境感知结果通过脑电信号反馈到PC端3,直接用于自主导航和避障的决策,能够在减少算法复杂度的同时提高机器执行的准确度。在电动轮椅的运行过程中,激光测距仪5和深度相机6能够实时检测环境信息,自动检测局部环境中存在的障碍物并避开障碍物,以免和障碍物发生碰撞对使用者造成伤害;检测周边环境的距离信息,采集周边的环境信息,实时调整轮椅的运行路径转角。在轮椅运行过程中,发现障碍物时能够与系统的安全距离作比较,当轮椅与障碍物的距离达到安全距离时轮椅会转动一个适当的角度,继续向前走到合适的距离处再回到原设的规划路径上,达到较为完整连贯的自动避障。
参见图2,所述PC端3用于执行包括如下步骤的处理程序:
步骤一、利用深度相机6,采用SLAM算法得到完整的地图信息,为操作者提供待选目的地;
步骤二、分析操作者佩戴的脑电帽4采集的脑电信号,得到目标地点,根据地图信息进行路径规划;
步骤三、结合地图信息、激光测距仪5及编码器的信息,通过控制器7控制电动轮椅1进行自主导航和避障,直至到达目标地点;
步骤四、在步骤三中,持续分析脑电帽3的脑电信号,得到操作者的动作意图,根据动作意图结合地图信息、激光测距仪5及编码器的信息,对电动轮椅1进行运动控制。
作为具体的实施方式,所述操作者的动作意图包括前进、后退、左转、右转和停止,控制器7基于单片机,上级为PC端3,下级为直流无刷电机的驱动器,所述控制器7设置有与操作者的动作意图相对应的按钮,使用者既能够通过按钮直接操作控制器7,来控制电动轮椅1运动,也能够通过PC端3分析脑电信号得到控制命令,通过控制器7控制电动轮椅1进行自主导航和避障,或执行前进、后退、左转、右转和停止。
参见图2,进一步的,所述PC端3根据激光测距仪5和深度相机6的信息,采用ICP算法确定电动轮椅1的位姿,来实现路径跟踪。ICP算法解决的问题可以描述为:已知两个点X和P,求解旋转变换矩阵R和平移向量t,使得平方误差E最小,Xi和Pi是两个点集中的知确对应关系即对应点对集的情况下,可以推导出相对平转量。
进一步的,所述ICP算法包括如下步骤:
步骤一、预处理:剔除无效的数据点,删除孤立点,对点集进行中值滤波,得到合适的参考点集X和对比点集P;
步骤二、确定对应点对集:首先针对对比点集P中每个点pi,在参考点集X中搜索最近点,生成点对,其次为每一个点对分配权重,D为两点之间距离,MaxDist为激光测距仪5最大有效距离,最后,针对参考点集X中每个点,如果其对应的点对数量大于1,则只保留权重最大的点对,删除其他点对,生成一一对应的对应点对集;
步骤三、计算旋转变换矩阵R和平移矩阵t;
T=[tx ty tz]T。
其中,α、β、γ分别表示点沿x、y、z轴的旋转角度,tx、ty、tz分别表示点沿x、y、z轴的平移量。
步骤四、计算误差E(R,t),如果误差大于阈值,则根据R和t将对比点集P矫正为与参考点集X同一坐标系下P=RP+t,转到步骤二,重复迭代;如果误差小于阈值,则迭代结束,得到足够准确的旋转变换矩阵R和平移矩阵t。
定义:旋转变换矩阵R和平移矩阵t使E的值最小。用来表示源点集P在变换矩阵(R,t)下与目标点集Q之间的误差。则求解最优变换矩阵的问题就可以转化为求满足min f(R,t)的最优解(R,t)。该ICP算法的结果如图3所示。
进一步的,所述自主导航和避障策略为:
激光测距仪5发现障碍物时与系统的安全距离作比较,当电动轮椅1与障碍物的距离达到或小于安全距离时,PC端3根据编码器数据向控制器7发出命令,使控制器7调整电动轮椅1的速度及转动一定角度,使电动轮椅1继续前进到合适的距离处,再回到原设的规划路径上。
进一步的,所述PC端3采用K-means聚类算法对深度相机6采集到的数据进行聚类分析,K-means算法又名k均值算法,K-means算法中的k表示的是聚类为k个簇,means代表取每一个聚类中数据值的均值作为该簇的中心,或者称为质心,即用每一个的类的质心对该簇进行描述。其算法思想大致为:先从样本集中随机选取k个样本作为簇中心,并计算所有样本与这k个“簇中心”的距离,对于每一个样本,将其划分到与其距离最近的“簇中心”所在的簇中,对于新的簇计算各个簇的新的“簇中心”。
包括如下步骤:
步骤一、选定簇个数k;
步骤二、计算各个样本点到k个“簇中心”的距离;将对象点分到距离聚类中心最近的那个簇中需要最近邻的度量策略,欧式距离d计算如下:
步骤三、根据新划分的簇,更新“簇中心”;对于分类后的产生的k个簇,分别计算到簇内其他点距离均值最小的点作为质心对于拥有坐标的簇可以计算每个簇坐标的均值作为质心
步骤四、重复步骤二、步骤三过程,直至“簇中心”没有移动。
A.当每个簇的质心,不再改变时就可以停止k-menas
B.当loop次数超过looLimit时,停止k-means
C.只需要满足两者的其中一个条件,就可以停止k-means
C.如果步骤四没有结束k-means,就再执行步骤二、步骤三、步骤四
D.如果步骤四结束了k-means,则就绘制簇以及质心
作为具体的实施方式,所述激光测距仪5产生的数据的滤波处理采用均值滤波法。
具体的,所述SLAM算法步骤包括前端数据处理、后端数据处理、回环检查和地图融合。利用SLAM算法通过前、后端数据处理、回环检测及地图融合,我们就能得到完整的环境地图信息。利用地图信息结合激光测距仪进行自主巡航并实现避障。
进一步的,所述脑电帽4和PC端3间通过蓝牙进行通讯。不需要线材进行通信,佩戴舒适,活动方便。蓝牙通道建立完成后,我们还需要通过在PC端3上,对软件进行相关参数设置,最终需求实现:1、有效脑电信号可视化,能够通过电脑直观的展示出来,并能直接读取采集到的的脑电信号的量化值。同时信号出现不稳定情况时,对脑控系统进行反馈,使得采集装置一直保持在理想状态。2、将所有采集到的脑电信号进行一步量化处理,并将量化值写入text文本中,为后续工作做好准备。
本实施例中,
轮椅参数:外形长*宽*高(cm):128*66*99:座宽*座高*座深(cm):45*50*46:前轮8寸,后轮22寸:载重120kg。
脑电帽参数:设备尺寸55-60cm,通道数10导电压DC5V,采样率1KHz.AD位数20Bits,分辨率0.358uV.共模抑制比100dB,输入范围±187.5mV:信号识别率95%:蓝牙距离>10m:续航时间>12hours。
作为具体的实施方式,所述电动轮椅1的驱动轮采用输出功率较高的直流无刷电机,所述直流无刷电机包括驱动器和电机两部分,所述驱动器与控制器7连接,控制器7接收到来自PC端3的控制指令或按钮指令后,控制驱动器执行相应动作。驱动器由集成电路和功率电子器件等构成,用以接收控制器7的指令,来实现启动,停止等动作,驱动器还能控制和调整转速,它是控制电机运动的核心。相对于直流有刷电机,减小了一定的机械磨损,从而增加了使用的寿命,具有噪音小,性能好,寿命长,便于维护等优点。
通过本实施例的方案,将自主导航和避障技术与脑电控制结合起来,使脑控轮椅不仅仅停留在使用者对轮椅的控制上,更能够通过自主导航减少使用者的观察精力和脑力的消耗,也提高了使用者在使用过程中的安全性。该轮椅通过视觉定位法和同步构图(SLAM)算法等技术实现自身的轨迹规划。该脑电控制的自主导航系统,在数据的处理上,对激光测距仪5产生的数据的滤波处理采用均值滤波法,采用K-means聚类算法对深度相机6采集到的数据进行聚类分析,采用ICP算法进行位姿估计。使用了输出功率较高的直流无刷电机,运动控制更加稳定、精准。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或增减替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种可自主导航的脑电控制电动轮椅,包括电动轮椅(1),其特征在于,所述电动轮椅(1)上安装有支架(2),电动轮椅(1)以支架(2)为物理支撑和信号线布设对象,分别安装有PC端(3)、脑电帽(4)、激光测距仪(5)和深度相机(6),所述电动轮椅(1)安装有编码器和控制器(7),所述编码器能够将位移信息转换成电信号,所述控制器(7)能够控制电动轮椅(1)的运动,所述编码器、脑电帽(4)、激光测距仪(5)、深度相机(6)和控制器(7)分别连接至PC端(3),所述PC端(3)用于执行包括如下步骤的处理程序:
步骤一、利用深度相机(6),采用SLAM算法得到完整的地图信息,为操作者提供待选目的地;
步骤二、分析操作者佩戴的脑电帽(4)采集的脑电信号,得到目标地点,根据地图信息进行路径规划;
步骤三、结合地图信息、激光测距仪(5)及编码器的信息,通过控制器(7)控制电动轮椅(1)进行自主导航和避障,直至到达目标地点;
步骤四、在步骤三中,持续分析脑电帽(3)的脑电信号,得到操作者的动作意图,根据动作意图结合地图信息、激光测距仪(5)及编码器的信息,通过控制器(7)控制调整电动轮椅(1)运动。
2.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述操作者的动作意图包括前进、后退、左转、右转和停止,所述控制器(7)设置有与操作者的动作意图相对应的按钮。
3.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述PC端(3)根据激光测距仪(5)和深度相机(6)的信息,采用ICP算法确定电动轮椅(1)的位姿。
4.根据权利要求3所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述ICP算法包括如下步骤:
步骤一、预处理:剔除无效的数据点,删除孤立点,对点集进行中值滤波,得到合适的参考点集X和对比点集P;
步骤二、确定对应点对集:首先针对对比点集P中每个点pi,在参考点集X中搜索最近点,生成点对,其次为每一个点对分配权重,D为两点之间距离,MaxDist为激光测距仪(5)最大有效距离,最后,针对参考点集X中每个点,如果其对应的点对数量大于1,则只保留权重最大的点对,删除其他点对,生成一一对应的对应点对集;
步骤三、计算旋转变换矩阵R和平移矩阵t;
步骤四、计算误差E(R,t),如果误差大于阈值,则根据R和t将对比点集P矫正为与参考点集X同一坐标系下P=RP+t,转到步骤二,重复迭代;如果误差小于阈值,则迭代结束,得到足够准确的旋转变换矩阵R和平移矩阵t。
5.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述自主导航和避障策略为:
激光测距仪(5)发现障碍物时与系统的安全距离作比较,当电动轮椅(1)与障碍物的距离达到或小于安全距离时,PC端(3)根据编码器数据向控制器(7)发出命令,使控制器(7)调整电动轮椅(1)的速度及转动一定角度,使电动轮椅(1)继续前进到合适的距离处,再回到原设的规划路径上。
6.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述PC端(3)采用K-means聚类算法对深度相机(6)采集到的数据进行聚类分析,包括如下步骤:
步骤一、选定簇个数k;
步骤二、计算各个样本点到k个“簇中心”的距离;
步骤三、根据新划分的簇,更新“簇中心”;
步骤四、重复步骤二、步骤三过程,直至“簇中心”没有移动。
7.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述激光测距仪(5)产生的数据的滤波处理采用均值滤波法。
8.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述SLAM算法步骤包括前端数据处理、后端数据处理、回环检查和地图融合。
9.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述脑电帽(4)和PC端(3)间通过蓝牙进行通讯。
10.根据权利要求1所述的一种可自主导航的脑电控制电动轮椅,其特征在于,所述电动轮椅(1)的驱动轮采用直流无刷电机,所述直流无刷电机包括驱动器,所述驱动器与控制器(7)连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521548.7A CN114073625B (zh) | 2021-12-13 | 2021-12-13 | 一种可自主导航的脑电控制电动轮椅 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521548.7A CN114073625B (zh) | 2021-12-13 | 2021-12-13 | 一种可自主导航的脑电控制电动轮椅 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114073625A true CN114073625A (zh) | 2022-02-22 |
CN114073625B CN114073625B (zh) | 2023-12-08 |
Family
ID=80284545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111521548.7A Active CN114073625B (zh) | 2021-12-13 | 2021-12-13 | 一种可自主导航的脑电控制电动轮椅 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114073625B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115154080A (zh) * | 2022-07-07 | 2022-10-11 | 广东职业技术学院 | 一种电动轮椅防碰撞系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120208553A1 (en) * | 2011-02-14 | 2012-08-16 | Andrew, Llc | System and Method for Mobile Location By Dynamic Clustering |
CN103349595A (zh) * | 2013-07-16 | 2013-10-16 | 杭州电子科技大学 | 基于多模式分层控制的脑机接口智能轮椅 |
CN104182511A (zh) * | 2014-08-20 | 2014-12-03 | 南京信息工程大学 | 一种簇特征加权的模糊紧致散布聚类方法 |
CN106600639A (zh) * | 2016-12-09 | 2017-04-26 | 江南大学 | 遗传算法结合自适应阈值约束的icp位姿定位技术 |
CN108769104A (zh) * | 2018-04-11 | 2018-11-06 | 杭州电子科技大学 | 一种基于车载诊断系统数据的路况分析预警方法 |
CN109966064A (zh) * | 2019-04-04 | 2019-07-05 | 北京理工大学 | 带有侦查装置的融合脑控与自动驾驶的轮椅及控制方法 |
CN110584898A (zh) * | 2019-10-08 | 2019-12-20 | 南京邮电大学 | 一种基于多传感器的脑控轮椅自动避障方法 |
WO2021077761A1 (zh) * | 2019-10-23 | 2021-04-29 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
CN113327276A (zh) * | 2021-06-30 | 2021-08-31 | 江苏海洋大学 | 一种面向移动测量大体量点云数据配准的方法 |
-
2021
- 2021-12-13 CN CN202111521548.7A patent/CN114073625B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120208553A1 (en) * | 2011-02-14 | 2012-08-16 | Andrew, Llc | System and Method for Mobile Location By Dynamic Clustering |
CN103349595A (zh) * | 2013-07-16 | 2013-10-16 | 杭州电子科技大学 | 基于多模式分层控制的脑机接口智能轮椅 |
CN104182511A (zh) * | 2014-08-20 | 2014-12-03 | 南京信息工程大学 | 一种簇特征加权的模糊紧致散布聚类方法 |
CN106600639A (zh) * | 2016-12-09 | 2017-04-26 | 江南大学 | 遗传算法结合自适应阈值约束的icp位姿定位技术 |
CN108769104A (zh) * | 2018-04-11 | 2018-11-06 | 杭州电子科技大学 | 一种基于车载诊断系统数据的路况分析预警方法 |
CN109966064A (zh) * | 2019-04-04 | 2019-07-05 | 北京理工大学 | 带有侦查装置的融合脑控与自动驾驶的轮椅及控制方法 |
CN110584898A (zh) * | 2019-10-08 | 2019-12-20 | 南京邮电大学 | 一种基于多传感器的脑控轮椅自动避障方法 |
WO2021077761A1 (zh) * | 2019-10-23 | 2021-04-29 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
CN113327276A (zh) * | 2021-06-30 | 2021-08-31 | 江苏海洋大学 | 一种面向移动测量大体量点云数据配准的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115154080A (zh) * | 2022-07-07 | 2022-10-11 | 广东职业技术学院 | 一种电动轮椅防碰撞系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114073625B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109966064B (zh) | 带有侦查装置的融合脑控与自动驾驶的轮椅及控制方法 | |
Demeester et al. | User-adapted plan recognition and user-adapted shared control: A Bayesian approach to semi-autonomous wheelchair driving | |
US20170095383A1 (en) | Intelligent wheel chair control method based on brain computer interface and automatic driving technology | |
Yanco et al. | Preliminary investigation of a semi-autonomous robotic wheelchair directed through electrodes | |
CN110281108A (zh) | 一种基于六维力传感器的机器人柔性智能打磨系统 | |
CN110308682B (zh) | 一种背部按摩机器人控制系统及方法 | |
CN105563493A (zh) | 一种高度方位自适应的服务机器人及适应方法 | |
CN102895092A (zh) | 一种基于多传感器融合的助行机器人三维环境识别系统 | |
Liu et al. | Brain–robot interface-based navigation control of a mobile robot in corridor environments | |
CN108762253B (zh) | 一种应用于为人导航系统的人机队形控制方法 | |
CN114073625A (zh) | 一种可自主导航的脑电控制电动轮椅 | |
CN112148011B (zh) | 一种未知环境下脑电移动机器人共享控制方法 | |
Al-Haddad et al. | Wheelchair motion control guide using eye gaze and blinks based on pointbug algorithm | |
CN114848315B (zh) | 一种基于表面肌电信号的智能轮椅人机协同控制系统 | |
CN211857283U (zh) | 一种智能轮椅控制系统 | |
Chatzidimitriadis et al. | Non-intrusive head movement control for powered wheelchairs: A vision-based approach | |
CN108646759A (zh) | 基于立体视觉的智能可拆卸移动机器人系统及控制方法 | |
Maskeliunas et al. | Multimodal wheelchair control for the paralyzed people | |
CN115399950A (zh) | 具有定位导航与多模态人机交互功能的智能轮椅及控制方法 | |
Bartolein et al. | Easing wheelchair control by gaze-based estimation of intended motion | |
CN112046662B (zh) | 一种代步跟随机器人及其代步跟随方法 | |
Ghorbel et al. | An embedded real-time hands free control of an electrical wheelchair | |
Ajay et al. | Smart wheelchair | |
KR100799319B1 (ko) | 도서관 내에서의 장애인 도우미 로봇 시스템 | |
Wei et al. | Semantic mapping for safe and comfortable navigation of a brain-controlled wheelchair |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |