CN117085301B - 基于虚拟现实的康复机器人多反馈康复训练方法及系统 - Google Patents
基于虚拟现实的康复机器人多反馈康复训练方法及系统 Download PDFInfo
- Publication number
- CN117085301B CN117085301B CN202311366519.7A CN202311366519A CN117085301B CN 117085301 B CN117085301 B CN 117085301B CN 202311366519 A CN202311366519 A CN 202311366519A CN 117085301 B CN117085301 B CN 117085301B
- Authority
- CN
- China
- Prior art keywords
- rehabilitation robot
- rehabilitation
- joint
- robot
- virtual object
- 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.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 115
- 230000033001 locomotion Effects 0.000 claims abstract description 85
- 230000003993 interaction Effects 0.000 claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 62
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000005484 gravity Effects 0.000 claims description 15
- 238000013016 damping Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 abstract description 17
- 210000001364 upper extremity Anatomy 0.000 description 23
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 210000001503 joint Anatomy 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000005284 excitation Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 208000012661 Dyskinesia Diseases 0.000 description 2
- 210000002310 elbow joint Anatomy 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000000323 shoulder joint Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000003857 wrist joint Anatomy 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physical Education & Sports Medicine (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明提供一种基于虚拟现实的康复机器人多反馈康复训练方法及系统，涉及康复机器人技术领域，方法包括：将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型；在康复机器人与虚拟物体存在交互过程的情况下，将虚拟物体的阻抗力反馈到康复机器人的各个关节。本发明通过将用户基于康复机器人进行康复训练过程中的用户各个关节信息映射到虚拟现实场景中的机器人模型，为用户带来相应的视觉反馈，并通过给虚拟现实场景中的虚拟物体赋予阻抗力特性，在用户主动康复训练下，康复机器人与虚拟物体交互过程中，给康复机器人末端施加力反馈，在视觉反馈的同时，进一步增加了虚拟现实场景中虚拟物体的真实感受，提升患者康复训练的积极性。
Description
技术领域
本发明涉及康复机器人技术领域，尤其涉及一种基于虚拟现实的康复机器人多反馈康复训练方法及系统。
背景技术
随着社会人口老龄化进程的加剧，由于脑卒中，肢体功能退化等原因，引发了老年人运动障碍，影响正常生活。相关医学文献表明，对运动障碍患者尽早发现并科学治疗，进行肢体康复训练，人体神经系统可以对受损的神经进行修复与重构。通过康复医师进行康复训练的成本昂贵，且受到医师专业水平和疲劳程度的影响，降低训练效果，延长康复周期，具有一定的局限性。随着计算机和机器人技术在医疗康复领域的蓬勃发展，康复机器人正在逐渐成为康复训练的首选。它控制精度高，不受人工康复医师的体力影响，训练周期更长。计算机数据记录便捷，专业医师只需要针对数据反馈，针对性提出训练方案即可，提升医师专业价值。因此，机器人康复训练相比传统人工康复训练具有显著优势，开展康复机器人的研究具有重要意义。
在传统的康复训练领域，康复机器人的兴起可以提升康复效率，减少康复医师的不确定性带来的影响，同时降低成本。但是，机器人加入并不能解决康复训练过程中，持续周期长，动作枯燥的缺点，患者康复训练的积极性降低，将会影响训练效果。如今，虚拟现实技术和机器人的结合，可以提升康复积极性。
基于虚拟现实的康复机器人训练系统，无论在被动训练还是主动训练模式中，均达到了虚拟场景机器人和现实机器人的同步运动的效果，或者添加交互式游戏，在主动训练过程中提升患者的训练积极性。但是以上训练方式只是给患者带来相应的视觉反馈，患者康复训练的积极性降低。
发明内容
本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法及系统，用于解决现有技术中基于虚拟现实的康复机器人训练系统中存在的患者康复训练的积极性降低的问题。
本发明提供的一种基于虚拟现实的康复机器人多反馈康复训练方法，包括：
将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是用户基于康复机器人进行康复训练过程中获取的所述康复机器人的各个关节的运动信息；
根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节。
根据本发明提供的一种基于虚拟现实的康复机器人多反馈康复训练方法，所述康复机器人的各个关节的运动信息的获取方式，包括：
基于所述康复机器人中的电机控制模块，获取所述康复机器人的各个关节的角度信息；
根据所述康复机器人的各个关节的角度信息，获取所述康复机器人的末端位置；
根据所述康复机器人的各个关节的角度信息及所述康复机器人的末端位置，确定所述用户各个关节的运行信息。
根据本发明提供的一种基于虚拟现实的康复机器人多反馈康复训练方法，所述根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程，包括：
根据所述康复机器人的末端位置及所述虚拟物体的位置，确定所述虚拟物体与所述康复机器人的末端接触的边缘位置阈值，
根据所述边缘位置阈值及所述康复机器人的末端位置，获取所述康复机器人与所述虚拟物体的位置误差；
根据所述位置误差，确定所述康复机器人与所述虚拟物体是否存在接触；
在所述康复机器人与所述虚拟物体存在接触的情况下，确定所述康复机器人与所述虚拟物体存在交互过程。
根据本发明提供的一种基于虚拟现实的康复机器人多反馈康复训练方法，所述虚拟物体的阻抗力的获取方式，包括：
根据所述虚拟物体的刚度、所述虚拟物体的阻尼、所述康复机器人与所述康复机器人的位置误差及所述虚拟物体的速度信息，获取所述虚拟物体的表面阻抗力；
根据所述虚拟物体的重力及所述虚拟物体的表面阻抗力，获取所述虚拟物体的阻抗力。
根据本发明提供的一种基于虚拟现实的康复机器人多反馈康复训练方法，在所述用户基于康复机器人进行康复训练过程中，所述方法，还包括：
基于所述康复机器人的动力学模型，获取所述康复机器人的第一关节力矩；
根据所述第一关节力矩及所述康复机器人中的传感器模块采集的第二关节力矩，获取用户与所述康复机器人的交互力；
将零关节力矩及所述交互力输入到比例积分微分模块，获取所述康复机器人被施加所述交互力的情况下，需要提供给所述康复机器人的各个关节的第一额外输出力矩；
将所述第一额外输出力矩及所述第一关节力矩输入到所述康复机器人的电机控制模块，以通过所述电机控制模块控制所述康复机器人的各个关节运动。
根据本发明提供的一种基于虚拟现实的康复机器人多反馈康复训练方法，在确定所述康复机器人与所述虚拟物体存在交互过程的基础上，所述根据所述第一关节力矩及所述康复机器人中的传感器模块采集的第二关节力矩，获取用户与所述康复机器人的交互力之后，所述方法，还可以包括：
将目标关节力矩及所述交互力输入到所述比例积分微分模块，获取所述康复机器人被施加所述交互力的情况下，需要提供给所述康复机器人的各个关节的第二额外输出力矩，所述目标关节力矩根据所述虚拟物体的阻抗力及所述康复机器人的各个关节的雅可比矩阵得到；
将所述第二额外输出力矩及所述第一关节力矩输入到所述康复机器人的电机控制模块，以通过所述电机控制模块控制所述康复机器人的各个关节运动。
根据本发明提供的一种基于虚拟现实的康复机器人多反馈康复训练方法，所述康复机器人的动力学模型的获取方式，包括：
对康复机器人的动力学参数进行辨识，并根据牛顿欧拉法构建所述动力学模型。
本发明还提供一种基于虚拟现实的康复机器人多反馈康复训练系统，包括：
运动同步模块，用于将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是用户基于康复机器人进行康复训练过程中获取的所康复机器人的各个关节的运动信息；
判断模块，用于根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
力反馈模块，用于在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节。
本发明还提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现如上述任一种所述基于虚拟现实的康复机器人多反馈康复训练方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于虚拟现实的康复机器人多反馈康复训练方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于虚拟现实的康复机器人多反馈康复训练方法。
本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法及系统，通过将用户基于康复机器人进行康复训练过程中的用户各个关节信息映射到虚拟现实场景中的机器人模型，为用户带来相应的视觉反馈，并通过给虚拟现实场景中的虚拟物体赋予阻抗力特性，在用户主动康复训练下，康复机器人与虚拟物体交互过程中，给康复机器人末端施加力反馈，在视觉反馈的同时，进一步增加了虚拟现实场景中虚拟物体的真实感受，提升患者康复训练的积极性。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1是本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法的流程示意图；
图2是本发明具体实施实例中提供的上肢机器人主动康复训练零力控制算法系统控制框图；
图3是本发明提供的上肢机器人结合虚拟现实场景的零力控制系统控制框图；
图4是本发明提供的上肢康复机器人控制系统框图；
图5是本发明提供的基于虚拟现实的康复机器人多反馈康复训练系统的结构示意图；
图6是本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
本发明针对背景技术中存在的问题，针对基于虚拟现实的康复机器人训练系统，通过给虚拟现实场景中的虚拟物体赋予阻抗力特性，在主动康复训练下，康复机器人与虚拟物体交互过程中，给康复机器人末端施加力反馈，在视觉反馈的同时，进一步增加了虚拟场景中虚拟物体的真实感受，提升患者康复训练的积极性，特别是在主动康复训练中，避免枯燥的训练过程。本发明结合虚拟现实技术，对虚拟场景中的物体赋予阻抗力特性，可以实现视觉反馈和力反馈的科学虚拟现实训练方案，具体实现如下：
图1是本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法的流程示意图，如图1所示，方法包括：
步骤110，将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是所述用户基于康复机器人进行康复训练过程中获取的所述用户的各个关节的运动信息；
步骤120，根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
步骤130，在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节。
可选地，该用户可以具体为基于康复机器人进行康复训练的患者，该康复机器人（也可称为上肢康复机器人控制系统，简称为机器人控制系统）可以具体为上肢康复机器人，该上肢康复机器人采用的是5自由度外骨骼康复机器人，该5自由度外骨骼康复机器人可以具体包括5个旋转关节，其中三个旋转关节用于实现肩关节运动，可实现三维方向上的自由活动，第四个旋转关节用于肘关节运动，主要活动方式为屈伸运动，第五个旋转关节用于腕关节运动，主要活动方式为翻转运动。
在此基础上，每个旋转关节均包含直流无刷电机、电机控制器和关节扭矩传感器。每个旋转关节组成部分构成了机器人控制系统中的编码器采集模块、电机控制模块和外部传感器模块。5个关节装置共同构成了机器人控制系统。
编码器采集模块用于采集关节运动过程中的位置信息和速度信息，电机控制模块主要用于完成对直流无刷电机本身的闭环控制，例如位置控制、速度控制和力矩控制。外部传感器用于采集关节运动过程中施加的力矩大小，用于人机交互功能的实现。机器人控制系统通过和上肢关节进行人机交互，并结合虚拟现实技术，采用视觉反馈和力反馈结合的方式，设计了关节运动同步训练和虚拟物体交互训练两种主动康复训练方案。
可选地，康复机器人的各个关节的运动信息可以具体为用户基于康复机器人（例如上肢康复机器人）进行康复训练过程中获取的康复机器人的各个关节的运动信息，其可以具体包括康复机器人的各个关节信息及末端信息。
将康复机器人的各个关节的运动信息，实时映射到虚拟现实场景中的康复机器人模型中，实现虚拟现实场景和现实康复机器人之间的同步运动，达到虚拟场景视觉反馈的目的。
具体而言，关节空间下，与虚拟现实场景中的康复机器人模型进行实时通信，将康复机器人的各个关节的运动信息通过TCP/IP方式以数据包的形式发送到承载虚拟现实场景的计算机，实现运动同步。
TCP/IP通信协议由两部分组成，第一部分为该数据包的长度信息，用于解决TCP/IP通信传输中的粘包问题；第二部分为数据内容，其中数据内容分为关节信息和末端信息，关节信息为每个关节的实时角度值，末端信息为机器人控制系统根据关节信息和正向运动学，实时计算出的康复机器人的末端位置。
在虚拟现实场景中，添加虚拟物体，并根据虚拟物体的物理特性，赋予其阻抗力模型，根据康复机器人的末端位置以及虚拟物体的位置，判断康复机器人与虚拟物体是否存在交互过程。
在康复机器人和虚拟物体交互的过程中，将虚拟物体的阻抗力实时反馈到康复机器人的各个关节中，给予患者训练过程中的力反馈。通过以上功能，提供基于虚拟现实的多反馈主动康复训练方案。
本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法，通过将用户基于康复机器人进行康复训练过程中的用户各个关节信息映射到虚拟现实场景中的机器人模型，为用户带来相应的视觉反馈，并通过给虚拟现实场景中的虚拟物体赋予阻抗力特性，在用户主动康复训练下，康复机器人与虚拟物体交互过程中，给康复机器人末端施加力反馈，在视觉反馈的同时，进一步增加了虚拟现实场景中虚拟物体的真实感受，提升患者康复训练的积极性。
进一步地，在一个实施例中，所述康复机器人的各个关节的运动信息的获取方式，可以包括：
基于所述康复机器人中的电机控制模块，获取所述康复机器人的各个关节的角度信息；
根据所述康复机器人的各个关节的角度信息，获取所述康复机器人的末端位置；
根据所述康复机器人的各个关节的角度信息及所述康复机器人的末端位置，确定所述用户各个关节的运行信息。
可选地，康复机器人的各个关节的运动信息可以具体包括康复机器人的各个关节的角度信息及康复机器人的末端位置，其中，康复机器人的末端位置可以基于康复机器人的各个关节的角度信息得到。
具体而言，康复机器人的各个关节的角度信息可以通过康复机器人中的电机控制模块CST（即电机控制器）获取，康复机器人的末端位置则需要进行机器人的运动学结算，实时计算当前康复机器人的各个关节的角度时刻，笛卡尔坐标系下的康复机器人的末端位置。
康复机器人关节间的齐次变换矩阵如下：
其中，分别为康复机器人的关节绕和轴旋转的旋转矩阵，分别为关节沿轴和轴的偏移量，为康复机器人的关节的偏置，为康复机器人的关节的角度偏置，为康复机器人的关节的角度信息。
具体而言，通过康复机器人关节间的齐次变换矩阵相乘，即可得到康复机器人的末端位置。
进一步地，在一个实施例中，所述根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程，包括：
根据所述康复机器人的末端位置及所述虚拟物体的位置，确定所述虚拟物体与所述康复机器人的末端接触的边缘位置阈值，
根据所述边缘位置阈值及所述康复机器人的末端位置，获取所述康复机器人与所述虚拟物体的位置误差；
根据所述位置误差，确定所述康复机器人与所述虚拟物体是否存在接触；
在所述康复机器人与所述虚拟物体存在接触的情况下，确定所述康复机器人与所述虚拟物体存在交互过程。
可选地，为了实现虚拟物体的力反馈功能，得到康复机器人的末端位置与虚拟场景中的虚拟物体的位置信息后，设置虚拟物体与康复机器人的末端接触的边缘位置阈值，根据该边缘位置阈值及康复机器人的末端位置得到康复机器人与虚拟物体的位置误差向量，位置误差向量为，其中，分别为边缘位置阈值的三维空间坐标，为康复机器人的末端位置的三维空间坐标，为位置误差向量。
该位置误差向量的模即为位置误差，若该位置误差小于预设阈值，则确定康复机器人的末端与该虚拟物体存在接触，也即是说，康复机器人与虚拟物体存在交互过程。
进一步地，在一个实施例中，所述虚拟物体的阻抗力的获取方式，可以包括：
根据所述虚拟物体的刚度、所述虚拟物体的阻尼、所述康复机器人与所述康复机器人的位置误差及所述虚拟物体的速度信息，获取所述虚拟物体的表面阻抗力；
根据所述虚拟物体的重力及所述虚拟物体的表面阻抗力，获取所述虚拟物体的阻抗力。
具体而言，经过正运动学计算，可实时获取康复机器人的末端位置，将其发送到虚拟现实场景中，判定康复机器人末端是否与虚拟物体接触，并在确定康复机器人末端与虚拟物体接触时，反馈相应阻抗力特性。其中阻抗力包括虚拟物体的重力和表面阻抗力。
虚拟物体的重力可以通过虚拟物体属性直接获取，虚拟物体的表面阻抗力，需要采用等效阻抗模型计算，数学表达式为：
其中，为虚拟物体的三维阻抗力，分别为虚拟物体的刚度矩阵和阻尼矩阵，其可以根据虚拟物体的表面特性，设置不同的刚度和阻尼，为物体表面位置偏差（即位置误差），为虚拟物体的速度信息。
本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法，通过采用虚拟现实技术，实现机器人与虚拟物体的交互功能。在主动康复训练过程中，对患者不仅拥有视觉反馈效果，同时，虚拟物体阻抗力特性的加入，可以用于力反馈效果。基于虚拟现实的多反馈主动康复训练方案，改善了传统枯燥的训练过程，有效提升患者的康复积极性和训练效果，为患者提供更加科学的主动康复训练方案。
进一步地，在一个实施例中，在所述用户基于康复机器人进行康复训练过程中，所述方法，还包括：
基于所述康复机器人的动力学模型，获取所述康复机器人的第一关节力矩；
根据所述第一关节力矩及所述康复机器人中的传感器模块采集的第二关节力矩，获取用户与所述康复机器人的交互力；
将零关节力矩及所述交互力输入到比例积分微分模块，获取所述康复机器人被施加所述交互力的情况下，需要提供给所述康复机器人的各个关节的第一额外输出力矩；
将所述第一额外输出力矩及所述第一关节力矩输入到所述康复机器人的电机控制模块，以通过所述电机控制模块控制所述康复机器人的各个关节运动。
可选地，本发明针对康复机器人主动康复训练采用虚拟现实技术实现关节运动同步和虚拟物体力反馈功能，具体实现如下：
利用康复机器人的动力学模型，获取康复机器人的关节力矩，即第一关节力矩。
将得到的康复机器人的关节力矩与康复机器人中的传感器模块（即外部传感器模块）采集的康复机器人的关节力矩（即第二关节力矩）作差，获取用户与康复机器人的交互力。
将该交互力作为反馈信号，和零关节力矩输入信号同时输入到比例积分微分PID模块中，PID算法控制率如下：
其中，为外部传感器模块采集的关节力矩，即第二关节力矩，为康复机器人的动力学模型辨识得到的关节力矩，即第一关节力矩（或称为机器人关节驱动力矩），为第k时刻的交互力，为第k-1时刻的交互力，为第时刻的交互力，为PID算法的调节参数，为k个时刻的误差累积之和，为康复机器人惯性矩阵；为科氏力和离心力项矩阵；为重力向量；为的向量，分别为康复机器人的关节角度、角速度和角加速度，为粘性摩擦系数，为库伦摩擦系数，为PID模块输出的额外输出力矩。
经过PID算法的执行，PID模块输出为康复机器人被施加交互力的情况下，需要提供给康复机器人的各个关节的额外输出力矩，即第一额外输出力矩。
将第一额外输出力矩及第一关节力矩输入到康复机器人的电机控制模块，以通过电机控制模块控制所述康复机器人的各个关节运动，完成康复机器人基于零力控制的主动康复训练。
下面将结合本实施实例中的附图，对本发明的具体实施方式进行更加清晰完整地描述。
图2是本发明提供的上肢机器人主动康复训练零力控制算法系统控制框图，参照图2，所述上肢机器人主动康复训练零力控制算法系统控制框图的输入为零关节力矩，输出为机器人关节力矩，内部通过闭环控制完成机器人的零力控制。
机器人控制系统的基础为构建准确的动力学模型，利用动力学模型得到的第一关节力矩和外部传感器模块采集的关节力矩作差，得到人体上肢和上肢康复机器人的交互力。
具体而言，图2中，模块5-交互扭矩计算模块将模块6-动力学模型计算模块输出的关节力矩信息和外部关节力矩传感器采集得到的力矩信息做差运算，得到上肢康复机器人与上肢接触产生的交互力。
将该交互力作为反馈信号，和0输入信号同时输入到模块1-PID模块中。
计算模块2-前馈输入叠加模块，将交互力和作为前馈提供的机器人动力学模型输出力矩叠加，作为最终的模块4-机器人控制系统输入力矩。
执行模块3-电机控制模块，用于将模块5-交互扭矩计算模块得到的交互力以及计算模块2-前馈输入叠加模块输出的力矩总和作为输入经过模块1-PID模块内环完成对上肢康复机器人的力矩控制，用于对康复机器人重力、转动惯量和动摩擦进行补偿，最终完成上肢康复机器人基于零力控制的主动康复训练模型。
具体而言，执行模块3-电机控制模块设置为实时力矩控制模型，计算模块4-机器人控制系统的关节输出力矩。
模块4-机器人控制系统经过关节驱动表现出实时的运动状态，同时反馈关节的位置和速度信息。将模块4-机器人控制系统实时反馈的运动信息，输入到动力学模型中，获取康复机器人的第一关节力矩，并完成控制系统的闭环控制，实现基于零力控制的主动康复训练。
采用基于外环PID控制的零力控制方法不仅可以实现控制器实时补偿康复机器人的重力、摩擦力、惯性力等非接触力，而且可以对静摩擦力进行力矩辅助，完成康复机器人的主动拖动效果。不施加外力后，康复机器人可维持当前姿态保持静止，效果符合主动康复训练要求。本发明在零力控制的基础上，采用虚拟现实技术，完成运动同步和物体力反馈功能。
本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法，将机器人控制系统实时反馈的运动信息，输入到动力学模型中，将人机交互力和机器人动力学模型输出的第一关节力矩叠加，作为最终的康复机器人的输入力矩，完成机器人控制系统的闭环控制，实现基于零力控制的主动康复训练。
进一步地，在一个实施例中，在确定所述康复机器人与所述虚拟物体存在交互过程的基础上，所述根据所述第一关节力矩及所述康复机器人中的传感器模块采集的第二关节力矩，获取用户与所述康复机器人的交互力之后，所述方法，还可以包括：
将目标关节力矩及所述交互力输入到所述比例积分微分模块，获取所述康复机器人被施加所述交互力的情况下，需要提供给所述康复机器人的各个关节的第二额外输出力矩，所述目标关节力矩根据所述虚拟物体的阻抗力及所述康复机器人的各个关节的雅可比矩阵得到；
将所述第二额外输出力矩及所述第一关节力矩输入到所述康复机器人的电机控制模块，以通过所述电机控制模块控制所述康复机器人的各个关节运动。
可选地，该目标关节力矩可以具体是根据虚拟物体的阻抗力及康复机器人的各个关节的力域雅可比矩阵得到，转换关系为：
其中，中为控制康复机器人的关节的个数，为康复机器人的个关节的三维雅可比矩阵，为空间中三个方向的阻抗力，其包括虚拟物体的表面阻抗力和重力，重力仅由单方向表示。
将目标关节力矩及交互力输入到PID模块，获取康复机器人被施加交互力的情况下，需要提供给康复机器人的各个关节的额外输出力矩，即第二额外输出力矩。
将第二额外输出力矩及第一关节力矩输入到康复机器人的电机控制模块，以通过电机控制模块控制康复机器人的各个关节运动。
下面将结合本实施实例中的附图，对本发明的具体实施方式进行更加清晰完整地描述。
图3是本发明提供的上肢机器人结合虚拟现实场景的零力控制系统控制框图，参照图3，基于零力控制的主动康复训练是搭建虚拟现实场景的基础，虚拟现实场景与上肢康复机器人间的交互主要包括运动信息交互和力信息交互，参照图3中模块5-虚拟现实场景模块。其中，运动信息主要包括上肢康复机器人各个关节的角度和上肢康复机器人的末端位置；力信息主要包括虚拟显示场景中的虚拟物体的重力和虚拟物体的表面阻抗力。整体控制框图如图3所示。
上肢康复机器人的各个关节的角度信息通过电机控制器CST获取，末端位置则需要进行机器人的运动学结算，图3中执行模块4为正运动学结算模块，其功能为实时计算当前关节角度时刻，笛卡尔空间下的机器人的末端位置信息。
重力可通过虚拟物体属性直接获取，机器人末端获得的重力无法直接输入给多关节控制，需要将笛卡尔空间中的力信息，根据虚位移定理，计算出力域雅可比矩阵，通过图3中模块2-力矩雅可比矩阵模块的转换关系（），获得关节空间下的力矩值，即目标力矩值。
同理，经过阻抗模型计算出的虚拟物体的表面阻抗力无法直接输入给多关节控制，需要将笛卡尔空间中的力信息。采用上述转换关系，计算出各个关节的力矩，采用图3中模块1-力矩叠加单元，将分别将表面阻抗力和重力转换的关节力矩叠加，作为零力控制的输入，传入到零力控制的系统中，作为零力控制系统的外环反馈，形成阻抗控制闭环，组合成基于虚拟场景阻抗力的零力控制系统。
经过以上实施实例系统框图的详细阐述，可以看出，本发明通过采用虚拟现实技术，实现机器人与虚拟物体的交互功能。在主动康复训练过程中，对患者不仅拥有视觉反馈效果，同时，虚拟物体阻抗力特性的加入，可以用于力反馈效果。基于虚拟现实的多反馈主动康复训练方案，改善了传统枯燥的训练过程，有效提升患者的康复积极性和训练效果。是一种更加科学的主动康复训练方案。
进一步地，在一个实施例中，所述康复机器人的动力学模型的获取方式，可以包括：
对康复机器人动力学参数进行辨识，并根据牛顿欧拉法构建所述动力学模型。
可选地，对康复机器人进行改进型DH参数（Denavit–Hartenberg parameters）标定，获得康复机器人各个关节的长度、康复机器人的各个关节的偏置、康复机器人各个关节的初始位置及康复机器人各个关节的初始角度等运动学参数。
对获得的康复机器人的动力学参数进行辨识，获得康复机器人各个关节的惯性张量、质量矩、质量、摩擦系数等参数，得到康复机器人精准的动力学模型。
具体而言，根据牛顿欧拉法（Newton-Euler），构建机器人的动力学模型，公式如下：
Newton-Euler法通过关节间的运动和力的关系进行计算，具有迭代次数快，实时性高的优点，因此本发明采用Newton-Euler法建模。其迭代过程包括外推法和内推法，其中外推法的公式如下：
内推法的公式如下：
其中，分别代表康复机器人的关节连杆的线速度，线加速度，角速度，角加速度；为坐标变换矩阵；为关节速度和加速度；为第个关节连杆的坐标系（即坐标系）原点到第个关节连杆的坐标系（即坐标系）原点的矢量；为关节连杆质量，代表关节连杆的质心。表示惯性张量矩阵，分别为关节连杆上的力和力矩，为作用在关节中的关节轴，，分别为关节力和关节力矩。
为了计算动力学模型的转动惯量、质量和质心位置，本发明采用动力学参数辨识的方法，将动力学模型进行线性化处理。为了消除动力学公式中的二次项，通过平行轴定理：
其中，为关节坐标系，为惯性张量矩阵，表示关节坐标系下的惯性张量矩阵，为质心坐标系，为关节连杆质心位置，表示质心坐标系下的惯性张量矩阵，E为单位矩阵，T代表转置。
将惯性参数的表示方法由质心处转换为连杆处坐标系下的表示方法。使用该方法后，可将动力学模型线性化处理。其线性化模型迭代公式如下：
其中，为串联机械臂单连杆的线性化递推公式为递推状态矩阵，为动力学参数输入矩阵。由于参数辨识是一个线性拟合过程，因此对动力学模型进行线性化处理，经过QR分解分离出线性无关的可辨识参数，获得可辨识的最小参数集，采用加权最小二乘法计算关节力矩：
其中，是由采集数据构成的观测矩阵，为力矩测量值噪声标准差的协方差矩阵，为采集的关节力矩数据，为最终计算得到动力学参数集，即可辨识的最小参数集。
通过采用基于有限项傅里叶级数的方法生成激励轨迹并通过观测矩阵的条件数作为优化目标，生成一条测量误差小，在工作空间内运动范围广的激励轨迹，用于数据采集。
根据该康复机器人的自由度数量，选择采用五阶傅里叶级数的方法生成康复机器人的关节激励轨迹，公式如下：
其中，是傅里叶级数，是基础频率，是关节初始化角度，和是傅里叶系数，t为时刻。
通过关节激励轨迹采集康复机器人运动数据（包括关节角度和角速度），通过加权最小二乘法的线性拟合能力，对机器人动力学参数进行辨识，获得各个关节的惯性张量、质量矩、关节质量、摩擦系数等参数，得到康复机器人精准的动力学模型。完成关节运动信息到关节力矩的转换。
通过以上方法描述，可以获得准确的动力学模型参数，参看图2，所述的模块6-动力学模型计算模块中，通过对机器人进行DH参数标定，获得机器人的运动学参数，实时获取机器人反馈的关节角度和角速度信息，并对角速度信息进行一阶低通滤波：
其中，为当前信号，为上一时刻计算得到的信号值，为控制比例，为滤波后的输出信号值。滤波处理后，采用中心差分算法，计算康复机器人的关节加速度。将以上信息输入给模块6-动力学模型计算模块，可以实时获取康复机器人的关节力矩信息（即第一关节力矩），即康复机器人空载模式下，运动所需要的实时力矩。
图4是本发明提供的上肢康复机器人控制系统框图，参照图4，采用5自由度外骨骼康复机器人作为研究平台，可以实现肩关节的自由运动，主要包括内收外展、前屈后伸、内旋外旋等动作；肘关节的屈伸运动和腕关节的翻转运动。该机器人控制系统通过EtherCAT协议和直流无刷电机通信，实现高实时性关节控制。
参看图4，所述的编码器模块，集成在了直流无刷电机中，主要用于采集关节运动的角度信息和角速度信息，通过对角度和角速度进行滤波，可计算关节加速度信息，用于动力学模型的构建。
参看图4，所述的外部传感器模块为关节扭矩传感器，主要用于实时采集关节所施加的力矩，该力矩与动力学模型计算的关节力矩做差，可以获得人体上肢施加在各个关节上的交互力。通过交互力完成零力控制算法。
通过编码器模块和传感器模块获取角度、角速度和交互力信息，经过零力控制计算得到输出力矩，参看图4，所述的外部传感器模块通过闭环控制完成对电机的力矩输出。控制机器人控制系统完成主动训练。
控制机器人系统完成主动训练。在康复机器人主动训练的基础上，搭建虚拟现实场景，将康复机器人各个关节的运动信息，实时映射到虚拟现实场景中的康复机器人模型中，实现虚拟现实场景和现实康复机器人之间的同步运动。达到虚拟现实场景视觉反馈的目的。
在虚拟现实场景中，添加虚拟物体，并根据物体的物理特性，赋予其阻抗力模型，在康复机器人和虚拟物体交互的过程中，将物体的阻抗力实时反馈到康复机器人各个关节中，给予患者训练过程中的力反馈。通过以上功能，实现了基于虚拟现实的多反馈主动康复训练。
本发明针对机器人主动康复训练采用虚拟现实技术实现关节运动同步和虚拟物体力反馈功能，包括以下步骤：
步骤1，对康复机器人进行改进型DH参数标定，得到康复机器人的各个关节的长度、所述康复机器人的各个关节的偏置、所述康复机器人的各个关节的初始位置及所述康复机器人的各个关节的初始角度等运动学参数；
步骤2，对康复机器人的动力学参数进行辨识，获得各个关节的惯性张量、质量矩、关节质量、摩擦系数等参数，得到精准的动力学模型；
步骤3，利用关节扭矩传感器实时采集各个关节的力矩信息；
步骤4，利用关节扭矩传感器测得的各个关节的力矩和动力学模型计算得到的各个关节的力矩，做差计算人机交互力；
步骤5，将该交互力作为反馈信号和零关节力矩同时输入到PID模块中；
步骤6，根据步骤2中辨识好的动力学模型计算的关节力矩数据与PID模块输出的力矩进行累加后输出给电机控制模块，用于对康复机器人重力、转动惯量和动摩擦进行补偿；
步骤7，电机控制模块设置为实时力矩控制模型，计算机器人控制系统的关节输出力矩；
步骤8，机器人控制系统经过关节驱动表现出实时的运动状态，同时反馈关节的位置和速度信息。将机器人控制系统实时反馈的运动信息，输入到动力学模型中，返回步骤2，完成机器人控制系统的闭环控制，实现基于零力控制的主动康复训练；
步骤9，关节空间下，与虚拟现实场景中的康复机器人模型进行实时通信，将各个关节的运动信息通过TCP/IP方式发送到承载虚拟现实场景的计算机，实现运动同步；
步骤10，为了实现虚拟物体的力反馈功能，得到康复机器人的末端位置与虚拟场景中的虚拟物体的位置信息后，设置边缘位置阈值，得到位置误差，并根据该位置误差判断康复机器人与虚拟物体是否存在交互过程；
步骤11，若康复机器人与虚拟物体存在交互过程，将康复机器人的末端位置与虚拟场景中的虚拟物体的位置输入到笛卡尔空间下等效阻抗属性模型中，计算虚拟物体的表面阻抗力；
步骤12，将虚拟物体的重力和表面阻抗力增加到力反馈中，由于计算出的表面阻抗力为笛卡尔空间下的力输出，无法直接输入给多关节控制，需要将笛卡尔空间中的力信息，根据虚位移定理，计算出力域雅可比矩阵进行转换，获得关节空间下的力矩值；
步骤13，力反馈与步骤4中的人机交互力进行累加，传入到零力控制的系统中，作为零力控制系统的外环反馈，形成阻抗控制闭环，组合成零力控制加基于虚拟现实技术的力反馈控制系统。
本发明提供的基于虚拟现实的康复机器人多反馈康复训练方法，通过搭建虚拟现实场景，将康复机器人的实时运动状态映射到虚拟场景中的机器人中。通过机器人的正运动学求解，计算机器人末端位置，用于与虚拟现实场景交互。设计虚拟现实游戏，并赋予虚拟场景中物体阻抗力特性，例如物体重力，物体表面反馈力等，当末端位置与物体接触时，在机器人上产生力反馈，在患者训练过程中，给予其视觉反馈和阻抗力反馈，提升患者康复的积极性。
下面对本发明提供的基于虚拟现实的康复机器人多反馈康复训练系统进行描述，下文描述的基于虚拟现实的康复机器人多反馈康复训练系统与上文描述的基于虚拟现实的康复机器人多反馈康复训练方法可相互对应参照。
图5是本发明提供的基于虚拟现实的康复机器人多反馈康复训练系统的结构示意图，如图5所示，包括：
运动同步模块510，用于将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是所述用户基于康复机器人进行康复训练过程中获取的所述用户的各个关节的运动信息；
判断模块511，用于根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
力反馈模块512，用于在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节。
本发明提供的基于虚拟现实的康复机器人多反馈康复训练系统，通过将用户基于康复机器人进行康复训练过程中的用户各个关节信息映射到虚拟现实场景中的机器人模型，为用户带来相应的视觉反馈，并通过给虚拟现实场景中的虚拟物体赋予阻抗力特性，在用户主动康复训练下，康复机器人与虚拟物体交互过程中，给康复机器人末端施加力反馈，在视觉反馈的同时，进一步增加了虚拟现实场景中虚拟物体的真实感受，提升患者康复训练的积极性。
图6是本发明提供的一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器（processor）610、通信接口（communication interface）611、存储器（memory）612和总线（bus）613，其中，处理器610，通信接口611，存储器612通过总线613完成相互间的通信。处理器610可以调用存储器612中的逻辑指令，以执行如下方法：
将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是所述用户基于康复机器人进行康复训练过程中获取的所述用户的各个关节的运动信息；
根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机电源屏（可以是个人计算机，服务器，或者网络电源屏等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的基于虚拟现实的康复机器人多反馈康复训练方法，例如包括：
将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是所述用户基于康复机器人进行康复训练过程中获取的所述用户的各个关节的运动信息；
根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节。
另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于虚拟现实的康复机器人多反馈康复训练方法，例如包括：
将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是所述用户基于康复机器人进行康复训练过程中获取的所述用户的各个关节的运动信息；
根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机电源屏（可以是个人计算机，服务器，或者网络电源屏等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于虚拟现实的康复机器人多反馈康复训练系统，其特征在于，包括：
运动同步模块，用于将康复机器人的各个关节的运动信息映射到虚拟现实场景中的机器人模型，所述康复机器人的各个关节的运动信息是用户基于康复机器人进行康复训练过程中获取的所述康复机器人的各个关节的运动信息；
判断模块，用于根据所述康复机器人的各个关节的运动信息中的所述康复机器人的末端位置及所述虚拟现实场景中的虚拟物体的位置，确定所述康复机器人与所述虚拟现实场景中的虚拟物体是否存在交互过程；
力反馈模块，用于在确定所述康复机器人与所述虚拟物体存在交互过程的情况下，将所述虚拟物体的阻抗力反馈到所述康复机器人的各个关节；
所述力反馈模块具体用于：
根据所述虚拟物体的刚度、所述虚拟物体的阻尼、所述康复机器人与所述康复机器人的位置误差及所述虚拟物体的速度信息，获取所述虚拟物体的表面阻抗力；
根据所述虚拟物体的重力及所述虚拟物体的表面阻抗力，获取所述虚拟物体的阻抗力；
所述力反馈模块具体还用于：
在所述用户基于康复机器人进行康复训练过程中，基于所述康复机器人的动力学模型，获取所述康复机器人的第一关节力矩；
根据所述第一关节力矩及所述康复机器人中的传感器模块采集的第二关节力矩，获取用户与所述康复机器人的交互力；
将零关节力矩及所述交互力输入到比例积分微分模块，获取所述康复机器人被施加所述交互力的情况下，需要提供给所述康复机器人的各个关节的第一额外输出力矩；
将所述第一额外输出力矩及所述第一关节力矩输入到所述康复机器人的电机控制模块，以通过所述电机控制模块控制所述康复机器人的各个关节运动。
2.根据权利要求1所述的基于虚拟现实的康复机器人多反馈康复训练系统，其特征在于，所述运动同步模块具体用于：
基于所述康复机器人中的电机控制模块，获取所述康复机器人的各个关节的角度信息；
根据所述康复机器人的各个关节的角度信息，获取所述康复机器人的末端位置；
根据所述康复机器人的各个关节的角度信息及所述康复机器人的末端位置，确定所述用户各个关节的运行信息。
3.根据权利要求1所述的基于虚拟现实的康复机器人多反馈康复训练系统，其特征在于，所述判断模块具体用于：
根据所述康复机器人的末端位置及所述虚拟物体的位置，确定所述虚拟物体与所述康复机器人的末端接触的边缘位置阈值，
根据所述边缘位置阈值及所述康复机器人的末端位置，获取所述康复机器人与所述虚拟物体的位置误差；
根据所述位置误差，确定所述康复机器人与所述虚拟物体是否存在接触；
在所述康复机器人与所述虚拟物体存在接触的情况下，确定所述康复机器人与所述虚拟物体存在交互过程。
4.根据权利要求1所述的基于虚拟现实的康复机器人多反馈康复训练系统，其特征在于，所述力反馈模块具体还用于：
在确定所述康复机器人与所述虚拟物体存在交互过程的基础上，将目标关节力矩及所述交互力输入到所述比例积分微分模块，获取所述康复机器人被施加所述交互力的情况下，需要提供给所述康复机器人的各个关节的第二额外输出力矩，所述目标关节力矩根据所述虚拟物体的阻抗力及所述康复机器人的各个关节的雅可比矩阵得到；
将所述第二额外输出力矩及所述第一关节力矩输入到所述康复机器人的电机控制模块，以通过所述电机控制模块控制所述康复机器人的各个关节运动。
5.根据权利要求1所述的基于虚拟现实的康复机器人多反馈康复训练系统，其特征在于，所述力反馈模块具体还用于：
对康复机器人的动力学参数进行辨识，并根据牛顿欧拉法构建所述动力学模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311366519.7A CN117085301B (zh) | 2023-10-20 | 2023-10-20 | 基于虚拟现实的康复机器人多反馈康复训练方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311366519.7A CN117085301B (zh) | 2023-10-20 | 2023-10-20 | 基于虚拟现实的康复机器人多反馈康复训练方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117085301A CN117085301A (zh) | 2023-11-21 |
| CN117085301B true CN117085301B (zh) | 2024-02-13 |
Family
ID=88775749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311366519.7A Active CN117085301B (zh) | 2023-10-20 | 2023-10-20 | 基于虚拟现实的康复机器人多反馈康复训练方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117085301B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104706499A (zh) * | 2013-12-12 | 2015-06-17 | 中国科学院宁波材料技术与工程研究所 | 上肢脑神经康复训练系统及训练方法 |
| RU2015155674A (ru) * | 2015-12-24 | 2017-06-30 | Алексей Геннадьевич Абросов | Способ погружения в виртуальную реальность, подвес и экзо-скелет, применяемые для его реализации |
| CN107049702A (zh) * | 2017-03-29 | 2017-08-18 | 东南大学 | 一种基于虚拟现实的下肢康复训练机器人系统 |
| CN107632701A (zh) * | 2017-08-03 | 2018-01-26 | 东南大学 | 一种人机交互虚拟训练力反馈参数的控制方法 |
| CN109223444A (zh) * | 2018-10-23 | 2019-01-18 | 上海电气集团股份有限公司 | 康复机器人及其人机协同交互力控制方法 |
| KR101919497B1 (ko) * | 2017-11-09 | 2019-02-08 | 순천향대학교 산학협력단 | 가상현실을 이용한 전정재활훈련 장치 및 방법 |
| CN114191791A (zh) * | 2021-11-12 | 2022-03-18 | 深圳华鹊景医疗科技有限公司 | 康复机器人主动控制方法、装置及康复机器人 |
| CN114822761A (zh) * | 2022-04-26 | 2022-07-29 | 东南大学 | 基于肌肉协同和变刚度阻抗控制的手腕部康复训练系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140274564A1 (en) * | 2013-03-15 | 2014-09-18 | Eric A. Greenbaum | Devices, systems and methods for interaction in a virtual environment |
| GB201906420D0 (en) * | 2019-05-07 | 2019-06-19 | Farley Adam | Virtual augmented and mixed reality systems with physical feedback |
-
2023
- 2023-10-20 CN CN202311366519.7A patent/CN117085301B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104706499A (zh) * | 2013-12-12 | 2015-06-17 | 中国科学院宁波材料技术与工程研究所 | 上肢脑神经康复训练系统及训练方法 |
| RU2015155674A (ru) * | 2015-12-24 | 2017-06-30 | Алексей Геннадьевич Абросов | Способ погружения в виртуальную реальность, подвес и экзо-скелет, применяемые для его реализации |
| CN107049702A (zh) * | 2017-03-29 | 2017-08-18 | 东南大学 | 一种基于虚拟现实的下肢康复训练机器人系统 |
| CN107632701A (zh) * | 2017-08-03 | 2018-01-26 | 东南大学 | 一种人机交互虚拟训练力反馈参数的控制方法 |
| KR101919497B1 (ko) * | 2017-11-09 | 2019-02-08 | 순천향대학교 산학협력단 | 가상현실을 이용한 전정재활훈련 장치 및 방법 |
| CN109223444A (zh) * | 2018-10-23 | 2019-01-18 | 上海电气集团股份有限公司 | 康复机器人及其人机协同交互力控制方法 |
| CN114191791A (zh) * | 2021-11-12 | 2022-03-18 | 深圳华鹊景医疗科技有限公司 | 康复机器人主动控制方法、装置及康复机器人 |
| CN114822761A (zh) * | 2022-04-26 | 2022-07-29 | 东南大学 | 基于肌肉协同和变刚度阻抗控制的手腕部康复训练系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117085301A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Brahmi et al. | Adaptive tracking control of an exoskeleton robot with uncertain dynamics based on estimated time-delay control | |
| JP4595727B2 (ja) | 外力推定システム及び外力推定方法、並びにコンピュータ・プログラム | |
| Brahmi et al. | Passive and active rehabilitation control of human upper-limb exoskeleton robot with dynamic uncertainties | |
| WO2022247172A1 (zh) | 按摩运动控制方法、装置、机器人控制设备及存储介质 | |
| Tsoi et al. | Impedance control of ankle rehabilitation robot | |
| JP2020201138A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| CN117095809B (zh) | 康复机器人主动训练柔性控制方法及装置 | |
| Tran et al. | The relationship between physical human-exoskeleton interaction and dynamic factors: using a learning approach for control applications | |
| CN114191791B (zh) | 康复机器人主动控制方法、装置及康复机器人 | |
| CN113001540A (zh) | 负载机动型外骨骼的人机交互智能控制方法及外骨骼系统 | |
| CN115373511A (zh) | 基于惯性动作捕捉技术的人体运动数字孪生的构建方法 | |
| CN114417738A (zh) | 稀疏imu实时人体动作捕捉及关节受力预测方法及系统 | |
| Tsoi et al. | Design, modeling and control of an ankle rehabilitation robot | |
| Yi et al. | Enable fully customized assistance: A novel IMU-based motor intent decoding scheme | |
| Zhou et al. | Toward Human Motion Digital Twin: A Motion Capture System for Human-Centric Applications | |
| Teachasrisaksakul et al. | Imitation of dynamic walking with BSN for humanoid robot | |
| Khan et al. | Muscle circumference sensor and model reference-based adaptive impedance control for upper limb assist exoskeleton robot | |
| Prado et al. | Artificial neural networks to solve forward kinematics of a wearable parallel robot with semi-rigid links | |
| CN117085301B (zh) | 基于虚拟现实的康复机器人多反馈康复训练方法及系统 | |
| Fang et al. | A simplified inverse dynamics modelling method for a novel rehabilitation exoskeleton with parallel joints and its application to trajectory tracking | |
| CN112140110A (zh) | 一种康复机器人患者实际力矩计算方法及系统 | |
| Huang et al. | Adaptive compliance shaping with human impedance estimation | |
| CN115755592A (zh) | 调整三自由度外骨骼运动状态的多模态控制方法及外骨骼 | |
| Wang et al. | Probabilistic movement primitive based motion learning for a lower limb exoskeleton with black-box optimization | |
| Masters et al. | Real-time arm tracking for HMI applications |
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 |