基于姿态信息的写字机器人研究与设计
发布时间：2022-05-08 15:32
随着人工智能的发展,自主学习的写字机器人一直是当代研究的热点,这是机器人从只是单纯的接受指令到自我学习的飞跃。目前主流的写字机器人一般都是基于视觉的写字机器人,由于其图像数据的获取和录入都有较大的难度,图像的千变万化,书写的好坏完全依赖于对图像预处理的结果,所以给特征的提取带来了很大的困难。并且具有图像处理的硬件一般价格都比较昂贵,成本也比较高,这给大规模的实际应用带来了难度。本文利用廉价的开发芯片生产出适合低端市场需要的低成本写字机器人,解决了传统的基于视觉的写字机器人对于图像处理成本要求较高这个难题。本文主要研究内容如下:（1）研究了通过低廉的六轴加速度计和陀螺仪来获取书写时的姿态信息数据,再利用RBF径向基神经网络分类,对获取的姿态数据利用预处理算法归一化特征值,然后,机械臂将学习过的字符信息数据传送到下位机控制器再进行字符的书写。这样使得机械臂写出来的字符只取决于学习到的字符,从而只需要带有加速度计和陀螺仪的控制器就能控制机械臂进行书写,降低了传统写字机器人的成本。（2）研究了利用RBF神经网络对需要书写的字符数据进行学习分类,从几个方面优化了RBF神经网络,使其识别率得以提高...
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 论文背景与研究意义
1.2 国内外研究现状
1.3 基于姿态信息的人机交互技术
1.4 本文组织结构
第二章 相关理论与技术的分析
2.1 RBF径向基神经网络概述
2.2 KNN算法的概述
2.3 Madgwick的滤波算法
2.4 Arduino cuire Genduino 101开发板简述
2.5 本章小结
第三章 基于姿态识别的写字机械人的系统设计与实现
3.1 系统的整体设计框架
3.2 数据预处理模块
3.2.1 截取姿势片段
3.2.2 消除重力偏差
3.2.3 规范化时间轴
3.2.4 规范化幅度轴
3.2.5 拼接三轴数据
3.2.6 Madgwick滤波
3.2.7 提取特征片段
3.3 分类器模块
3.3.1 RBF径向基神经网络分类器的探究
3.3.2 RBF径向基神经网络学习和分类的设计
3.3.3 RBF神经网络分类器的实现
3.4 机械臂模块
3.4.1 机械臂的控制原理
3.4.2 机械臂的硬件设计
3.4.3 机械臂的通信设计
3.5 本章小结
第四章 RBF分类算法的优化实验
4.1 RBF分类算法的优化
4.2 RBF分类算法的优化实验
4.3 本章小结
第五章 实验验证与结果分析
5.1 基于动作姿态的机械臂书写实验
5.2 本章小结
总结与展望
参考文献
攻读硕士学位期间完成的科研成果
致谢
【参考文献】：
期刊论文
[1]智能写字机器人设计[J]. 陈玉敏,谢玮,孟宪民,杨东岳. 计算机测量与控制. 2016(01)
[2]基于姿态识别的机器人人机交互系统设计[J]. 石琪琦,庄杰,黄炜,张佳东,左轩尘. 计算机工程与设计. 2015(07)
[3]机器人写字技术及其运动参数[J]. 王光建,廖志勇,陈雪华. 重庆大学学报(自然科学版). 2003(12)
[4]利用分维向量改进神经网络在遥感模式识别中的分类精度[J]. 章杨清,刘政凯. 环境遥感. 1994(01)
博士论文
[1]基于深度机器学习的体态与手势感知计算关键技术研究[D]. 杜宇.浙江大学 2017
[2]基于单个加速度传感器的人体运动模式识别[D]. 薛洋.华南理工大学 2011
[3]柔性关节机械臂控制策略的研究[D]. 刘业超.哈尔滨工业大学 2009
[4]径向基函数模型在板料成形工艺多目标优化设计中的应用[D]. 安治国.重庆大学 2009
[5]进化RBF神经网络分类器研究[D]. 薛富强.解放军信息工程大学 2009
[6]电磁场计算中的径向基函数无网格法研究[D]. 张淮清.重庆大学 2008
[7]基于计算机视觉的手势识别系统研究[D]. 周航.北京交通大学 2008
[8]基于决策树和K最近邻算法的文本分类研究[D]. 王煜.天津大学 2006
[9]滑模控制理论及在移动机械臂中的应用[D]. 吴玉香.华南理工大学 2006
[10]基于现代信号分析和神经网络的滚动轴承智能诊断技术研究[D]. 陆爽.吉林大学 2004
硕士论文
[1]基于视觉的字母手势识别技术研究及实现[D]. 陈彬彬.西南交通大学 2017
[2]基于Arduino的节能型智能家居系统的设计与研究[D]. 倪亚玲.电子科技大学 2017
[3]基于KNN算法的空间手势识别研究与应用[D]. 张硕.吉林大学 2017
[4]基于STM32嵌入式系统的电机驱动控制与可靠性分析[D]. 张志威.电子科技大学 2017
[5]基于人体姿态识别的机器人控制技术研究[D]. 陈雪锋.武汉科技大学 2014
[6]机器人的人体姿态动作识别与模仿算法[D]. 李少波.上海交通大学 2013
[7]基于Arduino平台开发交互式产品原型的研究[D]. 缪璐璐.上海交通大学 2013
[8]五自由度写字机器人系统研究[D]. 类延超.山东大学 2012
[9]基于Arduino/Android的蓝牙通信系统设计与实现[D]. 郑昊.湖北大学 2012
[10]基于改进RBF神经网络的故障诊断技术研究[D]. 吴伟.重庆大学 2012
本文编号：3651913
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 论文背景与研究意义
1.2 国内外研究现状
1.3 基于姿态信息的人机交互技术
1.4 本文组织结构
第二章 相关理论与技术的分析
2.1 RBF径向基神经网络概述
2.2 KNN算法的概述
2.3 Madgwick的滤波算法
2.4 Arduino cuire Genduino 101开发板简述
2.5 本章小结
第三章 基于姿态识别的写字机械人的系统设计与实现
3.1 系统的整体设计框架
3.2 数据预处理模块
3.2.1 截取姿势片段
3.2.2 消除重力偏差
3.2.3 规范化时间轴
3.2.4 规范化幅度轴
3.2.5 拼接三轴数据
3.2.6 Madgwick滤波
3.2.7 提取特征片段
3.3 分类器模块
3.3.1 RBF径向基神经网络分类器的探究
3.3.2 RBF径向基神经网络学习和分类的设计
3.3.3 RBF神经网络分类器的实现
3.4 机械臂模块
3.4.1 机械臂的控制原理
3.4.2 机械臂的硬件设计
3.4.3 机械臂的通信设计
3.5 本章小结
第四章 RBF分类算法的优化实验
4.1 RBF分类算法的优化
4.2 RBF分类算法的优化实验
4.3 本章小结
第五章 实验验证与结果分析
5.1 基于动作姿态的机械臂书写实验
5.2 本章小结
总结与展望
参考文献
攻读硕士学位期间完成的科研成果
致谢
【参考文献】：
期刊论文
[1]智能写字机器人设计[J]. 陈玉敏,谢玮,孟宪民,杨东岳. 计算机测量与控制. 2016(01)
[2]基于姿态识别的机器人人机交互系统设计[J]. 石琪琦,庄杰,黄炜,张佳东,左轩尘. 计算机工程与设计. 2015(07)
[3]机器人写字技术及其运动参数[J]. 王光建,廖志勇,陈雪华. 重庆大学学报(自然科学版). 2003(12)
[4]利用分维向量改进神经网络在遥感模式识别中的分类精度[J]. 章杨清,刘政凯. 环境遥感. 1994(01)
博士论文
[1]基于深度机器学习的体态与手势感知计算关键技术研究[D]. 杜宇.浙江大学 2017
[2]基于单个加速度传感器的人体运动模式识别[D]. 薛洋.华南理工大学 2011
[3]柔性关节机械臂控制策略的研究[D]. 刘业超.哈尔滨工业大学 2009
[4]径向基函数模型在板料成形工艺多目标优化设计中的应用[D]. 安治国.重庆大学 2009
[5]进化RBF神经网络分类器研究[D]. 薛富强.解放军信息工程大学 2009
[6]电磁场计算中的径向基函数无网格法研究[D]. 张淮清.重庆大学 2008
[7]基于计算机视觉的手势识别系统研究[D]. 周航.北京交通大学 2008
[8]基于决策树和K最近邻算法的文本分类研究[D]. 王煜.天津大学 2006
[9]滑模控制理论及在移动机械臂中的应用[D]. 吴玉香.华南理工大学 2006
[10]基于现代信号分析和神经网络的滚动轴承智能诊断技术研究[D]. 陆爽.吉林大学 2004
硕士论文
[1]基于视觉的字母手势识别技术研究及实现[D]. 陈彬彬.西南交通大学 2017
[2]基于Arduino的节能型智能家居系统的设计与研究[D]. 倪亚玲.电子科技大学 2017
[3]基于KNN算法的空间手势识别研究与应用[D]. 张硕.吉林大学 2017
[4]基于STM32嵌入式系统的电机驱动控制与可靠性分析[D]. 张志威.电子科技大学 2017
[5]基于人体姿态识别的机器人控制技术研究[D]. 陈雪锋.武汉科技大学 2014
[6]机器人的人体姿态动作识别与模仿算法[D]. 李少波.上海交通大学 2013
[7]基于Arduino平台开发交互式产品原型的研究[D]. 缪璐璐.上海交通大学 2013
[8]五自由度写字机器人系统研究[D]. 类延超.山东大学 2012
[9]基于Arduino/Android的蓝牙通信系统设计与实现[D]. 郑昊.湖北大学 2012
[10]基于改进RBF神经网络的故障诊断技术研究[D]. 吴伟.重庆大学 2012
本文编号：3651913
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3651913.html
