人与机器人交互中的视觉运动信息获
发布时间：2022-08-08 21:05
机器人技术是目前最有发展前景的科学研究领域之一。随着传感器、机电一体化、机器学习、人工智能、新型材料等技术的飞速发展,机器人由只能完成单纯的重复性劳作的工具,逐步升级为多功能和智能化的装备,并且可以根据用户需求,开发出千变万化的实际应用。人与机器人交互是机器人技术中的重要组成部分,主要关键技术包括人体运动数据的获取与感知、行为识别、意图理解与交互等。本论文主要解决了人与机器人交互中对捕获的异常动作数据的优化感知、根据部分数据推测完整行为的类别、设计动作识别失败时的交互方案等问题,系统性地研究了视觉运动信息的获取、分析与交互策略。本论文提出了面向家庭服务与看护场景的人与机器人交互框架,将人与机器人之间的交互根据行为的识别结果分为三种模式:（1）一般模式,当系统识别出人体行为时,响应预设的交互行为;（2）模仿模式,当用户做出指定动作后,机器人开始实时模仿用户动作,增加交互趣味性;（3）情绪模式,当系统无法识别人体行为时,通过对人体动作的揣摩,分析并量化其表现的情绪,响应符合当下交互氛围的行为。为实现每种模式下视觉运动信息的获取、分析和交互,本论文主要的工作内容和创新点有:（1）提出一种基于...
【文章页数】：150 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 服务机器人研究现状
1.3 人与机器人交互关键技术的研究现状
1.3.1 动作信息获取与轨迹优化
1.3.2 行为识别
1.3.3 交互策略
1.4 存在的主要问题
1.5 本文主要研究内容与创新点
1.6 论文架构与章节安排
第二章 人与机器人交互框架的硬件构成
2.1 引言
2.2 Kinect体感摄像机
2.3 NAO人形机器人
2.4 坐标系及转换关系
2.4.1 Kinect坐标系与NAO坐标系的关系
2.4.2 NAO坐标系与躯干坐标系的关系
2.5 机器人关节角度的逆运动学转换
2.5.1 转换为角度的优势
2.5.2 肩节角度逆运动学转换
2.5.3 肘节角度逆运动学转换
2.6 Kinect数据的时序数值表示
2.7 本章小结
第三章 人体动作轨迹的离线优化算法
3.1 引言
3.2 人体动作轨迹的离线优化算法的框架
3.3 运动片段自动分割算法
3.4 基于RVM的运动片段轨迹优化算法
3.4.1 RVM原理
3.4.2 运动片段轨迹优化算法
3.5 人体动作轨迹离线优化的实验结果
3.5.1 局部数据对比
3.5.2 定量评价与验证
3.5.3 利用NAO机器人模仿重现人体动作优化结果
3.6 本章总结
第四章 人体动作轨迹的在线优化算法
4.1 引言
4.2 人体动作轨迹的在线优化算法的框架
4.3 Kinect捕获的人体动作分析
4.4 分步稳健回归
4.4.1 第一步:肩关节角度优化
4.4.2 第二步:肘关节的位置和角度更新
4.4.3 第三步:肘关节角度优化
4.4.4 分布优化算法综合
4.4.5 分步优化算法的有效性验证
4.5 人体动作的轨迹平滑
4.6 机器人运动的安全保护方案
4.6.1 机器人运动范围限制
4.6.2 机器人部件自冲突避免
4.7 人体动作轨迹在线优化的实验结果
4.7.1 不同感知算法的优化轨迹对比
4.7.2 定量评估结果
4.7.3 利用NAO机器人实现人体动作在线模仿
4.8 本章总结
第五章 人体行为推测
5.1 引言
5.2 人体行为特征提取
5.2.1 人体行为数据预处理
5.2.2 动作元概念的定义
5.2.3 动作元特征提取
5.2.4 动作元特征代表能力验证
5.3 现有的行为推测算法
5.3.1 开放终点的动态时间规整
5.3.2 长短期记忆网络
5.4 渐进过滤算法
5.4.1 局部敏感哈希
5.4.2 哈希表的建立
5.4.3 渐进过滤算法的具体步骤
5.4.4 样本动作元哈希表实时更新
5.5 人体行为推测的实验结果
5.5.1 数据库介绍
5.5.2 评价指标
5.5.3 实验一:动作元空间信息对比
5.5.4 实验二:多种算法的人体行为推测对比
5.5.5 实验结果分析与讨论
5.6 本章总结
第六章 基于运动情绪分析的交互方案
6.1 引言
6.2 拉邦动作分析
6.3 空间运动情绪分析
6.3.1 空间运动投影和情绪匹配
6.3.2 空间运动情绪量化
6.3.3 全局运动情绪
6.4 躯干位姿情绪分析
6.5 运动情绪分析实验结果
6.5.1 未识别行为的身体情绪分析
6.5.2 已识别行为的身体情绪分析
6.6 基于运动情绪分析的交互方案
6.6.1 面向家庭服务机器人的交互原则
6.6.2 行为未识别情形的交互策略
6.6.3 行为已识别情形的交互方案
6.6.4 MEHRI程序演示
6.7 面向家庭服务与看护场景的人与机器人交互方案
6.7.1 数据预处理
6.7.2 一般模式
6.7.3 模仿模式
6.7.4 情绪模式
6.8 本章总结
第七章 总结与展望
7.1 主要研究内容及创新点
7.2 未来研究展望
参考文献
附录:英文缩略语对照表
致谢
攻读博士学位期间已发表或录用的论文
攻读博士学位期间申请的发明专利及参与的科研项目
本文编号：3672227
【文章页数】：150 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 服务机器人研究现状
1.3 人与机器人交互关键技术的研究现状
1.3.1 动作信息获取与轨迹优化
1.3.2 行为识别
1.3.3 交互策略
1.4 存在的主要问题
1.5 本文主要研究内容与创新点
1.6 论文架构与章节安排
第二章 人与机器人交互框架的硬件构成
2.1 引言
2.2 Kinect体感摄像机
2.3 NAO人形机器人
2.4 坐标系及转换关系
2.4.1 Kinect坐标系与NAO坐标系的关系
2.4.2 NAO坐标系与躯干坐标系的关系
2.5 机器人关节角度的逆运动学转换
2.5.1 转换为角度的优势
2.5.2 肩节角度逆运动学转换
2.5.3 肘节角度逆运动学转换
2.6 Kinect数据的时序数值表示
2.7 本章小结
第三章 人体动作轨迹的离线优化算法
3.1 引言
3.2 人体动作轨迹的离线优化算法的框架
3.3 运动片段自动分割算法
3.4 基于RVM的运动片段轨迹优化算法
3.4.1 RVM原理
3.4.2 运动片段轨迹优化算法
3.5 人体动作轨迹离线优化的实验结果
3.5.1 局部数据对比
3.5.2 定量评价与验证
3.5.3 利用NAO机器人模仿重现人体动作优化结果
3.6 本章总结
第四章 人体动作轨迹的在线优化算法
4.1 引言
4.2 人体动作轨迹的在线优化算法的框架
4.3 Kinect捕获的人体动作分析
4.4 分步稳健回归
4.4.1 第一步:肩关节角度优化
4.4.2 第二步:肘关节的位置和角度更新
4.4.3 第三步:肘关节角度优化
4.4.4 分布优化算法综合
4.4.5 分步优化算法的有效性验证
4.5 人体动作的轨迹平滑
4.6 机器人运动的安全保护方案
4.6.1 机器人运动范围限制
4.6.2 机器人部件自冲突避免
4.7 人体动作轨迹在线优化的实验结果
4.7.1 不同感知算法的优化轨迹对比
4.7.2 定量评估结果
4.7.3 利用NAO机器人实现人体动作在线模仿
4.8 本章总结
第五章 人体行为推测
5.1 引言
5.2 人体行为特征提取
5.2.1 人体行为数据预处理
5.2.2 动作元概念的定义
5.2.3 动作元特征提取
5.2.4 动作元特征代表能力验证
5.3 现有的行为推测算法
5.3.1 开放终点的动态时间规整
5.3.2 长短期记忆网络
5.4 渐进过滤算法
5.4.1 局部敏感哈希
5.4.2 哈希表的建立
5.4.3 渐进过滤算法的具体步骤
5.4.4 样本动作元哈希表实时更新
5.5 人体行为推测的实验结果
5.5.1 数据库介绍
5.5.2 评价指标
5.5.3 实验一:动作元空间信息对比
5.5.4 实验二:多种算法的人体行为推测对比
5.5.5 实验结果分析与讨论
5.6 本章总结
第六章 基于运动情绪分析的交互方案
6.1 引言
6.2 拉邦动作分析
6.3 空间运动情绪分析
6.3.1 空间运动投影和情绪匹配
6.3.2 空间运动情绪量化
6.3.3 全局运动情绪
6.4 躯干位姿情绪分析
6.5 运动情绪分析实验结果
6.5.1 未识别行为的身体情绪分析
6.5.2 已识别行为的身体情绪分析
6.6 基于运动情绪分析的交互方案
6.6.1 面向家庭服务机器人的交互原则
6.6.2 行为未识别情形的交互策略
6.6.3 行为已识别情形的交互方案
6.6.4 MEHRI程序演示
6.7 面向家庭服务与看护场景的人与机器人交互方案
6.7.1 数据预处理
6.7.2 一般模式
6.7.3 模仿模式
6.7.4 情绪模式
6.8 本章总结
第七章 总结与展望
7.1 主要研究内容及创新点
7.2 未来研究展望
参考文献
附录:英文缩略语对照表
致谢
攻读博士学位期间已发表或录用的论文
攻读博士学位期间申请的发明专利及参与的科研项目
本文编号：3672227
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3672227.html
