一种基于种群随机乱序多目标遗传算法的手势跟踪方法技术

本发明专利技术提供了一种基于种群随机乱序多目标遗传算法的手势跟踪方法，包括以下步骤：手臂骨骼信息获取；建立机械臂运动模型；多目标遗传算法能量及轨迹优化；手势跟踪。本发明专利技术提供的一种基于种群随机乱序多目标遗传算法的手势跟踪方法引入了种群随机乱序的多目标遗传算法进行能量，最终位置精度及跟踪人体手臂的轨迹优化。实验结果表明，该系统人机交互性好，机械臂能量消耗低，末端精度高，跟踪人体手臂运动效果好。

A gesture tracking method based on stochastic genetic algorithm with random order of population

The present invention provides a method for tracking random population based on order multi-objective genetic algorithm gestures, which comprises the following steps: the arm bone information acquisition; establish the manipulator motion model; multi-objective genetic algorithm and energy trajectory optimization; hand tracking. A new multi-objective genetic algorithm method based on random population sequencing multi-objective genetic algorithm for gesture tracking system provided by the invention introduces population random sequence energy, trajectory optimization of final position accuracy and tracking of the human arm. The experimental results show that the system has good human-computer interaction, low energy consumption of the robot arm, high end accuracy, and good tracking effect of human arm movement.

【技术实现步骤摘要】
一种基于种群随机乱序多目标遗传算法的手势跟踪方法
本专利技术涉及一种基于种群随机乱序多目标遗传算法的手势跟踪方法，属于机械臂人机交互自动控制领域。
技术介绍
随着科技发展，人类和机器之间互动的重要性与日俱增。基于视觉的手势跟踪技术已经成为人机交互研究的重要组成部分，特别是利用该项技术将真实人体手臂与仿真机械臂进行有效结合，实现和谐、友好、高效、顺畅的人机交流。高性能仿真机械手臂在机器人、医疗救援、资源勘探、工业、教学、危险物品处理等方面得到了广泛的应用，寻找改善机械臂运动、提高其速度与精度的方法、确保机械臂运动轨迹安全性和合理性以及减少能量消耗均具有重要的研究意义。现有的机械臂的操作方式主要为手柄或者摇杆操作，操作指令无法直接控制机械臂整体运动的位移和速度，使得操作者未经训练难以完成复杂动作，使用灵活度低，一般运用中造成一定延迟，同时无法保证位置精度。有研究尝试使用数据手套操作机械臂，数据手套能够精准的确定操作者手的位置和姿势，但是现有实用机械臂无需模仿手的动作即可实现夹持等功能，而且其大量采用柔性设备，成本较高，功能浪费。拥有较低的价格，灵活简便的操作方式的人机交互系统成了机械臂运本文档来自技高网...

【技术保护点】
一种基于种群随机乱序多目标遗传算法的手势跟踪方法，其特征在于包括以下过程：(1)手臂骨骼信息获取：利用传感器提取人体手臂骨骼的彩色图像数据流和深度图像数据流，获取手臂各个关节信息，得到各个关节位置坐标；(2)建立机械臂运动模型：将机械臂简化为三连杆模型，由步骤(1)的手臂各关节信息中获得手臂末端位置，并由个关节位置坐标计算人体各关节旋转角度；由机械臂尺寸和机械臂关节旋转角度，表示机械臂末端位置；(3)多目标遗传算法能量及轨迹优化：以能量函数、手臂跟踪轨迹函数以及位置误差函数为目标函数的3个目标子函数，经多目标遗传算法处理，通过每代种群随机乱序迭代进化，得到机械臂达到末端对应位置时的各关节旋转角...

【技术特征摘要】
1.一种基于种群随机乱序多目标遗传算法的手势跟踪方法，其特征在于包括以下过程：(1)手臂骨骼信息获取：利用传感器提取人体手臂骨骼的彩色图像数据流和深度图像数据流，获取手臂各个关节信息，得到各个关节位置坐标；(2)建立机械臂运动模型：将机械臂简化为三连杆模型，由步骤(1)的手臂各关节信息中获得手臂末端位置，并由个关节位置坐标计算人体各关节旋转角度；由机械臂尺寸和机械臂关节旋转角度，表示机械臂末端位置；(3)多目标遗传算法能量及轨迹优化：以能量函数、手臂跟踪轨迹函数以及位置误差函数为目标函数的3个目标子函数，经多目标遗传算法处理，通过每代种群随机乱序迭代进化，得到机械臂达到末端对应位置时的各关节旋转角度，并且旋转角度达到能量全局最小，最终位置误差全局最小，手臂跟踪轨迹全局最优；(4)跟踪手势：将多目标遗传算法处理后的机械臂各关节旋转角度数据传输至机械臂，驱动机械臂跟跟踪手势运动，反馈关节旋转角度并进行闭环控制。2.根据权利要求1所述的基于种群随机乱序多目标遗传算法的手势跟踪方法，其特征在于：步骤(2)具体包括以下过程：(2-1)将六自由度实体机械臂简化为三连杆机械臂模型，即建立机械臂动力学模型；(2-2)实时利用传感器提取人体手臂骨骼的彩色图像数据流和深度图像数据流，获取手臂各个关节信息，选取一组周期为T的样本数据(θ1o，θ2o，θ3o，x0，y0)，其中，θio为经传感器获取和处理得到的人体第i关节，i＝{1，2，3}，(x0，y0)为人体手臂末端位置所处的二维平面坐标；(2-3)由三个关节偏离竖直轴的旋转角度θ1、θ2和θ3表示机械臂末端位置(X，Y)，其中Li表示机械臂第i个关节的长度，i＝{1，2，3}。3.根据权利要求1所述的基于种群随机乱序多目标遗传算法的手势跟踪方法，其特征在于：步骤(3)具体包括以下过程：(3-1)确定三个目标子函数f1、f2和f3，目标子函数的自变量为待求取的机械臂各关节旋转角度θi，i＝{1，2，3}；f1为能量函数，用于保证机械臂运动中能量消耗最低；f2为位置误差函数，用于保证机械臂末端位置(X，Y)的精度求；f3为手臂跟踪轨迹函数，用于保证机械臂运动轨迹与人体手臂运动相仿；(3-2)初始化当前代数t；将械臂各关节旋转角度θi作为遗传空间中基因按二进制编码方式组成的个体，设置待求个体的染色体条数NVAR和机械臂运动旋转角度精度p，每条染色体θi由k0位二进制数进行编码，个体S＝(θ1，θ2，θ3)编码后染色体组合为(θ1u，θ2s，θ3l)。其中，u、s、l的取值为1～k0；经解码，S为以下组合：

【专利技术属性】
技术研发人员：陈略峰，吴敏，赖旭芝，周梦甜，石威，徐亦睿，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42