【技术实现步骤摘要】
基于多传感器融合的机器人姿态识别方法及装置
本专利技术涉及计算机移动计算
，更具体地，涉及一种基于多传感器融合的机器人姿态识别方法及装置。
技术介绍
随着人工智能的快速发展，机器人技术也得到了很大的提升，与此同时，作为应用广泛的计算机技术之一——人工神经网络在计算机相关领域的中的使用愈发广发。机器人运作过程中的姿态识别离不开机器人中的各种传感器实时采集的各种数据，在这些采集到的数据基础上，机器人利用集成的算法分别处理分析，从而从各个方面得出信息，进而识别当前的姿态。从传感器中得到的数据种类繁多且彼此之间关系错中复杂，传统的处理方法基本从一项或部分数据中得出一类信息，很大程度上忽视了数据之间的关联性。
技术实现思路
本专利技术的目的是为了解决机器人中从单个或少数传感器中得出一项信息可靠性不足的问题的基于多传感器融合的机器人姿态识别方法及装置，通过多传感器融合的方式来换取可靠性，提出了基于多传感器融合思想的机器人姿态识别方法，该方法利用机器人中集成的多种多样的传感器，通过彼此数据之间的联系统一分...
【技术保护点】
1.一种基于多传感器融合的机器人姿态识别装置，其特征在于，包括:/n采集模块，采集机器人中内置的各种传感器的数据；/n特征提取模块，从采集模块采集的数据中提取特征，所述特征包括位置特征、力矩特征和环境特征；/n融合架构模块，对特征提取模块提取的特征进行筛选，获得每个特征相关度达到设定值的关联特征，将每个特征与其关联特征融合；/n姿态识别模块，构建神经网络模型，将融合后的各特征输入神经网络模型，获得机器人的姿态信息，所述姿态信息包括三维位置信息和三维方向信息。/n
【技术特征摘要】
1.一种基于多传感器融合的机器人姿态识别装置，其特征在于，包括:
采集模块，采集机器人中内置的各种传感器的数据；
特征提取模块，从采集模块采集的数据中提取特征，所述特征包括位置特征、力矩特征和环境特征；
融合架构模块，对特征提取模块提取的特征进行筛选，获得每个特征相关度达到设定值的关联特征，将每个特征与其关联特征融合；
姿态识别模块，构建神经网络模型，将融合后的各特征输入神经网络模型，获得机器人的姿态信息，所述姿态信息包括三维位置信息和三维方向信息。
2.根据权利要求1所述的基于多传感器融合的机器人姿态识别装置，其特征在于，所述神经网络模型的训练步骤包括：
构建数据集，所述数据集包括训练集和验证集，所述验证集为已知机器人的姿态信息，所述训练集为验证集所对应的传感器数据；
对神经网络模型的参数进行初始赋值；
设定每一步的神经网络模型训练时参数变量更新的步长、神经网络模型的激活函数；
将训练集代入设定后的神经网络模型，得到训练集对应的预测的姿态信息；
通过损失函数根据训练集对应的预测的姿态信息和验证集获得神经网络模型的迭代次数及神经元个数，从而获得训练后神经网络模型的参数。
3.根据权利要求1所述的基于多传感器融合的机器人姿态识别装置，其特征在于，还包括预处理模块，对采集模块采集的数据进行滤波处理。
4.根据权利要求3所述的基于多传感器融合的机器人姿态识别装置，其特征在于，所述预处理模块包括：
平滑单元，通过使用移动平均值对数据进行平滑处理；
数据转换单元，将数据转换到设定范围内；
低通滤波单元，利用低通滤波器清洗数据；
去基线单元，通过将每个值与数据平均值作差，使所有值平均分布在0值的两侧。
5.根据权利要求1所述的基于多传感器融合的机器人姿态识别装置，其特征在于，所述传感器包括加速度传感器、磁位置传感器、存在传感器、手势传感器、力矩传感器、环境传感器和电源管理传感器中的一种或多种，所述特征提取模块提取的位置特征包括磁位置特征、速度特征和加速度特征，所述特征提取模块提取的力矩特征包括力与压力特征、力矩特征、微动特征，所述特征提取模块提取的环境特征包...
【专利技术属性】
技术研发人员：牛建伟，李延祺，金鑫，任涛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。