基于用户姿势高效能识别的机器人控制方法和系统技术方案

本发明专利技术公开了基于用户姿势高效能识别的机器人控制方法和系统，该方法针对机器人捕获的连续、平滑的身体姿态数据提取身体姿态关键节点，将身体姿态的帧序列划分为三维空间网格，确定身体姿态关键节点所分布的三维空间网格，保证了对身体姿态关键部位所处空间的准确性，并对帧序列进行动态分段，实现了对身体姿态数据的聚类，并基于身体姿态分段，利用第一预设比例与常态模板对身体姿态分段是否处于常态进行判断，将非常态的身体姿态分段进一步地基于第二预设比例与指令模板进行比较判断，保证了对非常态身体姿态的有效识别与非常态身体姿态的完整性，并准确提取非常态的身体姿态向机器人下达相应指令，提高了对用户姿态识别的准确度。别的准确度。别的准确度。

【技术实现步骤摘要】
基于用户姿势高效能识别的机器人控制方法和系统


[0001]本专利技术涉及机器人控制
，具体是基于用户姿势高效能识别的机器人控制方法和系统。

技术介绍

[0002]机器人利用摄像头或者雷达点云数据，在一定距离以外，捕获用户的身体姿态数据用户通过特定的身体姿态，向机器人下达指令，从而控制机器人执行特定行进动作和功能。这种控制方式相比传统的通过机器人的触摸屏、按钮、手机、遥控器等方式控制机器人，或者通过语音来控制机器人来说，不必用户打断正在进行的事情专门前往机器人处操控，因此更为自然快捷；受周围环境干扰(例如噪声干扰)小；对指令识别误判概率低；能够支持的指令类型和数量更为多样；用户不必携带和依赖手机、遥控器等特定的设备。
[0003]但是，存在的问题在于：用户一般是从自然状态或者其他活动下的身体姿态过渡到下达指令的特定身体姿态，然后再过渡回到自然状态或者其他活动下的身体姿态；这期间的过渡是连续和平滑的，而且自然状态或者其他活动状态是常态性的，面向机器人下达指令是偶发性的。如何有效地将下达指令的特定身体姿态，从一系列连续、平滑的身体姿态数据的帧序列(机器人的摄像头或者雷达在每个采样时间点捕获的身体姿态数据作为一个数据帧，依照采样时间点时序排列，形成身体姿态数据的帧序列)中提取出来，然后发给模式识别过程，将特定身体姿态转化为对机器人的指令，这是本项技术的一个难点；如果把自然状态或者其他活动下的身体姿态数据也都发给模式识别过程，一方面容易造成机器人把这些也识别为指令，从而产生误判和误操作，另一方面这种无效的识别计算对于机器人的算力和电能也是一大浪费；反之，如果提取出来特定身体姿态不完整，也会造成机器人的误判或者无法响应。

技术实现思路

[0004]鉴于上述问题，本专利技术的目的是为了解决不能准确提取磁流变抛光去除函数的有效数据、进而降低磁流变加工的精度的问题。
[0005]本专利技术实施例提供基于用户姿势高效能识别的机器人控制方法，包括：
[0006]获取身体姿态数据的帧序列，基于所述身体姿态数据的帧序列提取身体姿态关键节点与身体姿态数据分布空间，将所述身体姿态数据分布空间划分为三维空间网格，基于所述身体姿态关键节点与所述三维空间网格计算身体姿态分段；
[0007]基于所述身体姿态分段，按照第一预设比例抽取状态采样帧，将所述状态采样帧对应的所述身体姿态关键节点所分布的所述三维空间网格与预设常态模板进行对比，基于对比结果判断身体姿态分段是否处于常态；
[0008]若所述身体姿态分段处于非常态，则按照第二预设比例抽取非常态采样帧，将所述非常态采样帧对应的所述身体姿态关键节点所分布的所述三维空间网格与指令模板进行对比，基于比较结果对所述身体姿态分段进行用户姿态指令识别，基于所述用户姿态指
令控制机器人。
[0009]在一个实施例中，所述获取身体姿态数据的帧序列，基于所述身体姿态数据的帧序列提取身体姿态关键节点与身体姿态数据分布空间，将所述身体姿态数据分布空间划分为三维空间网格，基于所述身体姿态关键节点与所述三维空间网格计算身体姿态分段，包括：
[0010]采集身体姿态数据分布空间，将所述身体姿态数据分布空间划分为三维空间网格；
[0011]基于所述身体姿态数据提取所述身体姿态关键节点，确定所述身体姿态关键节点分布的所述三维空间网格，生成身体姿态关键节点分布网格；
[0012]定义所述三维空间网格之间的姿态转移矩阵，并基于所述身体姿态关键节点分布网格对所述姿态转移矩阵进行赋值；
[0013]基于赋值后的所述姿态转移矩阵与同一身体姿态关键节点在所述三维空间网格之间进行转移的概率，利用预设算法生成动态分界帧，基于所述动态分界帧生成所述身体姿态分段。
[0014]在一个实施例中，所述基于所述相同身体姿态关键节点与所述三维空间网格，利用预设算法生成动态分界帧，基于所述动态分界帧生成所述身体姿态分段，包括：
[0015]定义转移概率矢量，基于赋值后的所述姿态转移矩阵与所述同一身体姿态关键节点在所述三维空间网格之间进行转移的概率对转移概率矢量进行迭代，生成稳定概率，基于所述稳定概率构建转移概率矢量组；
[0016]基于所述转移概率矢量组确定所述身体姿态关键节点的节点转移概率，将所述节点转移概率累加，生成姿态转移概率；
[0017]将所述姿态转移概率与姿态转移判定阈值进行比较，生成所述动态分界帧，基于所述动态分界帧生成所述身体姿态分段。
[0018]在一个实施例中，所述基于所述身体姿态分段，按照第一预设比例抽取状态采样帧，将所述状态采样帧对应的所述身体姿态关键节点分布网络与预设常态模板进行对比，基于对比结果判断身体姿态分段是否处于常态，包括：
[0019]基于所述身体姿态分段，按照第一预设比例抽取状态采样帧；
[0020]将所述状态采样帧对应的所述身体姿态关键节点分布网格与预设常态模板进行对比，生成所述采样帧偏离度；
[0021]基于所述采样帧偏离度计算偏离度平均值，将所述偏离度平均值与偏离阈值进行比较，基于比较结果判断所述身体姿态分段是否处于常态。
[0022]在一个实施例中，所述若所述身体姿态分段处于非常态，则按照第二预设比例抽取非常态采样帧，将所述非常态采样帧对应的所述身体姿态关键节点分布网络与指令模板进行对比，基于比较结果对所述身体姿态分段进行用户姿态指令识别，基于所述用户姿态指令控制机器人，包括：
[0023]若所述身体姿态分段处于非常态，则按照第二预设比例抽取非常态采样帧；
[0024]将所述非常态采样帧对应的所述身体姿态关键节点分布网格与指令模板进行对比，生成指令模板符合度；
[0025]基于所述指令模板符合度计算符合度平均值，将所述符合平均值与指令阈值进行
比较，基于比较结果判断所述身体姿态分段是否属于所述用户姿态指令；
[0026]若所述身体姿态分段的属于所述用户姿态指令，则基于所述用户姿态指令控制所述机器人。
[0027]第二方面，本专利技术还提供基于用户姿势高效能识别的机器人控制系统，包括：
[0028]身体姿态分段计算模块，用于获取身体姿态数据的帧序列，基于所述身体姿态数据的帧序列提取身体姿态关键节点与身体姿态数据分布空间，将所述身体姿态数据分布空间划分为三维空间网格，基于所述身体姿态关键节点与所述三维空间网格计算身体姿态分段；
[0029]身体姿态分段状态判断模块，用于基于所述身体姿态分段，按照第一预设比例抽取状态采样帧，将所述状态采样帧对应的所述身体姿态关键节点所分布的所述三维空间网格与预设常态模板进行对比，基于对比结果判断身体姿态分段是否处于常态；
[0030]用户姿态指令识别模块，用于若所述身体姿态分段处于非常态，则按照第二预设比例抽取非常态采样帧，将所述非常态采样帧对应的所述身体姿态关键节点所分布的所述三维空间网格与指令模板进行对比，基于比较结果对所述身体姿态分段进行用户姿态指令识别，基于所述用户姿态指令控制机器人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于用户姿势高效能识别的机器人控制方法，其特征在于，包括：获取身体姿态数据的帧序列，基于所述身体姿态数据的帧序列提取身体姿态关键节点与身体姿态数据分布空间，将所述身体姿态数据分布空间划分为三维空间网格，基于所述身体姿态关键节点与所述三维空间网格计算身体姿态分段；基于所述身体姿态分段，按照第一预设比例抽取状态采样帧，将所述状态采样帧对应的所述身体姿态关键节点所分布的所述三维空间网格与预设常态模板进行对比，基于对比结果判断身体姿态分段是否处于常态；若所述身体姿态分段处于非常态，则按照第二预设比例抽取非常态采样帧，将所述非常态采样帧对应的所述身体姿态关键节点所分布的所述三维空间网格与指令模板进行对比，基于比较结果对所述身体姿态分段进行用户姿态指令识别，基于所述用户姿态指令控制机器人。2.如权利要求1所述的方法，其特征在于，所述获取身体姿态数据的帧序列，基于所述身体姿态数据的帧序列提取身体姿态关键节点与身体姿态数据分布空间，将所述身体姿态数据分布空间划分为三维空间网格，基于所述身体姿态关键节点与所述三维空间网格计算身体姿态分段，包括：采集身体姿态数据分布空间，将所述身体姿态数据分布空间划分为三维空间网格；基于所述身体姿态数据提取所述身体姿态关键节点，确定所述身体姿态关键节点分布的所述三维空间网格，生成身体姿态关键节点分布网格；定义所述三维空间网格之间的姿态转移矩阵，并基于所述身体姿态关键节点分布网格对所述姿态转移矩阵进行赋值；基于赋值后的所述姿态转移矩阵与同一身体姿态关键节点在所述三维空间网格之间进行转移的概率，利用预设算法生成动态分界帧，基于所述动态分界帧生成所述身体姿态分段。3.如权利要求2所述的方法，其特征在于，所述基于所述相同身体姿态关键节点与所述三维空间网格，利用预设算法生成动态分界帧，基于所述动态分界帧生成所述身体姿态分段，包括：定义转移概率矢量，基于赋值后的所述姿态转移矩阵与所述同一身体姿态关键节点在所述三维空间网格之间进行转移的概率对转移概率矢量进行迭代，生成稳定概率，基于所述稳定概率构建转移概率矢量组；基于所述转移概率矢量组确定所述身体姿态关键节点的节点转移概率，将所述节点转移概率累加，生成姿态转移概率；将所述姿态转移概率与姿态转移判定阈值进行比较，生成所述动态分界帧，基于所述动态分界帧生成所述身体姿态分段。4.如权利要求2所述的方法，其特征在于，所述基于所述身体姿态分段，按照第一预设比例抽取状态采样帧，将所述状态采样帧对应的所述身体姿态关键节点分布网络与预设常态模板进行对比，基于对比结果判断身体姿态分段是否处于常态，包括：基于所述身体姿态分段，按照第一预设比例抽取状态采样帧；将所述状态采样帧对应的所述身体姿态关键节点分布网格与预设常态模板进行对比，生成所述采样帧偏离度；
基于所述采样帧偏离度计算偏离度平均值，将所述偏离度平均值与偏离阈值进行比较，基于比较结果判断所述身体姿态分段是否处于常态。5.如权利要求4所述的方法，其特征在于，所述若所述身体姿态分段处于非常态，则按照第二预设比例抽取非常态采样帧，将所述非常态采样帧对应的所述身体姿态关键节点分布网络与指令模板进行对比，基于比较结果对所述身体姿态分段进行用户姿态指令识别，基于所述用户姿态指令控制机器人，包括：若所述身体姿态分段处于非常态，则按照第二预设比例抽取非常态采样帧；将所述非常态采样帧对应的所述身体姿态关键节点分布网格与指令模板进行对比，生成指令模板符合度；基于所述指令模板符合度计算符合度平均值，将所述符合平均值与指令阈值进行比较，基于比较结果判断所述身体姿态分段是否属于所述用户姿态指令；若所述...

【专利技术属性】
技术研发人员：姚郁巍，苏瑞，衡进，孙贇，
申请(专利权)人：重庆特斯联智慧科技股份有限公司，
类型：发明
国别省市：