System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本说明书涉及人工智能领域,尤其涉及一种基于肌电信号的机械手掌控制方法及装置。
技术介绍
1、随着人工智能的快速发展,其在各种领域的运用也越来越普遍,一些用户需要借助外骨骼或假肢来帮助自己完成手部动作,例如,手部截肢患者需要依靠假肢辅助手部运动。
2、目前,通常通过采集肌电信号的方式来训练模型,以使模型达到判断出用户动作意图的作用。然而,传统的侵入式采集肌电信号的方式不能准确的接触到所有肌肉,并且当前的模型经过训练后不能准确识别出用户的动作意图,进而不能准确的控制外骨骼或假肢做出相应的反应。
3、基于此,如何提高模型训练的准确性,以使外骨骼或假肢根据用户的意图做出正确的动作,则是一个亟待解决的问题。
技术实现思路
1、本说明书提供一种基于肌电信号的机械手掌控制方法及装置,以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案:
3、本说明书提供了一种基于肌电信号的机械手掌控制方法,用户的手臂上穿戴有第一采集设备,所述用户的手掌背部穿戴有第二采集设备,包括:
4、获取所述第一采集设备采集到的手臂的肌肉群的肌电信号数据,以及获取所述第二采集设备采集到的所述手掌背部中肌肉群的肌电信号数据;
5、根据采集到的肌电信号数据,得到针对各部分肌肉群的热力图,所述热力图用于表示不同肌肉群的活动程度;
6、将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令;
8、可选地,将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令,具体包括:
9、将所述热力图输入到预先训练的意图识别模型中,以按照识别出的不同的肌肉群,将所述热力图进行划分,得到各子热力图,从每个子热力图中分别提取出图像特征,并从各子热力图中提取出的图像特征进行拼接,得到拼接后图像特征,以根据所述拼接后图像特征,得到针对所述用户使用的机械手掌的目标指令。
10、可选地,训练所述意图识别模型,具体包括:
11、获取样本数据,所述样本数据包括做出每个手势动作时指定用户的手掌背部以及手臂中包含的肌肉群的热力图;
12、将所述样本数据输入到所述意图识别模型中,以得到针对所述指定用户使用的机械手掌的预测指令;
13、以最小化所述预测指令和标签指令之间的偏差为优化目标,对所述意图识别模型进行训练。
14、可选地,将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令,具体包括:
15、将所述热力图输入到预先训练的意图识别模型中,预测出所述用户所要做出的手势动作;
16、根据预设的各手势动作与各控制指令之间的对应关系,确定所述意图识别模型预测出的手势动作所对应的控制指令,作为目标指令。
17、可选地,训练所述意图识别模型,具体包括:
18、获取样本数据,所述样本数据包括做出每个手势动作时指定用户的手掌背部以及手臂中包含的肌肉群的热力图;
19、将所述样本数据输入到所述意图识别模型中,预测出所述指定用户所要做出的手势动作,作为预测手势动作;
20、以最小化所述预测手势动作和所述指定用户实际要做出的手势动作之间的偏差为优化目标,对所述意图识别模型进行训练。
21、可选地,获取样本数据,具体包括:
22、采集所述指定用户做出各手势动作时手臂和手掌背部中不同肌肉群的肌电信号数据,作为初始肌电信号数据;
23、对所述初始肌电信号数据进行预处理,得到处理后的肌电信号数据,所述预处理包括:对所述初始肌电信号数据进行滤波处理、对所述初始肌电信号数据进行离群值检测处理;
24、根据所述处理后的肌电信号数据,得到做出每个手势动作时指定用户的手掌背部以及手臂中包含的肌肉群的热力图。
25、可选地,获取样本数据,具体包括:
26、针对每一个手势动作,通过佩戴在所述指定用户的整个手部的第三采集设备,采集所述指定用户在做出该手势动作时手指的运动角度和运动速度;
27、将所述运动角度和运动速度以图像的形式展示在用户界面上,以使所述指定用户根据可视化的图像,调整手指的运动角度和运动速度以达到预设的手指运动角度和手指运动速度;
28、获取所述指定用户按照预设的手指运动角度和手指运动速度做出该手势动作时所述指定用户的手掌背部以及手臂中包含的肌肉群的热力图,作为获取到的样本数据。
29、本说明书提供了一种基于肌电信号的机械手掌控制装置,包括:
30、获取模块,用于获取第一采集设备采集到的手臂的肌肉群的肌电信号数据,以及获取第二采集设备采集到的手掌背部中肌肉群的肌电信号数据;
31、处理模块,用于根据采集到的肌电信号数据,得到针对各部分肌肉群的热力图,所述热力图用于表示不同肌肉群的活动程度;
32、预测模块,用于将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令;
33、控制模块,用于根据所述目标指令,对所述机械手掌进行控制,以使所述机械手掌执行目标手势。
34、本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于肌电信号的机械手掌控制的方法。
35、本说明书采用的上述至少一个技术方案能够达到以下有益效果:
36、在本说明书提供的基于肌电信号的机械手掌控制方法中,获取第一采集设备采集到的手臂的肌肉群的肌电信号数据,以及获取第二采集设备采集到的手掌背部中肌肉群的肌电信号数据,并根据采集到的肌电信号数据,得到针对各部分肌肉群的热力图。然后将得到的热力图输入到预先训练的意图识别模型中,以得到针对用户使用的机械手掌的目标指令,根据目标指令对机械手掌进行控制,以使机械手掌执行目标手势。
37、从上述方法可以看出,在本说明书提供的基于肌电信号的机械手掌控制方法中,需要分别采集用户的手臂和手掌背部中肌肉群的肌电信号数据,比起侵入式的采集方式,这样的采集方式能够更加准确接触到用户的所有肌肉。进而可以使用更加准确的肌电信号数据对意图识别模型进行训练,可以使得到的针对用户使用的机械手掌的目标指令更加精准,进一步地,以使机械手掌可以根据用户的意图做出符合要求的手势动作。
本文档来自技高网...【技术保护点】
1.一种基于肌电信号的机械手掌控制方法,其特征在于,用户的手臂上穿戴有第一采集设备,所述用户的手掌背部穿戴有第二采集设备,包括:
2.如权利要求1所述的方法,其特征在于,将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令,具体包括:
3.如权利要求1所述的方法,其特征在于,训练所述意图识别模型,具体包括:
4.如权利要求1所述的方法,其特征在于,将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令,具体包括:
5.如权利要求4所述的方法,其特征在于,训练所述意图识别模型,具体包括:
6.如权利要求3或5所述的方法,其特征在于,获取样本数据,具体包括:
7.如权利要求6所述的方法,其特征在于,获取样本数据,具体包括:
8.一种基于肌电信号的机械手掌控制装置,其特征在于,包括:
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
>10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
...【技术特征摘要】
1.一种基于肌电信号的机械手掌控制方法,其特征在于,用户的手臂上穿戴有第一采集设备,所述用户的手掌背部穿戴有第二采集设备,包括:
2.如权利要求1所述的方法,其特征在于,将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令,具体包括:
3.如权利要求1所述的方法,其特征在于,训练所述意图识别模型,具体包括:
4.如权利要求1所述的方法,其特征在于,将所述热力图输入到预先训练的意图识别模型中,以得到针对所述用户使用的机械手掌的目标指令,具体包括:
5.如权利要求4所述的方法,其特征在于,训练所述意...
【专利技术属性】
技术研发人员:崔狮雨,时拓,周睿晰,高丽丽,顾子熙,
申请(专利权)人:之江实验室,
类型:发明
国别省市:
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。