本发明专利技术公开了一种精确生物感知控制的多自由度机器人，包括机器人躯干、伺服电机、伺服电机控制电路以及控制器，所述的伺服电机设置在机器人躯干的活动关节上，所述的控制器设置在机器人的头部并且与伺服电机控制电路连接，所述的伺服电机控制电路与伺服电机连接；所述的控制器还包括摄像头以及图像识别系统，所述的图像识别系统分别与摄像头和伺服电机控制电路连接。该机器人基于图像识别和多自由度机器人技术的大型机器人可以自由行走、转弯、也可自动跟踪识别视野内的运动人体，具有极强的互动性，改善了机械体验感。
【技术实现步骤摘要】
本专利技术涉及机器人控制技术，尤其是基于图像识别的。
技术介绍
我国的机器人专家从应用环境出发，将机器人分为两大类，即工业机器人和特种机器人。所谓工业机器人就是面向工业领域的多关节机械手或多自由度机器人。而特种机器人则是除工业机器人之外的、用于非制造业并服务于人类的各种先进机器人，包括服务机器人、水下机器人、娱乐机器人、军用机器人、农业机器人、机器人化机器等。在特种机器人中，有些分支发展很快，有独立成体系的趋势，如服务机器人、水下机器人、军用机器人、 微操作机器人等。目前，国际上的机器人学者，从应用环境出发将机器人也分为两类制造环境下的工业机器人和非制造环境下的服务与仿人型机器人。现有的6自由度并联机构是并联机器人机构中的一大类，是国内外学者研究得最多的并联机构，广泛应用在飞行模拟器、6维力与力矩传感器和并联机床等领域。但这类机构有很多关键性技术没有或没有完全得到解决，比如其运动学正解、动力学模型的建立以及并联机床的精度标定等。从完全并联的角度出发，这类机构必须具有6个运动链。但现有的并联机构中，也有拥有3个运动链的6自由度并联机构，如3-PRPS和3-URS等机构，还有在3个分支的每个分支上附加1个5杆机构作这驱动机构的6自由度并联机构等。现有多自由度机器人无法自适应复杂多变的现实环境，必须依赖人工控制或者按预置固定的模式运作，这极大的限制了多自由度机器人的应用范围。
技术实现思路
本专利技术提供了一种基于图像识别技术的可以自由行走，转弯的精确生物感知控制的多自由度机器人及其实现方法。本专利技术的技术方案是， 包括机器人躯干、伺服电机、伺服电机控制电路以及控制器，所述的伺服电机设置在机器人躯干的活动关节上，所述的控制器设置在机器人躯干的头部并且与伺服电机控制电路连接，所述的伺服电机控制电路与伺服电机连接；所述的控制器还包括摄像头以及图像识别系统，所述的图像识别系统分别与摄像头和伺服电机控制电路连接。上述的一种精确生物感知控制的多自由度机器人，所述的控制器中还设有视频转换器，所述的视频转换器设置在摄像头与图像识别系统之间，所述的视频转换器用于将模拟视频信号转换成数字视频信号。上述的一种精确生物感知控制的多自由度机器人，所述的图像识别系统包括跟踪器、分类器、整合器，所述的跟踪器和分类器与摄像头分别连接并接受摄像的视频信息，所述的整合器分别连接跟踪器和分类器，整合器还连接训练集，所述训练集还分别与跟踪器、 分类器连接。上述的一种精确生物感知控制的多自由度机器人，所述的跟踪器是前向后向中值光流跟踪器，所述的分类器是随机蕨分类器。前述的一种精确生物感知控制的多自由度机器人，所述的摄像头是微型高清数字摄像头。进一步的，前述的一种精确生物感知控制的多自由度机器人，所述的图像识别系统放置在机器人躯干腹部一侧，伺服电机控制电路放置在机器人躯干腹部的另一侧，伺服电机分布于机器人躯干的上颂下颂、颈部、四肢以及尾部位置。作为本专利技术的优选方案，所述的伺服电机控制电路的解码控制芯片是STC10F8芯片。本专利技术的另一目的是提供一种精确生物感知控制的多自由度机器人的实现方法， 包含以下步骤步骤a，图像识别系统将摄像头拍摄的视频流的每一帧发送给分类器和跟踪器，视频流的第一帧用于初始化跟踪器和初始化训练分类器，初始化后，视频流逐帧输入跟踪器和分类器，整合器综合分析跟踪器和分类器的输出结果，决定最终输出结果以及是否向训练集添加样本，跟踪器跟丢时由分类器负责重置，跟踪器跟踪出的高信任度目标也用来更新分类器，处理后的视频画面进一步的计算出运动物体的空间位置；步骤b，空间位置信息经编码器编码后传输至伺服电机控制电路中的解码芯片，解码芯片将外部指令解析为各个伺服电机的控制信号，伺服电机根据控制信号产生动作，进一步的带动机器人做出动作。上述的一种精确生物感知控制的多自由度机器人的实现方法，步骤a之前还经过视频转换器将模拟视频信号转换成数字视频信号。上述的一种精确生物感知控制的多自由度机器人的实现方法中所述的分类器是随机蕨分类器，包含13棵蕨，训练时每颗蕨包含10个特征，每个特征输出两种组合，这意味着一颗蕨总共有21°种组合；对于每一颗蕨而言，训练集中的每个样本小块都会属于这棵蕨的21°种组合中的某一种，经过训练后，每种组合中都有一定数量的物体样本小块W和背景样本小块B，那么属于这种组合的图像小块是物体的后验概率P = W/ (ff+Β)。本专利技术的有益效果是基于图像识别和多自由度机器人技术的大型机器人可以自由行走、转弯、也可自动跟踪识别视野内的运动人体，具有极强的互动性，改善了机械体验感。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术的结构示意图；图2是本专利技术的图像识别系统视频处理流程；图3是本专利技术的跟踪器工作流程图；图4是本专利技术的随机蕨分类器训练流程图；图5是分类器探测流程图。附图中标记分述如下1、控制器，2、摄像头，3、图像识别系统，3、伺服电机控制电路，4、伺服电机。具体实施例方式现在结合附图对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。如图1所示的一种精确生物感知控制的多自由度机器人，包括机器人躯干、伺服电机4、伺服电机控制电路3以及控制器1，所述的伺服电机4设置在机器人躯干的活动关节上，所述的控制器1设置在机器人躯干的头部并且与伺服电机控制电路3连接，所述的伺服电机控制电路3与伺服电机4连接；所述的控制器1还包括摄像头2以及图像识别系统 3，所述的图像识别系统3分别与摄像头2和伺服电机控制电路3连接。如图2所示，图像识别系统将摄像头2拍摄的视频流的每一帧发送给分类器和跟踪器，视频流的第一帧用于初始化跟踪器和初始化训练分类器，初始化后，视频流逐帧输入跟踪器和分类器，整合器综合分析跟踪器和分类器的输出结果，决定最终输出结果以及是否向训练集添加样本，跟踪器跟丢时由分类器负责重置，跟踪器跟踪出的高信任度目标也用来更新分类器，处理后的视频画面进一步的计算出运动物体的空间位置。如图3所示，所述的跟踪器是前向后向中值光流跟踪器，输入图像经过正向和负向的光流跟踪，过滤掉信任度低于阈值的特征点，剩余的高信任度特征点分别经过中值位移估计和中值尺度估算，获得当前目标的位置和尺度变化。如图4所示，所述的分类器是随机蕨分类器，包含13棵蕨，训练时每颗蕨包含10 个特征，每个特征输出两种组合，这意味着一颗蕨总共有21°种组合；对于每一颗蕨而言，训练集中的每个样本小块都会属于这棵蕨的21°种组合中的某一种，经过训练后，每种组合中都有一定数量的物体样本小块W和背景样本小块B，那么属于这种组合的图像小块是物体的后验概率P = W/(W+B)。如图5所示的所述分类器的探测过程，输入图像首先经过窗口分割操作，分割成位置和大小都随机的图像小块，每个图像小块都经过13棵随机蕨分类器处理，对于单个图像小块，其最终后验概率为上述13个后验概率的平均值。若最终后验概率值大于阈值，那么就进入最近邻邻居分类器决策阶段，由该分类器决定该小块是否为物体。以上述依据本专利技术的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项专利技术技术思想的范围内，进行多样的变更以及修改。本项专利技术的技术性范围并本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：王鹏勃，
申请(专利权)人：王鹏勃，
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。