[發(fā)明專利]基于多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201911382275.5
• 申請日: 2019-12-27
• 公開（公告）號: CN111216126B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）人: 吳鴻敏;鄢武;徐智浩;蘇澤榮;唐觀榮;周雪峰
• 申請（專利權(quán)）人: 廣東省智能制造研究所
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 廣東廣盈專利商標(biāo)事務(wù)所(普通合伙) 44339
• 代理人: 李俊

本發(fā)明公開了一種基于多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別方法及系統(tǒng)，其中，所述方法包括：基于多種類型的傳感器采集足式機(jī)器人在不同類型地面上重復(fù)行走預(yù)設(shè)距離所產(chǎn)生的多模態(tài)傳感數(shù)據(jù)信息；對多模態(tài)傳感數(shù)據(jù)信息按照不同類型地面來進(jìn)行數(shù)據(jù)集劃分，得到不同地面類型的多模態(tài)傳感數(shù)據(jù)集；基于不同地面類型的多模態(tài)傳感數(shù)據(jù)集對粘性層次狄利克雷過程隱馬爾科夫模型進(jìn)行訓(xùn)練，獲得最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型；將待識(shí)別樣本信息輸入最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型，并計(jì)算對數(shù)似然函數(shù)值之和；基于計(jì)算結(jié)果后進(jìn)行足式機(jī)器人運(yùn)動(dòng)行為識(shí)別。在本發(fā)明實(shí)施中，提高了運(yùn)動(dòng)行為識(shí)別的可靠性和準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器人運(yùn)動(dòng)行為識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別方法及系統(tǒng)。

背景技術(shù)

足式機(jī)器人具備環(huán)境適應(yīng)性好、運(yùn)動(dòng)范圍廣、負(fù)載能力強(qiáng)，能夠?qū)崿F(xiàn)崎嶇山地運(yùn)輸、危險(xiǎn)災(zāi)難救援、軍事偵察等任務(wù)。從而，能夠?qū)崟r(shí)識(shí)別到足式機(jī)器人在不同類型地面(如泥沙、水泥、草地、木質(zhì)、瓷磚等)行走的運(yùn)動(dòng)行為及運(yùn)動(dòng)特征將能直接對機(jī)器人的控制和步態(tài)進(jìn)行調(diào)整，提高環(huán)境的適應(yīng)性和系統(tǒng)的魯棒性。因此，開展基于關(guān)節(jié)編碼器、IMU、關(guān)節(jié)力矩等多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別是目前足式機(jī)器人前沿研究的關(guān)鍵技術(shù)。

傳統(tǒng)足式機(jī)器人的運(yùn)動(dòng)行為識(shí)別技術(shù)通常采用參數(shù)化隱性馬爾科夫模型(HiddenMarkov Model，HMM)對關(guān)節(jié)編碼器的關(guān)節(jié)角度信息進(jìn)行建模，具有訓(xùn)練樣本數(shù)量少和計(jì)算復(fù)雜度低等優(yōu)點(diǎn)，初步實(shí)現(xiàn)了運(yùn)動(dòng)行為識(shí)別，具有一定的可行性。但是隨著環(huán)境的復(fù)雜性和任務(wù)的多樣性增加，主要存在兩方面的問題：(1)僅考慮單模態(tài)的傳感信息，無法準(zhǔn)確地實(shí)現(xiàn)對環(huán)境的感知及機(jī)器人系統(tǒng)的狀態(tài)估計(jì)，降低了運(yùn)動(dòng)行為識(shí)別的容錯(cuò)性；同時(shí)，(2)采用參數(shù)化HMM的建模方法將存在模型的隱性狀態(tài)數(shù)量不確定和隱性狀態(tài)快速轉(zhuǎn)換的問題，無法從復(fù)雜的傳感數(shù)據(jù)中學(xué)習(xí)到實(shí)際的潛在模式，降低了運(yùn)動(dòng)行為識(shí)別的準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別方法及系統(tǒng)，提高運(yùn)動(dòng)行為識(shí)別的可靠性和提高運(yùn)動(dòng)行為識(shí)別的準(zhǔn)確率。

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例中提供了一種基于多模態(tài)感知的足式機(jī)器人運(yùn)動(dòng)行為識(shí)別方法，所述方法包括：

基于多種類型的傳感器采集足式機(jī)器人在不同類型地面上重復(fù)行走預(yù)設(shè)距離所產(chǎn)生的多模態(tài)傳感數(shù)據(jù)信息；

對所述多模態(tài)傳感數(shù)據(jù)信息按照不同類型地面進(jìn)行數(shù)據(jù)集劃分，得到不同地面類型的多模態(tài)傳感數(shù)據(jù)集，所述不同地面類型的多模態(tài)傳感數(shù)據(jù)集包括訓(xùn)練集和測試集；

基于所述不同地面類型的多模態(tài)傳感數(shù)據(jù)集對粘性層次狄利克雷過程隱馬爾科夫模型進(jìn)行學(xué)習(xí)訓(xùn)練，獲得最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型；

將所述待識(shí)別樣本信息輸入所述最優(yōu)粘性層次狄利克雷過程隱馬爾科夫模型進(jìn)行對數(shù)似然函數(shù)值之和的計(jì)算；

基于對數(shù)似然函數(shù)值之和的計(jì)算結(jié)果進(jìn)行足式機(jī)器人運(yùn)動(dòng)行為識(shí)別。

可選的，所述基于多種類型的傳感器采集足式機(jī)器人在不同類型地面上重復(fù)行走預(yù)設(shè)距離所產(chǎn)生的多模態(tài)傳感數(shù)據(jù)信息，包括：

基于多種類型的傳感器采集足式機(jī)器人在不同類型地面上重復(fù)行走預(yù)設(shè)距離所產(chǎn)生的數(shù)據(jù)信息；

基于人為方式對所述數(shù)據(jù)信息進(jìn)行標(biāo)注，獲得標(biāo)注數(shù)據(jù)信息；

基于非線性的卡爾曼濾波法對所述標(biāo)注數(shù)據(jù)信息進(jìn)行降噪處理，并對降噪后的數(shù)據(jù)信息利用數(shù)值插補(bǔ)法進(jìn)行頻率對齊，獲得多模態(tài)傳感數(shù)據(jù)信息。

可選的，所述多模態(tài)傳感數(shù)據(jù)信息包括關(guān)節(jié)編碼器的關(guān)節(jié)角度和速度信息、IMU的姿態(tài)和加速度信息、關(guān)節(jié)電流信息及其相關(guān)的統(tǒng)計(jì)學(xué)信息。

可選的，所述粘性層次狄利克雷過程隱馬爾科夫模型的構(gòu)建過程，包括：