[發(fā)明專利]基于用戶姿勢高效能識別的機器人控制方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111556629.0
• 申請日: 2021-12-17
• 公開（公告）號: CN114393575A
• 公開（公告）日: 2022-04-26
• 發(fā)明（設計）人: 姚郁巍;蘇瑞;衡進;孫贇
• 申請（專利權）人: 重慶特斯聯(lián)智慧科技股份有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京辰權知識產(chǎn)權代理有限公司 11619
• 代理人: 付婧

1.基于用戶姿勢高效能識別的機器人控制方法，其特征在于，包括：

獲取身體姿態(tài)數(shù)據(jù)的幀序列，基于所述身體姿態(tài)數(shù)據(jù)的幀序列提取身體姿態(tài)關鍵節(jié)點與身體姿態(tài)數(shù)據(jù)分布空間，將所述身體姿態(tài)數(shù)據(jù)分布空間劃分為三維空間網(wǎng)格，基于所述身體姿態(tài)關鍵節(jié)點與所述三維空間網(wǎng)格計算身體姿態(tài)分段；

基于所述身體姿態(tài)分段，按照第一預設比例抽取狀態(tài)采樣幀，將所述狀態(tài)采樣幀對應的所述身體姿態(tài)關鍵節(jié)點所分布的所述三維空間網(wǎng)格與預設常態(tài)模板進行對比，基于對比結果判斷身體姿態(tài)分段是否處于常態(tài)；

若所述身體姿態(tài)分段處于非常態(tài)，則按照第二預設比例抽取非常態(tài)采樣幀，將所述非常態(tài)采樣幀對應的所述身體姿態(tài)關鍵節(jié)點所分布的所述三維空間網(wǎng)格與指令模板進行對比，基于比較結果對所述身體姿態(tài)分段進行用戶姿態(tài)指令識別，基于所述用戶姿態(tài)指令控制機器人。

2.如權利要求1所述的方法，其特征在于，所述獲取身體姿態(tài)數(shù)據(jù)的幀序列，基于所述身體姿態(tài)數(shù)據(jù)的幀序列提取身體姿態(tài)關鍵節(jié)點與身體姿態(tài)數(shù)據(jù)分布空間，將所述身體姿態(tài)數(shù)據(jù)分布空間劃分為三維空間網(wǎng)格，基于所述身體姿態(tài)關鍵節(jié)點與所述三維空間網(wǎng)格計算身體姿態(tài)分段，包括：

采集身體姿態(tài)數(shù)據(jù)分布空間，將所述身體姿態(tài)數(shù)據(jù)分布空間劃分為三維空間網(wǎng)格；

基于所述身體姿態(tài)數(shù)據(jù)提取所述身體姿態(tài)關鍵節(jié)點，確定所述身體姿態(tài)關鍵節(jié)點分布的所述三維空間網(wǎng)格，生成身體姿態(tài)關鍵節(jié)點分布網(wǎng)格；

定義所述三維空間網(wǎng)格之間的姿態(tài)轉移矩陣，并基于所述身體姿態(tài)關鍵節(jié)點分布網(wǎng)格對所述姿態(tài)轉移矩陣進行賦值；

基于賦值后的所述姿態(tài)轉移矩陣與同一身體姿態(tài)關鍵節(jié)點在所述三維空間網(wǎng)格之間進行轉移的概率，利用預設算法生成動態(tài)分界幀，基于所述動態(tài)分界幀生成所述身體姿態(tài)分段。

3.如權利要求2所述的方法，其特征在于，所述基于所述相同身體姿態(tài)關鍵節(jié)點與所述三維空間網(wǎng)格，利用預設算法生成動態(tài)分界幀，基于所述動態(tài)分界幀生成所述身體姿態(tài)分段，包括：

定義轉移概率矢量，基于賦值后的所述姿態(tài)轉移矩陣與所述同一身體姿態(tài)關鍵節(jié)點在所述三維空間網(wǎng)格之間進行轉移的概率對轉移概率矢量進行迭代，生成穩(wěn)定概率，基于所述穩(wěn)定概率構建轉移概率矢量組；

基于所述轉移概率矢量組確定所述身體姿態(tài)關鍵節(jié)點的節(jié)點轉移概率，將所述節(jié)點轉移概率累加，生成姿態(tài)轉移概率；

將所述姿態(tài)轉移概率與姿態(tài)轉移判定閾值進行比較，生成所述動態(tài)分界幀，基于所述動態(tài)分界幀生成所述身體姿態(tài)分段。

4.如權利要求2所述的方法，其特征在于，所述基于所述身體姿態(tài)分段，按照第一預設比例抽取狀態(tài)采樣幀，將所述狀態(tài)采樣幀對應的所述身體姿態(tài)關鍵節(jié)點分布網(wǎng)絡與預設常態(tài)模板進行對比，基于對比結果判斷身體姿態(tài)分段是否處于常態(tài)，包括：

基于所述身體姿態(tài)分段，按照第一預設比例抽取狀態(tài)采樣幀；

將所述狀態(tài)采樣幀對應的所述身體姿態(tài)關鍵節(jié)點分布網(wǎng)格與預設常態(tài)模板進行對比，生成所述采樣幀偏離度；

基于所述采樣幀偏離度計算偏離度平均值，將所述偏離度平均值與偏離閾值進行比較，基于比較結果判斷所述身體姿態(tài)分段是否處于常態(tài)。

5.如權利要求4所述的方法，其特征在于，所述若所述身體姿態(tài)分段處于非常態(tài)，則按照第二預設比例抽取非常態(tài)采樣幀，將所述非常態(tài)采樣幀對應的所述身體姿態(tài)關鍵節(jié)點分布網(wǎng)絡與指令模板進行對比，基于比較結果對所述身體姿態(tài)分段進行用戶姿態(tài)指令識別，基于所述用戶姿態(tài)指令控制機器人，包括：

若所述身體姿態(tài)分段處于非常態(tài)，則按照第二預設比例抽取非常態(tài)采樣幀；

將所述非常態(tài)采樣幀對應的所述身體姿態(tài)關鍵節(jié)點分布網(wǎng)格與指令模板進行對比，生成指令模板符合度；

基于所述指令模板符合度計算符合度平均值，將所述符合平均值與指令閾值進行比較，基于比較結果判斷所述身體姿態(tài)分段是否屬于所述用戶姿態(tài)指令；

若所述身體姿態(tài)分段的屬于所述用戶姿態(tài)指令，則基于所述用戶姿態(tài)指令控制所述機器人。