姿态分析基于惯性运动捕捉的远程操作系统

　　在太空中捕捉红外光源和反射物体可能会增加各种级别的噪声，并导致错误的决策。姿态分析为了消除噪声，实时需要昂贵的滤波和后处理程序。为了解决上述问题，提供可靠、便携、实时的运动数据采集，本文设计了一种基于IMC套装的移动机械手遥操作控制系统。

　　特别地，所介绍的人机界面系统由KUKAyouBot移动机械手和Xsens组成，它们构成了MVN惯性运动捕捉系统(IMC)。MVNAnalyze由17个惯性运动追踪器组成，这些追踪器通过腰带与人体相连，可以提供实时的全身运动学数据。KUKAyouBot是一个全方位移动平台，带有McNamun轮，可以容纳五个自由度的机器人机械手。机械臂是由五个旋转关节组成的一系列链条，以一个可移动的两指手爪作为末端执行器。IMC系统和移动机械手都与主控计算机进行无线通信。该系统的概况如图1所示。

　　MVNAnalyze以50Hz的采样率采集用户运动数据。为了在用户和移动机械手之间创建直观的映射，我们决定使用右手的位置和方向来生成机器人末端执行器的位置和方向参考。在每个采样时间计算可移动机械手的逆运动学，以将手的位置和方向转换为机器人的关节角度。根据人类用户的身体重心(CoM)的位置和方向来计算全向基座的位置和方向。

　　机器人的完整结构提供了跟踪任何用户CoM的能力(只要满足最大速度约束)。为了消除行走和站立时身体抖动造成的运动伪影；和不自觉的手部动作；首先，对获得的运动学数据进行滤波。此外，我们实现了一个简单的抖动和震颤消除算法来清理运动参考。在非随意运动删除算法中，如果最后一个样本和当前样本之间的欧几里德距离大于预定义的距离，则只有过滤后的新机器人位置参考样本被用作移动机械手的最终运动参考。

　　对于机器人底座和手臂，我们分别将这个距离设置为5mm和1mm。这使得我们能够过滤由无意识运动提供的较高频率和较低幅度的运动，并且仅使用不同的和有意的运动来生成运动参考。如果最后一个样本和当前样本之间的欧几里德距离大于预定距离，则只有过滤后的新机器人位置参考样本将被用作移动机械手的最终运动参考。

　　人类用户的左手被指定向机器人操纵器发出高级命令。因此，实现了一个基于IMC的左臂手势识别器。选择了六种不同的左臂手势来向远程操作系统提供高级命令。这些手势是手向前，手放在胸前，手放在腰上，手向上，手向侧面和中立。为了提高手势识别的可靠性，我们采用了一致投票方案，但代价是增加了时延。该算法考虑十个连续的分类结果，并且仅当所有十个标签属于同一类别时才生成命令。六种手势与特定的命令相关联。一些手势用于切换系统状态，例如“操作开/关”。