基于Kinect的NAO機器人的模仿動作的研究.pdf

1、機器人模仿是目前人機交互領域研究熱點之一，在探尋如何提高機器人人工智能水平，讓機器人自主適應周邊環(huán)境等方面具有重要價值。隨著社會的發(fā)展和社會分工的細化，通過編程控制機器人在不同環(huán)境下完成精度高、內容復雜的工作愈發(fā)困難。而通過模仿的交互方式則為這種問題提供了潛在的解決方案。本文主要對基于NAO機器人的模仿動作進行了研究。
　　本文首先基于Kinect傳感器，以NAO機器人為實驗平臺，實現(xiàn)了NAO機器人對于人類動作的模仿。針對模仿過程

2、中的平滑性，時空一致性等問題對模仿動作進行了優(yōu)化。將人臉識別算法與模仿相結合，利用 Kinect對人體骨骼檢測的準確性準確定位人臉位置，實現(xiàn)了針對指定人的模仿內容。最后采用BP神經網絡對模仿動作的穩(wěn)定狀態(tài)進行預判，避免了實驗過程中機器人由于不穩(wěn)定而摔倒的問題。具體研究內容如下：
　　首先，通過Kinect和NAO機器人SDK與計算機的連接，構建實驗平臺。應用改進的逆運動學算法實現(xiàn)了機器人對于人體手臂動作的模仿。
　　其次，在

3、手臂模仿基礎上，對模仿動作進行優(yōu)化：采用滑動平均濾波和限幅濾波，增加機器人動作平滑性，減少角度突變對關節(jié)電機造成的傷害；采用按比例調節(jié)的方法，讓機器人的運動速度實時變化，保證模仿動作的時空一致性；通過計算機存儲人體一系列骨骼點數據，使機器人能夠在任何時候復現(xiàn)人體動作；將動作模仿與人臉識別相結合，實現(xiàn)了針對指定的某個人的模仿。
　　最后，在手臂模仿基礎上加入對腿部關節(jié)的控制。由于人體關節(jié)和機器人結構的不同，對人體正常站立情況下機器人

4、對應的關節(jié)角度進行設定，作為實驗初始姿態(tài)。考慮到在加入腿部關節(jié)控制后，機器人會存在由于重心不穩(wěn)而摔倒的問題，本文提出采用BP神經網絡對將要執(zhí)行的動作進行穩(wěn)定狀態(tài)辨識的方法，避免機器人由于動作不穩(wěn)定而摔倒。
　　實驗證明，通過濾波和速度控制，對于結構差異和噪聲造成的角度突變有良好的抑制作用，同時保證了模仿動作的時空一致性；通過 Kinect對人體骨骼框架的判斷定位人臉，有效的避開了旋轉、光照等影響，實現(xiàn)了針對指定人的模仿；在全身模仿