基于IMU的主动伴舞机器人人机协作控制算法

计算机工程与科学

基于IMU的主动伴舞机器人人机协作控制算法

刘召1,2，宋立滨2，于涛2，郭凯2，王增喜2，耿美晓2

（1.清华大学天津高端装备研究院，天津 300304;2.清研华宇智能机器人（天津）有限责任公司，天津 300304）

收稿日期:2016-06-30 修回日期:2016-11-04 出版日期:2018-01-25 发布日期:2018-01-25
基金资助:
国家自然科学基金（51005126）

An IMU-based human-machine cooperation

control algorithm of active dancing robot

LIU Zhao1,2，SONG Li-bin2，YU Tao2，GUO Kai2，WANG Zeng-xi2，GENG Mei-xiao2

（1.Tianjin Research Institute for Advanced Equipment,Tsinghua University,Tianjin 300304;

2.Tsingyan Huayu Robot and Automation( Tianjin) Co.,Ltd.,Tianjin 300304,China）

Received:2016-06-30 Revised:2016-11-04 Online:2018-01-25 Published:2018-01-25

摘要/Abstract

摘要：

提出了基于惯性测量单元IMU的主动型伴舞机器人人机协作控制算法。机器人腰部安装具有一定刚度的弹簧，利用Kalman滤波将三轴加速度计数据与三轴陀螺仪数据进行融合，得到机器人在人类舞伴作用下的姿态角变化，采用阈值法滤除相对姿态角抖动误差，再结合当前机器人状态，综合判断得到相对姿态角到速度矢量的映射。将期望轨迹速度与人力产生的轨迹修正速度融合，得到人机协作下机器人的运动轨迹和剩余目标点的坐标修正值。将算法应用于华尔兹CCL舞步轨迹测试，实验结果表明算法效果良好。

关键词: 主动伴舞机器人, 人机协作, 卡尔曼滤波, 姿态角

Abstract:

This paper proposes an IMU (Inertial Measurement Unit) -based human-machine cooperation control algorithm of active dancing robot The robot is equipped with three springs with a certain rigidity at the waist. Kalman filter is used to fuse the triaxial accelerometer data with the three-axis gyroscope data to obtain the changes of attitude angle of the robot under the influence of human partners. The threshold method is used to eliminate the jitter error of attitude angle. Combined with the current state of the robot, the mapping of the relative attitude angle to the velocity vector is obtained. Then, the desired trajectory speed and the human trajectory correction speed are fused to get the robot trajectory and the corrected coordinates of the remaining target points. The algorithm is applied to Waltz CCL (Closed Change Left) trajectory test, and the experimental results show that the algorithm works well.

Key words: active dancing robot, human-machine cooperation, Kalman filtering, attitude angles

刘召1,2，宋立滨2，于涛2，郭凯2，王增喜2，耿美晓2. 基于IMU的主动伴舞机器人人机协作控制算法[J]. 计算机工程与科学.

LIU Zhao1,2，SONG Li-bin2，YU Tao2，GUO Kai2，WANG Zeng-xi2，GENG Mei-xiao2.

An IMU-based human-machine cooperation

control algorithm of active dancing robot

[J]. Computer Engineering & Science.

[1]	熊炜1,2，王传胜1，李利荣1，刘敏1，曾春艳1. 结合光流法和卡尔曼滤波的视频稳像算法[J]. 计算机工程与科学, 2020, 42(03): 493-499.
[2]	宋建材1,3,候春萍1,薛桂香2. 基于扩展卡尔曼滤波的时钟模型辅助定位算法[J]. 计算机工程与科学, 2018, 40(04): 740-744.
[3]	施啸天1，张宇2，方舟1. 基于前后双摄像头的鲁棒视觉里程计算法[J]. 计算机工程与科学, 2017, 39(10): 1862-1869.
[4]	张昆1，陶建锋2，贺思三2. 基于UKF和优化组合策略的改进粒子滤波算法[J]. 计算机工程与科学, 2017, 39(08): 1483-1488.
[5]	王祎1，杏建军1，于洋1，郑黎明1，赵延鹏1，刘琛2. 编队卫星相对位置测量信息自主确定月球引力场的方法[J]. J4, 2016, 38(01): 125-130.
[6]	何晓亮1,2，宋威1，梁久祯1. 基于资源分配网络和语义特征选取的文本分类[J]. J4, 2014, 36(02): 340-346.
[7]	孙雷1,2，李冬1，易东云1. 基于迭代UKF的主动段弹道跟踪算法研究[J]. J4, 2014, 36(01): 121-125.
[8]	董立红. 基于卡尔曼滤波的刮板输送机张力控制系统[J]. J4, 2013, 35(4): 186-190.
[9]	蒋学斌. 微固态航姿系统的仿真与设计[J]. J4, 2012, 34(9): 193-196.
[10]	余东，黄文明，温佩芝，宁如花，黄锦芳. 基于卡尔曼滤波改进的精子图像序列分割方法[J]. J4, 2012, 34(7): 104-108.
[11]	吴飞. 一种具有在线参数调整功能的Kalman滤波及其应用[J]. J4, 2012, 34(6): 93-96.
[12]	魏晓宁. 基于视频跟踪系统的卡尔曼滤波器方法研究[J]. J4, 2011, 33(11): 113-116.
[13]	钱永青，谢勤岚. 结合Camshift和Kalman预测的运动目标跟踪[J]. J4, 2010, 32(8): 81-83.
[14]	易大江王浩贾坤丁文霞郭桂蓉. 基于球面模型的GPS／DR组合导航系统研究[J]. J4, 2008, 30(6): 121-124.
[15]	邵金鑫王玲魏星. 基于高斯-施密特粒子滤波器的多机器人协同定位[J]. J4, 2007, 29(6): 117-120.