东南大学学报自然科学版０获取路面图像信息根据采集图像的灰度大小转换为不同音量的提示声文献５通过双目摄像头获取路况图像的深度信息和轮廓信息采用语音提示模但是以上几种基于语式将路况信息提供给使用者音的导航助盲设备在嘈杂的环境下使用者可能无法及时有效地接收提示信息或者需要

Size: px

Start display at page:

Download "东南大学学报自然科学版０获取路面图像信息根据采集图像的灰度大小转换为不同音量的提示声文献５通过双目摄像头获取路况图像的深度信息和轮廓信息采用语音提示模但是以上几种基于语式将路况信息提供给使用者音的导航助盲设备在嘈杂的环境下使用者可能无法及时有效地接收提示信息或者需要"

滑陪周
5 years ago
Views:

1 第 46 卷第 5 期 2016 年 9 月东南大学学报 ( 自然科学版 ) JOURNALOFSOUTHEASTUNIVERSITY(NaturalScienceEdition) Vol.46 No.5 Sept.2016 doi: /j.isn 基于振动触觉的移动机器人为人导航系统刘杰宋光明彭璜张颖杨茜宋爱国 ( 东南大学仪器科学与工程学院, 南京 ) 摘要 : 为了给视觉障碍者或助航需求者自主行走提供帮助减轻其心理负担, 设计了一种基于振动触觉的移动机器人为人导航系统. 该系统通过移动机器人搭载 Kinect 体感设备为使用者提供其姿态信息, 再结合振动触觉腕带装置的反馈实现机器人为人导航的功能, 即引导使用者在预先规划好的路径上行走. 整个为人导航过程中使用者和机器人之间的相对距离和相对角度收敛到给定值, 最终确保在机器人的引导下按照给定路径使得使用者安全准确到达目的地. 基于领导者跟随者控制模型, 提出了适合本系统的人机协作控制算法, 进行了振动触觉识别率实验, 完成了本系统在平坦地面轨迹跟踪实验和对起伏地面的适应能力测试, 验证了算法的正确性与可行性. 最后, 对本系统抗干扰能力进行实验分析, 以验证系统的鲁棒性. 关键词 : 振动触觉 ; 为人导航 ; 移动机器人 ; 人机协作中图分类号 :TP24 文献标志码 :A 文章编号 : (2016) Mobileroboticnavigationsystem forhuman basedonvibro tactileperception LiuJie SongGuangming PengHuang ZhangYing YangXi SongAiguo (SchoolofInstrumentScienceandEngineering,SoutheastUniversity,Nanjing210096,China) Abstract:Tohelpthevisualyimpairedpeopleorthosewhoneednavaidwalkindependentlyandal leviatethepsychologicalburden,amobileroboticnavigationsystemforhumanbasedonvibro tactile perceptionwasdesigned.thesystem canprovidedthenavigationfunctionforhumanbycombining theuser spostureinformationgivenbythekinectsensormountedonthemobilerobotandthefeed backofthevibro tactilebraceletdevice,guidingtheusertoaplannedpath.inthenavigation proces,therelativedistanceandtherelativeanglebetweentheuserandtherobotconvergetoagiv envalue,ensuringthattheuserreachesthedestinationsafelyandaccuratelyundertheguidanceof therobot.basedontheleader folowercontrolmodel,acooperativehuman robotcontrolalgorithm isproposed.thevibrationtactilerecognitionrateexperimentiscariedout,andthetrajectorytrack ingexperimentontheflatgroundandtheadaptivecapacitytestontheundulatingterainarecomple ted,whichverifythecorectnesandfeasibilityofthealgorithm.finaly,theanti interferenceabili tyofthesystem isanalyzedbyexperimentsinordertoverifytherobustnesofthesystem. Keywords:vibro tactileperception;navigationforhuman;mobilerobot;cooperativehuman robot navigation 与普通人相比, 由于视觉信息的缺失, 盲人和存在视觉障碍的人在行走过程中无法及时有效地获得路况与位置信息, 导致其活动受限行走危险性增加等. 同时, 当普通人处在一个复杂且视野受限的未知环境中, 如何准确到达目的地也是亟待解决的问题. 因此, 如何获取环境信息成为导盲助航设备研制的关键点. ] 基于语音提示的导盲助航设备在一定程度 3] 上克服了传统导盲手段的缺陷, 能够给出导航的方向信息. 文献 4] 采用安装在头部的单目摄像头来收稿日期 : 作者简介 : 刘杰 (1990 ), 男, 硕士生 ; 宋光明 ( 联系人 ), 男, 博士, 教授, 博士生导师,mikesong@seu.edu.cn. 基金项目 : 国家自然科学基金资助项目 ( ) 江苏省六大人才高峰高层次人才选拔培养资助项目 (WLW 010). 引用本文 : 刘杰, 宋光明, 彭璜, 等. 基于振动触觉的移动机器人为人导航系统 J]. 东南大学学报 ( 自然科学版 ),2016,46(5): DOI: /j.isn

2 东南大学学报自然科学版０获取路面图像信息根据采集图像的灰度大小转换为不同音量的提示声文献５通过双目摄像头获取路况图像的深度信息和轮廓信息采用语音提示模但是以上几种基于语式将路况信息提供给使用者音的导航助盲设备在嘈杂的环境下使用者可能无法及时有效地接收提示信息或者需要刻意集中注意力来保证有效信息的获取这在一定程度上会增加使用者的心理负担容易造成使用者听觉疲劳触觉作为人体有效获取外部信息的一种方式使用振动触觉来表达导盲助航的信息引起了研究者的广泛关注文献６对振动电机的振幅振动持续时间以及频率对人体感知触觉信息的影响进行研究对基于振动触觉设备的发展具有重要指导意义文献７提出了一种基于触觉信息的反馈构建未知环境地图的方法来实现盲人导航文献８研制了一款振动触觉背心通过嵌入背心的振动电机阵列来表达方位信息实现盲人导航的功能机器人导航９或目标追踪技术对导盲助航设０提出通备的研制也有很大的促进作用文献过移动机器人上搭载的ＲＧＢＤ摄像头获取人的位置信息从而实现多个机器人跟踪一个使用者的功能文献提出了一种移动机器人与物体保持一定安全距离的算法该方法可以实现移动机器人在一定安全距离范围内追随移动物体针对导盲助航的问题本文设计了一种基于振动触觉的移动机器人为人导航系统开发了一种结构简单体积小巧的振动触觉腕带装置在多机器人领导者跟随者控制模型编队算法２的基础上提出了适合本系统的机器人为人导航人机协作控制算法佩戴有振动触觉装置的使用者在移动机器人引导下按照预先规划好的路径行走通过调节使用者的角速度与机器人的线速度使使用者和机器人的相对距离和相对角度收敛到给定值最终使使用者安全准确到达目的地第６卷移动机器人实验平台移动机器人实验平台包括小型履带式移动机器人Ｋｉｔ体感设备Ｚｉｇｂ无线通信模块和ＰＣ上位机图２为移动机器人实验平台图２移动机器人实验平台小型履带式移动机器人具有体积小环境适应性好和负载能力强等优点因此本系统选用小型履带式移动机器人作为本系统实验平台的载体本系ｍ宽统使用的小型履带式移动机器人长为５为２５ｍ高为０ｍ质量为ｋｇ最高速度可达２ｍｓ负载能力为０ｋｇ能够满足本系统的需求Ｋｉｔ是微软公司开发的一款体感设备能采集使用者２０个关节点本系统选用使用者在行走过程中摆动幅度较小的肩膀中间右肩左肩脊椎中段臀部中间右臀左臀多个关节点采样周期００ｍｓ并处理相邻２次采样数据得到使用者为ｔ骨骼关节点分布图的运动状态和位置信息Ｋｉ如图所示在本系统中Ｋｉｔ体感设备安装在履带机器人上且面向使用者用于采集使用者的骨骼关节点数据信息系统总体设计本文提出基于振动触觉的移动机器人为人导航系统如图所示该系统包括移动机器人实验平台和振动触觉腕带装置图Ｋｉｔ骨骼关节点分布图图移动机器人为人导航系统示意图ｈｔｔｐｊｏｕｒａｌｓｕｄｕ本系统采用的Ｚｉｇｂ无线模块用于实现机器人实验平台与振动触觉腕带装置之间的通信其中振动触觉装置使用Ｖ干电池供电通信时间间

3 第 5 期刘杰, 等 : 基于振动触觉的移动机器人为人导航系统 1015 隔为 100ms.ZigBee 模块 1( 即 MCU1) 与上位机之间通过串口 1 连接, 波特率为 bit/s,Zig Bee 模块 2( 即 MCU2) 作为振动触觉腕带装置的处理器, 负责接收上位机指令并转化为触觉信息. ZigBee 模块 1 与 ZigBee 模块 2 组成点对点的通信网络, 进行使用者和机器人之间信息的交换. 图 4 为移动机器人为人导航系统结构框图. 当系统开始工作时, 上位机通过 Kinect 体感设备以 10 帧 /s 的速率采集使用者的骨骼关节点数据信息, 并进行计算处理. 在获取了使用者位姿后, 上位机将根据相关信息通过串口 2 发送控制指令给下位机, 从而控制机器人进行相应调节, 同时通过 ZigBee 模块发送振动电机控制指令给触觉腕带装置, 使用者根据触觉反馈信息进行位姿调节. 表示电机不振动, 用 4 个电机不同组合形式来表示使用者处于 Kinect 视野中的不同区域, 振动电机编码与使用者的区域关系如表 1 所示. 使用者的区域分布图如图 6 所示. 将边长为 20cm 的正方形区域设置为区域 0, 即使用者处在理想区域内, 该区域内使用者能较好地跟随移动机器人轨迹行走, 此时 4 个电机均不发生振动 ; 其余区域表示使用者偏离理想区域, 其中, 区域 1 区域 2 区域 3 区域 4 分别表示向前右后左偏离理想区域, 区域 5 区域 6 区域 7 区域 8 分别表示向右前右后左后左前偏离理想区域, 此时电机按照相应的编码振动, 从而提醒使用者调节自身位姿. (a) 腕带展开图 (b) 腕带佩戴图图 5 触觉腕带装置表 1 振动电机编码与使用者所在区域关系图 4 移动机器人为人导航系统结构 1.2 振动触觉腕带装置触觉是人体获取外部信息的重要通道, 与视觉和听觉相比, 有其显著的优势, 能很大程度上减少外界环境的干扰. 文献 13] 重点研究了人体不同部位的触觉敏感度, 其中手腕为触觉敏感度较高的一个区域, 该区域穿戴较为方便. 本文在此基础上设计了一种结构简单体积小巧的振动触觉腕带装置. 振动触觉腕带装置采用了一种微型纽扣式直流电机作为振子, 电机壳外径为 10mm, 厚度为 3mm. 振子紧贴手腕内侧皮肤放置, 按照预先设定的振动编码来驱动振子, 产生振动触觉信号并作用于皮肤, 向使用者传达下位机的控制信息. 根据文献 14], 当手腕部位能区分 2 种不同振动刺激信号时, 电机之间的最小距离为 35mm. 本文将 4 个振动电机均匀分布在边长为 80mm 的正方形顶点上, 以确保任意 2 个振动电机之间的距离远大于 35mm. 振动触觉腕带装置包括嵌入了振动电机的腕带和用于与机器人进行无线通信的 ZigBee 模块, 腕带展开图如图 5(a) 所示, 振动电机腕带装置的佩戴图如图 5(b) 所示. 采用二进制 0 和 1 对电机工作状态进行编码,1 表示电机振动,0 振动电机编码使用者所在区域图 6 使用者所在区域分布图 ( 单位 :cm) 2 导航算法 2.1 领导者跟随者控制模型在多机器人系统中, 文献 ] 提出了一种领导者跟随者控制模型, 该模型广泛应用于多机器人编队控制. 在该模型中, 机器人 2 为领导者, 机器人 1 为跟随者, 见图 7. 机器人 2 以固定距离 l d 与固定角度 γ d 与机器人 1 在一定误差范围内进行协同运动.

1016 东南大学学报 ( 自然科学版 ) 第 46 卷图 7 领导者跟随者控制模型由领导者跟随者控制模型可列出如下关于距离 l 和角度 γ 变化量的运动学方程 : l =v 1 cosγ -v 2 cosψ } γ = 1 (v l 2 sinψ -v 1 sinγ -l ω 2 ) (1) 式中,v i,ω i (i=1,2) 分别表示机器人 1 机器人 2 的线速度与角速度 ;l

由式 (1) 可得出控制模型的矩阵方程为 l γ ] cosγ 0 = -sinγ 0 l v 1 ω 1 -cosψ 0 v + sinψ -1 l 2 ω] 2 (2) 将式 (2) 整理可得 z=g 1 u 1 +G 2 u 2 z={l,γ } T,u 1 ={v 1,ω 1 } T,u 2 ={v 2,ω 2 } T -cosγ 0 cosψ 0 G 1 = sinγ 0, G 2=

机器人为人导航算法与领导者跟随者控制模型算法不同, 领导者跟随者控制模型主要工作是设计协同控制律使得跟随者与领导者之间保持期望的队形, 领导者自身的运动线速度和角速度都根据给定路径来确定, 与跟随者运动状态无关. 跟随者根据领导者的运动状态动态调节自身的角速度与线速度以保证相对距离与相对角度收敛到给定值.

4 1016 东南大学学报 ( 自然科学版 ) 第 46 卷图 7 领导者跟随者控制模型由领导者跟随者控制模型可列出如下关于距离 l 和角度 γ 变化量的运动学方程 : l =v 1 cosγ -v 2 cosψ } γ = 1 (v l 2 sinψ -v 1 sinγ -l ω 2 ) (1) 式中,v i,ω i (i=1,2) 分别表示机器人 1 机器人 2 的线速度与角速度 ;l 为机器人 1 与机器人 2 之间的实际测量距离 ;γ 为机器人 1 的前进方向与 l 之间的实际测量夹角 ;ψ 为机器人 2 前进方向与 l 之间的实际测量夹角. 由式 (1) 可得出控制模型的矩阵方程为 l γ ] cosγ 0 = -sinγ 0 l v 1 ω 1 -cosψ 0 v + sinψ -1 l 2 ω] 2 (2) 将式 (2) 整理可得 z=g 1 u 1 +G 2 u 2 z={l,γ } T,u 1 ={v 1,ω 1 } T,u 2 ={v 2,ω 2 } T -cosγ 0 cosψ 0 G 1 = sinγ 0, G 2= -sinψ -1 l l 此控制模型的输出量 u 1 为 u 1 =G -1 1 ( z-g 2 u 2 ), z= k 1(l -l d ) k 2 (γ -γ d ) 式中,k 1 和 k 2 (k 1,k 2 >0) 是根据系统确定的参数 ; γ d 为机器人 1 前进方向与 l 之间的固定角度 ;l d 为机器人 1 与机器人 2 之间的固定距离. 2.2 机器人为人导航算法本文在领导者跟随者控制模型的基础上提出了一种移动机器人为人导航的控制算法, 将多机器人领域的协同运动算法应用于机器人为人导航领域, 为导盲助航设备的发展起到一定的推动作用. 机器人为人导航算法与领导者跟随者控制模型算法不同, 领导者跟随者控制模型主要工作是设计协同控制律使得跟随者与领导者之间保持期望的队形, 领导者自身的运动线速度和角速度都根据给定路径来确定, 与跟随者运动状态无关. 跟随者根据领导者的运动状态动态调节自身的角速度与线速度以保证相对距离与相对角度收敛到给定值. 而本文提出的机器人为人导航控制算法是为了提高使用者的自主性与舒适性, 使用者的线速度是根据使用者自身运动能力所决定的, 不受到机器人运动状态的限制, 但是使用者的角速度则根据振动触觉反馈信息和导航算法进行动态调节. 机器人的运动线路是给定路径, 用于引导使用者的运动轨迹, 机器人的运动角速度是根据给定路径来确定的, 而线速度则根据使用者的运动状态进行动态调节. 通过调节使用者的角速度与机器人的线速度使使用者和机器人的相对距离和相对角度收敛到给定值, 在机器人的引导下, 按照给定路径实现机器人为人导航的功能. 机器人为人导航控制模型如图 8 所示. 图 8 机器人为人导航控制模型由式 (1) 可以推导出适合机器人为人导航控制模型的矩阵公式, 即 sinψ γ l ] ω 2 v] 1 0 v = l sinγ l ω1 -cosψ 0 0 cosγ 整理得 q=fu 1 +Gu 2 (3) sinψ 0 式中,G= l, F= -1 -sinγ l, -cosψ 0 0 cosγ q={γ,l } T,u 1 ={ω 2,v 1 } T,u 2 ={v 2,ω 1 } T. 此机器人为人导航系统模型的输出量 u 2 为 u 2 =G -1 ( q-fu 1 ) q= k 1(γ -γ d ) k 2 (l -l d ) 3 实验与分析 3.1 振动触觉识别率实验在振动触觉识别率实验中选取了 10 名 20~ 30 岁身体状态良好感官正常的并且没有参加过类似实验的在校大学生. 初步采用的振动触觉编码方式为静态编码, 即编号 1,2,3,4 对应位置上只有 1 个电机在振动, 编号 5,6,7,8 对应位置上有 2 个电机同时振动. 由系统随机产生表 1 中 9 种电机的振动情况, 振动周期为 500ms, 电机的振动频率为

第 5 期刘杰, 等 : 基于振动触觉的移动机器人为人导航系统 1017 250Hz. 每位受试者进行实验前有 5min 的适应时间. 当受试者感受到电机振动时, 记录相应的电机号. 每名受试者进行 100 次实验, 为了保证受试者良好的状态, 实验共分成 5 组, 每组 20 次, 每组之间受试者休息 5min. 表 2 为振动电机静态编码与识别成功率的比较.

表 2 振动电机静态编码与识别成功率关系振动电机编码识别成功率 /% 0 100 1 99.1 2 100 3 98.0 4 99.2 5 84.0 6 86.7 7 81.6 8 82.3 图 9 为振动电机静态编码和动态编码识别成功率的比较.

d 本系统实验的室内实验场地是东南大学中心楼内部的楼道与大厅内, 平坦地面轨迹跟踪实验地图如图 10(a) 所示. 其中, 走廊为起点, 大厅为终点, 曲线表示运动轨迹, 平坦地面轨迹跟踪实验场景图如图 10(b) 所示. 本实验选取的实验对象是 10 名 20~30 岁的在校大学生, 并通过了上述振动触觉的训练与实验, 用眼罩遮住双眼, 避免视觉干扰.

5 第 5 期刘杰, 等 : 基于振动触觉的移动机器人为人导航系统 Hz. 每位受试者进行实验前有 5min 的适应时间. 当受试者感受到电机振动时, 记录相应的电机号. 每名受试者进行 100 次实验, 为了保证受试者良好的状态, 实验共分成 5 组, 每组 20 次, 每组之间受试者休息 5min. 表 2 为振动电机静态编码与识别成功率的比较. 从表 2 中可知, 编号 0,1,2,3,4 的正确率较高, 满足导航对振动腕带装置识别率的需求. 编号 5,6,7,8 的识别错误率明显比编号 0,1,2,3,4 错误率高, 可知相邻电机同时振动时相互之间会产生干扰, 影响使用者的判断. 鉴于以上的实验结果, 对编号 5,6,7,8 的编码方式进行了改进, 采用动态编码模式, 即让 2 个振动电机以一定的时间间隔进行交替振动. 表 2 振动电机静态编码与识别成功率关系振动电机编码识别成功率 /% 图 9 为振动电机静态编码和动态编码识别成功率的比较. 由于人体对触觉信号的改变比对持续的触觉振动更加敏感, 因此动态编码能明显提高编号 5,6,7,8 位置的振动电机的识别率, 识别成功率达 95% 以上, 能有效地降低相邻电机的振动干扰, 满足本系统对振动触觉腕带装置的使用要求. 关节点数据信息. 本系统控制模型选择的参数为 : 机器人与使用者之间的固定距离为 l d =200cm, 机器人与使用者的固定角度为 γ=0. d 本系统实验的室内实验场地是东南大学中心楼内部的楼道与大厅内, 平坦地面轨迹跟踪实验地图如图 10(a) 所示. 其中, 走廊为起点, 大厅为终点, 曲线表示运动轨迹, 平坦地面轨迹跟踪实验场景图如图 10(b) 所示. 本实验选取的实验对象是 10 名 20~30 岁的在校大学生, 并通过了上述振动触觉的训练与实验, 用眼罩遮住双眼, 避免视觉干扰. 使用相机来拍摄移动机器人实验平台和使用者的运动路径, 并用秒表记录运动时间, 进行处理后得到导航过程中移动机器人与使用者的运动轨迹, 其中机器人和 3 名使用者在实验中的轨迹图如图 11 所示. (a) 平坦地面轨迹跟踪实验地图 (b) 平坦地面轨迹跟踪实验场景图 10 平坦地面轨迹跟踪实验地图和实验场景图 11 使用者与移动机器人轨迹图图 9 静态编码与动态编码识别成功率的比较 3.2 系统实验本节实验所采用的机器人是小型履带式移动机器人. 上位机具有 4GB 内存主频 2.9GHz 的 i5 处理器的笔记本电脑, 能满足本实验的需求. 上位机通过串口以 10 帧 /s 的速率采集 Kinect 骨骼分析图 11 移动机器人与使用者的轨迹图可知, 在路径为直线或曲率很小的弯道时, 使用者能够较好地跟随机器人的运动轨迹, 在曲率较大的弯道 ( 本实验中约 y=15m 处 ) 时, 使用者与机器人轨迹会出现较大的偏离. 当角度偏离出现以后, 使用者能通过振动腕带装置的提示逐渐减小轨迹误差, 最后实现轨迹跟踪.

东南大学学报自然科学版０８针对拐弯角度进行分析本实验将机器人一次性的旋转角度设为０５０６０分别进行实验角度与轨迹偏离距离如图２所示当拐弯角度大于５５时Ｋｉｔ体感器将不能检测到使用者无法完成轨迹跟踪的功能

使用者根据触止使用者超出Ｋｉ觉提示信息运动到合适的位置机器人再继续转动实现系统的大角度转弯第６卷出现抖动但并不影响导航系统功能的实现原因是该机器人为履带机器人对地面的适应能力较强

② 干扰者进入系统但不遮挡使用者 ③ 干扰者进入系统并遮挡使用者见图图ａ为物体从使用者和机器人中间快速穿过的视频截图在导航过程中将方形纸箱从使用图２机器人拐弯角度与轨迹偏移距离关系图本实验还对平坦地面使用者从起点到终点的

平坦地面导航时间测量结果使用者编号使用本系统跟踪时间使用手杖所用时间２６５２５６７５８９６５６０６６６６７２５６８０６２９８５９０５８平均值６ａ物体从导航系统中快速穿过ｓｂ

6 东南大学学报自然科学版０８针对拐弯角度进行分析本实验将机器人一次性的旋转角度设为０５０６０分别进行实验角度与轨迹偏离距离如图２所示当拐弯角度大于５５时Ｋｉｔ体感器将不能检测到使用者无法完成轨迹跟踪的功能当角度小于５５时从０开始随着角度的增加拐弯处的偏移距离越来越大但是增加的幅度却在减小本系统中把机器人与使用者之间的最大角度设为５０当转角达到最大角度５０时机器人停止转动等待使用者防ｔ的视野范围使用者根据触止使用者超出Ｋｉ觉提示信息运动到合适的位置机器人再继续转动实现系统的大角度转弯第６卷出现抖动但并不影响导航系统功能的实现原因是该机器人为履带机器人对地面的适应能力较强该导航系统使用者所在的理想位置为一定的区域范围允许机器人在一定范围内发生抖动图起伏地面实验场景图系统抗干扰能力测试实验针对在运动过程中有物体或干扰者进入系统的情况进行以下种情况的实验测试 ① 物体从使用者和机器人中间快速穿过 ② 干扰者进入系统但不遮挡使用者 ③ 干扰者进入系统并遮挡使用者见图图ａ为物体从使用者和机器人中间快速穿过的视频截图在导航过程中将方形纸箱从使用图２机器人拐弯角度与轨迹偏移距离关系图本实验还对平坦地面使用者从起点到终点的带时间进行评估正常人所用的平均时间是０ｓ上眼罩使用手杖的使用者所用的平均时间为６ｓ带上眼罩使用本系统的使用者所用的平均时间为ｓ本系统相对于使用手杖能缩短使用者运动０个使用者所用的具体时间如表所示时间表平坦地面导航时间测量结果使用者编号使用本系统跟踪时间使用手杖所用时间２６５２５６７５８９６５６０６６６６７２５６８０６２９８５９０５８平均值６ａ物体从导航系统中快速穿过ｓｂ干扰者进入系统但不遮挡使用者为了验证为人导航系统对起伏地面的适应能力以００ｍ０ｍ２ｍ的路障间隔８０ｍ分布进行测试实验图为起伏地面实验场景图经干扰者进入系统并遮挡使用者过实验测得该导航系统在通过起伏路面时虽然会图系统抗干扰实验视频截图ｈｔｔｐｊｏｕｒａｌｓｕｄｕ

7 第 5 期刘杰, 等 : 基于振动触觉的移动机器人为人导航系统 1019 者和机器人中间快速穿过, 会出现物体遮挡骨骼点的问题, 可分为 2 种情况 :1 使用者的骨骼点被部分遮挡,Kinect 依然能根据现有的骨骼点来确定使用者的位置 ;2 使用者的骨骼点被挡住过多或被完全遮挡,Kinect 将无法识别到使用者, 此时使用者和机器人都停止运动直至物体快速通过后,Ki nect 将重新识别到使用者, 继续执行导航任务. 图 14(b) 为干扰者进入系统但不遮挡使用者情况的视频截图, 其中椭圆曲线部分为干扰者. 在导航过程中让干扰者进入该系统, 结果表明该导航系统没有受到影响, 原因是 Kinect 骨骼追踪引擎对于每一个追踪到骨骼信息的对象都有一个唯一编号, 该编号会随着新追踪到的对象产生而增加. 应用程序使用 TrackingID 来指定需要骨骼追踪引擎追踪的使用者, 调用 SkeletonStream 对象的 ChooseSkeleton 来实现对指定使用者的追踪. 图 14(c) 为干扰者进入系统并遮挡使用者情况的视频截图, 其中椭圆曲线部分为干扰者. 在导航过程中让干扰者进入系统并遮挡使用者, 此时使用者消失在 Kinect 视野中, 机器人将停止运动直至干扰者消失在 Kinect 视野中后再进行指定使用者的导航任务. 4 结语针对导盲助航的问题, 本文在移动机器人平台的基础上开发了一套基于振动触觉的移动机器人为人导航系统. 该系统包括小型履带式移动机器人 Kinect 体感设备 ZigBee 无线通信模块振动触觉腕带装置和 PC 上位机. 本文提出了一种基于振动触觉感知的机器人为人导航人机协作控制算法, 进行了振动触觉识别率实验, 完成了移动机器人在平坦地面轨迹跟踪实验和对起伏地面的适应能力, 验证了算法的正确性与可行性. 最后, 针对导航运动过程中有物体或者干扰者进入系统, 进行了系统抗干扰能力测试. 本系统还需置于一些地势比较复杂的场景进行测试和改进. 参考文献 (References) 1] MishraR,KoleyS.Voiceoperatedoutdoornavigation system forvisualyimpairedpersonsj].international JournalofEngineeringandTechnology,20,3(2): ] ShovalS,BorensteinJ,KorenY.Auditoryguidance withthenavbelt:a computerizedtravelaidforthe blindj].ieeetransactionsonsystems,man,and Cybernetics,PartC:ApplicationsandReviews,1998, 28(3): DOI: / ]SerpelJA,HsuY.Developmentandvalidationofano velmethodforevaluatingbehaviorandtemperamentin guidedogsj].appliedanimalbehaviourscience,2001, 72(4): DOI: /s (00) ] WardJ,MeijerP.Visualexperiencesintheblindin ducedbyanauditorysensorysubstitutiondevicej]. ConsciousnesandCognition,2010,19(1): DOI: /j.concog ] CappM,PictonP.Theoptophone:Anelectronicblind aidj].engineeringscienceandeducationjournal, 2000,9(3): DOI: /esej: ] LiY,JeonW R,Nam CS.Navigationbyvibration: Efectsofvibrotactilefeedbackonanavigationtask J].InternationalJournalofIndustrialErgonomics, 2015,46:76 84.DOI: /j.ergon ]LahavO,MioduserD.Haptic feedbacksupportforcogni tivemappingofunknownspacesbypeoplewhoareblind J].InternationalJournalofHuman ComputerStudies, 2008,66(1):23 35.DOI: /j.ijhcs ]NiD,SongA,TianL,etal.A walkingasistantro boticsystem forthevisualyimpairedbasedoncomput ervisionandtactileperceptionj].internationaljour nalofsocialrobotics,2015,7(5): DOI: /s z. 9] ScheggiS,AggraviM,MorbidiF,etal.Cooperative human robothapticnavigationc]//ieeeinternational ConferenceonRoboticsandAutomation.HongKong, China,2014: ] ScheggiS,MorbidiF,PratichizzoD.Human robot formationcontrolvia visualand vibrotactile haptic feedbackj].ieeetransactionsonhaptics,2014,7 (4): DOI: /TOH ] UlahI,UlahQ,UlahF,etal.Mobilerobotnavigation withdistancecontrolc]//internationalconferenceon RoboticsandArtificialInteligence.Montreal,Quebec, Canada,20: DOI: /icrai ] DesaiJP,OstrowskiJP,KumarV.Modelingand controlofformationsofnonholonomicmobilerobots J].IEEETransactionsonRoboticsandAutomation, 2001,17(6): DOI: / ]KarueiI,MacLeanKE,Foley FisherZ,etal.Detec tingvibrationsacrosthebodyinmobilecontextsc]// ProceedingsoftheSIGCHIConferenceonHumanFac torsincomputingsystems.vancouver,canada,2011: DOI: / ] Pan elss,anastasovam,brunetl.tactiped:easy prototypingoftactilepaternsc]//ifipconferenceon Human ComputerInteraction.London,UK,2013:

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位自然科学版文章编号视网膜图像中视盘的快速自动定位方法赵晓芳林土胜李碧摘要基于眼底视网膜血管的分布结构及视盘本身的特点提出一种快速自动定位视盘的方法首先根据视网膜血管的网络分布结构大致定位视盘的垂直坐标然后根据视盘的亮度信息及视盘与血管的关系来定位视盘的水平坐标最后把视盘限定在以粗定位的视盘为中心的一个小窗口内用变换精确定位视盘中心该方法不需要事先分割视网膜血管也不需要对算法进行训练