一種基于嵌入式平臺(tái)的機(jī)械臂體感控制系統(tǒng)

周海芳， 查帥榮， 章 杰， 陳志聰

(福州大學(xué) 物理與信息工程學(xué)院， 微納器件與太陽(yáng)能電池研究所, 福建 福州 350116)

一種基于嵌入式平臺(tái)的機(jī)械臂體感控制系統(tǒng)

周海芳， 查帥榮， 章 杰， 陳志聰

(福州大學(xué) 物理與信息工程學(xué)院， 微納器件與太陽(yáng)能電池研究所, 福建 福州 350116)

針對(duì)傳統(tǒng)機(jī)械臂控制方式復(fù)雜且效率低的問(wèn)題， 研制了一套慣性式動(dòng)作捕捉的體感控制系統(tǒng). 該系統(tǒng)在用戶手臂綁定多個(gè)節(jié)點(diǎn)， 每個(gè)節(jié)點(diǎn)由加速度傳感器、 陀螺儀和磁通傳感器組成. 節(jié)點(diǎn)采集手臂運(yùn)動(dòng)數(shù)據(jù)發(fā)送到嵌入式系統(tǒng)， 經(jīng)過(guò)融合計(jì)算得到手臂運(yùn)動(dòng)狀態(tài)， 并最終得出機(jī)械臂舵機(jī)轉(zhuǎn)動(dòng)角度. 在保證機(jī)械臂控制精度的前提下， 針對(duì)嵌入式系統(tǒng)硬件條件采用了降低系統(tǒng)延遲的分狀態(tài)數(shù)據(jù)融合方案. 本系統(tǒng)在嵌入式平臺(tái)上實(shí)現(xiàn)， 降低了動(dòng)作捕捉成本， 提高了可移植性. 測(cè)試結(jié)果表明， 使用慣性式動(dòng)作捕捉的機(jī)械臂體感控制系統(tǒng)動(dòng)作響應(yīng)延遲時(shí)間短、 機(jī)械臂動(dòng)作較平穩(wěn).

體感控制； 嵌入式系統(tǒng)； 機(jī)械臂； 慣性傳感器

0 引言

機(jī)械臂作為一種實(shí)用的機(jī)械設(shè)備， 頻繁出現(xiàn)在日常生活和各種工業(yè)應(yīng)用中. 但傳統(tǒng)的機(jī)械臂控制方式效率低， 難以滿足當(dāng)今快節(jié)奏的生產(chǎn)和生活需求. 體感技術(shù)作為一種自然高效的人機(jī)交互方式[1]， 為機(jī)械臂控制提供了一條新的便捷途徑. 目前的體感技術(shù)主要分為光學(xué)式和慣性式動(dòng)作捕捉兩類. 光學(xué)式動(dòng)作捕捉精度高[2-3]， 但其具有成本高昂、 受場(chǎng)地限制等缺點(diǎn). 而慣性式動(dòng)作捕捉恰好能彌補(bǔ)以上不足， 近年來(lái)逐漸成為研究的熱點(diǎn)[4]. 早期的慣性式動(dòng)作捕捉主要采用加速度傳感器采集人體動(dòng)作數(shù)據(jù)[5-6]， 但是單一的加速度傳感器數(shù)據(jù)無(wú)法保證高精度， 而且動(dòng)作識(shí)別過(guò)程需要龐大的數(shù)據(jù)庫(kù)支持. MEMS工藝的發(fā)展和高精度三軸陀螺儀的出現(xiàn)使得慣性式動(dòng)作捕捉有了更多的可選方案[7-8]. Bengt等[9]利用陀螺儀和加速度傳感器設(shè)計(jì)了4種不同的慣性傳感器組合方案， 并從多方面對(duì)其進(jìn)行了比較. Mohamed[10]設(shè)計(jì)了一種采用陀螺儀、 加速度傳感器和磁通傳感器檢測(cè)病人關(guān)節(jié)狀況的檢測(cè)系統(tǒng). 利用多傳感器融合可以有效彌補(bǔ)單個(gè)傳感器的不足， 但也增大了數(shù)據(jù)融合的難度和運(yùn)算成本， 使得數(shù)據(jù)處理依賴于計(jì)算機(jī)端， 成本高， 不便于移植.

本研究針對(duì)多傳感器數(shù)據(jù)融合成本高且不便于移植等問(wèn)題， 在嵌入式平臺(tái)上設(shè)計(jì)了三自由度機(jī)械臂體感控制系統(tǒng). 該系統(tǒng)針對(duì)手臂不同運(yùn)動(dòng)狀態(tài)讀取相應(yīng)傳感器數(shù)據(jù)， 并根據(jù)機(jī)械臂控制需要采用分狀態(tài)的數(shù)據(jù)融合方案， 旨在嵌入式系統(tǒng)中實(shí)現(xiàn)快速響應(yīng)的體感控制.

1 系統(tǒng)概述

圖1 系統(tǒng)結(jié)構(gòu)示意圖Fig.1 System block diagram

系統(tǒng)硬件部分由嵌入式處理器、 常用三自由度機(jī)械臂、 傳感器固定手套和九軸慣性傳感器模塊(包含陀螺儀、 加速度傳感器和磁通傳感器)組成. 軟件部分包含傳感器初始姿態(tài)校準(zhǔn)、 數(shù)據(jù)預(yù)處理、 單個(gè)節(jié)點(diǎn)姿態(tài)融合、 多節(jié)點(diǎn)相對(duì)姿態(tài)融合和舵機(jī)驅(qū)動(dòng)數(shù)據(jù)生成， 系統(tǒng)整體結(jié)構(gòu)如圖1所示.

用戶將慣性傳感器模塊和數(shù)據(jù)線固定在傳感手套上， 經(jīng)過(guò)一段時(shí)間的靜態(tài)自校準(zhǔn)得出初始漂移數(shù)據(jù)后開(kāi)始運(yùn)動(dòng)手臂. 傳感器模塊將采集到的角速度、 加速度和磁通信號(hào)傳遞到嵌入式處理器. 嵌入式處理器先對(duì)采集的數(shù)據(jù)進(jìn)行靜態(tài)漂移校準(zhǔn)和隨機(jī)噪聲濾波， 接著進(jìn)行綜合運(yùn)動(dòng)狀態(tài)判斷， 并根據(jù)不同的運(yùn)動(dòng)狀態(tài)采用不同的數(shù)據(jù)融合策略. 通過(guò)對(duì)單個(gè)節(jié)點(diǎn)的數(shù)據(jù)融合得出該關(guān)節(jié)的運(yùn)動(dòng)姿態(tài)四元數(shù)(Q=v+xi+yj+zk)， 將不同節(jié)點(diǎn)的四元數(shù)進(jìn)行比較和運(yùn)算可以得出關(guān)節(jié)間的相對(duì)運(yùn)動(dòng)數(shù)據(jù). 利用四元數(shù)和歐拉角的轉(zhuǎn)換可以很方便地求出舵機(jī)控制數(shù)據(jù)， 進(jìn)行范圍限定和坐標(biāo)系轉(zhuǎn)換后用于舵機(jī)控制.

2 數(shù)據(jù)融合

由于傳感器自身的制造工藝問(wèn)題和環(huán)境的干擾[11]. 磁通傳感器所采集到的數(shù)據(jù)具有顯著非線性的特點(diǎn)[12]， 陀螺儀采集到的角速度的靜態(tài)漂移誤差在數(shù)據(jù)融合時(shí)經(jīng)積分運(yùn)算會(huì)積累增大， 加速度傳感器采集到的數(shù)據(jù)常會(huì)出現(xiàn)不連續(xù)的尖峰， 使得機(jī)械臂控制過(guò)程中出現(xiàn)劇烈抖動(dòng). 根據(jù)不同傳感器數(shù)據(jù)噪聲的特點(diǎn)作相應(yīng)的預(yù)處理， 將誤差減小到一定范圍內(nèi)后方能用于后期數(shù)據(jù)融合.

2.1 運(yùn)動(dòng)狀態(tài)劃分

傳感器模塊可采集到固接于傳感器坐標(biāo)系的角速度向量ω， 加速度向量a和磁通向量Φ， 當(dāng)手臂靜止時(shí)， 加速度傳感器所采集到的即為重力加速度. 通過(guò)對(duì)不同傳感器數(shù)據(jù)的組合利用, 可以設(shè)計(jì)出多種數(shù)據(jù)融合方案， 不同的方案其精度、 延遲和對(duì)硬件的要求均有所差異. 重力加速度和地磁通量數(shù)據(jù)融合過(guò)程中無(wú)需經(jīng)過(guò)積分運(yùn)算， 漂移誤差不會(huì)積累， 在長(zhǎng)時(shí)間的使用中具有較好的穩(wěn)定性. 但其相對(duì)于角速度數(shù)據(jù)融合運(yùn)算復(fù)雜, 且容易受到運(yùn)動(dòng)加速度和外界磁場(chǎng)的干擾. 角速度數(shù)據(jù)受到的外界干擾較少, 且融合算法簡(jiǎn)單, 但在融合過(guò)程中漂移誤差會(huì)隨著積分運(yùn)算會(huì)逐漸累積. 以往動(dòng)作捕捉多采用計(jì)算機(jī)進(jìn)行數(shù)據(jù)融合， 其優(yōu)點(diǎn)是可將三類數(shù)據(jù)同時(shí)處理, 且動(dòng)作響應(yīng)延遲時(shí)間短， 但也增加了動(dòng)作捕捉的成本. 綜合考慮3個(gè)傳感器的特點(diǎn)， 為降低系統(tǒng)成本， 提出一種分狀態(tài)的融合方案. 數(shù)據(jù)融合整體流程如圖2所示.

圖2 數(shù)據(jù)融合流程示意圖Fig.2 Flowchart of the data aggregation

首先為三軸角速度的平均值設(shè)定一個(gè)閾值， 當(dāng)平均值高于閾值時(shí)就認(rèn)為相應(yīng)的手臂部位處于運(yùn)動(dòng)狀態(tài)， 此時(shí)采用角速度進(jìn)行動(dòng)作數(shù)據(jù)融合； 否則處于靜止?fàn)顟B(tài)， 此時(shí)選用加速度和磁通數(shù)據(jù)進(jìn)行靜態(tài)數(shù)據(jù)融合， 并用融合所得的結(jié)果校準(zhǔn)手臂姿態(tài). 此融合方案充分利用了三種數(shù)據(jù)的各自優(yōu)點(diǎn)， 既能在運(yùn)動(dòng)中充分利用硬件資源實(shí)現(xiàn)低延遲的捕捉， 又可在靜止時(shí)使用已空閑的計(jì)算資源進(jìn)行自校準(zhǔn)， 能夠滿足長(zhǎng)時(shí)間使用的要求. 此外， 加速度數(shù)據(jù)僅在靜止?fàn)顟B(tài)下使用， 避免了運(yùn)動(dòng)加速度對(duì)重力加速度所造成的干擾.

2.2 融合算法實(shí)現(xiàn)

當(dāng)三軸角速度平均值高于設(shè)定的閾值時(shí)， 讀取角速度數(shù)據(jù)進(jìn)行動(dòng)作數(shù)據(jù)融合. 陀螺儀采集到的角速度為傳感器節(jié)點(diǎn)坐標(biāo)系下的角速度ωs=ωxi+ωyj+ωzk， 融合的時(shí)間間隔為Δt. 通過(guò)角速度數(shù)據(jù)融合得到表示手臂姿態(tài)的四元數(shù)Q[13]， 其遞推公式為：

其中:Qn與Qn-1為本次和前次融合所得的運(yùn)動(dòng)姿態(tài)四元數(shù)表示.

當(dāng)三軸角速度平均值低于設(shè)定值時(shí)， 讀取加速度數(shù)據(jù)和磁通數(shù)據(jù)進(jìn)行靜止校準(zhǔn). 利用傳感器節(jié)點(diǎn)坐標(biāo)系下的重力加速度和地磁通量大小不變而方向會(huì)隨著傳感器姿態(tài)變化的特性， 可以求出各傳感器節(jié)點(diǎn)的姿態(tài). 使用梯度下降法進(jìn)行融合， 設(shè)加速度和地磁通量大小的誤差函數(shù)分別為eg與eΦ， 定義合成誤差函數(shù)e并計(jì)算其梯度：

▽

綜上可得重力加速度和磁通融合遞推公式：

Qn=Qn-1-S·▽

其中：Qn和Qn-1分別為本次和前次融合所得的靜止姿態(tài)四元數(shù)表示；S為步長(zhǎng)， 步長(zhǎng)過(guò)小則融合速度慢， 步長(zhǎng)過(guò)長(zhǎng)會(huì)產(chǎn)生抖動(dòng).

3 機(jī)械臂控制數(shù)據(jù)生成

常用的機(jī)械臂逆運(yùn)動(dòng)學(xué)解法只考慮機(jī)械臂末端執(zhí)行器的位置， 無(wú)法充分利用動(dòng)作捕捉所獲得的人體運(yùn)動(dòng)數(shù)據(jù)， 使得機(jī)械臂和人體手臂動(dòng)作不能同步[14]. 為此， 針對(duì)人體手臂和機(jī)械臂兩者運(yùn)動(dòng)模型的聯(lián)系, 提出一種廣義球坐標(biāo)系， 將人體手臂姿態(tài)和機(jī)械臂姿態(tài)分別在標(biāo)準(zhǔn)球坐標(biāo)和廣義球坐標(biāo)中表示， 通過(guò)坐標(biāo)系轉(zhuǎn)換, 產(chǎn)生便于機(jī)械臂控制的數(shù)據(jù). 傳感器采集的數(shù)據(jù)經(jīng)過(guò)融合后, 可將上臂和小臂相對(duì)于地理坐標(biāo)系的運(yùn)動(dòng)姿態(tài)分別用四元數(shù)Qu和Qf表示， 小臂相對(duì)于上臂的運(yùn)動(dòng)狀態(tài)四元數(shù)Quf可表示為：

圖3 標(biāo)準(zhǔn)球坐標(biāo)和廣義球坐標(biāo)Fig.3 Standard spherical coordinate and generalized spherical coordinate

將四元數(shù)轉(zhuǎn)換為相應(yīng)歐拉角， 其對(duì)應(yīng)的偏航角、 傾斜角和翻滾角分別記為φ、θ和ψ. 上臂處傳感器節(jié)點(diǎn)的運(yùn)動(dòng)翻滾角是由于肌肉扭曲造成的， 因此僅考慮偏航角和傾斜角. 通過(guò)φu和θu可以將上臂的運(yùn)動(dòng)在一個(gè)標(biāo)準(zhǔn)的球坐標(biāo)系O(r,θ0,φ0)中表示出來(lái). 針對(duì)機(jī)械臂運(yùn)動(dòng)模型, 建立形如圖3的擴(kuò)展球坐標(biāo)系B(r,θb,φb)， 作如下約定： 當(dāng)z>0時(shí)， 90°>θb>0； 當(dāng)z<0時(shí)， 0>θb>-90°； 當(dāng)z×y>0時(shí)， 90°>φb>0； 當(dāng)z×y<0時(shí)， 0>φb>-90°. 其中，θb和φb分別對(duì)應(yīng)機(jī)械臂上臂關(guān)節(jié)處的兩個(gè)舵機(jī)的轉(zhuǎn)動(dòng)角度.

將上臂運(yùn)動(dòng)數(shù)據(jù)從標(biāo)準(zhǔn)球坐標(biāo)轉(zhuǎn)換到廣義球坐標(biāo)中， 公式如下：

4 系統(tǒng)實(shí)現(xiàn)與結(jié)果分析

圖4 系統(tǒng)硬件結(jié)構(gòu)圖Fig.4 The hardware structure of system

設(shè)計(jì)的機(jī)械臂體感控制系統(tǒng)硬件由慣性傳感器節(jié)點(diǎn)(包含陀螺儀、 加速度傳感器和磁通傳感器)、 嵌入式處理器STM32F107和三自由度機(jī)械臂模型組成， 其硬件結(jié)構(gòu)示意圖如圖4所示. 其中： 陀螺儀采用L3G4200D三軸陀螺儀， 隨溫度的漂移誤差為0.03 dps·℃-1； 加速度傳感器采用ADXL345三軸加速度傳感器， 其漂移誤差范圍為-0.343～0.343 N·kg-1， 隨機(jī)誤差范圍為-1.47～1.47 N·kg-1， 軟件采用C語(yǔ)言在Keil 4.10平臺(tái)上開(kāi)發(fā)， 將相應(yīng)的四元數(shù)運(yùn)算和數(shù)據(jù)融合算法編寫(xiě)成通用的函數(shù)庫(kù)， 便于移植和其他動(dòng)作捕捉應(yīng)用的開(kāi)發(fā).

4.1 靜止校準(zhǔn)步長(zhǎng)分析

表1 步長(zhǎng)與遞推次數(shù)和旋轉(zhuǎn)角度方差的關(guān)系

Tab.1 Relation between step, recursive number

在實(shí)際測(cè)試時(shí)， 手臂從運(yùn)動(dòng)到靜止?fàn)顟B(tài)變化過(guò)程中機(jī)械臂會(huì)出現(xiàn)劇烈抖動(dòng)， 對(duì)算法分析后得知， 該情況是由于梯度下降法收斂速度過(guò)慢造成的. 調(diào)節(jié)梯度下降法步長(zhǎng)時(shí)發(fā)現(xiàn)， 如果其值過(guò)小， 會(huì)使得機(jī)械臂從運(yùn)動(dòng)到靜止的瞬間出現(xiàn)劇烈抖動(dòng)； 而步長(zhǎng)值過(guò)大則導(dǎo)致手臂在目標(biāo)位置附近反復(fù)地抖動(dòng). 因此， 選擇合適的梯度下降法步長(zhǎng)非常重要. 為此, 對(duì)梯度下降法步長(zhǎng)S作了測(cè)試分析， 表1中顯示了步長(zhǎng)S、 融合遞推次數(shù)N和穩(wěn)定時(shí)四元數(shù)旋轉(zhuǎn)角度方差D之間的關(guān)系. 從表中可以發(fā)現(xiàn)， 當(dāng)步長(zhǎng)S從0.02增大到0.2時(shí)， 所需的融合次數(shù)逐漸減少， 但穩(wěn)定時(shí)D會(huì)逐漸增大. 步長(zhǎng)超過(guò)0.1后對(duì)遞推次數(shù)影響不大， 而方差卻大幅增長(zhǎng). 因此， 綜合考慮步長(zhǎng)選擇為0.08. 測(cè)試時(shí)， 手臂從運(yùn)動(dòng)到靜止的過(guò)程中機(jī)械臂僅出現(xiàn)短暫的輕微抖動(dòng)， 且穩(wěn)定后無(wú)反復(fù)抖動(dòng)現(xiàn)象， 基本滿足機(jī)械臂控制的需要.

4.2 動(dòng)作響應(yīng)延遲時(shí)間測(cè)試

表2 分狀態(tài)與多傳感器同時(shí)融合延遲對(duì)比

注：tm為分狀態(tài)融合的延遲時(shí)間，ts為多傳感器同時(shí)融合的 延遲時(shí)間

機(jī)械臂的動(dòng)作響應(yīng)延遲時(shí)間由數(shù)據(jù)采集時(shí)間、 數(shù)據(jù)融合時(shí)間和舵機(jī)驅(qū)動(dòng)時(shí)間組成. 其中， 數(shù)據(jù)采集和舵機(jī)驅(qū)動(dòng)時(shí)間較短且基本固定， 因此， 動(dòng)作響應(yīng)延遲時(shí)間主要由數(shù)據(jù)融合時(shí)間決定. 分狀態(tài)與多傳感器同時(shí)融合方案延遲時(shí)間測(cè)試對(duì)比如表2所示. 從表2可知， 采用分狀態(tài)融合方案動(dòng)作響應(yīng)時(shí)間降低了一個(gè)數(shù)量級(jí). 測(cè)試時(shí)， 多傳感器同時(shí)融合方案會(huì)讓使用者有明顯的延遲感覺(jué)， 而分狀態(tài)的融合方案能快速響應(yīng).

圖5為體感控制機(jī)械臂動(dòng)作的截圖， 從圖中可看出手臂動(dòng)作和機(jī)械臂動(dòng)作基本一致， 各個(gè)關(guān)節(jié)多次測(cè)試的平均誤差為2.3°， 能夠反映使用者的動(dòng)作意圖. 本系統(tǒng)可以用機(jī)械臂模擬人體手臂的三自由度相關(guān)動(dòng)作， 實(shí)現(xiàn)日常生活中機(jī)械臂的基本功能.

圖5 系統(tǒng)體感控制測(cè)試圖Fig.5 Intergration testing for the motion sensing control system

5 結(jié)語(yǔ)

設(shè)計(jì)了由慣性傳感器節(jié)點(diǎn)、 三自由度機(jī)械臂模型與嵌入式處理器組成的體感控制系統(tǒng). 采用基于運(yùn)動(dòng)狀態(tài)判斷的分狀態(tài)數(shù)據(jù)融合算法避免了運(yùn)動(dòng)加速度對(duì)重力加速度的干擾， 減少了數(shù)據(jù)融合時(shí)間. 通過(guò)標(biāo)準(zhǔn)球坐標(biāo)和廣義球坐標(biāo)的轉(zhuǎn)換， 將人體手臂運(yùn)動(dòng)數(shù)據(jù)快速轉(zhuǎn)化成機(jī)械臂控制數(shù)據(jù)， 實(shí)現(xiàn)了低延遲體感控制. 測(cè)試結(jié)果表明， 采用分狀態(tài)融合方案機(jī)械臂動(dòng)作響應(yīng)延遲時(shí)間短， 機(jī)械臂動(dòng)作較平穩(wěn)， 實(shí)現(xiàn)了三自由度機(jī)械臂的體感控制. 數(shù)據(jù)的處理與控制均在嵌入式處理器中實(shí)現(xiàn). 因此， 該系統(tǒng)具有低成本、 易拓展且便于移植等特點(diǎn). 目前五個(gè)自由度機(jī)械臂的體感控制在進(jìn)一步研究中.

[1] 席旭剛, 李仲寧, 羅志增. 基于相關(guān)性分析和支持向量機(jī)的手部肌電信號(hào)動(dòng)作識(shí)別[J]. 電子與信息學(xué)報(bào), 2008, 30(10): 2 315-2 319.

[2] Li J, Wan C K, Zhang D Y,etal. Markerless human motion capture by Markov random field and dynamic graph cuts with color constraints[J]. Science in China Series F: Information Sciences, 2009, 52(2): 252-259.

[3] Moeslund T B, Hilton A, Krüger V. A survey of advances in vision-based human motion capture and analysis[J]. Computer Vision and Image Understanding, 2006, 104(2): 90-126.

[4] 肖玲, 李仁發(fā), 羅娟. 體域網(wǎng)中一種基于壓縮感知的人體動(dòng)作識(shí)別方法[J]. 電子與信息學(xué)報(bào), 2013, 35(1): 119-125.

[5] Mantyjarvi J, Himberg J, Seppanen T. Recognizing human motion with multiple acceleration sensors[C]//IEEE International Conference on Systems, Man, and Cybernetics. Tucson: [s.n.], 2001: 747-752.

[6] Slyper R, Hodgins J K. Action capture with accelerometers[C]//ACM SIGGRAPH: Eurographics Symposium on Computer Animation. Aire-la-ville: [s.n.], 2008: 193-199.

[7] Cheng P, Oelmann B. Joint-angle measurement using accelerometers and gyroscopes: a survey[J]. IEEE Transactions on Instrumentation and Measurement, 2010, 59(2): 404-414.

[8] 李啟雷, 金文光, 耿衛(wèi)東. 基于無(wú)線慣性傳感器的人體動(dòng)作捕獲方法[J]. 浙江大學(xué)學(xué)報(bào): 工學(xué)版, 2012, 46(2): 280-285.

[9] Kan Y C, Chen C K. A wearable inertial sensor node for body motion analysis[J]. IEEE Sensors Journal, 2012, 12(3): 651-657.

[10] To G, Mahfouz M R. Design of wireless inertial trackers for human joint motion analysis[C]//IEEE Topical Conference on Biomedical Wireless Technologies, Networks, and Sensing Systems (BioWireleSS). Santa Clara: [s.n.], 2012: 49-52.

[11] Dong W, Lim K Y, Goh Y K,etal. A low-cost motion tracker and its error analysis[C]//IEEE International Conference on Robotics and Automation. Pasadena: [s.n.], 2008: 311-316.

[12] 劉艷霞, 李希勝, 馮毅博, 等. 三軸磁羅盤標(biāo)定位置分布的研究[J]. 儀器儀表學(xué)報(bào), 2013, 34(3): 684-690.

[13] Sabatini A M. Quaternion based attitude estimation algorithm applied to signals from body-mounted gyroscopes[J]. Electronics Letters, 2004, 40(10): 584-586.

[14] 劉亞軍， 黃田. 6R操作臂逆運(yùn)動(dòng)學(xué)分析與軌跡規(guī)劃[J]. 機(jī)械工程學(xué)報(bào), 2012, 48(3): 9-15.

(責(zé)任編輯： 沈蕓)

A mechanical arm motion sensing control system based on the embedded system

ZHOU Haifang, ZHA Shuairong, ZHANG Jie, CHEN Zhicong

(Institute of Micro-Nano Devices and Solar Cells, College of Physics and Information Engineering,Fuzhou University, Fuzhou, Fujian 350116, China)

The traditional mechanical arm control is complex and inefficiency, so a mechanical arm control system for human motion capture using inertial sensor is designed and implemented in this paper. The system uses sensor nodes, which contain accelerometer, gyroscope and magnetic sensor, to collect motion data of the arms and transmit to the embedded system. Through data aggregation, the quaternion which expresses the moving state of arm is calculated and finally the angle of mechanical arm’s steering engines is obtained. Under the premise of ensuring the accuracy of mechanical arm, a data integration program of the different state is designed to reduce delay time for the embedded system, the system is implemented in an embedded system with low cost and portability. The experimental results show that the operating lag of system is short and the movement of mechanical arm is steady.

motion sensing control; embedded system; mechanical arm; inertial sensor

10.7631/issn.1000-2243.2015.04.0471

1000-2243(2015)04-0471-05

2014-08-28

周海芳(1972-)， 碩導(dǎo)， 副教授， 主要從事微納材料與器件、 控制系統(tǒng)研究， zhhafa@163.com

國(guó)家自然科學(xué)基金資助項(xiàng)目(61006003)

TP241.2

A