为了实现实时人体手臂动作捕捉,提出了一种利用惯性传感器实现人体手臂动作捕捉的方法.利用惯性测量单元(IMU)解算出的四元数信息,得到手臂腕部、肘部和肩部关节点的位置.将惯性数据通过蓝牙无线通信方法传到上位机.采用具有毫米级动作捕捉精度的OptiTrack光学动作捕捉设备,得到人体手臂的位置数据,并将其作为基准位置数据.将IMU坐标系下解算出的位置信息变换到OptiTrack坐标系下进行对比.结果表明,该方法适用于自由活动环境下的动作跟踪,具有较高的动作捕捉精度.
2022-07-04 16:55:18
569KB
1
ofxRobotArm是一個 openFrameworks 插件，用於用機器人手臂做創造性的事情。該插件的目標是消除盡可能多的技術障礙，以便與機器人一起啟動和運行。我們提供了一個示例，說明如何使用 ofxRobotArm 和您的機器人手臂啟動和運行。通過ofxRobotArm為 openFrameworks 開發，我們希望幫助您以新的和多樣化的方式擴展人機交互。
目前，該插件配置為與 Universal Robot 和 ABB 機械臂一起使用（未經測試）。KUKA 和 xArm 支持待定。
ofxRobotArm由多個部分構成：Controllers、Drivers、Kinematics、Models、Path、Utils和World。 控制器包含主要的 RobotController 和其他有用的控制器。 驅動程序包含 xRobotArm 支持的每個製造商的驅動程序：Universal Robots、ABB、xArm 等等。 運動學包含正向和反向運動學求解器。 模型包含從 URDF 加載的機器人手臂的表示。 Path包含用於與路徑交互的輔助類。 實用程序包含許多有用的實用程序。Wor
2022-06-08 12:05:09
1.9MB
1
基于随机森林回归的手臂末端力的软测量方法.pdf,针对手臂康复训练后仍缺乏准确力觉的康复病人提出了一种手臂末端力的软测量方法。采用肌电信号（EMG）传感器与手臂姿态传感器获取的数据综合描述手臂的综合状态信息，并作为随机森林回归的输入，将手臂末端力作为随机森林回归的输出。依据康复训练的基本动作单元，针对性的设计了“推拉”和“提放”两组试验，在离线状态下，利用力传感器测量得到的实际末端力与手臂的综合状态信息作为样本集，并通过大量样本数据训练随机森林回归算子得到稳定可靠的回归算子，最后通过在线预测手臂末端力与真实末端力输出的比较，验证了该方法的有效性。
2022-06-01 11:13:03
3.27MB
1
运动学模拟
RoboHAZMAT：高级设计项目
运动控制团队
杰拉多·布莱德（Gerardo Bledt）
2014年10月21日
#####点击此处观看视频： #####点击此处观看视频：
####机器人仿真GUI
模拟1：轨迹跟踪的逆运动学优化
##项目目标：
RobotHAZMAT项目是一个由10位Virginia Tech高级机械工程师组成的设计团队。 主要目标是为危险响应情况的机器人系统开发一种直观的手势控制方法。 当前的危险响应机器人需要大量的培训时间和不直观的按钮操纵杆控件。 我们希望增加运动范围，并减少操作这些系统所需的训练时间。
这是第一年的项目，可作为概念证明，即可以通过人体运动直观地控制两个手臂机器人。
我们希望能够使用现成的廉价零件开发机器人以及可穿戴用户界面。
##基本模拟说明：
在“ RoboHAZMAT”目录中，运行“ addpath_Rob
2022-05-24 12:34:56
264KB
1
本文为六自由度机械手臂路径规划matlab和Adams联合仿真模型，模型通过matlab实现对六自由度机械手臂路径规划的控制使Adams中的模型（Adams中的模型为solid works六自由度机械手臂）可以在空间画圆和画直线，并将轨迹输出在Adams中和matlab中
2022-05-02 16:06:03
49.79MB
人工智能技术的发展促进了人机交互的快速改善。 该系统使用Kinect视觉图像传感器来识别人体骨骼数据并完成对操作员动作的识别。 通过以计算机软件为核心的上位机平台对实时数据的过滤处理，对算法进行编程，实现了从数据到控制信号的转换。 系统通过串行通信的传输方式将信号以Arduino为核心传输到下层计算机平台，从而完成对转向器的控制。 为了验证该理论的可行性，研究小组构建了4自由度机械臂控制系统并完成了软件开发。 它可以在计算机操作界面上实时显示其他功能，例如当前的骨骼角度和运动状态。 实验数据表明，基于Kinect的运动识别方法可以有效地完成对预期运动的跟踪，并完成对指定对象的抓取和传递，具有极高的可操作性。
2022-03-26 02:00:43
748KB
1