运动数据处理方法、装置、电子设备、存储介质及程序产品与流程
本申请涉及人工智能技术,尤其涉及一种运动数据处理方法、装置、电子设备、存储介质及程序产品。
背景技术:
1、运动重定向(motion retargeting)技术旨在将源端(如人体实体)的空间运动轨迹数据,适配并映射至目标执行端(如机器人实体)的硬件控制域中,以驱动目标设备复现对应的空间动作。相关技术的运动重定向方案通常基于微分逆运动学算法,通过求解末端目标位姿对应的数学映射方程,计算并输出目标设备底层的关节配置参量。
2、然而,相关技术中,针对底层几何参数与预设基准拓扑存在差异的异构机器人模型(如关节旋转轴向异常或初始局部坐标系未对齐),求解方程易产生坐标系映射偏差,导致底层算法不收敛或无法输出满足目标边界的关节配置;在求解过程中大多未建立关节轨迹的平滑约束机制,当机器人关节链逼近奇异构型时,因雅可比矩阵降秩引发数值寻优发散,易导致局部关节在相邻控制周期内输出大角度的阶跃突变指令(如发生180°翻转),从而破坏了最终驱动轨迹的时序连续性与底层物理系统运行的稳定性。
技术实现思路
1、本申请实施例提供一种运动数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品,能够提升机器人运动重定向的准确性以及机器人运动控制的准确性。
2、本申请实施例的技术方案是这样实现的:
3、本申请实施例提供一种运动数据处理方法,所述方法包括:
4、获取作为参考的第一运动数据以及机器人的第一数据集合,其中,所述第一数据集合包括机器人初始关节名称、初始关节轴方向、部位的初始位姿以及所述机器人每个部位的第一预设尺寸;
5、对所述第一数据集合进行标准化处理,得到第二数据集合;
6、根据所述预设尺寸对所述第一运动数据进行缩放处理,得到第二运动数据;
7、根据所述第二运动数据以及所述第二数据集合进行重定向处理,得到第三运动数据;
8、基于所述第三运动数据,控制所述机器人运动。
9、本申请实施例提供一种运动数据处理装置,包括:
10、数据采集模块,用于获取作为参考的第一运动数据以及机器人的第一数据集合,其中,所述第一数据集合包括机器人初始关节名称、初始关节轴方向、部位的初始位姿以及所述机器人每个部位的第一预设尺寸;
11、标准化模块,用于对所述第一数据集合进行标准化处理,得到第二数据集合;根据所述预设尺寸对所述第一运动数据进行缩放处理,得到第二运动数据;
12、重定向模块,用于根据所述第二运动数据以及所述第二数据集合进行重定向处理,得到第三运动数据;
13、控制模块,用于基于所述第三运动数据,控制所述机器人运动。
14、本申请实施例提供一种电子设备,所述电子设备包括:
15、存储器,用于存储计算机可执行指令或者计算机程序;
16、处理器,用于执行所述存储器中存储的计算机可执行指令或者计算机程序时,实现本申请实施例提供的运动数据处理方法。
17、本申请实施例提供一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,用于被处理器执行时,实现本申请实施例提供的运动数据处理方法。
18、本申请实施例提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现本申请实施例提供的运动数据处理方法。
19、本申请实施例具有以下有益效果:
20、通过获取包含机器人关节名称与关节轴方向的第一数据集合并对其执行标准化处理,在数据层面消除了目标机器人与标准构型之间的底层空间定义差异,为后续的逆运动学计算提供了统一、规范的几何拓扑约束基准,避免了因轴向错位未对齐导致的求解失败或映射错误。通过提取机器人每个部位的第一预设尺寸,并据此对输入的第一运动数据执行缩放处理,消除物理尺度差异,防止工作空间干涉。该特征确保了重构后的第二运动数据在空间跨度上适配目标机器人的有效物理工作空间,避免了因尺寸不匹配引发的机械臂超出最大可达范围或发生机械自干涉。基于上述经过构型标准化的第二数据集合与经过缩放处理的第二运动数据,执行重定向运算,确保了重定向处理在具备正确几何约束与适配物理边界的条件下运行,从而能够精准、稳定地输出符合目标实体机械约束的第三运动数据,提高了机器人运动控制的准确性。
1.一种运动数据处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述第一数据集合进行标准化处理,得到第二数据集合,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一预设尺寸对所述第一运动数据进行缩放处理,得到第二运动数据,包括:
4.根据权利要求1所述的方法,其特征在于,所述第二数据集合包括:机器人每个部位的第一位姿、第二局部坐标系、机器人的关节的第一关节轴方向;
5.根据权利要求4所述的方法,其特征在于,所述将关节配置参量为自变量,根据所述误差值以及雅可比矩阵构建优化目标函数,包括:
6.根据权利要求4所述的方法,其特征在于,所述将关节配置参量为自变量,根据所述误差值以及雅可比矩阵构建优化目标函数,包括:
7.根据权利要求6所述的方法,其特征在于,所述机器人的上肢关节的预设权重值大于所述机器人的下肢关节的预设权重值,所述机器人的基座的预设权重值为零。
8.根据权利要求1所述的方法,其特征在于,在所述基于所述第三运动数据,控制所述机器人运动之前,所述方法还包括:
9.一种运动数据处理装置,其特征在于,所述装置包括:
10.一种电子设备,其特征在于,所述电子设备包括:
11.一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,其特征在于,所述计算机可执行指令或者计算机程序被处理器执行时实现权利要求1至8任一项所述的运动数据处理方法。
12.一种计算机程序产品,包括计算机可执行指令或计算机程序,其特征在于,所述计算机可执行指令或计算机程序被处理器执行时实现权利要求1至8任一项所述的运动数据处理方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com