多维形变传感软体机器人系统、形变重构方法、电子设备和计算机可读存储介质与流程
本公开涉及软体机器人传感与形状重构,尤其涉及一种利用左旋光纤和右旋光纤对称编织、光频域反射分布式应变测量以及物理模型与数据驱动模型融合,实现软体机器人轴向拉伸或压缩、扭转和弯曲等多维形变检测及全局形状重构的多维形变传感软体机器人系统、多维形变传感软体机器人的形变重构方法,以及具有处理器和计算机程序并且在执行计算机程序时实施前述形变重构方法的步骤的电子设备和计算机可读存储介质。
背景技术:
1、软体机器人,特别是柔性连续体机器人,具有柔顺性高、环境适应能力强以及能够在狭窄或弯曲通道内运动等特点,可用于血管、消化道等腔道内的介入操作、内窥检查以及其他受限空间作业。在上述应用中,为了实施闭环控制、运动规划和安全监测,需要连续获取软体机器人沿其轴向各位置处的形变状态,并根据所获取的形变状态确定软体机器人的空间形状和末端位置。
2、现有形变检测方案中,外部视觉传感通常利用设置于软体机器人外部的相机获取机器人本体的图像信息,并根据图像中的轮廓、标记点或表面纹理变化,对机器人的姿态、形状及运动状态进行估计。该方案能够在视野稳定且机器人本体未被遮挡的条件下提供非接触式形变观测信息。
3、但是,视觉传感结果依赖于相机与机器人本体之间的直接视觉路径。当机器人本体被周围组织、器械、腔壁或机器人自身局部遮挡时,图像中的轮廓、标记点或纹理特征容易缺失,由此可能造成特征提取、匹配及连续跟踪中断。特别是在人体腔道等缺少稳定直接视觉路径的环境中,外部相机难以持续获得完整图像,进而导致形变感知链路不连续,难以满足软体机器人在复杂受限空间中的连续全姿态感知要求。
4、另一种基于位移与驱动张力的传感方案通常通过测量驱动线缆的位移或张力变化,并结合驱动模型推算软体机器人的弯曲状态和空间形状。该方案能够复用驱动系统中的线缆信号,因而无需另外在机器人本体上设置独立的位置传感器。
5、然而,驱动线缆的位移和张力主要反映驱动输入状态,驱动输入与机器人本体实际形变之间还受到传动间隙、线缆摩擦、局部滑移、材料迟滞以及外部载荷等因素影响。由接触力矩、腔道摩擦或非对称受力引起的扭转形变难以根据驱动侧信号与弯曲响应相互解耦;机器人发生轴向压缩、轴向拉伸或非驱动引起的局部偏转时,驱动侧信号也未必产生相应变化。因此,仅依据驱动线缆信号容易遗漏或者误判实际形变,使多维形变被简化为单一驱动响应。
6、又一种电磁传感方案通常通过在软体机器人中嵌入电磁元件,测量电磁元件在外部电磁场中的位置和姿态,并根据多个测量位置的数据估计软体机器人的空间形状。该方案能够提供机器人局部位置或姿态的跟踪信息。
7、但是,电磁传感器的测量结果容易受到周边金属器械、金属支撑结构及其他磁性物体所引起的磁场畸变影响,从而产生位置或姿态解算的漂移、跳变或失真。电磁元件及其连接结构在磁共振成像环境中还可能受到电磁兼容和使用条件的限制。此外,电磁传感器通常仅能在离散位置形成测点,相邻测点之间的局部弯曲、伸缩或扭转变化需要依赖插值估计,难以连续反映沿机器人长度方向分布的细微形变。
8、再一种光纤布拉格光栅传感方案通常在光纤的多个位置形成布拉格光栅,并根据各光栅反射中心波长的变化获得对应位置处的应变信息,进而用于曲率计算和形状重构。该方案具有传感元件尺寸较小、抗电磁干扰以及便于嵌入柔性结构等特点。
9、然而,布拉格光栅的设置受到可用波长带宽、光谱串扰和光栅写入布局等因素限制,沿机器人轴向的测点通常为离散分布。位于相邻测点之间的局部急弯、压缩区或扭转集中区难以被直接测得,形状重构需要依赖插值,由此可能造成局部形变细节缺失。并且,部分基于光纤布拉格光栅的建模方案主要依据弯曲应变进行反演,未充分考虑轴向拉伸、轴向压缩和扭转对应变信号的耦合作用,容易将非弯曲形变误映射为曲率变化。
10、此外,现有技术公开的基于光频域反射的分布式光纤传感方案能够利用光纤内的瑞利散射,获取沿光纤长度方向连续或者高密度分布的应变信息,从而减小离散光栅测点间距对空间分辨率的限制。
11、但是,分布式散射响应中通常同时包含弯曲、轴向拉伸、轴向压缩和扭转等因素引起的应变变化。现有方案仍较多采用轴向布置或单一旋向缠绕的光纤;在单一旋向的螺旋光纤中,轴向伸缩和扭转均可能表现为光纤路径长度变化,二者之间容易发生耦合。若形状估计过程中未能充分解耦轴向形变和扭转形变,局部应变变化可能被错误解释为曲率变化,继而造成机器人长度、中心线形态及末端位置的估计偏差。
12、而部分分布式光纤传感方案中的传感光纤与软体机器人承载结构相互独立,光纤与机器人本体之间可能发生相对滑移,导致光纤测得的应变不能准确表征机器人本体的实际应变。若在传感结构之外另行增加增强构件,又会增加径向空间占用、装配接口和结构复杂度,不利于在保持柔性和小型化的同时兼顾形变感知与本体强化。
13、因此,如何在维持软体机器人柔性和小型化的同时,获得沿轴向高密度分布的应变信息,可靠解耦轴向拉伸或压缩、扭转和弯曲等多种形变,便成为本公开亟待解决的一个技术问题。
14、此外,如何能在保留物理模型可解释性的基础上降低全局形状重构中的累积误差,也是本公开亟待解决的另一个技术问题。
技术实现思路
1、本公开为解决上述技术问题而作,其主要目的在于提供一种多维形变传感软体机器人系统及其形变重构方法,通过数量相等且沿周向对称布置的左旋光纤和右旋光纤形成交替编织的传感光纤组,使轴向伸缩、扭转和弯曲分别在多根光纤中形成可区分的共同变化、旋向差分变化和周向周期变化,以实现软体机器人多维形变的连续、稳定和准确感知,来获得沿轴向高密度分布的应变信息,可靠解耦轴向拉伸或压缩、扭转和弯曲等多种形变。
2、本公开的另一重要目的在于提供一种多维形变传感软体机器人系统及其形变重构方法,利用可轴向滑动的测温构件获得温度漂移量并实施温度补偿,再利用末端位置预测结果约束物理模型输出的初始重建轮廓,由此能在保留物理模型可解释性的基础上降低全局形状重构中的累积误差,提高全局形状重构精度。
3、根据本公开的第一方面,提供一种多维形变传感软体机器人系统,包括软体机器人本体、光纤传感单元、ofdr解调单元以及处理单元。上述各单元依次形成形变传递、光学采集、温度补偿、局部形变参数解算以及全局形状修正的处理链路。
4、光纤传感单元包括传感光纤组和测温构件。传感光纤组包括对称布置、数量相等且均不少于两根的多根右旋光纤和多根左旋光纤;属于同一旋向的多根光纤沿软体机器人本体的周向等角度间隔布置,右旋光纤与左旋光纤沿周向相互错开并交替螺旋编织包覆于软体机器人本体外壁。由此,两种旋向的光纤能够在周向和旋向上形成平衡的约束作用,并为不同形变模态提供具有对称性的多通道观测。
5、在此,设右旋光纤和左旋光纤各为n根,n为不小于2的整数,在一实施方式中,第k根右旋光纤在参考横截面上的周向角为θ0+2πk/n,第k根左旋光纤在该参考横截面上的周向角为θ0+π/n+2πk/n,其中k为0至n-1。由此,同一旋向的光纤彼此相隔360°/n,两组不同旋向的光纤相互错开180°/n,并沿周向交替出现。
6、当n为2时,两根右旋光纤在周向上相对设置,两根左旋光纤也在周向上相对设置,并且四根光纤沿周向交替设置;当n为3时,三根同一旋向的光纤分别以120°间隔设置,两组不同旋向的光纤相互错开60°;当n为4时,四根同一旋向的光纤分别以90°间隔设置,两组不同旋向的光纤相互错开45°。通过使左旋光纤和右旋光纤数量相等并分别对称布置,可以避免一根与三根、两根与三根或者三根与四根等数量不平衡组合所引起的方向性增强和附加扭转。
7、在一种优选实施方式中,传感光纤组由对称布置的三根右旋单芯光纤和三根左旋单芯光纤构成。三根右旋光纤彼此相隔120°,三根左旋光纤彼此相隔120°,并且左旋光纤相对于相邻右旋光纤错开60°,从而六根传感光纤沿周向以60°间隔交替分布。该布置在光纤数量、周向采样分辨率和冗余观测精度之间形成平衡。
8、此外,传感光纤组与软体机器人本体外壁固定贴合,以使传感光纤组随软体机器人本体共同形变。传感光纤组例如可以通过医用胶贴合固定,但本公开不局限于此,也可以通过弹性粘接剂、弹性包覆层或者其组合贴合固定。通过限制传感光纤组与机器人本体之间的相对滑移,可以提高本体形变向光纤应变的传递一致性。另外,交叉编织的传感光纤组还可以兼作增强结构,提高机器人本体的抗拉伸和抗扭转能力。
9、另外,ofdr解调单元与光纤传感单元通信连接,基于各传感光纤内的瑞利散射在规定(例如0.64 mm)的空间分辨率下采集沿光纤长度方向分布的应变数据,并采集测温构件的温度漂移量。ofdr解调单元或者处理单元基于温度漂移量对传感光纤组的分布式应变数据进行温度补偿。由此,可以在不受离散光栅间距限制的情况下获得沿机器人长度方向高密度分布的机械应变信息。另外,0.64 mm这一数值仅为例示,ofdr解调单元具有不同的空间分辨率,而0.64 mm是其最小分辨率;此外,空间分辨率越小,采集的应变数据更精确。
10、在纯拉伸或纯压缩工况下,多根右旋光纤和多根左旋光纤的应变沿相同方向变化;在纯扭转工况下,右旋光纤与左旋光纤的应变沿相反方向变化;在纯弯曲工况下,各传感光纤的应变随其周向位置呈周期性变化。处理单元利用上述差异化应变规律,分别提取轴向共同分量、左右旋差分分量和周向周期分量,以求取轴向拉伸或压缩形变、扭转变形和弯曲变形。
11、优选的是,测温构件可轴向滑动地设置于软体机器人本体的中心通道内。测温构件可以为中心测温光纤,中心测温光纤与中心通道内壁之间留有允许轴向相对滑动的间隙,或者中心测温光纤设置于低摩擦套管内。由于中心测温光纤不与机器人本体固定贴合,其随本体轴向伸缩而产生的机械应变传递受到抑制,因而能够较为独立地表征环境温度变化。
12、此外,处理单元与ofdr解调单元通信连接,并内置物理模型和深度学习模型。处理单元将经过温度补偿的应变数据输入物理模型,基于软体机器人本体的截面几何关系求解沿轴向各截面的两个方向的曲率、轴向伸缩量和扭转角,并通过积分得到软体机器人的初始重建轮廓。物理模型使初始重建轮廓满足连续体运动学关系,并为后续形状修正提供具有物理意义的先验。
13、其中的物理模型可以结合bishop算法对两个方向的曲率、轴向伸缩量和扭转角进行积分。与仅依据弯曲曲率进行重构的方案相比,同步纳入轴向伸缩量和扭转角可以减少非弯曲形变被误映射为曲率变化而引起的轮廓偏差。
14、在传感光纤组包括六根光纤的一个具体实例中,处理单元将六路光纤应变分布、x方向曲率分布、y方向曲率分布、轴向伸缩分布和扭转分布作为十通道时序数据输入深度学习模型。深度学习模型可以为一维卷积神经网络与长短期记忆网络组合形成的1d-cnn-lstm神经网络,其中,一维卷积层提取单时刻沿轴向的空间特征,长短期记忆网络捕捉连续时刻之间的形变关联特征,并输出软体机器人末端的三维坐标预测结果。
15、处理单元以末端的三维坐标预测结果为约束,对初始重建轮廓进行迭代修正。在一种实施方式中,将软体机器人本体离散为包含多个球铰的伪刚体模型,采用l-bfgs算法或者适于盒约束的l-bfgs-b算法求解优化问题,并通过三次样条插值得到全局形状重构结果。通过在物理先验邻域内实施修正,可以在保留全局形状物理可解释性的同时补偿材料非线性、制造装配误差及逐段积分累积误差。
16、光纤传感单元和软体机器人本体可以均由非金属材料构成,以提高系统对磁共振成像环境的适配性。传感光纤的螺旋角可以根据软体机器人本体的轴向长度、截面直径确定,此外,其还可以受到编织圈数或编织节距的影响。
17、根据本公开的第二方面,提供一种多维形变传感软体机器人的形变重构方法,包括:采集传感光纤组的分布式应变数据和测温构件的温度漂移量的采集步骤;基于温度漂移量对分布式应变数据进行温度补偿的温度补偿步骤;利用物理模型求解各截面的形变参数并积分得到初始重建轮廓的初始重建步骤;将传感光纤组的应变数据和物理模型输出的形变参数作为多通道时序数据输入深度学习模型,得到末端三维坐标预测结果的末端预测步骤;以及以末端三维坐标预测结果为约束对初始重建轮廓进行迭代修正,得到全局形状重构结果的全局重构步骤。
18、根据本公开的第三方面,提供一种电子设备,包括存储器和处理器,存储器中存储有计算机程序,处理器执行计算机程序时实施上述形变重构方法的各个步骤。
19、同样地,根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实施上述形变重构方法的各个步骤。
20、[技术效果]
21、当用于传感的螺旋光纤固定于软体机器人本体外壁并同时对机器人本体形成增强作用时,光纤布置会改变机器人本体的等效刚度。若左旋光纤与右旋光纤的数量不同,或者同一旋向的多根光纤未沿周向对称布置,则机器人本体在不同周向位置以及不同旋向上的约束作用不平衡。该不平衡在机器人弯曲时容易诱发非期望的附加扭转,使实际形变偏离预期弯曲状态,并进一步增加弯曲、扭转和轴向伸缩信号的解耦难度。
22、在本公开中,与单一旋向螺旋缠绕光纤或是彼此数量不相等的不同旋向的光纤相比,利用数量相等且对称布置的左旋光纤和右旋光纤形成共同模式和差分模式。轴向拉伸或压缩主要形成两组光纤的共同应变,扭转主要形成两组光纤的反向应变,弯曲则形成与周向位置相关的周期性应变,因而能够在同一套光纤传感结构中同步识别并解耦轴向伸缩、扭转和弯曲。
23、此外,在本公开中,同一旋向的光纤沿周向等角度间隔布置,两种旋向的光纤相互错开并交替布置,使软体机器人周向和两个旋向上的约束作用趋于平衡。由此能够减少因传感光纤数量不等或位置不对称而在弯曲过程中引起的附加扭转,并降低弯曲与扭转信号之间的结构性耦合。
24、此外,在本公开中,传感光纤组固定贴合在软体机器人本体外壁,既能够随本体共同形变以获得分布式应变,又能够作为编织增强结构提高软体机器人本体的抗拉伸和抗扭转能力,无需另行设置占用较大空间的独立增强结构或者笨重传感器。
25、现有技术中,在获得局部形变参数后,单一物理建模方案通常根据软体机器人截面的几何关系和材料参数,计算局部曲率、轴向伸缩量和扭转角,再沿机器人长度方向逐段积分,以获得机器人的中心线轮廓或末端位置。该方案能够使重构结果满足连续体运动学关系,并具有较为明确的物理意义。
26、然而,物理模型通常基于理想材料特性、理想截面几何关系和理想传感器布置状态建立。实际软体机器人在制造、装配和使用过程中可能存在材料参数变化、局部结构差异、粘接层厚度差异、传感光纤贴合状态变化及材料损耗等情况,使应变到曲率、伸缩或扭转的映射关系偏离理想模型。由于形状重构需要沿长度方向逐段积分,前序区段产生的测量误差或模型误差会传递至后续区段并逐步累积,最终造成全局轮廓和末端位置的重建误差。此外,若仅采用数据驱动模型,虽然能够利用标定数据拟合传感信号与形状之间的映射关系,但其输出可能缺少连续体运动学关系的约束,并且通常需要较大量且覆盖充分的训练样本。当训练数据未覆盖特定材料状态、载荷状态或复杂复合形变时,数据驱动模型的泛化能力和输出稳定性仍可能受到影响。
27、在本公开中,中心测温光纤能够在中空中心通道内轴向滑动,减少本体轴向伸缩对该光纤的机械应变传递,使其更适合用于获得温度漂移量;据此对外围传感光纤实施温度补偿,可以提高多维形变参数的解算准确性。
28、另外,物理模型为全局形状提供满足连续体运动学关系的先验轮廓,数据驱动模型提供对制造装配误差、材料非线性和积分累积误差的补偿信息。同时,以末端三维坐标预测结果约束初始重建轮廓,能够在保留物理可解释性的同时降低全局轮廓和末端位置误差。
29、除此之外,在本公开中,系统的本体和光纤传感结构可全部采用非金属材料,且光纤具有抗电磁干扰能力,因而适于医疗介入、磁共振兼容和其他受限空间场景。
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