本發(fā)明涉及交互技術(shù)，特別是涉及基于生物電信號解碼的機器人操控方法及系統(tǒng)。

背景技術(shù)：
機器人廣泛應(yīng)用于工業(yè)、醫(yī)學等領(lǐng)域。機器人系統(tǒng)一般由操作機(即機器人)、驅(qū)動單元、控制器和為操控機器人而連接的外部設(shè)備組成。在工業(yè)機器人系統(tǒng)的機器人中，機器手臂的外形出現(xiàn)得最多，例如，機器手臂在制造業(yè)的生產(chǎn)線上代替人進行焊接、裝配、搬去、加工、噴涂以及碼垛等作業(yè)。為控制機器人進行作業(yè)，大多采用離線編程的方式，通過內(nèi)嵌PID(ProportionIntegrationDifferentiation，比例積分微分)控制算法、模糊控制算法以及神經(jīng)網(wǎng)絡(luò)控制模型等一種或多種融合算法的控制方式實現(xiàn)機器人的操控，但是，這一控制方式所能夠應(yīng)用的場合非常有限，無法滿足應(yīng)用的需要。然而，機器人系統(tǒng)還可以通過光學攝像頭捕捉人肢體的動作，以接收人的運動信息，并進行后處理得到人體的運動特征，從而控制機器人實現(xiàn)運動。然而，在這一個基于視覺捕捉的人機交互方式中，需要多個攝像機同時采集人體運動區(qū)域的三維信息，并且需要在人體上佩戴感光點，其后處理的工作量大，攝像機與操作者之間不允許有障礙物，標定也非常繁瑣，尚無法應(yīng)用于任何實用化的機器人系統(tǒng)。

技術(shù)實現(xiàn)要素：
基于此，有必要提供一種操控簡便且能提高靈活性的基于生物電信號解碼的機器人操控方法。此外，還有必要提供一種操控簡便且能提高靈活性的基于生物電信號解碼的機器人操控系統(tǒng)。一種基于生物電信號解碼的機器人操控方法，包括如下步驟：檢測生物電信號；根據(jù)所述生物電信號識別運動意圖；按照所述運動意圖操控機器人。在其中一個實施例中，所述生物電信號為表面肌電信號，所述檢測生物電信號的步驟為：通過分布于操控者手臂的傳感器采集表面肌電信號；處理所述表面肌電信號，并轉(zhuǎn)化為數(shù)字信號。在其中一個實施例中，所述傳感器為多個表面肌電電極。在其中一個實施例中，所述根據(jù)所述生物電信號識別運動意圖的步驟為：從所述數(shù)字信號中提取特征參數(shù)；將所述特征參數(shù)輸入動作分類器得到對應(yīng)的運動意圖。在其中一個實施例中，所述按照所述運動意圖操控機器人的步驟為：根據(jù)所述運動意圖生成控制指令；通過所述控制指令控制機器人手臂。一種基于生物電信號解碼的機器人操控系統(tǒng)，包括：檢測裝置，用于檢測生物電信號；識別裝置，用于根據(jù)所述生物電信號識別運動意圖；操控裝置，用于按照所述運動意圖操控機器人。在其中一個實施例中，所述生物電信號為表面肌電信號，所述檢測裝置包括：傳感器，分布于操控者手臂，用于采集表面肌電信號；處理模塊，用于處理所述表面肌電信號，并轉(zhuǎn)化為數(shù)字信號。在其中一個實施例中，所述傳感器為多個表面肌電電極。在其中一個實施例中，所述識別裝置包括：特征提取模塊，用于從所述數(shù)字信號中提取特征參數(shù)；動作分類器，用于根據(jù)所述特征參數(shù)得到對應(yīng)的運動意圖。在其中一個實施例中，所述操控裝置包括：指令生成模塊，用于根據(jù)所述運動意圖生成控制指令；手臂控制模塊，用于通過所述控制指令控制機器人手臂。上述基于生物電信號解碼的機器人操控方法及系統(tǒng)，以生物電信號作為信息源，經(jīng)過生物電信號的解碼之后得到操控者的運動意圖，并將其傳遞給機器人，使機器人模仿操控者的動作，不需要對機器人進行復雜的操作訓練，非常易于實現(xiàn)，操控簡便，并且提高了靈活性。附圖說明圖1為一個實施例中基于生物電信號解碼的機器人操控方法的流程圖；圖2為圖1中檢測生物電信號的方法流程圖；圖3為圖1中根據(jù)生物電信號識別運動意圖的方法流程圖；圖4為圖1中按照運動意圖操控機器人的方法流程圖；圖5為一個實施例中基于生物電信號解碼的機器人操控系統(tǒng)的結(jié)構(gòu)示意圖；圖6為圖5中檢測裝置的結(jié)構(gòu)示意圖；圖7為圖5中識別裝置的結(jié)構(gòu)示意圖；圖8為圖5中操控裝置的結(jié)構(gòu)示意圖。具體實施方式如圖1所示，在一個實施例中，一種基于生物電信號解碼的機器人操控方法，包括如下步驟：步驟S10，檢測生物電信號。本實施例中，生物電信號可以是操控者的腦電信號、周圍神經(jīng)電信號、侵入式深層肌電信號以及表面肌電信號等，作為信息源用于獲取操控者的運動信息。在對機器人進行控制的過程中對操控者進行生物電信號的檢測進而方便感知得到操控者當前發(fā)生的動作。如圖2所示，在一個實施例中，生物電信號為表面肌電信號，上述步驟S10的具體過程為：步驟S110，通過分布于操控者手臂的傳感器采集表面肌電信號。本實施例中，分布于操控者手臂中的傳感器根據(jù)控制精度的需要可以安置一個或者多個。表面肌電信號是運動神經(jīng)信息的一種外在表現(xiàn)，通過分布安置于操控者前臂和/或上臂的傳感器獲取得到的，例如，當操控者做上肢動作時，大腦將指令以神經(jīng)脈沖的形式傳遞給手臂肌肉，使手臂肌肉收縮產(chǎn)生表面肌電信號，此時，分布于操控者手臂上的傳感器將采集到操控者做肢體動作時的表面肌電信號。在優(yōu)選的實施例中，傳感器為多個表面肌電電極，并分布安置于操控者的前臂和上臂，以采集到多通道肌電信號，精確地獲取操控者的運動神經(jīng)信息。由于表面肌電電極在操控者手臂上佩戴簡單、輕便，使得通過表面肌電電極所進行的特征電信號采集非常易于實施，操作過程中不受束縛，可直觀地實現(xiàn)機器人操控，無需考慮操控者與機器人之間的距離以及操控者所在的環(huán)境等外界因素，屏蔽了各種外界因素干擾。步驟S130，處理表面肌電信號，并轉(zhuǎn)化為數(shù)字信號。本實施例中，對采集的表面肌電信號進行放大以及濾波等處理后通過模-數(shù)轉(zhuǎn)換器量化為數(shù)字信號。具體的，表面肌電信號的放大為伏級量別，與采集電路的電平相一致，進行的濾波處理為帶通濾波，以消除表面肌電信號的低頻偽跡和高頻干擾。步驟S30，根據(jù)生物電信號識別運動意圖。本實施例中，可通過基于訓練模型的模式識別算法對生物電信號進行識別以得到相應(yīng)的運動意圖，該運動意圖表征了操控者所做的肢體動作，具體地，該模式識別算法可以是線性判別分析法(LinearDiscriminantAnalysis，簡稱LDA)或人工神經(jīng)網(wǎng)絡(luò)算法。如圖3所示，在一個實施例中，上述步驟S30的具體過程包括：步驟S310，從數(shù)字信號中提取特征參數(shù)。本實施例中，特征參數(shù)表征了表面肌電信號中的肢體動作模式，包括了時域特征參數(shù)和頻域特征參數(shù)等。步驟S330，將特征參數(shù)輸入動作分類器得到對應(yīng)的運動意圖。本實施例中，將特征參數(shù)與動作分類器進行匹配得到與該特征參數(shù)對應(yīng)的運動意圖。動作分類器可以是通過對多組表征了不同肢體動作的運動意圖所對應(yīng)的特征參數(shù)進行訓練所得到的分類器。具體的，動作分類器可以是人工神經(jīng)網(wǎng)絡(luò)分類器(ArtificialNeuralNetwork，簡稱ANN)，也可以是隱馬爾可夫模型(HiddenMarkovModels，簡稱HMM)。步驟S50，按照運動意圖操控機器人。本實施例中，機器人是模仿人的操作在三維空間中完成各種作業(yè)的機電一體化設(shè)備，可廣泛應(yīng)用于各種領(lǐng)域包括：人不適合或不能夠進行臨場操作的場合，如在危險、艱苦作業(yè)條件下的爆破拆彈、輸油氣管道的檢修、救災、地下礦井作業(yè)條件、高溫嚴寒環(huán)境作業(yè)等；人力所不能及的情況，例如，代人負重等。按照識別得到的運動意圖來實現(xiàn)機器人的操控，此時，機器人將模仿操控者的手臂執(zhí)行相應(yīng)的動作，實現(xiàn)操控者對機器人自然、直觀地控制，降低了操控者的負擔和操控機器人的復雜度。此外，由于機器人執(zhí)行的動作只與采集到的生物電信號相關(guān)，因此，可以通過輕微瞬時的肌肉發(fā)力來實現(xiàn)非常細微的動作，大大地提高了機器人動作的精確度以及增加了機器人所能夠執(zhí)行的動作類型。如圖4所示，在一個實施例中，上述步驟S50的具體過程包括：步驟S510，根據(jù)運動意圖生成控制指令。本實施例中，根據(jù)動作分類器輸出的運動意圖，可通過控制接口電路生成控制指令，并傳遞到機器人手臂中的執(zhí)行電機，以控制機器人手臂執(zhí)行相應(yīng)的動作。步驟S530，通過控制指令控制機器人手臂。如圖5所示，在一個實施例中，一種基于生物電信號解碼的機器人操控系統(tǒng)，包括檢測裝置10、識別裝置30、操控裝置50以及機器人70。檢測裝置10，用于檢測生物電信號。本實施例中，生物電信號可以是操控者的腦電信號、周圍神經(jīng)電信號、侵入式深層肌電信號以及表面肌電信號等，作為信息源用于獲取操控者的運動信息。檢測裝置10在對機器人進行控制的過程中對操控者進行生物電信號的檢測進而方便感知得到操控者當前發(fā)生的動作。如圖6所示，在一個實施例中，生物電信號為表面肌電信號，上述檢測裝置10包括傳感器110以及處理模塊130。傳感器110，分布于操控者手臂，用于采集表面肌電信號。本實施例中，分布于操控者手臂中的傳感器110根據(jù)控制精度的需要可以安置一個或者多個。表面肌電信號是運動神經(jīng)信息的一種外在表現(xiàn)，通過分布安置于操控者前臂和/或上臂的傳感器110獲取得到的，例如，當操控者做上肢動作時，大腦將指令以神經(jīng)脈沖的形式傳遞給手臂肌肉，使手臂肌肉收縮產(chǎn)生表面肌電信號，此時，分布于操控者手臂上的傳感器110將采集到操控者做肢體動作時的表面肌電信號。在優(yōu)選的實施例中，傳感器110為多個表面肌電電極，并分布安置于操控者的前臂和上臂，以采集到多通道肌電信號，精確地獲取操控者的運動神經(jīng)信息。由于表面肌電電極在操控者手臂上佩戴簡單、輕便，使得通過表面肌電電極所進行的特征電信號采集非常易于實施，操作過程中不受束縛，可直觀地實現(xiàn)機器人操控，無需考慮操控者與機器人之間的距離以及操控者所在的環(huán)境等外界因素，屏蔽了各種外界因素干擾。處理模塊130，用于處理表面肌電信號，并轉(zhuǎn)化為數(shù)字信號。本實施例中，處理模塊130對采集的表面肌電信號進行放大以及濾波等處理后通過模-數(shù)轉(zhuǎn)換器量化為數(shù)字信號。具體的，表面肌電信號的放大為伏級量別，與采集電路的電平相一致，處理模塊130進行的濾波處理為帶通濾波，以消除表面肌電信號的低頻偽跡和高頻干擾。識別裝置30，用于根據(jù)生物電信號識別運動意圖。本實施例中，識別裝置30可通過基于訓練模型的模式識別算法對生物電信號進行識別以得到相應(yīng)的運動意圖，該運動意圖表征了操控者所做的肢體動作，具體地，該模式識別算法可以是線性判別分析法或人工神經(jīng)網(wǎng)絡(luò)算法。如圖7所示，在一個實施例中，上述識別裝置30包括特征提取模塊310以及動作分類器330。特征提取模塊310，用于從數(shù)字信號中提取特征參數(shù)。本實施例中，特征參數(shù)表征了表面肌電信號中的肢體動作模式，包括了時域特征參數(shù)和頻域特征參數(shù)等。動作分類器330，用于根據(jù)特征參數(shù)得到對應(yīng)的運動意圖。本實施例中，動作分類器330將特征參數(shù)與動作分類器進行匹配得到與該特征參數(shù)對應(yīng)的運動意圖。動作分類器330可以是通過對多組表征了不同肢體動作的運動意圖所對應(yīng)的特征參數(shù)進行訓練所得到的分類器。具體的，動作分類器可以是人工神經(jīng)網(wǎng)絡(luò)分類器，也可以是隱馬爾可夫模型。操控裝置50，用于按照運動意圖操控機器人。本實施例中，機器人70是模仿人的操作在三維空間中完成各種作業(yè)的機電一體化設(shè)備，可廣泛應(yīng)用于各種領(lǐng)域包括：人不適合或不能夠進行臨場操作的場合，如在危險、艱苦作業(yè)條件下的爆破拆彈、輸油氣管道的檢修、救災、地下礦井作業(yè)條件、高溫嚴寒環(huán)境作業(yè)等；人力所不能及的情況，例如，代人負重等。操控裝置50按照識別得到的運動意圖來實現(xiàn)機器人70的操控，此時，機器人70將模仿操控者的手臂執(zhí)行相應(yīng)的動作，實現(xiàn)操控者對機器人70自然、直觀地控制，降低了操控者的負擔和操控機器人的復雜度。此外，由于機器人70執(zhí)行的動作只與采集到的生物電信號相關(guān)，因此，可以通過輕微瞬時的肌肉發(fā)力來實現(xiàn)非常細微的動作，大大地提高了機器人動作的精確度以及增加了機器人70所能夠執(zhí)行的動作類型。如圖8所示，在一個實施例中，上述操控裝置50包括指令生成模塊510以及手臂控制模塊530。指令生成模塊510，用于根據(jù)運動意圖生成控制指令。本實施例中，指令生成模塊510根據(jù)動作分類器輸出的運動意圖，可通過生成控制指令，并傳遞到機器人手臂中的執(zhí)行電機，以控制機器人手臂執(zhí)行相應(yīng)的動作。在一個實施例中指令生成模塊510可以是控制接口電路。手臂控制模塊530，用于通過控制指令控制機器人手臂。在一個具體的實驗中，上述基于生物電信號解碼的機器人操控方法及系統(tǒng)在操控者上肢前臂佩戴4個表面肌電電極采集表面肌電信號，對于常用的腕部與手部動作機器人手臂執(zhí)行的精確度達到95％以上，進一步說明了從生物電信號中獲取運動意圖的機器人操控可以實現(xiàn)高精度的控制。上述基于生物電信號解碼的機器人操控方法及系統(tǒng)，以生物電信號作為信息源，經(jīng)過識別得到操控者的運動意圖，并將其傳遞給機器人，使機器人模仿操控者的動作，不需要對機器人進行復雜的操作訓練，非常易于實現(xiàn)，操控簡便，并提高了靈活性。以上所述實施例僅表達了本發(fā)明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對本發(fā)明專利范圍的限制。應(yīng)當指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準。