基于Leap M otion遠(yuǎn)程控制仿生人手運(yùn)動研究

　　張起浩，王建亮，蔣少國（南開大學(xué)?濱海學(xué)院，天津?300270）

　　摘?要：針對仿生人手的遠(yuǎn)程控制的研究，設(shè)計了體感設(shè)備Leap Motion和基于STM32微控制器而設(shè)計的仿生人手相結(jié)合的人機(jī)交互系統(tǒng)。通過對三維變換矩陣的求解，驗證了Leap Motion對空間中物體運(yùn)動數(shù)據(jù)的捕捉原理。利用Leap Motion采集人體姿態(tài)，經(jīng)過最新藍(lán)牙5.0協(xié)議，將標(biāo)識數(shù)據(jù)遠(yuǎn)程發(fā)送給STM32微控制器，再經(jīng)過三極管的放大控制舵機(jī)轉(zhuǎn)動指定角度，進(jìn)而驅(qū)動仿生人手指運(yùn)動，實現(xiàn)對物體的遠(yuǎn)程控制。最后設(shè)計實驗，驗證不同距離對仿生人手指的靈敏度和穩(wěn)定性的影響。在距離5 m、10 m的閾值力、手指屈伸和響應(yīng)時間都一樣，但隨著距離增加，靈敏度和穩(wěn)定性越來越差，直至30 m時藍(lán)牙接收不到PC端傳來的數(shù)據(jù)流。

　　關(guān)鍵詞：Leap Motion；三維變換矩陣；藍(lán)牙5.0

　　0 引言

　　隨著人工智能（artificial intelligence）的爆炸性發(fā)展，圖像識別變得越來越智能化，并且出現(xiàn)了許多基于機(jī)器視覺原理的體感設(shè)備。本項目主要研究leapmotion采集人手姿態(tài)動作，通過本地計算機(jī)對數(shù)據(jù)進(jìn)行處理并識別出多種手勢后，遠(yuǎn)程與STM32板載藍(lán)牙(Bluetooth 5.0)通訊 ^[1] ，STM32作為控制單元，根據(jù)不同指令控制仿生人手各關(guān)節(jié)的旋轉(zhuǎn)角度，從而實現(xiàn)對物體的抓取等控制 ^[2] 。

　　1 Leap Motion體感控制器

　　1.1 Leap M otion的工作原理

　　Leap Motion是一種采用立體視覺原理，內(nèi)部配備雙攝像頭如同人眼從不同角度捕捉畫面，重建出來手掌在真實三維空間的運(yùn)動信息并對空間物體進(jìn)行坐標(biāo)定位見圖1。它能夠識別的范圍大概在傳感器上方的25 mm～600 mm，工作精度可達(dá)到0.01 mm，可實現(xiàn)高操作性。

　　1.2 Leap M otion數(shù)據(jù)捕捉

　　為了捕捉人手指關(guān)節(jié)在三維空間的位置和方向 ^[3] ，建立了右笛卡爾坐標(biāo)系的3種運(yùn)動數(shù)據(jù)：位移、旋轉(zhuǎn)、縮放，需要通過人手運(yùn)動模型或者投影法將笛卡兒三維空間數(shù)據(jù)映射出來才能得到人手關(guān)節(jié)角度信息 ^[5] ,并分別把X、Y、Z作為旋轉(zhuǎn)軸（實際上僅在垂直坐標(biāo)軸的平面上進(jìn)行二維旋轉(zhuǎn)），P在XY平面、XZ平面、YZ平面的投影分別為點(diǎn)M、點(diǎn)P、點(diǎn)N，三維旋轉(zhuǎn)變換矩陣公式直接由二維旋轉(zhuǎn)公式變化得來 ^[6] ，如圖2。

　　1）繞Z軸旋轉(zhuǎn)，相當(dāng)于將 OP，在XY平面的投影OM圍繞原點(diǎn)旋轉(zhuǎn)， 如圖3所示 ， OM旋轉(zhuǎn)θ角到OM′ 。

　　設(shè)旋轉(zhuǎn)前的坐標(biāo)為(x,y,z) 旋轉(zhuǎn)后的坐標(biāo)為( x',y',z′,)^T， 則 的 坐 標(biāo) 為 ( x,y)^T，N′的 坐 標(biāo) 為( x',y')^T，由此可得：

　　對于x′和y′進(jìn)行三角展開：

　　且有 z'=z；可得繞軸旋轉(zhuǎn) θ 角的旋轉(zhuǎn)矩陣為：

　　2）繞軸旋轉(zhuǎn)，相當(dāng)于將 OP在平面的投影繞原點(diǎn)旋轉(zhuǎn)，如圖4，旋轉(zhuǎn) θ 角到ON′。

　　設(shè)旋轉(zhuǎn)前的坐標(biāo)為 (x,y,z) ，旋轉(zhuǎn)后的坐標(biāo)為( x',y',z′,)^T， 則 的 坐 標(biāo) 為 (z,y)^T，N′的 坐 標(biāo) 為( x',y′)^T，由此可得：

　　對于z′和y′進(jìn)行三角展開：

　　且有 x'=x；可得繞軸旋轉(zhuǎn) θ 角的旋轉(zhuǎn)矩陣為：

　　3）繞軸旋轉(zhuǎn)，相當(dāng)于將 OP????在平面的投影繞原點(diǎn)旋轉(zhuǎn)，如圖5所示，旋轉(zhuǎn) θ 角到OO′。

　　設(shè)旋轉(zhuǎn)前的坐標(biāo)為 ( x,y,z) ，旋轉(zhuǎn)后的坐標(biāo)為( x',y',z′)^T， 則 的 坐 標(biāo) 為 ( x,z)^T，Q′的 坐 標(biāo) 為( x',z′)^T，由此可得：

　　對于x′和z′進(jìn)行三角展開：

　　且有y'=y；可得繞Y軸旋轉(zhuǎn) θ 的旋轉(zhuǎn)矩陣為：

　　4）繞X、Y、Z軸旋轉(zhuǎn)的旋轉(zhuǎn)矩陣分別為：

　　2 硬件電路設(shè)計

　　2.1 系統(tǒng)框圖

　　該系統(tǒng)利用Leap Motion高識別度與以Cortex-M3為內(nèi)核的STM32等其他器件作為整體系統(tǒng)，見圖6。該系統(tǒng)由Leap Motion、PC、STM32F103C8T6、信號放大電路等組成。工作流程是Leap Motion傳感器將采集到人體手勢數(shù)據(jù)發(fā)送給PC端，PC端接收數(shù)據(jù)流，并通過藍(lán)牙5.0的協(xié)議透傳給主STM32標(biāo)識數(shù)據(jù)格式，STM32數(shù)據(jù)發(fā)送相應(yīng)的控制指令，進(jìn)而控制舵機(jī)的轉(zhuǎn)動角度。

　　2.2 ST M 32F103C 8T 6電路設(shè)計

　　STM32F103一款帶有Cortex-M3內(nèi)核的中低端32位Arm微控制器。最高CPU速度可達(dá)到72 MHz，1.25DMIPS/MHz，單周期乘法和硬件除法，本次實驗選擇STM32F103C8T6芯片作為主控器，加入復(fù)位電路，增加電路運(yùn)行的穩(wěn)定性。

　　2.2.1 電源電路

　　該系統(tǒng)采用LMZ12003作為總電源管理芯片（如圖7）,12 V輸入，5 V輸出的模式，5 V輸出主要為舵機(jī)供電。它是一種穩(wěn)固、安全、可靠的設(shè)計，具有輸入欠壓鎖定、輸出電壓保護(hù)、短路保護(hù)、輸出電流限制和使能偏置電壓輸出的功能。

　　2.2.2 信號放大電路

　　STM32微控制器的I/O口是弱電信號，不能直接驅(qū)動舵機(jī)的運(yùn)動，因此有必要設(shè)計一個信號放大電路進(jìn)行放大，故采用三極管2N3904。如圖8所示。

　　2.3.3 藍(lán)牙H C -42模塊

　　該系統(tǒng)使用HC-42無線通訊模塊進(jìn)行仿生手的遠(yuǎn)程控制，藍(lán)牙5.0的理論最大傳輸速度為24 Mbit/s（是之前藍(lán)牙4.2版本的2倍）。傳輸達(dá)到無損耗水平，理論有效工作距離可達(dá)300 m，是藍(lán)牙4.2版本的4倍。模塊原理圖如圖9所示。

　　2.3.4 舵機(jī)

　　顧名思義，舵機(jī)是控制舵面的電動機(jī)，驅(qū)動位置伺服的驅(qū)動器。它可以接收特定的控制信號，輸出恒定的角度，適用于角度不斷變化且需要保持的控制系統(tǒng)。本系統(tǒng)選用MG995舵機(jī)，它由舵盤、減速齒輪組、位置反饋電位計5 kΩ、直流電機(jī)、控制電路板等組成。

　　MG995舵機(jī)控制圖如圖10所示。有3條線，分別是：電源線V CC 、地線GND、控制線。舵機(jī)的控制關(guān)系，如圖11所示，如果PWM的幅度為5 V，則其輸出軸將保持相應(yīng)的角度。無論外部扭矩如何變化，只有在提供下一個寬度脈沖信號時，輸出角度才會更改為新的相應(yīng)值。

　　3 遠(yuǎn)程控制距離實驗

　　Leap Motion API在獲取到人體手勢數(shù)據(jù)后遠(yuǎn)程控制仿生人手指的運(yùn)動。為了更好地測試藍(lán)牙5.0的無線傳輸穩(wěn)定性，故在空曠處設(shè)置10組不同的距離，驗證不同距離對仿生人手指的靈敏度和穩(wěn)定性的影響。如表1所示，在距離5 m、10 m的閾值力、手指屈伸和響應(yīng)時間都一樣，但隨著距離增加，3個測量的量越來越小，直至30 m時，藍(lán)牙接收不到PC端傳來的數(shù)據(jù)流。

　　4 結(jié)論

　　本文通過對國內(nèi)外手勢交互技術(shù)的研究以及LeapMotion技術(shù)的基礎(chǔ)上，研究了Leap Motion在智能仿生手中的應(yīng)用，該電路配有藍(lán)牙模塊，可遠(yuǎn)程控制仿生人手的移動。現(xiàn)在仿生人手的控制模式相對單調(diào)，大多采用傳統(tǒng)控制方式，但是傳統(tǒng)的控制方式通常依賴鍵盤等其他的輸入工具，所以操作過程復(fù)雜，如果可以連接到人機(jī)交互的Leap Motion傳感器界面里，使控制仿生人手更方便，這是一種新型的機(jī)器人控制模式，讓人們直接用自己的雙手指揮機(jī)器人做出想要的動作并協(xié)助人們完成任務(wù)，但系統(tǒng)的遠(yuǎn)程控制距離還待提高，選擇藍(lán)牙5.0作為遠(yuǎn)程通訊模塊距離達(dá)到30 m就無法接收到數(shù)據(jù)流，且響應(yīng)速度不夠理想。

　　參考文獻(xiàn)

　　[1] 王紅全,淮永建.基于Leap Motion手勢識別方法在樹木交互的應(yīng)用[J].計算機(jī)應(yīng)用與軟件,2018,35(10):153-158.

　　[2] 李松林,徐大杰,張文.基于Leap Motion的六自由度機(jī)械臂控制系統(tǒng)[J].電子世界,2017(15):158.

　　[3] 王豫.基于Kinect的手臂關(guān)節(jié)三維運(yùn)動捕獲[D].杭州：浙江大學(xué),2015.

　　[4] 況鷹.基于Kinect運(yùn)動捕獲的三維虛擬試衣[D].廣州：華南理工大學(xué),2012.

　　[5] 劉源.人手抓取運(yùn)動解析及姿勢協(xié)同仿人手研究[D].哈爾濱：哈爾濱工業(yè)大學(xué),2018.

　　[6] 劉浩.從三階魔方談空間圖形旋轉(zhuǎn)變換矩陣[J].課程教育研究,2018(27):145-146.

　　作者簡介：

　　指導(dǎo)教師：

　　王建亮（1982—），男，高級工程師，碩士，主要研究方向：智能儀表。

　　張起浩（1995—），男，本科，主要研究方向：智能硬件設(shè)計。

　　蔣少國（1998—），男，本科，主要研究方向：智能硬件設(shè)計。

　　指導(dǎo)教師評語：論文選題有意義，在吸收學(xué)術(shù)界研究成果的基礎(chǔ)上，有自己的心得體會，提出自己的看法，言之有理。論述觀點(diǎn)正確，材料比較充實，敘述層次分明。

　　本文來源于科技期刊《電子產(chǎn)品世界》2019年第9期第39頁，歡迎您寫論文時引用，并注明出處。