基于慣性動作捕捉的機械臂控制系統設計*

李立早，常 勝，黃 凱

(南京信息職業技術學院，江蘇 南京 210023)

基于慣性動作捕捉的機械臂控制系統設計*

李立早，常 勝，黃 凱

(南京信息職業技術學院，江蘇 南京 210023)

針對以往機械臂控制方式繁瑣且技術要求高的弊端，設計了一套基于慣性動作捕捉的機械臂控制系統。由重力加速度計和彎曲度傳感器構成的動作捕捉模塊被固定于操作者手臂上，實時捕捉手臂各部分相對運動角度值。動作捕捉模塊將各角度值通過串行方式發送給機械臂控制模塊，完成對舵機角度的控制。該控制系統直接捕獲手臂相對運動角，避免了空間姿態角換算問題，經實驗驗證其控制效果令人滿意。

動作捕捉；慣性傳感器；彎曲度傳感器；機械臂

0 引言

機械臂作為機器人的一個分支，已廣泛應用于工業領域以及生活中。機械臂可以替代人類在高溫、高熱、強輻射等高危環境中作業，完成各類復雜的操作。目前的機械臂控制方式通常較為繁瑣，同時要求操作者具有專業知識基礎和豐富的操作經驗。近年來，有學者提出了采用體感技術對機械臂進行控制，主要方式有兩大類：光學捕捉和慣性捕捉。光學捕捉主要采用光學器材對人體運動姿態進行捕獲，具有較高的精度，但價格較為昂貴，對場地要求也較高。常見的光學捕捉控制方式通過采用Kinect或Leap Motion等設備來實現[1-2]。慣性捕捉方式則采用穿戴在人體上的慣性傳感器來實現對姿態的捕獲，例如采用三軸陀螺儀、重力加速度計和磁通傳感器等。目前，荷蘭Xsens公司和美國的Innalabs公司都推出了商業化的慣性捕捉設備，捕捉精度高，可以在任何場地使用，但同樣價格高昂。國內學者對慣性姿態捕獲機械臂控制方式也有深入研究，采用多傳感器數據融合方式計算舵機偏轉角度[3-4]。雖然多傳感器方案可以有效提高精度，但同時也帶來了計算復雜、數據量大、操作延遲等問題，給工程應用帶來了困難。

針對這些問題，本項目采用重力加速度計與彎曲度傳感器相結合的方案，設計了基于慣性動作捕捉的機械臂控制系統。直接捕獲各關節間相對運動角度，用于對機械臂舵機的控制，避免了大量的角度換算和數據運算。同時，在保證精度和穩定性的前提下，對成本進行了合理的控制。

1 系統方案

本項目主要通過對操作者手臂運動姿態的捕捉，產生角度指令進而控制機械臂進行運動。不同于單純動作捕捉系統捕獲的是手臂的空間姿態角，本項目中動作捕捉模塊捕獲的是手臂各部位的相對角度，再將其轉換為機械臂各舵機的偏轉角，進而控制機械臂的運動。由于機械臂的操作均是在視線之內完成，事實上已構建了視覺反饋回路[5-6]。因此對動作捕捉模塊精度要求相對較低，僅需線性輸出角度變化即可。動作捕捉模塊設計過程中主要考慮提高輸出信號的線性度和穩定性。

圖1 手臂結構示意圖

從解剖學角度分析，人體手臂共包括了三個主要的關節，即肩關節、肘關節和腕關節[7]，如圖1所示。上臂由肱骨和肌肉構成，前臂主要由橈骨、尺骨及肌肉構成，手掌由腕骨、掌骨和指骨等構成。如果不考慮較小范圍的運動，手臂有以下幾個自由度。由肱骨和肩胛骨構成的肩關節，可以前后做屈伸運動，也可以向外側做內收和外展運動，共有2個自由度。肘關節主要由上臂的肱骨和前臂的橈骨和尺骨連接而成，僅能完成屈伸運動。但橈骨和尺骨卻能共同完成旋內和旋外運動，有2個自由度。腕關節由尺骨、橈骨和掌骨構成，僅能完成小幅度的屈伸運動。手的運動較為復雜，這里就不詳細敘述了。

圖2 機械臂結構圖

本項目中采用的機械臂結構如圖2所示，由7個20 kg級大扭力數字舵機驅動，包括了6個自由度。為了與人體手臂結構相對應，機械臂的基座被固定在支架上，整個臂體下垂布置。其中A1和A2軸模擬人體肩關節部分，由3個舵機構成，各軸可以完成接近180°的旋轉，共2個自由度。A3和A5軸模擬了肘關節的運動，同軸安裝的舵機可以保證前臂完成大角度的屈伸運動，A5軸上的舵機則可以使得機械爪繞A5軸完成旋轉運動，共2個自由度。A4軸模擬了人體的腕關節，同軸的舵機可以帶動機械爪繞A4軸完成大角度屈伸動作，共1個自由度。最后機械爪可以完成夾取動作，模擬人手的功能，共1個自由度。

圖5 系統原理框圖

為了捕捉手臂的運動姿態，在操作者手臂上固定了2類共5個傳感器，如圖3所示。其中，在肩關節處水平固定了1個重力加速度計S1，用于捕捉肩關節繞y軸的屈伸運動，以及繞x軸的外展和內收運動。在肘關節內側，固定了1個彎曲度傳感器S2，用于捕捉肘關節的屈伸運動。在肘關節外側尺骨根部固定了1個重力加速度計S3，同時在手背上固定了1個重力加速度計S4，用于捕捉肘關節繞x軸的旋內和旋外運動，以及腕關節繞y軸的屈伸運動。具體固定方式如圖4所示。

圖3 傳感器總體安裝示意圖

圖4 腕關節傳感器安裝示意圖

如圖4中坐標系所示，手部可以分別繞x，y，z軸實現一定角度的旋轉。對應被控機械臂的運動特點，僅需要捕獲手部繞x軸和繞y軸的運動。為了簡化設計，采用了兩個重力加速度計來完成對這兩組運動的捕獲。通過獲取兩個加速度計繞x軸和y軸的差值，便可以計算出手部繞x軸和y軸旋轉的角度了。

2 硬件實現

本項目的結構如圖5所示，由動作捕捉模塊和機械臂控制模塊共同構成。動作捕捉模塊由3個重力加速度計和2個彎曲度傳感器作為動作捕捉元件。其中，重力加速度計通過SPI通信方式與MSP430F5529單片機進行通信，彎曲度傳感器則通過ADC(模數轉換器)將信號發送給單片機。兩個功能模塊間通過UART方式進行通信，動作捕捉模塊將采集到的6組角度信息發送給機械臂控制模塊。機械臂控制模塊中的單片機將角度信息轉化為對應的PWM波信號發送給6自由度機械臂，完成對應動作。傳感器采集部分采用5 V鋰電池供電，經穩壓后提供給單片機及相關傳感器；機械臂控制部分采用開關電源供電，可以為大扭力數字舵機提供6 V總計10 A的電源輸出，確保機械臂在夾取重物情況下也能夠正常完成大角度的提升動作。

本項目中重力加速度計選用的是恩智浦公司的MMA7455模塊，具有功耗低、尺寸小、內建低通濾波器以及自矯正等特點，且價格便宜。該傳感器可采用SPI或I2C串行輸出，便于和單片機進行通信。內建的ADC(模數轉換器)提供10位的分辨率，直接輸出數據穩定可靠，完全能夠滿足本項目的設計需求。彎曲度傳感器采用Spectra Symbol公司的Flex系列傳感器。該傳感器采用柔性材料作為基材，可以在不超過180°范圍內任意彎曲。基材上附著的電阻片的電阻值會隨著傳感器彎曲角度的增大而增大，在一定角度范圍內接近線性[8]。圖6是對該彎曲度傳感器電阻特性的實際測試結果，可見輸出電阻值與彎曲角度基本呈線性關系。

圖6 彎曲度傳感器特性圖

3 軟件設計

如圖5所示，系統共分為兩大模塊：動作捕獲模塊和機械臂控制模塊，動作捕獲模塊的主要任務是對角度進行采集、處理并完成數據的通信傳輸。MMA7455重力加速度計的輸出為三軸方向上的加速度值，因此需要單片機通過幾何換算才能最終獲得繞x軸和y軸的傾角。而彎曲度傳感器輸出的電阻值經過分壓調理最后轉化為電壓值，再由單片機內建的12位ADC(模數轉換器)進行采集并經過換算最終得到彎曲角度?？紤]到重力加速計的機械特性以及噪聲干擾等，在軟件設計過程中需要對采集到的數據進行數字濾波。采用較為簡單的中值濾波，可以有效地去除掉由于機械沖擊造成的脈沖突變信號，保證了數據的穩定性。

機械臂控制模塊程序設計較為簡單，主要完成UART數據的接收和對機械臂角度的控制。MSP430F5529單片機內建了16位的定時器，采用其波形輸出功能可以同時從7個通道輸出周期為20 ms,占空比為2.5%～12.5%的PWM方波信號。

4 實驗驗證

在對系統進行測試之前，需要對動作捕捉模塊進行簡單調試和校準。在手臂處于自然下垂狀態時，將所有傳感器調整為零輸出。完成校準工作后，針對系統的穩定性和線性度進行了以下測試?？紤]到人體手臂運動的范圍，針對機械臂6個自由度分別進行了多次測試，記錄數據如表1所示?？梢钥闯?，除A4和A5軸出現誤動作外，其他轉軸輸出均很穩定。出現角度偏差較為明顯的轉軸主要集中在采用重力加速度計的A1，A2，A4和A5轉軸，分析原因主要在于加速度計在大角度時分辨率降低，從而造成了整體線性度的下降。

表1 實驗測試數據

5 結論

本項目采用穿戴在操作者手臂上的重力加速度計與彎曲度傳感器相結合作為動作捕捉元件，直接捕獲手臂各部分相對角度值，用于對六自由度機械臂的姿態控制。該設計避免了傳統動作捕捉系統通過空間姿態角換算相對角度的繁瑣運算，以及數據融合運算帶來的延遲問題。通過實驗驗證表明，該系統能夠線性地跟蹤操作者手臂姿態的變化，并能提供穩定的角度輸出。在后繼的研究工作中，重點將放在進一步提高系統的可靠性和準確性，以期達到產品化的目的。

[1] 林海波，梅為林，張毅，等.基于Kinect骨骼信息的機械臂體感交互系統的設計與實現[J].計算機應用與軟件,2013，30(2):157-160，176.

[2] 康楊雨軒，鄭文，李松林，等.基于LeapMotion的機械臂交互控制研究[J].傳感器與微系統,2016,35(6):34-37.

[3] 周海芳,查帥榮，章杰，等.一種基于嵌入式平臺的機械臂體感控制系統[J].福州大學學報(自然科學版),2015(4):471-475.

[4] 汪俊，許勝強，程楠，等.基于多傳感器的運動姿態測量算法[J].計算機系統應用,2015，24(9):134-139.

[5] 劉洋,方敏.基于LabVIEW的視覺伺服機械臂控制系統[J].微型機與應用,2012,31(10):25-27.

[6] 張雨薇,林雄民.基于仿生機械臂的體態遙控與可視化系統設計[J].電子技術應用,2015,41(12):22-24.

[7] 劉雷.基于慣性運動捕捉的仿人機械臂控制系統算法研究[D].西安：西北大學,2015.

[8] 都悅來，史麗萍，李桂英，等.基于加速度計和彎曲傳感器的手指運動姿態監測(英文)[J].納米技術與精密工程,2017,15(1): 61-66.

Design of robot arm control system based on the inertial motion capture

Li Lizao, Chang Sheng, Huang Kai

(Nanjing College of Information Technology, Nanjing 210023, China)

The traditional robot arm control is complex and professional. A robot arm control method has been designed based on inertial motion capture. The motion capture module composed of gravity accelerometer and flex sensor is fastened to the operator’s arm, and the angle of each part of relative motion are captured. The motion capture module will send each angle value to the robot arm control module through serial communication to steer the robot arm. The control system directly captures arm relative angle, avoiding the problem of space attitude angle conversion. Control effect is verified by the experiment.

motion capture; inertial sensor; flex sensor; robot arm

江蘇省大學生創新創業訓練計劃一般項目(201613112012Y)

TP273

A

10.19358/j.issn.1674- 7720.2017.16.002

李立早，常勝，黃凱.基于慣性動作捕捉的機械臂控制系統設計[J].微型機與應用，2017,36(16)：5-7.

2017-03-22)

李立早(1979-)，男，副教授，主要研究方向：嵌入式系統。