| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 课题研究意义 | 第9-10页 |
| 1.2 国内外基于意图识别的助行机器人研究发展概述 | 第10-12页 |
| 1.2.1 国外基于意图识别的助行机器人的研究现状 | 第11-12页 |
| 1.2.2 国内基于意图识别的助行机器人的研究现状 | 第12页 |
| 1.3 人体运动信息采集与应用现状 | 第12-14页 |
| 1.3.1 人体运动信息采集 | 第12-14页 |
| 1.3.2 智能手机传感器在监测人体运动方面的应用 | 第14页 |
| 1.4 本文主要研究内容与安排 | 第14-16页 |
| 第2章 人体运动信息与助行机器人分析 | 第16-28页 |
| 2.1 人体运动姿态、运动稳定性 | 第16-18页 |
| 2.1.1 正常人行走稳定性 | 第16页 |
| 2.1.2 老年人运动能力 | 第16-18页 |
| 2.2 助行机器人结构 | 第18-22页 |
| 2.2.1 助行机器人机械结构 | 第18-20页 |
| 2.2.2 助行机器人运动学建模 | 第20-22页 |
| 2.3 助行机器人使用者意图识别总体架构 | 第22-26页 |
| 2.3.1 用户界面程序 | 第23页 |
| 2.3.2 机器人运动控制程序 | 第23-25页 |
| 2.3.3 采集使用者运动信息的传感器 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 传感器数据采集与处理 | 第28-42页 |
| 3.1 数据采集 | 第28-31页 |
| 3.1.1 手机内置传感器数据获取 | 第28-30页 |
| 3.1.2 压力传感器数据获取 | 第30-31页 |
| 3.2 人体姿态数据与压力传感器数据的降噪处理 | 第31-33页 |
| 3.2.1 Kalman滤波器 | 第31-32页 |
| 3.2.2 运用Kalman滤波器进行数据处理 | 第32-33页 |
| 3.3 助行机器人使用者上半身姿态解算算法 | 第33-41页 |
| 3.3.1 坐标转换 | 第33-35页 |
| 3.3.2 姿态角确定 | 第35-36页 |
| 3.3.3 四元数姿态解算方法 | 第36-38页 |
| 3.3.4 四元数法的姿态解算流程 | 第38-40页 |
| 3.3.5 助行机器人使用者上半身姿态解算算法流程 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 方向意图识别算法研究 | 第42-56页 |
| 4.1 助行机器人使用者上半身姿态角度与前臂压力测试 | 第42-44页 |
| 4.1.1 使用者上半身姿态角度、前臂压力与运动意图的关系 | 第42-43页 |
| 4.1.2 助行机器人使用者运动意图识别系统总体设计 | 第43-44页 |
| 4.2 支持向量机 | 第44-46页 |
| 4.2.1 预处理 | 第44-45页 |
| 4.2.2 线性支持向量机分类 | 第45-46页 |
| 4.3 旋转意图与全向移动运动意图分类仿真实验 | 第46页 |
| 4.4 基于模糊理论的助行机器人全向运动识别算法 | 第46-52页 |
| 4.4.1 模糊算法理论基础 | 第46-47页 |
| 4.4.2 模糊推理算法过程 | 第47-48页 |
| 4.4.3 基于模糊推理的助行机器人使用者全向运动意图识别算法 | 第48-52页 |
| 4.5 助行机器人辅助行走实验 | 第52-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第5章 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 在学研究成果 | 第61-62页 |
| 致谢 | 第62页 |
