基于深度学习的配电高压操作机器人运动控制技术研究

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/xdkjyj.v5i2.18948

基于深度学习的配电高压操作机器人运动控制技术研究

郎子倩, 孟健鹏

河北科技学院

全文直达

引用

打印

摘要：随着人工智能的快速发展，体感控制成为机器人人机交互的热点方向，如何快速且准确地识别人体姿态是完成体感控制的一大难点。此次研究将通过改进后的YOLOv4模型检测人体框架，改进后的堆叠沙漏网络模型识别关节点，以提高人体姿态识别的速度和准确率；并针对机器人上半身手臂运动和下半身步态控制的特点，开发关节点映射算法来对机器人进行体感控制，解决配电高压操作机器人进行人机交互时容易摔倒的问题。结果表明，改进后YOLOv4网络检测人体目标的最好结果为84.37%，改进堆叠沙漏网络模型的收敛损失函数为0.096，PCK值为88.3%；研究模型的识别速度均值较CPN模型提高了21.5s，表明研究模型在提高人体姿态识别准确率的同时，提高了体感控制的效率，在体感控制领域有一定的研究价值。

关键词：

YOLOv4；堆叠沙漏；关节点识别；机器人；体感控制

Academic Publishing Pte Ltd

ISSN：2810-966X

年,卷(期)：2025,5(2)