来源：期刊VIP网 时间：
作者：彭金柱;刘涵菲;卞英楠;
单位：郑州大学电气与信息工程学院;河南交通职业技术学院物流学院;
摘要：在人机协作过程中，由于光照条件等环境因素和机器人设备摆放等遮挡原因，导致使用基于视觉的运动捕捉设备对人体运动进行捕捉时时间序列的轨迹数据有缺失，进而导致意图识别不准确，增加了机器人运动的不确定性。因此，提出了一种基于支持向量回归(support vector regression, SVR)和长短期记忆(long short-term memory, LSTM)的人体上肢运动时间序列轨迹缺失补偿方法。采用网格搜索法对SVR模型中的参数进行优化来完善历史样本数据集，结合长短期记忆网络对短、长时间序列轨迹缺失的预测补全更精确的优势，将SVR模型补全的历史样本数据集输入LSTM模型训练，进一步降低补偿误差。实验结果表明，在三维空间350 mm的运动尺度范围内，轨迹缺失程度为10%时，SVR-LSTM模型补偿轨迹的平均误差是0.14 mm;轨迹缺失程度为30%时，SVR-LSTM模型补偿轨迹的平均误差是0.47 mm。
关键词：遮挡轨迹;;时间序列;;意图识别;;轨迹补偿;;SVR-LSTM模型
基金资助：国家自然科学基金项目(62273311,61773351);; 河南省重点研发与推广专项(科技攻关)项目(222102220117)
