NOKOV度量动作捕捉在无人机室内定位追踪、位姿获取、多智能体协同控制、智能机器人、机械臂定位、仿生机器人、四足机器人、软体机器人、手术机器人、人机协作、外骨骼机器人、康复机器人等领域的应用论文合集。论文更新至2023年12月。获取方式点击此处，一键获取嘿！点亮下面“在看”支持我们

NOKOV度量动作捕捉在无人机室内定位追踪、位姿获取、多智能体协同控制、智能机器人、机械臂定位、仿生机器人、四足机器人、软体机器人、手术机器人、人机协作、外骨骼机器人、康复机器人等领域的应用论文合集。论文更新至2023年6月。获取方式点击此处，一键获取嘿！点亮下面“在看”支持我们

NOKOV度量动作捕捉在无人机室内定位追踪、位姿获取、多智能体协同控制、智能机器人、机械臂定位、仿生机器人、四足机器人、软体机器人、手术机器人、人机协作、外骨骼机器人、康复机器人等领域的应用论文合集。论文更新至2022年12月。获取方式点击此处，进入查看嘿！点亮下面“在看”支持我们

NOKOV度量动作捕捉在无人机室内定位追踪、多智能体协同控制、机械臂定位、外骨骼机器人、仿生机器人等领域的应用论文合集。论文更新至2022年6月。获取方式点击此处，进入查看

为满足部分粉丝朋友们对光学动作捕捉产品应用场景、应用实例等内容更深层次的了解需要，我们整理了相关论文的汇编合集文件，供大家查阅。论文更新至2021年12月。获取方式点击此处，进入查看

研究背景海洋动物经过长期进化，具有超凡的游动性能。鲸豚类中的海豚除了可以长时间高速游动，还可以完成跃水、空中转体等高难动作。因此，近年来很多学者以海豚为仿生对象开发机器海豚。但是多数研究的动力学模型过于复杂，计算量较大。图1-机器海豚3D图为了解决上述问题，深圳大学的巩伟杰老师团队基于胸鳍/尾鳍协同推进模式，采用叶片理论及基于伯努利原理和机翼理论，分别建立了机器海豚的胸鳍和尾鳍的运动学模型和动力学模型。这种模型结构简单，计算量小，便于进行动力学仿真和试验。同时通过对机器海豚运动参数进行分析，利用Matlab进行机器海豚的运动学和动力学仿真，研究不同游动模式和不同运动参数对游动性能的影响。红外动捕系统起了什么作用为了验证不同推进模式下机器海豚的游动性能，研究人员进行了测试试验。试验在一个640cm×407cm×150cm的水池中进行，水池周围架设8台NOKOV度量红外光学三维动作捕捉镜头，通过捕捉粘贴在机器海豚上的反光标识点（Marker点）三维空间坐标来获取其游动姿态和运动参数。图2-试验水池图3-粘贴了反光标识点的机器海豚试验结果中，不同模式下结果与仿真结果相吻合。而试验的直游速度低于仿真结果，是由于机器海豚游动过程中波浪扰动产生的阻力。试验验证了这种胸鳍/尾鳍协同推进的动力学模型的有效性，并证明了胸鳍/尾鳍协同推进能提高机器海豚的游动性能，在相同摆频条件下，尾鳍产生主要推进力。图4-不同推进模式下的仿真与试验这项研究有助于进一步认识和研究海豚的运动机理，从而提高机器海豚的游动性能。除了机器海豚，NOKOV度量红外动捕系统还应用于多个仿生机器人开发项目，用于获取动物运动数据，或评估仿生机器人性能。了解更多★仿生学运动特性分析，带来了哪些科研成果？★动作捕捉系统应用于船舶、海洋工程研究方向★仿生机器人研究★NOKOV度量水下动作捕捉系统参考文献[1]杨忠华,巩伟杰.胸鳍/尾鳍协同推进的机器海豚动力学建模与仿真[J].船舶工程,2021,43(09):140-145+151.DOI:10.13788/j.cnki.cbgc.2021.09.25.视频培训教程

生物界一直是人类技术发展的重要知识来源，动物经过亿万年的进化，形成了适应各自生存环境的特性。人类根据动物这些惊人的特点，不断受到启发，寻找到解决工程、军事、科研等不同领域的现实问题。仿生思维的应用极大促进了人类文明的进程，比如根据鱼的形状设计船、根据鸟双翼设计飞机翼型等。仿生技术，就是通过模仿生物的运动形态和身体结构设计制造出的效率更高的机械，融合了生物学、生物力学、医学、机械工程、自动控制和电子技术等学科。仿生技术近年来快速发展，广泛应用于军事、科研、医疗和航空航天等领域，取代或辅助人类进行极端环境工作。比如近些年热门的波士顿动力四足机器人。科技公司Festo更是推出了多种仿生机器人“全家桶“。随着对动物研究的深入以及科研设备的不断升级更新，对于动物外形的模仿学习已不足以满足需求，科研人员开始对动物的运动特性进行研究。运动特性分析是仿生装置的设计前提。为了获取动物准确的运动数据，越来越多的研究团队选择使用被动式光学动作捕捉系统。实验中将反光标识点粘贴在目标物上，利用红外光学动作捕捉镜头捕捉反光标识点，通过计算重构标识点的三维空间位置信息来获取目标物的运动数据。吉林大学的研究人员以德国牧羊犬为研究对象，利用8台光学动作捕捉镜头，实时捕捉德国牧羊犬各关节三维空间坐标信息，为运动学分析提供可靠的数据。通过对其不同步态的时序进行运动学分析，来研究德国牧羊犬步态运动学特性，定量分析德国牧羊犬的运动稳定性，建立仿犬四足运动的运动学及动力学计算模型，为四足机器人仿生设计及稳定性判断提供理论依据[1]。吉林大学的另一支研究团队主要以雕鸮与长耳鸮两种静音鸮为研究对象，对比分析静音鸮的飞行声学特性、翅膀及羽毛的几何形态学特征以及飞行运动学特征，并将静音鸮的消音特征进行仿生应用研究，为仿生降噪技术提供生物模型。实验中，在对象鸟类翅膀上的关键部位贴上反光标识点，包括腕关节、翅膀前缘根部、翅膀尾缘根部等部位。利用三维运动捕捉镜头定位反光标识点，对长耳鸮、雕鸮与雀鹰的扑翼运动学参数进行采集，并分析计算运动学参数（扑翼频率和关节角度等）与飞行轨迹（翼尖轨迹）[2]。南京航空航天大学研究人员针对仿生干黏附机器人在许多具有外直角的环境下(如航天器舱内机箱外表面的外直角过渡)难以进行壁面过渡运动的问题进行了研究。实验在大壁虎身上粘贴18个反光标识点，利用四台光学动作捕捉镜头得到大壁虎各主要关节处的反光标识点的三维坐标，并建立了生物模型，分析其各脚掌的足端轨迹以及腰关节的俯仰角、偏航角和滚动角。实验得到了大壁虎腰关节在外直角过渡时的变化范围和足端轨迹的生成规律，通过深入研究大壁虎外直角过渡的运动协调机制，对仿生干黏附机器人进行了结构优化，并基于生物学规律实现了机器人在模拟微重力环境下的外直角壁面过渡行为[3]。NOKOV度量动作捕捉客户案例吉林大学威海仿生研究院吉林大学威海仿生研究院的研究人员在进行生物原型研究及数学建模时，需要获取蜥蜴运动时的姿态信息，他们在蜥蜴的身体及四肢上各贴了一些反光标识点，使用NOKOV（度量）光学三维动作捕捉系统进行捕捉。通过后处理模块计算出蜥蜴足端与脊椎的三维运动轨迹、运动时身体的摆动角度、运动的速度与加速度，利用这些生物原型的特征点信息，研究者可建立蜥蜴运动的数学模型。参考文献[1]

仿生机器人是指依据仿生学原理，模仿生物结构、运动特性等设计的机电系统，已逐渐在反恐防爆、太空探索、抢险救灾等不适合由人来承担任务的环境中凸显出良好的应用前景。研制仿生机器人的灵感来源于自然界中的动物，比如蜥蜴是有着优秀运动能力的爬行动物，能够在断壁残垣中自由穿行，对蜥蜴爬行动作的研究可为仿生救灾机器人的研究提供理论基础。根据仿生学的主要研究方法，需要先研究生物原型，将生物原型的特征点进行提取和数学分析，获取运动数据，建立运动学和动力学计算模型，最后完成机器人的机械结构与控制系统设计。吉林大学威海仿生研究院的研究人员在进行生物原型研究及数学建模时，需要观察蜥蜴运动时的姿态，为此他们在蜥蜴的身体及四肢的粘贴反光标记点，使用NOKOV（度量）光学三维动作捕捉镜头捕捉标志点并获取各点空间坐标。依赖于动作捕捉系统强大的数据处理功能，可通过后处理模块计算出蜥蜴足端与脊椎的三维运动轨迹、运动时身体的摆动角度、运动的速度与加速度。NOKOV度量动作捕捉的采集频率可达到380Hz，保证采集的运动数据不会失真。利用这些生物原型的特征点信息，研究者可建立蜥蜴运动的计算模型，从而为仿生机器人设计制造提供理论基础。↓↓↓

现代战争中，无人机、无人车及无人艇等无人系统已逐渐在战场部署，但是无人系统单体存在负载和任务能力有限、作战能力单一等不足。为了弥补单体能力不足，同时提高其对作战任务的适应能力，无人系统可以以集群方式进行作战。集群方式能充分发挥其监控范围广、抗毁重构性强的优势，具备独立完成复杂任务的能力，可以实现跨域集群作战。无人系统的集群智能协同是指由遂行同一任务、受统一指挥并保持视距联系或战术联系的若干无人系统编队。集群智能协同技术通过协同感知、协同决策规划和协同编队控制，实现集群内各个节点高效配合，提高复杂环境下多任务的适应能力。NOKOV实现多无人系统亚毫米级实时定位为了验证集群智能协同系统置信度问题，通常会设计无人机、无人车、无人艇编队等效验证平台，系统性地验证协同感知、协同决策、时变编队控制等技术。平台通常由网络通信子系统、多智能体子系统、组合定位子系统构成，动作捕捉系统为组合定位子系统中的主要定位方式。进行协同决策、编队控制验证时，首先要实现单体自动控制，为了简化实验，可以利用NOKOV动作捕捉系统同时对多无人系统进行定位，获取的位置、速度、加速度数据作为控制系统的输入信号。以无人机为例，无人机的轨迹跟踪控制包括位置控制、姿态解算与姿态控制三个部分。典型的位置控制采用位置-线速度串级控制器，控制器的输出为NOKOV动作捕捉系统坐标系下的加速度；姿态解算模块将NOKOV动作捕捉系统坐标系下的加速度转换为大地坐标系下的加速度，再转换成机体坐标系下的参考加速度；姿态控制最后通过加速度的分解，解算出参考姿态角，并作为姿态控制的输入，控制无人机到达指定位置。分布式集群协同编队控制中，需要完成领航者的轨迹规划，跟随者跟踪领航者的实际位置，与领航者维持相对位置不变，进而保持编队队形。在此过程中，无人系统单体只需与相邻的单体之间进行信息交换，领航者需要完成参考轨迹生成以及位置控制，精确跟踪期望轨迹，其实时位置及姿态可以直接通过

2020湖南长沙高等教育博览会上，NOKOV（度量）动作捕捉携杭州云深处共同展示了仿生四足机器人舞蹈表演。四足机器人跳舞时，利用NOKOV光学动作捕捉系统捕捉粘贴在四足机器人上的标志点三维坐标位置，捕捉机器人躯干和各关节的运动，在屏幕上同步显示。除了同步显示四足机器人的动作，NOKOV（度量）光学动作捕捉系统还可以输出机器人在行走、跳舞过程中各节点的位置数据，以及前肢、后肢各个关节的角度和角速度，数据精度可达到亚毫米级。在四足机器人的开发过程中，步态作为四足机器人最重要的一项研究内容，表示了各条腿协调运行的规律，可以用来描述并且决定机器人运动的速度、方向、占空比、可靠性以及机动性，对于保证步行机构系统稳定地运行非常重要。利用NOKOV三维动作捕捉系统采集的数据，结合机器人自身的传感器信息，在线进行步态分析和规划，然后将规划好的步态传送给机器人的控制系统，控制系统控制伺服电机驱动机器人运动，实时矫正姿态。由山东大学开发的一款四足机器人具有对非结构化环境的强大的适应性能与越障性能。该机器人单腿具有三个自由度，足端安装有力传感器，外置NOKOV光学动作捕捉系统，具有环境感知能力。机器人通过对各传感器信息进行融合分析后实现步态的在线规划，然后将规划好的步态信息发送给机载计算机，机载计算机控制其运动。山大的四足机器人可以在复杂的石堆结构上实现环境感知并进行实时步态规划，最终达到稳定行走与越障的效果。此外，为了提高机械行走的效率和通过性能，可以运用相关性分析方法，以牧羊犬、山羊、猎豹等有出色稳定位移能力的动物为原型，分析动物各个关节之间的协同关系，将其运动机理和行为方式运用到足式机器人行走的研究中。利用NOKOV动作捕捉技术，捕获动物运动时身上关键位置的反光标志，获取标记物的三维空间坐标，处理后得到动物肢体动作各参数，包括步频、步幅、步速、步长、步宽、支撑期、摆动期、关节角度和角速度等，利用这些参数对动物运动学特性进行研究，如不同步态下的时序规律以及动物关节位移和关节角运动变化等。除了山东大学，NOKOV还参与了上海交通大学、天津大学等多所高校四足机器人的研发。

(俯仰角、偏航角、滚动角)以及扑翼角实施控制,从而实现姿态的调整。哈佛大学研制了世界上第一台拥有飞行能力的昆虫尺度双压电独立驱动仿昆虫

作为一种高精度定位测量系统，光学动作捕捉系统应用场景除船舶、海洋结构物及渔业外，还包括针对各种水下机器人的相关研究。水下机器人多样化应用场景动作捕捉系统可广泛用于水下机器人开发验证，获取机器人的位置信息和运动姿态。对于多水下机器人协同控制，动作捕捉系统可作为室内实验室环境定位方案，为机器人提供自身及其他机器人位置信息。

近年来随着控制算法的研究进展，无人机、无人车等智能机器人在各领域中发展迅速。研发人员在对智能机器人进行相关研究时，通常需要完成室内环境下的模拟调试实验，在这些实验中，确定各智能体自身定位以及与其他智能体的相对位置，即进行精确定位，是十分重要的。室内定位算法原理目前的定位算法从原理上来说，大体上可以分为以下三种。一、邻近信息法：利用信号作用的有限范围，来确定待测点是否在某个参考点的附近，这一方法只能提供大概的定位信息。二、场景分析法：测量接收信号的强度，与实现测量的、存在数据库的该位置的信号强度作对比。三、几何特征法：利用几何原理进行定位的算法，具体又分为三边定位法、三角定位法以及双曲线定位法。根据上面介绍的定位算法，衍生出了多种室内定位技术。目前的定位技术多要借助辅助节点进行定位，通过不同的测距方式计算出待测节点相对于辅助节点的位置，然后与数据库中事先收集的数据进行比对，从而确定当前位置。室内定位主要流程为首先在室内环境设置固定位置的辅助节点，这些节点的位置已知，有的位置信息是直接存在节点中，如射频识别（RFID）的标签，有的是存在电脑终端的数据库中，如红外线、超声波等。然后测量待测节点到辅助节点的距离，从而确定相对位置，使用某种方式进行测距通常需要一对发射和接收设备，按照发射机和接收机的位置大体可以分为两种：一种是发射机位于被测节点，接收机位于辅助节点，例如红外线，超声波和射频识别（RFID）；另一种是发射机位于辅助节点，接收机位于被测节点，例如

协同控制提高智能体系统鲁棒性，编队避障是重点随着工业技术的发展，任务复杂程度和规模逐渐增加，单个智能体获取信息及解决问题的能力有限，在多数情况下无法满足任务要求。而多智能体系统强调单体之间的合作与协同，多体协同控制可以大幅提高工作效率和能力。目前，针对多智能体协同控制的研究存在很多，包括智能体之间协同方式、通讯方式以及避障方法等，其中最主要的就是多智能体编队避障控制算法的研究。光学定位系统亚毫米级定位，助力智能无人集群系统中科院自动化研究所蒲志强老师团队研究开发出智能无人集群系统。该无人集群系统分为三个子系统，定位子系统、通信子系统与控制子系统，可实现单体无人车和无人机控制、地空协同、集群对战以及无人车、无人机编队表演等功能；可用于青少年科普、教育培训、高校或科研院所的深度二次开发、以及区域物流、军民融合等行业应用领域。其中定位系统融合使用NOKOV光学动作捕捉系统与车载的惯性单元进行定位。考虑到捕捉范围，架设了24台Mars2H光学定位相机，其中在5m高度平面布置8台相机，8.5m高度平面布置16台相机，覆盖12m*12m*8.5m的空间。各个移动机器人及障碍物上放置反光标志点，不同标志点排布形式用于区分机器人个体的ID。通过捕捉移动机器人及障碍物上反光标志点，得到标志点的三维坐标，利用SDK向外实时广播。单个机器人可以接收到本体、邻近移动机器人以及障碍物位置信息，坐标信息精度达到亚毫米级。由于NOKOV光学定位系统定位精度高于惯性导航器件几个数量级，在移动机器人能接收到的光学定位传输的数据时，使用光学定位系统进行定位并校正惯性传感器数据的累计误差，保持机器人自身存储数据与光学定位系统数据一致；在某一时间段遇到有遮挡无法得到定位系统传输的数据时，使用惯性传感器的存储数据进行定位，保证移动机器人能正常运行。该多移动机器人系统采用了时空A*算法和人工势场法相结合的方法进行避障。在该方法中，时空A*算法作为全局的路径规划算法为多机器人系统规划出无碰撞的路径。其中，该算法是在传统的A*算法的基础上加入时间的维度，并且以预约表的形式来存储之前已经规划好的多机器人路径信息，借助这些信息，以此来为下一个机器人生成无碰撞路径。其次，人工势场法作为局部路径规划算法加强此方法在动态环境中的稳定性。当面对环境中未知的动态障碍物，移动多机器人能够及时的避开。因此，结合时空A*算法和人工势场法作为避障方法能够为多机器人系统生成高效的无碰撞的路径，使其很好的完成避碰。此外，整套多机器人系统应用于科学普及和教育培训方面。关于科学普及，该系统针对于中小学生、科普场馆、大型科普活动提供表演、互动等项目，其次，还提供详细有趣的科普课程。在教育培训方面，首先可以基于该系统进行二次开发技术研究，然后提供涉及该系统和人工智能方面的课程体系，再者，针对于各大研究机构，提供实验室建设技术方案。中国科学院自动化所飞行器智能技术创新团队由研究员，副研究员，工程师，博士、硕士研究生等共20余人组成。团队长期从事无人自主平台鲁棒自适应控制、群体智能等方面研究，在应用基础研究、工程系统开发及产业化等方面取得了一系列重要成果。