在太空中捕捉紅外光源和反射物體可能會增加各種級別的噪聲，并導致錯誤的決策。姿態(tài)分析為了消除噪聲，實時需要昂貴的濾波和后處理程序。為了解決上述問題，提供可靠、便攜、實時的運動數據采集，本文設計了一種基于IMC套裝的移動機械手遙操作控制系統(tǒng)。

　　特別地，所介紹的人機界面系統(tǒng)由KUKAyouBot移動機械手和Xsens組成，它們構成了MVN慣性運動捕捉系統(tǒng)(IMC)。MVNAnalyze由17個慣性運動追蹤器組成，這些追蹤器通過腰帶與人體相連，可以提供實時的全身運動學數據。KUKAyouBot是一個全方位移動平臺，帶有McNamun輪，可以容納五個自由度的機器人機械手。機械臂是由五個旋轉關節(jié)組成的一系列鏈條，以一個可移動的兩指手爪作為末端執(zhí)行器。IMC系統(tǒng)和移動機械手都與主控計算機進行無線通信。該系統(tǒng)的概況如圖1所示。

　　MVNAnalyze以50Hz的采樣率采集用戶運動數據。為了在用戶和移動機械手之間創(chuàng)建直觀的映射，我們決定使用右手的位置和方向來生成機器人末端執(zhí)行器的位置和方向參考。在每個采樣時間計算可移動機械手的逆運動學，以將手的位置和方向轉換為機器人的關節(jié)角度。根據人類用戶的身體重心(CoM)的位置和方向來計算全向基座的位置和方向。

　　機器人的完整結構提供了跟蹤任何用戶CoM的能力(只要滿足最大速度約束)。為了消除行走和站立時身體抖動造成的運動偽影；和不自覺的手部動作；首先，對獲得的運動學數據進行濾波。此外，我們實現了一個簡單的抖動和震顫消除算法來清理運動參考。在非隨意運動刪除算法中，如果最后一個樣本和當前樣本之間的歐幾里德距離大于預定義的距離，則只有過濾后的新機器人位置參考樣本被用作移動機械手的最終運動參考。

　　對于機器人底座和手臂，我們分別將這個距離設置為5mm和1mm。這使得我們能夠過濾由無意識運動提供的較高頻率和較低幅度的運動，并且僅使用不同的和有意的運動來生成運動參考。如果最后一個樣本和當前樣本之間的歐幾里德距離大于預定距離，則只有過濾后的新機器人位置參考樣本將被用作移動機械手的最終運動參考。

　　人類用戶的左手被指定向機器人操縱器發(fā)出高級命令。因此，實現了一個基于IMC的左臂手勢識別器。選擇了六種不同的左臂手勢來向遠程操作系統(tǒng)提供高級命令。這些手勢是手向前，手放在胸前，手放在腰上，手向上，手向側面和中立。為了提高手勢識別的可靠性，我們采用了一致投票方案，但代價是增加了時延。該算法考慮十個連續(xù)的分類結果，并且僅當所有十個標簽屬于同一類別時才生成命令。六種手勢與特定的命令相關聯(lián)。一些手勢用于切換系統(tǒng)狀態(tài)，例如“操作開/關”。