用于残疾人和老年人的低成本辅助轮椅外文翻译资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

用于残疾人和老年人的低成本辅助轮椅

1.简介

近年来，研究人员对康复领域越来越感兴趣。辅助技术是目前研究中的一个新兴领域，一些机器人设备可以用来加强残疾人或老年人在日常生活活动中的生存能力。一般来说﹐这些类别的任何辅助设备都必须适应辅助应用的方式，以便用户能够轻松管理。事实上，问题不仅在于为残疾人和老年人提供高科技设备，还在于开发一个能够满足用户需求的系统。然而，与客户满意度的生态考虑一起﹐被驱动的轮椅选择过程必须包括评估--等因素。

摄入人的物理位置、功能能力和用户要求以及其他因素。物理方面的考虑包括姿势、力量、感觉、视觉敏锐度、知觉和功率效率。本文的贡献是设计并将这种人类-机器人-互动[1]的概念应用于一个特定的辅助系统，该系统允许个人通过参与所有级别的操作来增加整个系统的自主性，并且该系统可以照顾到人们的身体能力和能力。最近，世界各地的学术界和工业界都在广泛研究支持性轮椅的趋势。然而，在现实生活中，能够满足客户要求并取得市场成功的产品很少。1595年，一个不知名的制造商为西班牙的飞利浦二世设计了一辆轮椅。1655年，仿照这一做法，准钟表匠StephenFarfer制造了一个三轮自走椅，后来它被称为轮椅[2]。轮椅设计在21世纪结合新兴技术变得越来越重要。一些研究表明，辅助轮椅可以为下肢残疾的人和老年人带来更多的生活便利。现在有各种各样的轮椅，如空间倾斜轮椅[3]，电动轮椅和爬楼梯轮椅[4,5]，都可以使用。随着技术的进步，目前的轮椅被设计成可以用操纵杆、头部手势或捏动来控制。和其他技术。有一些辅助轮椅技术可以通过人机HMI控制界面进行控制。例如，语音命令控制[6,7]，眼睛的后续运动[8]，或跟随舌头的运动[9,10]。在作品[11]中，如作者解决了一个基于语音命令控制椅子移动的系统。但是作者提出的他们的控制方案是非常昂贵的。在其他研究中，如[12]，作者提出了一个系统，用户可以用他的头的运动来控制轮椅，这里安装了一个摄像头，它记录了用户头部的运动。在另一个案例中，作者描述了一个花哨的控制界面[13]，EMG轮椅控制用户的肌肉电活动(Electrography) 。在工作场所[14]中，作者使用了控制，其中用户的大脑能够通过测量脑电图(electroencephalography)产生的电趋势来驱动轮椅。但在这种系统中，有很多限制。在分析了辅助轮椅的界面和控制系统的技术状况后，发现在控制设备的设计上存在不足，并提出了许多困难口这项工作提出的设备硬件能够通过图像必理技术连接到儿于所有的车轮以及电动轮椅的所有外围设备。该设备实现了一个问中的材准协议，允许第三方开发者设计不同的控制界面，与所有的电动轮椅一起工作。然而，随着这些现代技术轮椅的使用，人们对其谨慎和无风险的环境表示担忧。一些调查表明，事故的数量越来越多，这与设备的数量成正比，特别是在老年用户中[15-17]。为此，一个安全的操作是非常重要的，用户可以在危险中控制时间。为了克服这种情况，我们把这个轮椅的结构设计成这样一种方式，使它在所有的环境中都能保持稳定的状态，而且用户可以很容易地控制这个系统。

在本文的其余部分，第2节回顾了与拟议的智能轮椅有关的结构，其中讨论了所有必要的硬件和软作职的心备的规格了拟议轮椅的方法。本节详细描述了所有需要的设备的规格和要求，以及这个拟议的系统是如何工作的。第4节描述了这个拟议系统的一性实验结果和讨论，第5节回顾了结论。

2.架构

这项被提议的工作的目标不仅仅是避开障碍物，而是确定操作方式，并通过识别与用户偏好有尖的物体决定来帮助用户。用户引导的路径（通过操纵杆或物体检测系统操作)和轮椅的瞬时环境(由传感器的输出提供）通过发送轮椅来确定控制信号，轮椅的方向和速度是基于智能轮椅物体检测的。相反，建议任务的诀窍是自动挑选物体。对于一些应用来说，简单地修改鼠标或操纵杆可能就足以方便有特殊需要的用户使用电脑或类似的设备，而且这些产品很多都是现成的。改装后的鼠标有很多选择，定制的操纵杆也提供了另一种控制方式。其他一些已经使用的设备有方向盘、拇指鼠标、轨迹球、脚球轨迹球、超大的操纵杆和可控摩擦力的鼠标。尽管这些产品在帮助无法使用电脑鼠标或键盘的人方面非常有用，但这些产品通常不足以为用户提供简单而有力的控制。有许多设备和软件解决方案是专门为帮助有特殊需要的人而开发的。

电源

机器人轮椅的系统结构

图 1.智能轮椅的系统架构.

2. 1.整体架构

在这个提议的方法中，我们使用了几个模块，这些模块是用树莓4这个单板计算机实现的。这种方法用于分离计算密集型任务(由Raspberry Pi完成)和控制任务(由Arduino完成)。一些低成本的传感器。如Arduino、超声波传感器、pinoir相机、电机驱动器、BLOC-Hub电机、操纵杆控制器也被用于该系统中。图1显示了系统结构，所有设备都连接到树莓派上，系统流程图如图2所示，如果系统前面出现任何障碍，它将如何克服这些障碍。

图 2.本系统的工作流程图

2.2.硬件描述

下面将更详细地讨论该系统的一些硬件组件。

2.2.1.电机驱动机构

电机驱动电路用于运行电机，它就像电流放大器。电机驱动电路的主要目的是接受低电流信号并将其转换为高电流信号，以便能够顺利地摩擦电机。使用电机驱动器背后的原因是电机不能直接连接到Arduino上，因为它们不能从Arduino上获得足够的电力。L239D集成电路是16个引脚的集成电路，其中4个引脚是输人(2、7、10和15) ，4个引脚是输出(3、6、11、14)引脚，用于控制Aurdino的凝视机构控制。图3(a)所示为电机驱动机构的电路图，图3(b)所示为ASMC-04同服电机连接在前面用于转向。当用户想要聚焦一个物体时，系统会自动计算用户头部的旋转角度，并根据该闰度伺服电机进行相应的旋转。

图3(a)电机驱动器L239D集成电路的电路图(b)ASMC-04数字同服机用于前轮的旋转.

2.2.2. BLDC轮毂电机

无刷直流电动机(BL.DC)在许多电机制造商的电机控制技术领域已经变得越来越重要，因为它在许多应用中的使用越来越多。与其他有刷直流电动机相比，无刷直流电动机在变速处理、高效率和卓越的散热能力方面质量更好[18]。这些电机因其可靠性和廉价的价格在数字控制的发展中变得非常有效。图4(a)显示了BLOC在这个拟议系统中的装配情况。无刷直流电动机(称为BLOC)是一个由直流电驱动的永磁同步电动机，通过用电子控制的重建结构替换它，改变相流并使电动机产生旋转扭矩。

2.3.软件描述

该系统的控制器采用python 软件实现。它是一种解释性、解释器、以 对象为中心的高级通用编程语言。它的高级数据结构支持多种编程范式， 包括面向对象的编程和函数式编程，并且它的解释器可用于许多操作系统。这是一种开源软件，它使它在快速的编辑-测试-调试周期中非常有效，并降低了程序维护的成本。

Open CV 或开源计算机视觉库是一个开源计算机视觉库[19]。它有时也被称为机器学习软件库。Open CV 旨在提供一个用于各种计算机视觉应用的通用框架，并加速机器感知在商业产品中的使用。用户可以很容易地创建或修改他们的程序，使之成为BSD授权产品。目前，Open CV库中至少有两干种优化算法。这些算法被用于各种任务，如识别人脸，识别不同的物体，从视频中对人的行为进行分类，跟踪移动的物体，从物体中提取30个模型等。这个库目前被各机构、研究团队使用，并在政府机构中广泛使用。

图 4 显示了拟建轮椅的不同部分，图 4 中(a)由直径为 17cm 的 BLDC 轮 毂电机和直径为 34cm 的后轮组成。图 4 (b)为通过 ASMC-04 伺服电机连接 的直径为 14cm 的方向盘总成。图 4 (c)显示了该系统的原型，其中 Pi摄像头和超声波传感器连接到用户头部，图 4 (d)表示了该系统的整体概念映射。

图.4.轮椅组件总成.

3.方法论

椅子上的元素的基本方案，以及为安装所设计的控制装置而必须进行的的修改板。在我们提出的设计板上有一个树莓派4模型B，它负责执行所有系统的任务。电机控制驱动器用于运行电机并负责移动轮椅。在这里﹐我们已经批准了一种由树莓派提供的新方法，与以前发明的所有系统相比，它的成本效益最高，而且结构简单。这个建议的系统有一个叫做OpenCV的应用程序。有了这个开放的CV，树莓派将记录实时视频流并识别任何物体或人。这使得该系统可以在一个图像或视频帧中检测到多达80个不同的物体，并且每个物体都是单独使用的边界盒。Tensorflow[20]可以从图像或视频流中检测各种物体，并提供其在图像中的位置信息。图5(a)显示了Pi-noir相机和Raspberry pi的接口，图5(b)显示了系统对椅子的检测。

Tensorflow使用预先训练好的和定制的模型来识别数以百计的物体的功能。Tensorflow的一个共同特点是识别图像代表的内容。图像分类是预测图像所代表的内容的行为。一个图像分奖模型有助于识别原始图像。

图5(a)Pi相机与Raspberry pi连接( b)系统正在检测一把椅子·

例如，拟议的系统被训练成只能识别五种不同类型的物体代麦照片框架。这些物体是药条、桌子、椅子、瓶子和玻璃。

随后，当一个模型的图像被渲染为系统输入时，建议的系统只输出四个先前训练的模型所代表的图像，如表1所示。随后，当一个模型的图像被渲染为系统输入时，提议的系统只输出由四个先前训练的模型代表的图像，如表l所示。

因此，一把椅子在输入图片中出现的概率为51%。图像分类只能用先前训练好的模型来告诉人们一个图像代麦一个或多个类别的概率。图像分类在为图像建模时是有标签的。每个标签都有一个单独的类别名称，这样它就有了识别模型的优势。一幅图像被作为估计模型的输入，系统给出了模型的0和1之间的可能性阵列。一幅图像的每个输出都与之前训练的标签混合，并开始压缩。系统给出模型最可能的标签。进入数组的所有数字的总和总是等于100。下面在图6中给出了一个例子。

一个红外摄像机与树莓派对接，其位置可以让用户的焦点跟随。当用户聚焦在一个物体上时，Raspberry Pi处理实时视频流，并用物体检测算法检测该物体。一旦检测到物体，树莓派就向电机驱动器发送指令，将物体移到适当的位置。如果在轮椅和物体之间有障碍物，Raspberry Pi就必须以这样的方式进行编程，使其能够克服障碍。图2显示了如果系统检测到一个物体，轮椅将如何到达用户建议的方向。我们使用OpenCV来制作针对实时计算机视觉的功能。然后我们安装了一个名为TensorFlow的开源库，用于不同任务的数据流编程。它是一个符号数学库，也被用于神经网络，如机器学习算法。TensorFlow在OpenCV中提供了一个物体检测的框架。它包含了许多日常生活中的趋势模型，如电视、电脑、牧师、自行车、董事会、笔记本电脑、玻璃、桌子、椅子等。我们也可以在这个库中加入任何我们想加人的模型。

表 1

探测物体的成功率。

医学条

桌子

椅子

瓶子

玻璃

23% 51%

2% 2%

22%

4

2

3

5

1

图7(a)和(b)中显示了两个不同类型的物体，即瓶子和椅子，由专业的系统检测。

通过使用这种方法，在生活视频流时，只有这个库中被编程选中的对象会被输出到Raspberry Pi将利用这个GPIO引脚。Raspberry Pi将利用这个GPIO引脚的输出，用Arduino向电机驱动电路发送指令。像这个指令一样，电机驱动电路将驱动轮椅到该物体。例如，在一个房间里，有许多物体，如电视、冰箱、桌子、椅子、橱柜、床、电脑等。我们的系统可以检测所有这些物体。如果程序员选择了桌子和椅子，那么当用户看向这两个物体时，我们提出的系统就只能移动这两个物体。看着其余的物体，系统将不会移动。这里有一个Arduino与Raspberry Pi的连接设置，这样两块板子就可以互相通信，这整个任务就可以非常容易地完成。只有用Raspberry Pi才能完成整个工作，所以不需要Arduino和电机驱动电路。但这其中的主要问题是延迟时间。在这个提议的系统上，Raspberry Pi处理器的处理时间是非常有限的。这可能需要大量的处理时间来同时完成许多任务。为了解决这个问题，所有与图像处理有关的工作将由Raspberry Pi完成，由Arduino完成超声波传感器和电机驱动器的工作。这整个系统可以由第二个人使用他的安卓手机运行起来。用户可以通过安卓手机控制Raspberry Pi，使用一个名为VNC viewer的开源应用程序。要实现这一点，必须在安卓手机上安装VNC Viewer应用程序。这个应用程序可以在安卓手机的Play Store中找到。树莓派和安卓手机必须通过Wi-Fi热点连接到同一个网络。然后就可以通过在VNC浏览器应用程序中输入Raspberry Pi的具体IP地址，从移动应用程序中获得对Raspberry Pi的控制。IP扫描器应用程序可以用来找出Raspberry Pi的IP地址。IP扫描器应用程序可以显示属于同一网络的所有设备的IP地址。比方说，有人住在离家很远的地方，在他的工作场所，不能及时照顾他年老的父母或病人。在这样的环境下，这个提议的系统可以非常有用。护理人员可以使用他的移动通信系统提供及时的护理。他可以通过及时提供药物或一杯水来帮助这些人。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[590446]，资料为PDF文档或Word文档，PDF文档可免费转换为Word