动作捕捉系统用于飞行机械臂目标检测与定位算法验证-度量科技

无人机近些年发展迅速，可以实现检测、巡逻、航拍等功能，但是仍然不能与目标物进行交互，无法满足无人机作业中完成更复杂任务的需求。搭载多关节机械臂的旋翼飞行机械臂可以实现抓取等交互任务。

飞行机械臂在大多数环境下需要具有一定的独立获取和处理信息的能力，一个很重要的环节就是目标物的识别和定位，因此视觉系统的构建是关键问题。南京航空航天大学的研究人员设计了一种基于YOLOv5深度学习目标检测算法和RGB-D传感器的视觉识别和定位算法，可以实现飞行机械臂抓取时实时检测目标物并进行位姿估计。

动作捕捉系统用于飞行机械臂目标检测与定位算法验证

由于目前团队的飞行机械臂尚不支持完成完整的飞行抓取控制实验，研究人员在室内可控环境下对目标物位姿估计算法进行测试，通过简化实验验证该算法的有效性。实验中在摄像头和目标物上放置多个反光标识点分别建立刚体，利用NOKOV度量动作捕捉系统进行定位。

室内可控环境下对目标物位姿估计算法进行测试

NOKOV度量动作捕捉系统可以实时输出二者在世界坐标系下的位姿数据，由于定位精度高达亚毫米级，数据作为实际值，与视觉系统目标检测、拟合点云中心以及坐标转换的得到的测量值进行对比。通过向各方向移动摄像头模拟飞行机械臂飞行过程中相机的运动，测试算法的整体性能。

NOKOV度量动作捕捉系统实时输出高精度位姿数据

参考文献：[1]张睿,王尧尧,段雅琦,陈柏.面向飞行机械臂的实时目标检测与定位算法[J].南京航空航天大学学报,2022,54(01):27-33.DOI:10.16356/j.1005-2615.2022.01.003.

原文链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDAUTO&filename=NJH

苏黎世大学RPG实验室：动作捕捉为无人机状态反馈提供位姿数据

在Davide Scaramuzza教授领导的苏黎世大学Robotics and Perception Group，NOKOV度量动作捕捉系统实时提供无人机位姿数据，用于无人机状态反馈。

Science Robotics丨人形机器人踢足球：依靠机载视觉学习反应式足球技能

清华大学赵明国研究员团队团队在Science Robotics发表人形机器人视觉踢球研究，通过强化学习实现反应式足球技能。NOKOV度量动作捕捉系统采集人体踢球动作及机器人、足球位置真值，为AMP参考运动数据和虚拟感知系统建模提供数据支持。

山东大学T-ASE研究：动作捕捉系统采集人类示范数据，DM-KMP与多智能体强化学习实现五指灵巧手协同抓取

山东大学控制科学与工程学院李可教授团队提出了面向仿人五指灵巧手抓取的统一学习框架。该研究将人类示范轨迹生成与多智能体强化学习相结合：NOKOV度量动作捕捉系统用于采集自然五指抓取运动，DM-KMP从有限示范中生成期望关节轨迹，PWS-MADDPG进一步学习多指协同抓取策略。研究结果显示PWS-MADDPG 在 11 类物体上的平均抓取成功率为 85.48%。

仿生五自由度折纸脊柱外骨骼：三维运动数据验证运动透明性

合肥工业大学、西安电子科技大学、英国提赛德大学和香港理工大学研究团队提出仿生五自由度折纸机构，并据此开发主动式折纸脊柱辅助外骨骼OSAE，用于在对称和非对称举升中适应人体脊柱运动并提供辅助。研究团队使用NOKOV度量动作捕捉系统采集受试者上半身三维运动数据，比较穿戴与未穿戴OSAE时前屈、侧屈和轴向旋转的躯干活动范围，验证OSAE系统的运动透明性。