系统测试结果表明，该系统可利用建立机器人及其事情环境场景三维虚拟环境模型实现机器人事情状态智能监测，监测精度高达99%。
作为纳斯达克上市企业“微美全息US.WIMI”旗下研究机构“微美全息科学院”的科学家们就虚拟现实的机器人事情状态智能监测系统技能展开深入研究。

1、弁言

机器人是将打算机、电子、掌握理论、传感器技能、人工智能以及机器等浩瀚学科交叉的技能。
机器人的出身表示了生产系统以及机器进化的发展方向[1]。
机器人技能已成为目前发展迅速、运用极为广泛的高科技技能之一。
机器人目前广泛运用于教诲、航空、工业等浩瀚领域中，人们对机器人哀求逐渐提升[2]。
机器人的自主决策能力是其智能化的研究重点，智能化机器人可帮助人类完成无法实现的极限以及危险任务，机器人事情状态实时监测极为主要[3]。

机器人监测信息中包含大量实时数据，监测信息具有数据量大以及数据繁芜的特点，为监测职员获取机器人事情状态带来一定难度[4]。
将虚拟现实技能运用于机器人事情状态监测中，利用逼真的三维立体画面展示机器人事情状态动态信息，实现机器人事情状态实时监测，提升机器人远程智能监测效果，降落机器人事情状态监测职员事情量。

虚拟现实技能是将真实天下场景利用打算机建立三维虚拟天下，通过打算机仿照人类听觉、视觉、触觉等感官感想熏染[5]，令利用者具备身临其境的觉得。
虚拟现实技能将多媒体技能、人机交互技能、仿真技能等浩瀚实时技能结合[6]，为仿真系统以及人机交互开辟新研究领域。

近年来针对智能机器人研究浩瀚，付彪等人设计与开拓基于智能机器人平台的家庭康健监测系统[7]，将智能机器人运用于家庭康健监测中，具有较高的运用性；焦文渊基于交互式视音频技能研究智能采摘机器人自动化系统[8]，利用交互式音频与***掌握智能采摘机器人，完成机器人采摘事情。
研究的基于虚拟现实的机器人事情状态智能监测系统，将虚拟现实技能运用于机器人事情状态智能监测中，利用所建立机器人事情环境三维虚拟模型智能监测机器人事情状态，避免机器人事情过程中由于噪声、环境等滋扰造成监测精度低的毛病，利用机器人事情状态智能监测结果实现机器人掌握，提升机器人事情运用性。

2、虚拟现实的机器人事情状态智能监测系统

2.1 系统总体构造

所研究基于虚拟现实的机器人事情状态智能监测系统总体构造图如图1所示。

图1系统总体构造图

图1系统总体构造图可以看出，系统可实时采集机器人及其事情环境信息，监测职员可利用虚拟显示界面访问虚拟场景机器人，实现机器人事情状态智能监测与掌握。
系统紧张包括现场监控模块、数据传输以及远程监控终端模块三部分。
利用现场监控模块采集机器人及其事情环境图像。
利用通信网络传输机器人及其事情环境与现场监控模块以及远程监控终端模块信息[9]，实现机器人事情现场图像与信息传输。
远程监控终端模块通过建立三维虚拟场景实现机器人与操作者交互，利用交互界面精准、实时获取机器人及其事情环境信息，采集机器人及其事情环境信息图像通过机器学习算法中的支持向量机实现机器人事情状态判别，获取机器人事情状态智能监测结果，监测者依据机器人事情状态监测结果下达掌握命令。

系统选取智能机器人作为掌握工具，选取主控打算机作为机器人紧张构造[10]，机器人利用 CAN总线处理电路工程。
机器人为 6 自由度机器人，利用肩摆、肩转、肘摆、肘转、腕转、腕摆以及手爪开合完玉成体事情动作，机器人具备语音交互、双目视觉等人工智能技能。

2.2 虚拟场景建模

利用模板匹配算法定位机器人以及事情环境各项元素建立三维虚拟场景模型，将所建立模型导入3Dmax软件中渲染、烘焙，完成处理的模型导入VRP软件中实现三维场景交互设计[11]，通过VC++开拓平台的Microsoft Visual Studio 2008编程措辞利用VRP软件的SDK二次开拓包实现人机交互扩展。

建立三维虚拟场景模型是虚拟现实的机器人事情状态智能监测系统根本与核心部分。
机器人及其事情环境三维虚拟场景模型的图像效果影响机器人事情状态智能监测界面交互性以及真实感。
3Dmax软件具有较强的外不雅观处理性能，VRP软件具有画质真实以及支持第三方软件模型导入的上风，选取BRP软件与3Dmax软件结合开拓虚拟场景，开拓流程图如图2所示。

图2虚拟场景开拓流程图

采取3Dmax软件建立模型时，需充分精简以及优化模型，授予三维模型材质，对所建立模型履行烘焙以及渲染处理，令所建立模型可呈现虚拟场景阴影以及光照效果[12]，完成处理的机器人及其事情环境三维虚拟场景模型导入VRP软件，VRP软件实现场景实时漫游，利用VC++开拓平台交互底层数据以及虚拟现实场景，动态显示虚拟模型。

2.2.1 虚拟场景元素定位

建立机器人事情场景模型库，个中包含事情场景内不同元素的三维模型信息，将模型存储在数据库内。
利用完成建立的模型库，依据模板匹配算法实现事情场景元素定位。
将模板视为已知图像，在场景内利用模板匹配算法查找与模板存在相同方向、尺寸特色的目标，确定模板详细位置信息[13]。
设包含W×H个像素的征采图用S表示，包含m×n个像素的模板用T表示。
将模板在征采图内移动，子图Sij即为被模板遮住区域，征采图S内左上方子图的坐标为（i，j），通过相似性比拟T与Sij完成模板匹配。
利用模板匹配算法作为子图Sij与模板匹配度丈量标准，其打算公式如下：

(1)式中，S与T分别表示被搜索图像函数以及模板图像函数；i，m与j，n分别表示图像横坐标变量与纵坐标变量；T（m，n）与D（i，j），分别表示模板图像在（m，n）处灰度值以及图像S在坐标（i，j）处与模板T的相似度。

利用模板匹配算法征采双目相机左目以及右目投影图像内相同场景内差异投影点，获取图像位差，利用相机内参以及位差数据获取机器人事情场景三维空间场景点与相机间隔，获取三维虚拟场景点云信息。
结合不同元素在图像区域，获取机器人事情场景不同元素尺度信息以及三维位置，将各元素实时信息发送至打算机实现机器人场景不同元素实时同步。

2.2.2 虚拟场景交互

利用VRP-SDK二次开拓接口实现虚拟场景交互，SDK函数库可设置软件运行逻辑，VRP窗口相应通过外部空间设置，将VRP三维场景与VRP脚本利用SDK程序主体调用实现交互掌握。
系统将VRP三维显示窗口利用 VRP-SDK 嵌入至系统内，三维模型属性掌握利用SDK内函数实现。
SDK可通过事宜回调函数实现各项操作[14]。
所建立的三维虚拟场景交互流程图如图3所示。
机器人与状态信息由上位机软件扫描并利用无线通信网络上传，获取机器人状态信息后，调用VRP虚拟场景，将其运动位置传送至上位机，利用SDK程序调用移动相机脚本，实现虚拟场景人机交互。

图3虚拟场景交互流程图

2.3 机器人事情状态智能监测算法

系统的智能监测单元采集三维虚拟场景内机器人事情状态图像，将采集图像履行去噪、二值化等预处理，提取完成预处理图像的纹理特色。
将所提取特色输入支持向量机分类器中，实现机器人事情状态智能监测，可实现实时运行。
分类结果为机器人事情状态涌现非常情形时，实时发出警告信息[15]，便于监测职员针对机器人事情状态快速决策。

支持向量机利用线性映射将样本向量映射至高维特色空间，实现样本精准分类。
设存在演习样本集用X={(xi，yi)}表示，个中xi∈Rn，xi与yi分别表示N维欧式空间内向量以及种别标识。
设样本演习集内存在两个种别，利用分类超平面完备分开样本演习集内样本。

支持向量机内分类超平面H公式如下：

(2)个中w与b分别表示法向量以及向量内积。
若需获取最优分类超平面，建立方程如下：

(3)个中，||w||表示向量范数。

布局拉格朗日函数如下：

(4)式中，ai≥0，i=1,2，....，n，ai表示拉格朗日因子。
ai解内仅存在少量非零解，当ai不即是0时，相应样本向量为支持向量。

利用函数L(w，a，b)，对w与b求偏微分，依据KKT条件，获取最优权值向量w以及最优偏移值b公式如下：

ai可得最优分类函数公式如下：

式中，w与b分别表示支持向量以及分类阈值。
引入核函数K（x，xi）可实现机器人事情状态智能监测问题的非线性变换，常用的核函数有多项式核函数、径向基核函数以及Sigmoid函数，将核函数运用于支持向量机时，需依据实际运用选取最优核函数。

3、系统性能的测试与剖析

选取六自由度采摘机器人作为实验工具，该机器人作业环境为室外，室外环境变革较大，随意马虎受到光照、噪声等繁芜环境影响，提升机器人事情状态监测难度。
采取本体裁系建立机器人及其事情环境三维虚拟场景，实时渲染不同尺度大小的三维场景图像，通过图像纹理操作等待韶光以及纹理增加等待韶光两部分评价本体裁系渲染效果，统计结果如图4所示。

（a）纹理操作等待韶光

（b）纹理增加等待韶光

图 4 图像渲染效果

图4结果可以看出，本体裁系可通过较少的等待韶光实现三维场景实时渲染，降落三维虚拟场景培植本钱。
本体裁系可在三维虚拟场景图像纹理渲染坚持稳定速率，三维场景画面大小有所变革情形下，仍保持优胜的渲染效果。
本体裁系通过虚拟现实技能建立机器人及其事情场景模型具有较强的渲染效果，可为机器人事情状态智能监测供应良好根本。

本体裁系采取支持向量机作为智能监测机器人事情状态方法，支持向量机的核函数选取对付机器人事情状态监测结果精准性极为主要，可有效提升机器人事情状态监测性能。
统计支持向量机在不同演习步数情形下，采取三种核函数输出偏差以及输出韶光，统计结果如图5所示。
图5实验结果可以看出，采取三种核函数时，支持向量机的输出偏差以及输出韶光均随着演习步数的提升而有所低落；支持向量机核函数为径向基核函数时，不同演习步数情形下的输出偏差与输出韶光均为最低，解释核函数为径向基核函数时，支持向量机可获取精准分类效果，此机遇器人事情状态监测效果最佳。

(a) 输出偏差

(b)输出韶光

图5不同核函数情形下的输出结果

选取径向基核函数作为本体裁系所采取支持向量机的核函数，统计采取本体裁系在机器人事情30min内，智能监测机器人事情状态结果如图6所示。
图6实验结果可以看出，采取本体裁系监测机器人事情状态结果与机器人实际事情状态极为靠近，解释本体裁系可有效监测机器人事情状态，监测职员可依据机器人事情状态监测结果做出相应决策，提升机器人事情性能。

图6机器人事情状态监测结果

统计采取本体裁系800次智能监测机器人事情状态的监测精度，并将本体裁系与文献[7]系统以及文献[8]系统比拟，比拟结果如图7所示。
图7实验结果可以看出，不同监测次数情形下，本体裁系监测机器人事情状态的监测精度均高于另两种系统，本体裁系检测机器人事情状态的监测精度高于99%。
本体裁系具有收敛速率低，演习韶光短，泛化能力强，监测精度高的上风。
本体裁系利用虚拟现实技能建立三维虚拟场景获取机器人与事情现场信息，利用所采集信息通过支持向量机实现机器人事情状态精准监测，智能监测性能较高。
本体裁系可实现机器人事情状态精准监测，机器人涌现非常情形下快速告警，监测职员可在第一韶光创造机器人事情状态非常，及时做出调度策略，节省大量人力物力，提升机器人事情的智能性以及自动化性能。

图7监测精度比拟

4 、结束语

将虚拟现实技能运用于机器人事情状态智能监测中，实现机器人事情状态精准监测。
利用虚拟现实技能建立机器人及其事情环境场景模型，提取机器人事情状态信息，利用支持向量机精准分类提取机器人事情状态，输出机器人终极事情状态结果，实现机器人事情状态智能监测。
虚拟现实技能对外界滋扰不敏感，外界严重滋扰情形下仍具有较高的机器人事情状态智能监测性能，监测有效性较高。

微美全息科学院成立于2020年8月，致力于全息AI视觉探索科技未知，以人类愿景为驱动力，开展根本科学和创新性技能研究。
全息科学创新中央致力于全息AI视觉探索科技未知, 吸引、集聚、整合环球干系资源和优势力量，推进以科技创新为核心的全面创新，开展根本科学和创新性技能研究。