KaydedilenlerDerginizi ekleyin

Dergiler / Düzce Üniversitesi Bilim ve Teknoloji Dergisi / 2020 / Cilt: 8 - Sayı: 1

Myo-Elektriksel Sinyaller İle İnsansız Kara Aracının Uzaktan Kontrolü

Remote Control of Unmanned Ground Vehicle via Myo-Electrical Signals

Ahmet B. TATAR
Beyda TAŞAR
Özgür NAZLI
Osman KALKAN
Sayfa
233–245
Yayın Tarihi
2022-10-12
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Kurulan insan- mobil araç etkileşim ağı sayesinde el hareketleri ile mobil aracın gerçek zamanlı hareket kontrolü ortalama % 92 başarı ile gerçekleştirilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışma kapsamında insansız bir kara aracının kişinin el ve parmak hareketleri ile uzaktan kontrolü gerçekleştirilmiştir.
📊
Temel Bulgular & Veri:Raspberry pi 3 gömülü sistem kartı üzerinde geliştirilen sinyal işleme, öznitelik çıkarımı ve sınıflandırma algoritmaları kullanılarak anlamlandırılmıştır.
💡
Sonuç & Katkı:Kurulan insan- mobil araç etkileşim ağı sayesinde el hareketleri ile mobil aracın gerçek zamanlı hareket kontrolü ortalama % 92 başarı ile gerçekleştirilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Myo kol bandı · EMG sinyali · Hareket sınıflandırılması

Özet

Bu çalışma kapsamında insansız bir kara aracının kişinin el ve parmak hareketleri ile uzaktan kontrolü gerçekleştirilmiştir. Beyinden kol kaslarına iletilen ve kişinin el hareketlerini gerçekleştirmesini sağlayan Elektromiyografi (EMG) sinyalleri, kişinin koluna giydiği sekiz EMG sensör içeren bileklik vasıtası ile gerçek zamanlı olarak alınmıştır. Raspberry pi 3 gömülü sistem kartı üzerinde geliştirilen sinyal işleme, öznitelik çıkarımı ve sınıflandırma algoritmaları kullanılarak anlamlandırılmıştır. Başka bir deyişle el hareketin örüntüsü (el kapama, parmak açma, serçe parmak temas, bilek dışa bükme, vs.) ile EMG sinyal grubu arasındaki ilişkiler tanımlanmıştır. Anlamlandırılan her bir el hareketi araç için bir hareketi kontrol komutu (el kapama: araç ileri, parmak açma: araç dur, serçe parmağa temas: sola dönüş, bilek dışa bükme: sağa dönüş, vs.) olarak kullanılmıştır. Böylece insan – mobil araç etkileşim ağı kurulmuştur. Kurulan insan- mobil araç etkileşim ağı sayesinde el hareketleri ile mobil aracın gerçek zamanlı hareket kontrolü ortalama % 92 başarı ile gerçekleştirilmiştir.

Abstract

In this study, remote control of an unmanned land vehicle by hand and finger movements was performed. Electromyography (EMG) signals, which are transmitted from the brain to the arm muscles and enable the person to perform hand movements, were received in real-time by a wristband containing eight EMG sensors worn on the arm. The signal processing, developed on the Raspberry pi 3 embedded system board, was recognized by using feature extraction and classification algorithms. In other words, the relationship between the pattern of hand movement (hand closure,hand opening, thumb-pinky finger touch, wrist bending, etc.) and the EMG signal group is defined. For each recognized hand gesture was used as a motion control command for the vehicle (hand closure: vehicle forward, hand opening: vehicle stop, thumb-little finger touch: left turn, wrist bend: right turn, etc.). Thus, a human - mobile vehicle interaction network was established. Thanks to the established human-mobile vehicle interaction network, real-time motion control of hand movements and the mobile vehicle were achieved with an average success rate of 92%.

🔖

Bu Makaleye Atıf Yap

TATAR, A. B., TAŞAR, B., NAZLI, Ö., KALKAN, O. (2022). Myo-Elektriksel Sinyaller İle İnsansız Kara Aracının Uzaktan Kontrolü. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, Cilt: 8 - Sayı: 1, 233–245. https://ajindex.com/articles/494086

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. B. K. Chakraborty, D. Sarma, M. K. Bhuyan, K. F. MacDorman, “Review of constraints on vision-based gesture Recognition for human-computer interaction”. IET Computer Vision, vol.12, pp. 3–15, 2017
  2. A. Pasarica, C. Miron, D. Arotaritei, G. Andruseac, H. Costin, “Rotariu, Remote control of a robotic platform based on hand gesture recognition”, In Proceedings of the E-Health and Bioengineering Conference (EHB), Sinaia, Romania, 22–24 June 2017; pp. 643–646
  3. H. Abualola, H. Al Ghothani, A.N. Eddin, N. Almoosa, K. Poon, “Flexible gesture recognition using wearable inertial sensors”. In Proceedings of the IEEE 59th International Midwest Symposium on CircuitsandSystems (MWSCAS), Abu Dhabi, UAE, 16–19 October 2016; pp. 1–4
  4. A.I. Maqueda, C.R. del-Blanco, F. Jaureguizar, N. García, “Human-computer interaction based on visual hand-gesture recognition using volumetric spatiograms of local binary patterns”, Computer Vision and Image Understanding, vol.141, pp.126–137, 2015
  5. S.A. Rahman, I. Song, M.K. Leung, I. Lee, K. Lee, “Fast action recognition using negative space features”. Expert System Appication, vol. 41, pp. 574–587, 2014
  6. V. Gandhi, T.M. McGinnity, “Quantum neural network-based surface EMG signal filtering for control of robotic hand”. In Proceedings of the IEEE International Joint Conference on Neural Networks, Dallas, TX, USA, 4–9 August 2013
  7. I. Moon, M. Lee, J. Ryu, M. Mun, “Intelligent robotic wheelchair with EMG, gesture, and voice-based interfaces”. In Proceedings of the IEEE/RSJ International Conference on IntelligentRobotsandSystems (IROS 2003), LasVegas, NV, USA, 27–31 October 2003; pp. 3453–3458
  8. G. Kucukyildiz, H. Ocak, S. Karakaya, O. Sayli, “Design and implementation of a multi-sensor based brain-computer interface for a robotic wheelchair”. Journal of Intelligent and Robotic Systems, vol. 87, pp. 247–263, 2017
  9. S. Shin, D. Kim, Y. Seo, “Controlling mobile robot using IMU and EMG sensor-based gesture recognition”. In Proceedings of the Ninth International Conference on Broadband and Wireless Computing, Communication and Applications (BWCCA), Guangdong, China, 8–10 November 2014; pp. 554–557
  10. G.C. Luh, H.A. Lin, Y.H. Ma, C.J. Yen, “Intuitive muscle-gesture based robot navigation control using wearable gesture armband”. In Proceedings of the International Conference on Machine Learning and Cybernetics (ICMLC), Guangzhou, China, 12–15 July 2015; pp. 389–395
  11. V. Gandhi, “Brain-Computer Interfacing for Ass