现今的老年人失能情况中,老年人的如厕行为失能现象较为显著。在目前的医疗护理中,需要研究失能老人与如厕辅助机器人的动态交互,来减轻失能老人和护理人员的行为负担。因此,研究如厕辅助机器人的视觉检测和预测落座位置算法对解决失能老人如厕问题有着非常重要的意义。本论文首先介绍如厕辅助机器人和D435深度视觉传感器的特点。通过D435深度视觉传感器得到护理人员与使用者双人混合站姿分布类型的深度图像。使用目标检测分类框架对不同的双人混合站姿进行分类。再通过人体关节点估计框架得到双人混合站姿分布的使用者髋、膝关节点像素位置,获得使用者的髋关节以及膝关节与机器人的世界距离信息。使用预测算法对使用者髋关节进行下坐位置预测。驱动如厕辅助机器人移动到使用者预测的下坐位置,进而减轻护理人员和使用者的行动负担。本文主要通过D435的深度摄像头获得使用者髋关节和膝关节的距离信息。Kinect深度传感器关节点估计算法对双人混合站姿的关节点估计会出现偏移,导致无法正确估计出使用者的髋关节以及膝关节像素坐标。针对这一问题,提出了YOLOv4-Tiny目标检测框架对护理人员和使用者双腿的站姿分布进行目标检测分类。针对在完成目标检测分类后,不能估计使用者的髋关节和膝关节像素坐标位置。本文提出基于Deep Lab Cut姿态估计算法对相应的站姿位置图像进行训练。通过得到的训练姿态模型估计出使用者髋关节、膝关节的像素坐标信息。最后利用Deep Lab Cut的训练结果证实关节点估计的有效性。获得双人混合站姿的髋关节以及膝关节的像素坐标,利用D435软件开发工具包的像素坐标转换世界坐标系获得人体关节点与机器人的距离。面对使用者下坐位置预测问题,本文对使用者每一种下坐位置的轨迹,使用人工神经网络训练出每一种下坐位置的运动模型,建立扩展卡尔曼滤波运动方程。将每种下坐轨迹的扩展卡尔曼滤波运动方程结合多模型交互算法预测使用者的下坐位置。如厕辅助机器人在得到下坐位置信息后,针对机器人在移动过程中因为摩擦力等外部干扰使机器人发生姿态偏转的情况。对如厕辅助机器人建立动力学模型,并且设计滑模控制器。保证如厕辅助机器人在追踪使用者下坐位置过程中姿态偏转在合理的范围内,完成失能老人的如厕需求。通过如厕辅助机器人人机交互实验,证明本论文提出追踪下坐位置方案的有效性。