基于體感的空間機器臂人機交互技術(shù).pdf

1、作為當今人們在工作和生活中不可或缺的設(shè)備之一，計算機技術(shù)在近半個世紀以來取得了諸多的成就，如體積越來越小、計算能力越來越強、數(shù)據(jù)共享和交流越來越頻繁等。但是，人機交互方式卻仍然沒有取得徹底的變革，仍然是以鼠標和鍵盤為主，這對于計算機向著智能化、便捷化和人性化方向發(fā)展是不利的。體感交互是一種人們可以直接地使用肢體動作，而不需使用任何高級的控制設(shè)備，就能與身邊的設(shè)備或場景進行交流和溝通的新的交互技術(shù)，其在體感游戲、健康醫(yī)療、三維虛擬現(xiàn)實、空

2、間鼠標、運動監(jiān)測等領(lǐng)域都取得了不錯的應用效果。所以說，體感交互的人機交互技術(shù)是一個值得探索的研究課題。
　　本文對體感交互中的手勢識別、肢體識別等算法做了研究和探索，并將這些與機械臂控制結(jié)合起來，構(gòu)成了虛擬太空環(huán)境下機械臂的人機交互系統(tǒng)，進行人機交互演示。本文主要包括如下內(nèi)容：
　　1.手勢的檢測與分割。由Kinect傳感器獲得深度信息，利用Kinect SDK進行用戶跟蹤，獲得雙手的位置后進行圖像的閾值化處理，再進行一些降

3、噪處理，得到雙手的分割結(jié)果，有效排除了背景和其他用戶的干擾。
　　2.指尖識別。將凸包凸缺陷法、曲線分析法和三點檢測法3種指尖識別算法分別進行了實現(xiàn)，并比較其性能。對于效果最好的三點檢測法，本文還做了進一步改善，漏檢錯檢的指尖數(shù)目進一步降低，并擴充了指尖信息描述維數(shù)，指尖提取結(jié)果有了更廣泛更普遍的適用性。
　　3.靜態(tài)手勢識別。分別選用HOG描述符和基于SURF算法的BOW描述符進行靜態(tài)手勢的特征表示，用多分類SVM進行訓練

4、和學習，測試兩者的識別效果。對于基于SURF算法的BOW描述符，本文進行了多組實驗，從實時性、識別率等方面確定了最優(yōu)參數(shù)。
　　4.動態(tài)手勢識別。提出了一個簡單實用的動態(tài)手勢分割方法，即通過掌心的停留時間來判斷動態(tài)手勢的開始和結(jié)束；對于動態(tài)手勢軌跡，還提出了歸一化算法對不同用戶的軌跡序列進行歸一化處理，減少用戶間的差異性；最后利用DTW模板匹配算法進行動態(tài)手勢的識別，獲得了高效迅速的動態(tài)手勢識別效果。
　　5.肢體識別。用關(guān)

5、節(jié)角度及變化來描述用戶的肢體動作，降低了信息的復雜度，又提升了動作的可識別性，并用卡爾曼濾波算法進行用戶關(guān)節(jié)角度的平滑處理，消除了交互過程中的許多抖動現(xiàn)象，使交互過程更自然。
　　6.交互場景的實現(xiàn)和交互模式的設(shè)計。建立了機械臂模型，實現(xiàn)了機械臂人機交互場景，并設(shè)計了包含了雙手的動靜態(tài)手勢、指尖、肢體的人機交互模式，實現(xiàn)了通過體感交互控制虛擬機械臂進行作業(yè)的模擬。
　　最后，根據(jù)本文提取的相關(guān)算法編寫了相關(guān)的人機交互的軟件，