基于靜態(tài)和動(dòng)態(tài)手勢(shì)控制移動(dòng)機(jī)器人研究.pdf

1、機(jī)器人控制一般將指令輸入到計(jì)算機(jī)硬件實(shí)現(xiàn)，而將手勢(shì)作為控制機(jī)器人的方式，實(shí)時(shí)地將手勢(shì)轉(zhuǎn)換為移動(dòng)機(jī)器人的控制命令，能夠遠(yuǎn)程操控機(jī)器人。手勢(shì)識(shí)別技術(shù)通常利用攝像頭獲取手部圖像特征進(jìn)行識(shí)別，微軟推出的Kinect攝像頭在手勢(shì)識(shí)別方面表現(xiàn)出色，能夠獲取深度圖像信息以及人體骨骼數(shù)據(jù)等。
　　本文利用Kinect傳感器分別實(shí)現(xiàn)靜態(tài)和動(dòng)態(tài)手勢(shì)識(shí)別，然后將其應(yīng)用于移動(dòng)機(jī)器人的控制，采用無線模塊實(shí)現(xiàn)命令傳輸，移動(dòng)機(jī)器人具有避障功能。主要研究?jī)?nèi)容如下

2、:
　　(1)提出一種基于凸包分析和曲率的指尖檢測(cè)算法，首先通過雙深度閡值算法分割手部區(qū)域，然后使用中值濾波和形態(tài)學(xué)操作處理圖像中的噪聲。根據(jù)手部輪廓獲取手部凸包，最后利用凸包信息和曲率特征篩選出指尖點(diǎn);
　　(2)提出一種基于SVM分類器的靜態(tài)手勢(shì)識(shí)別算法，使用包括指尖數(shù)目、指尖之間夾角、指尖到掌心的距離與掌心內(nèi)切圓半徑之差以及指尖和手部水平方向夾角作為特征向量。利用SVM在非線性數(shù)據(jù)樣本和小樣本數(shù)據(jù)樣本上的出色表現(xiàn)實(shí)現(xiàn)靜

3、態(tài)手勢(shì)識(shí)別;
　　(3)提出一種加權(quán)DTW動(dòng)態(tài)手勢(shì)識(shí)別算法，首先通過Kinect提取人體骨骼數(shù)據(jù)中的8個(gè)關(guān)節(jié)點(diǎn)的位移作為動(dòng)態(tài)手勢(shì)的特征?？紤]到動(dòng)態(tài)手勢(shì)中有大部分關(guān)節(jié)并沒有很大的位移，將會(huì)對(duì)識(shí)別結(jié)果產(chǎn)生影響。因此本文根據(jù)每個(gè)動(dòng)態(tài)手勢(shì)中關(guān)節(jié)點(diǎn)位移大小計(jì)算其權(quán)重，然后利用DTW算法求得動(dòng)態(tài)手勢(shì)相似度，最后根據(jù)相似度大小判斷該動(dòng)態(tài)手勢(shì)屬于那種動(dòng)態(tài)手勢(shì);
　　(4)將手勢(shì)用于移動(dòng)機(jī)器人的控制，使用智能小車作為移動(dòng)機(jī)器人，通過無線傳輸模