基于Kinect的虛擬機(jī)器人動作捕獲及優(yōu)化方法研究.pdf

1、仿人機(jī)器人因其外形與人相像，又能模仿人的動作而廣受關(guān)注，各個(gè)國家都正積極地投入到仿人機(jī)器人在各個(gè)應(yīng)用領(lǐng)域的研究中。仿人機(jī)器人的運(yùn)動控制是一項(xiàng)非常復(fù)雜的工作，如何有效地解決此問題是科研人員重點(diǎn)研究的內(nèi)容之一。本文的目的是通過Kinect體感交互技術(shù)控制虛擬人及機(jī)器人的運(yùn)動，使它們能實(shí)時(shí)地模擬人體動作，同時(shí)也實(shí)現(xiàn)了自然的人機(jī)交互。論文的主要工作內(nèi)容及創(chuàng)新點(diǎn)如下：
　　(1)通過Kinect設(shè)備采集數(shù)據(jù)，制作深度圖像動作樣本庫。為了保證

2、多樣性，本文實(shí)時(shí)地獲取并保存圖像，然后從中選取包含不同的人、不同動作類型的多張圖像作為樣本，樣本庫中基本包含了人體的常用動作。
　　(2)根據(jù)Kinect采集的深度信息提取圖像像素點(diǎn)特征，使用隨機(jī)森林以及SVM算法訓(xùn)練特征對人體部位分類，通過Meanshift對人體部位聚類獲得關(guān)節(jié)點(diǎn)，生成3D人體骨架。本文提取的特征形式不僅能滿足時(shí)間性能的要求，又能很好地區(qū)分人體部位。隨機(jī)森林算法對訓(xùn)練過的樣本部位識別率高達(dá)到70-95％，優(yōu)于S

3、VM算法對部位的識別率，且對單幅圖像的分類時(shí)間達(dá)到毫秒級別，滿足實(shí)時(shí)性要求。
　　(3)本文提出了新的計(jì)算骨架運(yùn)動信息的方法即空間向量法，然后通過socket網(wǎng)絡(luò)通信將此信息實(shí)時(shí)地傳遞給機(jī)器人，控制機(jī)器人完成同樣的動作。空間向量法適用于本實(shí)驗(yàn)中機(jī)器人手臂結(jié)構(gòu)有限制的情況，如果機(jī)器人的手臂等結(jié)構(gòu)更靈活，則可以使用本文推導(dǎo)的歐拉角公式來表示關(guān)節(jié)的運(yùn)動，本文也通過虛擬人的運(yùn)動實(shí)驗(yàn)對此進(jìn)行了驗(yàn)證。
　　實(shí)驗(yàn)結(jié)果表明使用Kinect體