發(fā)布時間：2021-06-24 17:33

　　在機器人技術飛速發(fā)展的今天,機器人在工業(yè)中的應用程度已經(jīng)成為工業(yè)技術是否成熟的標志。近年隨著來機器人控制技術的發(fā)展,人與機器人之間的交互方式變的越來越簡單,交互方式也逐漸由傳統(tǒng)的示教器控制向一種更加自然的交互方式—體感技術控制過渡。利用人體動作和手勢進行機器人的控制,會減少很多繁瑣的機器人示教及程序操作,更加的方便和快捷。體感控制的人機交互方式關鍵技術是基于機器視覺對于人體動作和手勢的識別。通過對國內(nèi)外關于體感技術的發(fā)展現(xiàn)狀研究,發(fā)現(xiàn)目前大多數(shù)的體感技術還是傾向于游戲娛樂行業(yè),在對于機器人方面的應用還比較欠缺。選取Kinect體感設備為本設計的開發(fā)工具,Kinect體感設備是一種全新的人機交互設備,它能夠捕捉、跟蹤、識別人體的動作、手勢和語音。Kinect體感設備還可以獲取人體的彩色圖像、深度數(shù)據(jù)以及人體骨骼圖像,通過人體的人體骨骼圖像的提取,從而可以實現(xiàn)人體關節(jié)點的深度信息的獲取。本課題是通過引用微軟公司的Kinect的體感設備來進行人體的姿態(tài)識別研究和機器人的體感控制仿真實現(xiàn)的。人體姿態(tài)的識別是進行體感技術開發(fā)的關鍵。進行人體姿態(tài)的骨骼圖像實時再現(xiàn),需要在設計進行提取目標對象的骨骼... 

【文章來源】：深圳大學廣東省

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 研究背景和意義
    1.3 國內(nèi)外的發(fā)展趨勢
    1.4 本課題的主要內(nèi)容
    1.5 本章小結(jié)
第2章 體感識別技術原理
    2.1 課題所用體感識別設備的選取
    2.2 體感技術原理
    2.3 體感設備—Kinect
        2.3.1 Kinect設備結(jié)構
        2.3.2 Kinect設備原理
        2.3.3 Kinect設備開發(fā)環(huán)境
    2.4 本章小結(jié)
第3章 基于Kinect的人體姿態(tài)識別
    3.1 人體骨骼節(jié)點的提取
        3.1.1 骨骼數(shù)據(jù)流
        3.1.2 骨骼框架提取
        3.1.3 骨骼對象的追蹤
        3.1.4 獲取關節(jié)點信息
    3.2 人體姿態(tài)識別的實現(xiàn)
    3.3 本章小結(jié)
第4章 3D點云數(shù)據(jù)的處理
    4.1 3D點云數(shù)據(jù)的獲取
    4.2 點云處理
        4.2.1 點云過濾
        4.2.2 點云校準
    4.3 本章小結(jié)
第5章 基于體感控制機器人的仿真實現(xiàn)
    5.1 Processing語言
    5.2 機器人模型仿真
        5.2.1 機器人模型建模
        5.2.2 角度測量轉(zhuǎn)化算法
    5.3 體感控制機器人運動實現(xiàn)
        5.3.1 點云數(shù)據(jù)處理
        5.3.2 體感控制機器人運動實現(xiàn)
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于kinect傳感器的物體三維重建[J]. 郭連朋,陳向?qū)?徐萬朋,劉田間.  四川兵工學報. 2014(11)
[2]基于Kinect骨架信息的人體動作識別[J]. 冷晶晶.  數(shù)字技術與應用. 2014(09)
[3]基于深度圖像的人體動作識別方法[J]. 劉飛,郝礦榮,丁永生,劉歡.  計算機工程. 2014(08)
[4]基于Kinect的機械臂目標抓取[J]. 韓崢,劉華平,黃文炳,孫富春,高蒙.  智能系統(tǒng)學報. 2013(02)
[5]基于索引結(jié)構的手語詞庫的設計[J]. 于美娟,許力,劉巖愷,馬希榮.  計算機科學. 2012(12)
[6]Kinect核心技術之骨架追蹤技術[J]. 余濤,葉金永,邵菲杰,郭晨媛,蔡耀.  數(shù)字技術與應用. 2012(10)
[7]用戶習慣性行為下的自然交互設計分析[J]. 張輝,許坤.  遼寧工業(yè)大學學報(社會科學版). 2010(05)
[8]基于MATLAB Robotics Toolbox的機器人學仿真實驗教學[J]. 謝斌,蔡自興.  計算機教育. 2010(19)
[9]FPGA實現(xiàn)滑動平均濾波算法和LZW壓縮算法[J]. 陳世海,裴東興,張琦.  電子設計工程. 2010(02)
[10]基于圖形編程技術的服務機器人人機交互系統(tǒng)的研究[J]. 李瑞峰,呂開元.  制造業(yè)自動化. 2003(03)

碩士論文
[1]基于Kinect傳感器的動靜態(tài)手勢識別研究[D]. 衛(wèi)潔.上海師范大學 2015
[2]三維點云數(shù)據(jù)的預處理研究[D]. 劉騰飛.西安電子科技大學 2014
[3]散亂點云邊界提取及孔洞修復算法研究[D]. 晏海平.南昌大學 2014
[4]基于Kinect的手勢識別與機器人控制技術研究[D]. 王松林.北京交通大學 2014
[5]基于深度攝像機的飛機座艙三維重建技術研究[D]. 雷偉.南京航空航天大學 2014
[6]基于Kinect深度圖像的手勢識別研究[D]. 李長龍.西華大學 2014
[7]基于Kinect骨架信息的人體動作識別[D]. 劉飛.東華大學 2014
[8]Kinect交互技術在工業(yè)設計中的開發(fā)研究[D]. 羅凱.浙江工業(yè)大學 2013
[9]基于Kinect的遠程機械臂體感控制系統(tǒng)研究[D]. 裴巖明.大連理工大學 2013
[10]基于Kinect的人體目標檢測與跟蹤[D]. 楊林.大連海事大學 2013



本文編號：3247537