隨著人機交互技術的快速發(fā)展和人機工程學、用戶體驗等領域的研究逐步深入,人們對機器人可用性與易用性的要求越來越高。手勢理解用于人機交互已成為人機交互技術重要的研究內容。目前,手勢識別的解決方案中,大部分方案存在準確率不足、使用場景限制多等問題,仍不能實際應用到工業(yè)協(xié)作機器人中。本文應用Python開發(fā)語言,建立了一套面向協(xié)作機器人完成裝配作業(yè)的手勢語言庫,實現了協(xié)作機器人的手勢識別人機交互系統(tǒng)。基于Kinect平臺采集人體深度圖像,給出了“靜態(tài)手勢識別與動態(tài)手勢識別算法”;其中,基于閾值的手勢分割算法對手部圖像進行分割,提取出手勢輪廓的相關操作的特征信息;同時,基于K-curvature檢測手部的手指點數量,進而確定手勢的類別。基于HMM-NBC模型的動態(tài)手勢識別方法,利用獲得到的大量的手勢圖像特征以及運動軌跡特征,訓練HMM模型,通過NBC分類器實現動態(tài)手勢分類,實現了對手勢（語義）的添加以及錄入等功能。本文根據裝配齒輪泵的工藝需求設計了相應手勢,將系統(tǒng)與協(xié)作機器人對接,完成了人機協(xié)作裝配的工作站平臺。實驗結果表明:手勢交互系統(tǒng)可在真實環(huán)境下實現協(xié)作機器人的齒輪泵人機協(xié)作裝配操作,單個... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
引言
1.緒論
    1.1 課題研究意義
    1.2 國內外研究現狀
        1.2.1 人機交互
        1.2.2 手勢識別
    1.3 本文主要研究內容與章節(jié)安排
2 手勢識別技術與人機交互平臺
    2.1 手勢識別技術概述
        2.1.1 基于穿戴設備的手勢識別
        2.1.2 基于視覺的手勢識別
    2.2 動態(tài)手勢識別
        2.2.1 基于模板的方法
        2.2.2 基于語法的方法
        2.2.3 基于統(tǒng)計的方法
    2.3 靜態(tài)手勢識別
        2.3.1 模板匹配方法
        2.3.2 基于手指的檢測方法
        2.3.3 基于指尖的檢測
    2.4 基于Kinect平臺的手勢識別
        2.4.1 Kinect平臺
        2.4.2 Kinect的局限性
        2.4.3 人機協(xié)作的關鍵技術
    2.5 本章小結
3 基于深度圖像分割的靜態(tài)手勢識別
    3.1 Kinect骨骼識別原理
    3.2 基于Kinect平臺的深度圖像采集
    3.3 基于閾值的手勢圖像分割
        3.3.1 閾值的確定
        3.3.2 K-Means分割手勢區(qū)域
    3.4 手勢區(qū)域預處理
        3.4.1 手勢區(qū)域濾波與形態(tài)學操作
        3.4.2 手勢輪廓提取
        3.4.3 手勢輪廓近似
    3.5 提取手指點
        3.5.1 辨別指尖
        3.5.2 K參數的實驗與分析
    3.6 基于指尖點的靜態(tài)手勢識別
        3.6.1 靜態(tài)手勢定義
        3.6.2 靜態(tài)手勢識別
    3.7 本章小結
4 基于Kinect平臺的動態(tài)手勢識別
    4.1 常用的動態(tài)手勢識別算法
        4.1.1 動態(tài)規(guī)劃
        4.1.2 動態(tài)時間規(guī)整
        4.1.3 條件隨機場
        4.1.4 隱馬爾可夫模型
    4.2 動態(tài)手勢識別預處理
    4.3 手勢特征向量的構造
        4.3.1 手勢特征需求
        4.3.2 基于骨骼節(jié)點的特征構造
    4.4 基于HMM-NBC的手勢訓練過程
        4.4.1 樸素貝葉斯分類器
        4.4.2 可行性測試
        4.4.3 手勢訓練過程
    4.5 本章小結
5 基于手勢識別的協(xié)作機器人人機交互系統(tǒng)實現
    5.1 人機交互系統(tǒng)的手勢設定
        5.1.1 動態(tài)手勢設定
        5.1.2 動態(tài)手勢樣本庫的建立
        5.1.3 實驗過程與分析
    5.2 基于手勢識別的人機交互系統(tǒng)
        5.2.1 系統(tǒng)設計
        5.2.2 系統(tǒng)模塊
        5.2.3 系統(tǒng)任務
    5.3 人機交互系統(tǒng)實驗結果與分析
    5.4 人機交互系統(tǒng)在協(xié)作裝配作業(yè)中的應用
    5.5 本章小結
結論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于Kinect的PPT播放器的設計[J]. 劉云萍,劉晉鋼.  電腦與電信. 2018(10)
[2]基于Kinect手勢識別的智能小車控制系統(tǒng)設計[J]. 楊瓊楠,張苗苗,楊聰錕,陳超波.  國外電子測量技術. 2018(09)
[3]基于kinect體感控制機器人設計與實現[J]. 譚花花.  電子世界. 2018(13)
[4]基于手勢識別的虛擬環(huán)境體感交互控制[J]. 蔡林沁,張建榮,劉彬彬.  華中科技大學學報(自然科學版). 2015(S1)
[5]基于Kinect傳感器的動態(tài)手勢實時識別[J]. 劉瑤,余旭,黃智興.  西南大學學報(自然科學版). 2015(08)
[6]虛擬現實增強技術綜述[J]. 周忠,周頤,肖江劍.  中國科學:信息科學. 2015(02)
[7]一種基于改進DTW算法的動態(tài)手勢識別方法[J]. 何超,胡章芳,王艷.  數字通信. 2013(03)
[8]Kinect應用概述及發(fā)展前景[J]. 朱濤,金國棟,蘆利斌.  現代計算機(專業(yè)版). 2013(06)
[9]基于Kinect的農作物長勢深度圖像實時獲取算法[J]. 江曉慶,肖德琴,張波,陳劍.  廣東農業(yè)科學. 2012(23)
[10]淺談手勢識別在人機交互中的應用[J]. 潘建生.  電腦知識與技術. 2011(35)

博士論文
[1]虛擬現實自然交互環(huán)境下用戶認知的數學表達及其可視化評估[D]. 楊賢.廣東工業(yè)大學 2018
[2]數據驅動的虛擬試衣系統(tǒng)若干關鍵技術研究[D]. 成可立.浙江大學 2016
[3]人機交互系統(tǒng)中手勢和姿勢識別算法的研究[D]. 程光.清華大學 2014

碩士論文
[1]基于Kinect的智能交互虛擬機房的設計與實現[D]. 王曉曄.北京郵電大學 2018
[2]基于Kinect的靜態(tài)數字手語識別研究及系統(tǒng)實現[D]. 劉偉康.河南大學 2016
[3]線性回歸的人臉表情模型重建及表情動畫研究與實現[D]. 劉剛.湖南大學 2016
[4]Kinect手勢識別技術在多媒體教學中的應用研究[D]. 但婕.湖北師范大學 2016
[5]基于力覺和視覺的雙機器人協(xié)作研究[D]. 喻洋.青島科技大學 2016
[6]基于Kinect的手勢識別技術在人機交互中的應用研究[D]. 陳一新.西南交通大學 2015
[7]基于傳感器的增強現實關鍵技術研究[D]. 彭雪.上海大學 2015
[8]基于Kinect手勢識別的虛擬人體解剖教學系統(tǒng)的設計與實現[D]. 李小龍.北京工業(yè)大學 2014
[9]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
[10]應用Kinect的人體行為識別方法研究與系統(tǒng)設計[D]. 韓旭.山東大學 2013



本文編號：3496234