论文部分内容阅读
随着人机交互的多元化发展,利用人体动作来控制机器人可以代替复杂繁琐的程序操作控制,简单而且灵活,在医疗、爆破等方面体现出较大的优越性。因此,体感控制机器人成为人机交互的一个发展方向,机器人模仿人体动作是该领域的研究热点。Kinect体感设备可以识别并跟踪人体骨骼,为体感控制机器人提供了研究平台,但Kinect并不能识别人体关节旋转,给体感控制带来了不便。本文针对基于Kinect的人体关节旋转问题进行应用研究,提出了利用人体佩带指套的方式,利用图像识别技术,对指套进行识别跟踪,计算指套角度代替人体小臂转动角度,辅助控制机械臂识别人体小臂旋转,达到模拟人体手臂运动的目的。首先,研究了数字图像处理技术,深入分析了SIFT算法,利用图像特征匹配的方式识别运动目标,并利用Kalman预测器进行目标运动的预测,缩小匹配区域,优化了SIFT算法在图像识别的应用,设计了基于Kalman预测器和SIFT算法的目标运动检测系统。其次,对于图像匹配法以及窗口质心算法进行深入研究,设计了单目视觉的目标图像识别与跟踪系统。匹配选用待测目标的一张图像为目标模板,遍历运动图像进行颜色匹配跟踪,并计算出匹配区域中心。以用2-DOF (Degree Of Freedom)载有固定单目摄像头的机器人头为平台,实现了红色运动小球的识别追踪。再其次,研究了基于DTW (Dynamic Time Warping)算法和数据手套的手势识别辅助方法及传感器辅助方法,并与图像处理辅助方法在识别效果、实时性和稳定性等方面做了对比分析,结果显示,基于指套的图像处理辅助方法具有一定的优越性。最后,搭建了自制的4-DOF的机器人机械臂,设计了基于Kinect的机器人控制系统并使用Labview软件编程实现。人体及手指佩带的红色指套从Kinect摄像头输入形成预处理图,经过对指套的图像识别与跟踪,获取指套的角度信息。对从Kinect获取的人体骨骼三维信息进行向量法求解,获取人体关节角度信息。将获取的指套信息及关节角度信息输入4-DOF的机器人机械臂,从而实现对机器人的控制。为验证指套辅助识别下机器人机械臂对于人体手臂转动的识别跟踪效果,编写了用空闲手肘角度控制机械手的程序,配合机械臂完成对纸杯的抓取。测试及验证结果表明:指套识别辅助下,人体可以控制机器人更灵活的完成任务。