四足机器人具有良好的运动灵活性和环境适应性,在野外等复杂环境的作业中体现出了绝对的优势,良好的交互方式将大大提高四足机器人的操控性。与语音识别、人脸识别、脑机交互等交互方式相比,手势交互具有动作直观,抗干扰能力强等优点。根据四足机器人的作业需求,交互手势集通常被设计为既有静态又有动态的混合手势集。因此,混合手势集设计以及针对混合手势集的识别方法,是目前四足机器人手势交互功能实现面临的技术难点。同时,现阶段的手势识别研究集中在人体相对静止情况,对于人员处于行进等非静止情况下的研究少。围绕实现四足机器人行进过程中的手势交互控制的研究目标,本文在惯性传感器搭建的手势采集系统基础上,完成研究工作如下:(1)人体运动过程中的模型构建与运动剔除。参考以往的常见手部模型,在分析手部结构特点和运动约束的基础上,提出手部简化模型;对人体运动进行分析,建立人体运动模型,通过惯性传感器检测人体运动状态,并基于相对运动学通过坐标转换完成人体运动的剔除。(2)四足机器人的静态、动态混合交互手势集构建。针对四足机器人行进过程中的控制需求,设计静态、动态交互手势;根据四足机器人实际应用需要,进一步优化手势集,构建了四足机器人行进过程中的交互手势集。(3)混合手势集的手势识别算法研究。提出了基于极限学习机和动态时间规整理论的双层手势分类器:经数据预处理后的惯性传感器数据,提取相应的特征向量并利用相应分类器实现手势分类。对于静态手势,提出了基于混合核函数极限学习机的手势识别算法;对于动态手势,提出了结合KNN算法的多模板匹配方法,提高了四足机器人对动态手势识别的自适应性。(4)静态、动态手势识别实验与分析。分析介绍了手势采集与识别的实验平台,并进行多种手势识别实验和分析,验证了本文运动剔除方案及手势识别算法的有效性。