论文部分内容阅读
随着机器人控制技术的发展,人与机器人之间的交互活动变得越来越普遍。利用人体动作和手势来控制机器人可以代替复杂繁琐的程序操作,简单方便地操纵机器人,向机器人发布命令,与机器人进行交互。基于机器视觉的人体动作和手势识别是实现新一代人机交互系统所不可缺少的一项关键技术。作为个革命性的产品,Kinect体感设备能够获取彩色图像、深度图像以及人体骨骼图像,并提供了一种全新的人机交互的方式。它能够捕捉、跟踪人体的动作、手势和声音。本文通过利用Kinect体感设备进行静态手势识别和动态手势识别,并在此基础上配合机器人动作实现人通过手势控制机器人动作的无接触式互动交互。本文首先定义一套用于控制机器人动作的静态手势和动态手势。针对静态手势,利用Kinect提供的深度信息分割出手掌部分,并结合人体骨骼图像中的手掌节点信息,提出了基于双层深度图像信息的手指轮廓识别方法,不仅能够检测伸直手指的轮廓而且能够检测出弯曲手指的轮廓。在此基础上,通过采用K曲率算法来定位指尖点,可较好地实现静态手势的识别。针对动态手势识别,通过利用动态时间规整算法(DTW)并结合静态手势识别,提出了动态手势识别与静态手势识别结合的方法,不仅提高了动态手势的准确性,也增加了手势组合的数量,进而增加了手势指令的丰富程度。在完成静态和动态手势识别之后,将有效识别的手势作为指令通过无线通讯的方式发送给机器人控制系统,可以实现机器人与人体动作的互动。本文所提出的基于Kinect的静态手势识别和动态手势识别的方法较好地解决了人体手势识别的问题,由于识别过程是基于图像的深度信息,可有效减少光照等因素对手势识别的影响,因而提高了手势识别的稳定性。通过将手势识别与机器人控制系统进行集成,实现了机器人与人体手势动作的互动,具有较好的应用价值。