机器人控制一般将指令输入到计算机硬件实现,而将手势作为控制机器人的方式,实时地将手势转换为移动机器人的控制命令,能够远程操控机器人。手势识别技术通常利用摄像头获取手部图像特征进行识别,微软推出的Kinect摄像头在手势识别方面表现出色,能够获取深度图像信息以及人体骨骼数据等。本文利用Kinect传感器分别实现静态和动态手势识别,然后将其应用于移动机器人的控制,采用无线模块实现命令传输,移动机器人具有避障功能。主要研究内容如下:(1)提出一种基于凸包分析和曲率的指尖检测算法,首先通过双深度阈值算法分割手部区域,然后使用中值滤波和形态学操作处理图像中的噪声。根据手部轮廓获取手部凸包,最后利用凸包信息和曲率特征筛选出指尖点;(2)提出一种基于SVM分类器的静态手势识别算法,使用包括指尖数目、指尖之间夹角、指尖到掌心的距离与掌心内切圆半径之差以及指尖和手部水平方向夹角作为特征向量。利用SVM在非线性数据样本和小样本数据样本上的出色表现实现静态手势识别;(3)提出一种加权DTW动态手势识别算法,首先通过Kinect提取人体骨骼数据中的8个关节点的位移作为动态手势的特征。考虑到动态手势中有大部分关节并没有很大的位移,将会对识别结果产生影响。因此本文根据每个动态手势中关节点位移大小计算其权重,然后利用DTW算法求得动态手势相似度,最后根据相似度大小判断该动态手势属于那种动态手势;(4)将手势用于移动机器人的控制,使用智能小车作为移动机器人,通过无线传输模块将动态和静态手势对应的控制命令发送给小车。本文使用Arduino作为舵机和各模块的控制器,利用舵机带动超声波模块旋转检测周围障碍物,根据不同情况躲避。通过实验验证本文提出的静态和动态手势识别算法能够满足移动机器人控制的需求,使用Kinect摄像头获取的深度图像能够避免复杂环境和光照的影响,具有较好的研究价值。