随着人机交互技术的不断发展,人与机器人之间的交流也变得更加普遍。为了取代复杂繁琐的操作程序,一种更直观的的人机交互方式成为了人们的迫切需要。因此基于视觉识别的人机交互手段得到了人们的广泛关注。以人类为识别对象的视觉识别可以分为人脸识别和手势识别。对于机器人控制而言,手势控制相比于表情控制更具有实际意义。因此,本文研究的是基于手势识别的机器人编队控制系统。研究内容分为两个方面,一方面基于手势识别技术建立人机交互平台,另一方面提出了群机器人编队的控制方法。对于手势识别部分,本文选取了当前最为流行的Kinect摄像头作为图像采集设备。与普通摄像头相比,Kinect摄像头能够为用户提供深度数据和骨骼信息。并且微软还提供了专门的SDK开发工具包。针对Kinect摄像头的特点,本文提出了一种基于深度信息的手势识别方法。静态手势的识别可以分为四个步骤,依次是获得人体骨骼模型,静态手势分割,手势轮廓提取和指尖检测。首先获得人体骨骼模型,然后对手势分割的流程进行了详细介绍,提出了基于肤色检测并结合图像深度信息的手势分割方法。其次详细描述了 Moore-Neighbor算法提取轮廓的过程。接着提出了将凸包检测、层次聚类、K曲率算法相结合的指尖检测算法。最后通过实验验证了识别算法的准确性。对于多机器人编队部分,本文选取了应用较为广泛的TurtleBot机器人作为研究对象。首先分析了多机器人系统的特点,然后分析了机器人编队中可能遇到的问题,然后对机器人的定位问题做了分析,并提出了一种基于USB摄像头的视觉定位方法,定位准确可靠。最后对机器人的编队方法进行了分析,并设计了机器人的行为方式以及避障方法。在文章的最后部分,搭建了基于手势识别和机器人编队的人机交互系统。用户可以通过切换不同的手势来控制群机器人的运动状态和队形。通过多次实验证明了本文所设计的人机交互系统的准确性和实用性。本文提出的人机交互系统具有较强的实用性,能够较好地解决人机交互过程中出现的问题。文中提出的手势识别方法准确有效,具有很好的应用前景。在机器人编队中加入手势干预,能更好的提高机器人的工作效率。本文提出的人机交互系统在服务机器人领域具有很好应用价值。