随着科技的发展,在人机交互、人工智能、医疗等各个领域,机器人发挥着越来越重要的作用。当前对机器人的研究仍面临着许多难题,例如机器人智能度低、拟人性不强等。而通过机器人人体动作模仿的研究,可以提升机器人交互能力,训练机器人拟人化,让机器人更好的服务人类。国内外在该领域已取得了较为丰富的成果,但是在人体动作获取、模仿的准确性以及模仿的实时性上仍存在着局限性。基于此,本论文分别利用Kinect设备和Vicon设备实现了拟人机器人实时模仿人体动作,具体工作如下:(1)设计了基于Kinect的Nao机器人模仿人体上肢运动的系统。首先,通过Kinect获取人体骨骼点位置数据,并根据机器人的机械结构进行向量映射;其次,利用D-H矩阵构建机器人正向运动学模型。由于大部分的机器人是由关节角度进行驱动的,因此需要通过逆向运动学求解各个关节角度。针对该逆向运动学求解问题,本论文给出了解析法和数值法两种求解方案。在解析法中,提出了一种建立多个关节链组合求解整条关节链的逆向运动学求解思路,在数值法中,提出了一种基于几何法做初值的Levenberg-Marquard(LM)算法求解逆向运动学的求解方案。在获取到各个关节角度之后,为了保证模仿的稳定性,本文加入了关节角度滤波和自我碰撞避免。为了证明这两种逆向运动学解决方案的性能和优势,本论文从关节角度配置的相似性以及末端轨迹的相似性上分别与几何法以及传统迭代法进行了对比,同时分析了模仿的实时性,实验结果证明本论文所设计的两种方案都可以高性能实现实时人体上肢模仿。(2)设计了基于Vicon的Nao机器人模仿人体运动的系统。由于Kinect在手腕关节处的精度较低,而在模仿过程中必须正面面对Kinect这样的局限性,导致Kinect很难实现手腕模仿和行走模仿。鉴于此,使用Vicon解决上述问题。具体而言,在Kinect上肢模仿的基础上加入了基于几何法的手腕关节模仿的实现方案,并且从轻微动作和整体动作两个方面分析了模仿的灵敏度和性能。此外为了提升模仿的自由度,使机器人可以通过体感的形式达到任意位置和方向,本论文还提出了一种通过体感控制机器人实现行走模仿的方案。在行走模仿中,本文给出了行走模仿和人体上肢模仿的切换方式,以及在行走模仿中充分考虑到了机器人转向对行走的影响,并给出了相应的解决方案。实验结果表明,本论文所设计的方案可以很好的实现行走模仿。