实时目标的位置姿态识别以及运动跟踪的研究和应用

发布时间：2024-04-25 20:42

　　随着上个世纪50年代机器人的出现,机器人被大量运用在各个领域。工业领域是机器人的重要应用场景,其繁重的工作量及安全性较低的工作环境使人工成本居高不下,而工业机器人具有安全性,实时性和可编程性的特点,是解决上述问题的关键。手势识别具有灵活性和直观性,给远程人机交互带来了新思路,近年来逐渐成为人机交互的热门方式。总结当前机器人控制和手势识别研究,得到如下背景要点:(1)机器人通常使用手持终端控制,操作人员在实际场景中无法脱离设备接线的范围,因此在人机交互的简易性和安全性上还有提升空间;(2)关于手势识别的研究大多集中在人工神经网络和隐马尔可夫模型,对于几何特征的研究较少;(3)手势识别在机器人远程控制中的应用研究还不多见。本文的工作就是针对上述背景展开。本文首先研究了几种几何特征识别方法的理论,根据稳定性和实时性选择了较为成熟的基于指尖检测的手势识别方法;然后基于手势边界特征,研究了凸包算法的原理以及传统的凸包算法实现途径,在此基础上提出了改进后的快速凸包算法;最后,根据这个快速凸包算法提出了一种手势识别算法,定义了手势的几何特征,并设计了一套手势指令将其应用到机器人远程人机交互中进行实验...

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图2-1Kinect结构

第二章基于Kinect传感器的人体识别9第二章基于Kinect传感器的人体识别KinectforWindows作为一款3D深度相机，由微软公司首次于2010年发布，旨在革新人们玩游戏的方式及体验娱乐的方式。使用Kinect人们可以自然地与游戏互动。同时Kinect传感器集成了许多....

图2-3KinectV2结构图

第二章基于Kinect传感器的人体识别11色彩数据在每一帧大约包含了300,000个有色点云，因此记录连续的深度图像，不仅可以获取增加的点密度，而且还可以实时创建室内环境的完整点云[19]。深度数据和色彩数据的对齐依赖于系统误差的校正，而随机误差在对于深度数据的进一步处理中有非常....

图2-6Kinect人体骨骼点示意图

第二章基于Kinect传感器的人体识别15拟合[23]。图2-6Kinect人体骨骼点示意图Kinect骨骼跟踪的整个流程如下[24]：（1）对每个像素执行身体部位分类。（2）通过位移均值找到概率质量的整体质心（密度的局部模式），从而对人体关节进行假设。（3）通过考虑时间连续性和....

图2-7Kinect获取的RGB图，对应深度图和生成的骨骼模型

第二章基于Kinect传感器的人体识别15拟合[23]。图2-6Kinect人体骨骼点示意图Kinect骨骼跟踪的整个流程如下[24]：（1）对每个像素执行身体部位分类。（2）通过位移均值找到概率质量的整体质心（密度的局部模式），从而对人体关节进行假设。（3）通过考虑时间连续性和....

本文编号：3964227