基于靜態(tài)和動態(tài)手勢控制移動機器人研究.pdf

1、機器人控制一般將指令輸入到計算機硬件實現(xiàn)，而將手勢作為控制機器人的方式，實時地將手勢轉(zhuǎn)換為移動機器人的控制命令，能夠遠程操控機器人。手勢識別技術(shù)通常利用攝像頭獲取手部圖像特征進行識別，微軟推出的Kinect攝像頭在手勢識別方面表現(xiàn)出色，能夠獲取深度圖像信息以及人體骨骼數(shù)據(jù)等。
　　本文利用Kinect傳感器分別實現(xiàn)靜態(tài)和動態(tài)手勢識別，然后將其應用于移動機器人的控制，采用無線模塊實現(xiàn)命令傳輸，移動機器人具有避障功能。主要研究內(nèi)容如下

2、:
　　(1)提出一種基于凸包分析和曲率的指尖檢測算法，首先通過雙深度閡值算法分割手部區(qū)域，然后使用中值濾波和形態(tài)學操作處理圖像中的噪聲。根據(jù)手部輪廓獲取手部凸包，最后利用凸包信息和曲率特征篩選出指尖點;
　　(2)提出一種基于SVM分類器的靜態(tài)手勢識別算法，使用包括指尖數(shù)目、指尖之間夾角、指尖到掌心的距離與掌心內(nèi)切圓半徑之差以及指尖和手部水平方向夾角作為特征向量。利用SVM在非線性數(shù)據(jù)樣本和小樣本數(shù)據(jù)樣本上的出色表現(xiàn)實現(xiàn)靜

3、態(tài)手勢識別;
　　(3)提出一種加權(quán)DTW動態(tài)手勢識別算法，首先通過Kinect提取人體骨骼數(shù)據(jù)中的8個關(guān)節(jié)點的位移作為動態(tài)手勢的特征?？紤]到動態(tài)手勢中有大部分關(guān)節(jié)并沒有很大的位移，將會對識別結(jié)果產(chǎn)生影響。因此本文根據(jù)每個動態(tài)手勢中關(guān)節(jié)點位移大小計算其權(quán)重，然后利用DTW算法求得動態(tài)手勢相似度，最后根據(jù)相似度大小判斷該動態(tài)手勢屬于那種動態(tài)手勢;
　　(4)將手勢用于移動機器人的控制，使用智能小車作為移動機器人，通過無線傳輸模