基于Kinect的虛擬機器人的運動設(shè)計方法研究.pdf

1、近些年來，機器人開始走進人們的日常生活中，日益改善著人們的生活方式。而目前機器人與人的人機交互卻沒有與之相應(yīng)發(fā)展起來。目前人與機器人交互方式仍然是鼠標、鍵盤、遙控器等傳統(tǒng)方式，交互方式單一且不靈活，難以滿足機器人日益增長的需求，人機交互的問題在一定程度上制約了機器人的發(fā)展。
　　虛擬機器人作為真實機器人的數(shù)字化形態(tài)，其運動方式與真實機器人相同，在機器人仿真等方面有著得天獨厚的優(yōu)勢。本文通過研究虛擬機器人的運動設(shè)計與控制來分析研究真

2、實機器人的人機交互。其中涉及到運動數(shù)據(jù)的捕獲問題，目前常用的運動捕獲方法如機械式、光學(xué)式、電磁式等方法成本高、環(huán)境要求高，使用很不方便。因此，本文采用深度圖像，提出一種新的運動數(shù)據(jù)提取方法。本文用 Kinect設(shè)備來獲取深度圖像，深度圖像中包含了空間三維信息，并且不受光照等環(huán)境因素的影響。本文的主要工作和內(nèi)容主要集中在以下幾個方面：
　　首先，本文對提取出的深度圖像進行了預(yù)處理，由于本文場景固定，因此采用背景差分的方法，提取出運動

3、人體的前景深度圖像。對于提取出來的運動人體深度圖像，對其進行中值濾波進行降噪和邊緣平滑，為后續(xù)處理打下基礎(chǔ)。
　　其次，本文基于深度圖，提出了一種新的運動數(shù)據(jù)獲取方法，即通過對帶有三維信息的運動人體深度圖像進行骨架提取，通過骨架定位關(guān)節(jié)點，從而根據(jù)各個關(guān)節(jié)點的三維信息計算出各個關(guān)節(jié)的運動信息，并驗證了該方法的有效可行性。
　　再次，針對骨架的提取方法，本文將基于細化的骨架提取方法和基于距離的骨架提取方法相結(jié)合，結(jié)合了二者各自

4、的優(yōu)點。在骨架提取中遇到的遮擋問題，本文提出通過深度信息提取遮擋部位，并結(jié)合Hough變換和初始人體標定對人體運動骨架進行修復(fù)。針對本文出現(xiàn)的毛刺問題，提出基于連通長度與斜率的方法，快速有效的解決該問題。并且對上述方法進行了實驗分析與對比。
　　然后，對于關(guān)節(jié)點定位，我們提出了一種基于初始人體標定的解決方法，有效解決了肩關(guān)節(jié)下沉等問題。并且詳細介紹了本文關(guān)節(jié)運動數(shù)據(jù)的計算方法和過程，對兩幀之間的運動進行插值，使運動平滑，提出了一種