基于视觉手势识别的机械臂控制研究

《基于视觉手势识别的机械臂控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP242密级公开UDC681.5学位论文编号D-10617-308-(2016)-03093重庆邮电大学硕士学位论文中文题目基于视觉手势识别的机械臂控制研究英文题目ResearchofRobotArmControlBasedonVisualHandGestureRecognition学号S130301093姓名周庭学位类别工学硕士学科专业控制科学与工程指导教师林海波副教授完成日期2016年4月20日重庆邮电大学硕士学位论文摘要摘要在一些不适合人类直接操控的非传统环境（辐射、深海、远程等）和需要方便实时交互的家居服务机器人领域，

2、环境条件的复杂多变给机械臂流程化作业带来困难。视觉手势控制自然直观、灵活性强，同时也能解决在复杂环境下机器人不能完全自主完成任务的难题。研究基于视觉手势交互控制的智能机械臂系统具有重要理论与实际意义。视觉手势主要以动态手势轨迹和静态手势类型表达其丰富的含义。本文将手势轨迹和手势类型分别用于对机械臂末端轨迹和执行器的实时操作控制，设计智能化人机联合操控系统。鉴于对机械臂控制的高稳定性和实时性要求，本文对视觉手势信息处理和系统设计两方面进行了深入研究和实现。在无标记手势分割和3D轨迹提取中，选用Kinect摄像机和深度阈值分割方法进行手势

3、检测，针对无标记手势手腕干扰的问题，提出基于动态阈值的去手腕干扰算法以达到准确分割手势的目的。然后对目标手势结合深度信息进行实时3D轨迹提取，针对手势轨迹存在冗余和异常轨迹点的问题，提出时间片取平均和球面阈值限定算法进行轨迹处理以获得更适合控制机械臂的手势轨迹。在手势类型特征提取与识别中，针对手势类型识别算法实时性和鲁棒性不足的问题，定义了一种指尖角度集的概念，并提出运用核密度估计理论提取指尖角度集核密度估计序列特征(KernelDensityEstimationSequenceofFingertipAngleSet,KDES-FAS

4、)，然后选用模板匹配识别算法达到手势类型实时鲁棒识别的目的。在完成视觉手势轨迹提取和识别后，对机械臂运动学和系统设计进行研究。通过对6R机械臂的正逆运动学分析和视觉手势控制的机械臂系统功能模块化设计，在MATLAB环境下完成了视觉手势对机械臂的准确协调控制仿真。最后，在6R工业机器人平台上实现了视觉手势对机械臂末端轨迹和操作的实时稳定控制，执行器控制错误率降至2.33%，证明了本文视觉手势信息处理算法与系统方案研究的可行性与优越性。关键词：机械臂控制，手势识别，深度信息，KDES-FAS，运动学I重庆邮电大学硕士学位论文Abstrac

5、tAbstractInrobotarmapplicationfield,thedifficultiescomefromcomplexandchangeableenvironment.Thenon-traditionalenvironments(radiation,deepseas,remote,etc.)arenotappropriateforhumanworkdirectly,andthehouseholdenvironmentneedsreal-timeandconvenientinteraction.Visualhandgest

6、urecontroltechnologyisintuitiveandflexible,andthedifficultwhichrobotarmcannothandleautonomouslycanbesolvedincomplexenvironment.Thestudyofintelligentrobotarmsystembasedonvisualhandgesturehasimportanttheoreticalandpracticalsignificance.Themainmeaningofvisualhandgestureisd

7、ynamicgesturetrajectoryandstaticgestureshape.Inthisthesis,dynamicgesturetrajectoryandstaticgestureshapesareusedtoreal-timecontrolrobotarmterminaltrajectoryandend-effectorrespectively,andtheintelligentHuman-computerInteractionsystemisdesigned.Inordertomaximizereal-timeab

8、ilityandstabilityoftherobotarmcontrol,thevisualhandgestureprocessingalgorithmandsystemdesignarestudieddeeplyan