基于Kinect的虛擬機(jī)器人的運(yùn)動(dòng)設(shè)計(jì)方法研究.pdf

1、近些年來，機(jī)器人開始走進(jìn)人們的日常生活中，日益改善著人們的生活方式。而目前機(jī)器人與人的人機(jī)交互卻沒有與之相應(yīng)發(fā)展起來。目前人與機(jī)器人交互方式仍然是鼠標(biāo)、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(jī)器人日益增長(zhǎng)的需求，人機(jī)交互的問題在一定程度上制約了機(jī)器人的發(fā)展。
　　虛擬機(jī)器人作為真實(shí)機(jī)器人的數(shù)字化形態(tài)，其運(yùn)動(dòng)方式與真實(shí)機(jī)器人相同，在機(jī)器人仿真等方面有著得天獨(dú)厚的優(yōu)勢(shì)。本文通過研究虛擬機(jī)器人的運(yùn)動(dòng)設(shè)計(jì)與控制來分析研究真

2、實(shí)機(jī)器人的人機(jī)交互。其中涉及到運(yùn)動(dòng)數(shù)據(jù)的捕獲問題，目前常用的運(yùn)動(dòng)捕獲方法如機(jī)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(yùn)動(dòng)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(gè)方面：
　　首先，本文對(duì)提取出的深度圖像進(jìn)行了預(yù)處理，由于本文場(chǎng)景固定，因此采用背景差分的方法，提取出運(yùn)動(dòng)

3、人體的前景深度圖像。對(duì)于提取出來的運(yùn)動(dòng)人體深度圖像，對(duì)其進(jìn)行中值濾波進(jìn)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(yùn)動(dòng)數(shù)據(jù)獲取方法，即通過對(duì)帶有三維信息的運(yùn)動(dòng)人體深度圖像進(jìn)行骨架提取，通過骨架定位關(guān)節(jié)點(diǎn)，從而根據(jù)各個(gè)關(guān)節(jié)點(diǎn)的三維信息計(jì)算出各個(gè)關(guān)節(jié)的運(yùn)動(dòng)信息，并驗(yàn)證了該方法的有效可行性。
　　再次，針對(duì)骨架的提取方法，本文將基于細(xì)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(diǎn)。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(biāo)定對(duì)人體運(yùn)動(dòng)骨架進(jìn)行修復(fù)。針對(duì)本文出現(xiàn)的毛刺問題，提出基于連通長(zhǎng)度與斜率的方法，快速有效的解決該問題。并且對(duì)上述方法進(jìn)行了實(shí)驗(yàn)分析與對(duì)比。
　　然后，對(duì)于關(guān)節(jié)點(diǎn)定位，我們提出了一種基于初始人體標(biāo)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(xì)介紹了本文關(guān)節(jié)運(yùn)動(dòng)數(shù)據(jù)的計(jì)算方法和過程，對(duì)兩幀之間的運(yùn)動(dòng)進(jìn)行插值，使運(yùn)動(dòng)平滑，提出了一種