基于Kinect的虛擬機器人動作捕獲及優(yōu)化方法研究.pdf

1、仿人機器人因其外形與人相像，又能模仿人的動作而廣受關注，各個國家都正積極地投入到仿人機器人在各個應用領域的研究中。仿人機器人的運動控制是一項非常復雜的工作，如何有效地解決此問題是科研人員重點研究的內容之一。本文的目的是通過Kinect體感交互技術控制虛擬人及機器人的運動，使它們能實時地模擬人體動作，同時也實現了自然的人機交互。論文的主要工作內容及創(chuàng)新點如下：
　　(1)通過Kinect設備采集數據，制作深度圖像動作樣本庫。為了保證

2、多樣性，本文實時地獲取并保存圖像，然后從中選取包含不同的人、不同動作類型的多張圖像作為樣本，樣本庫中基本包含了人體的常用動作。
　　(2)根據Kinect采集的深度信息提取圖像像素點特征，使用隨機森林以及SVM算法訓練特征對人體部位分類，通過Meanshift對人體部位聚類獲得關節(jié)點，生成3D人體骨架。本文提取的特征形式不僅能滿足時間性能的要求，又能很好地區(qū)分人體部位。隨機森林算法對訓練過的樣本部位識別率高達到70-95％，優(yōu)于S

3、VM算法對部位的識別率，且對單幅圖像的分類時間達到毫秒級別，滿足實時性要求。
　　(3)本文提出了新的計算骨架運動信息的方法即空間向量法，然后通過socket網絡通信將此信息實時地傳遞給機器人，控制機器人完成同樣的動作?？臻g向量法適用于本實驗中機器人手臂結構有限制的情況，如果機器人的手臂等結構更靈活，則可以使用本文推導的歐拉角公式來表示關節(jié)的運動，本文也通過虛擬人的運動實驗對此進行了驗證。
　　實驗結果表明使用Kinect體