原创《基于Kinect的机械手体感控制系统》：本文是一篇关于机械手论文范文，可作为相关选题参考,和写作参考文献。
摘 要：提出一种基于深度信息对手指坐标进行实时跟踪,并可用于机械手同步运动控制的方案.首先利用Kinect的骨骼信息定位手掌位置并进行手部分割和轮廓提取,再提取指尖坐标,经卡尔曼滤波后计算手指与手掌的夹角,并发送至下位机,进而控制机械手与人手同步运动.
关键词：Kinect 手势识别 指尖检测 机械手 人机交互
中图分类号：U292 文献标识码：A 文章编号：1672-3791（2018）05（a）-0078-02
在当今社会中,计算机技术在各种领域中都有广泛应用.现在主流的人机交互手段是键盘、鼠标,但是这种交互手段在直观性、自然性上有一定的限制.手势识别是新兴的人机交互手段,利用计算机视觉技术使做到计算机明白人的意图,从而实现相应的控制,这种便捷的控制方式具有广泛的研究价值.
1 Kincet设备获取手部信息
1.1 Kinect简介
2010年11月,微软公司发布了一款体感外设Kinect,它可以检测用户的骨骼信息与运动姿态,使玩家能脱离传统的手柄键盘进行操作.Kinect由3个镜头组成.RGB彩色相机用来采集彩像,左右两侧的相机构成一组深度摄像头,可用来采集深度数据[1].
1.2 手掌区域分割
Kinect SDK可以检测人体的骨骼信息并追踪关节点坐标,进而快速获得掌心的大致坐标,利用最近邻法可从深度图像分离手部区域,具体算法步骤如下.
（1）使用Kinect SDK提供的骨骼点检测功能提取右手掌心和手腕的坐标.
（2）以掌心为中心提取160×160像素的特征区域ROI.
（3）遍历特征区域ROI,设定阈值T1,T2,将深度在手心深度减T1,手腕深度加T2范围内点判定为手掌点,其余点为环境点.使用式（1）进行二值化.
2 指尖检测和手指追踪
2.1 掌心点计算
Kinect SDK虽然提供了掌心点坐标,但该坐标稳定性较差.为了减小误差,本文利用分割出的手掌区域计算特征矩进而做到到掌心坐标.
2.2 优化K-curvature算法计算指尖坐标
首先利用findContours函数提取手部轮廓,再对手掌轮廓上的各点Pi,计算与,如果矢量夹角的余弦值大于设定的阈值dot,则判定Pi为指尖点.经实验表明,k取轮廓数目的5%、dot取0.4时效果最好.
2.3 手势判定
做到到指尖坐标和掌心坐标后,根据手指数量及其坐标关系计算特征值T1-T5即可实现相关手势的判定.T1表示手指数目,T2表示是否存在大拇指,T3表示两侧指尖与掌心夹角的范围,T4表示手指与手掌夹角的范围,T5表示最外侧指尖到掌心的距离.
2.4 角度计算
为了消除手指坐标的抖动,本文采用卡尔曼滤波器对每根手指的坐标进行追踪,再使用滤波后的坐标计算指尖-指根-掌心的角度.最终手指与手掌的夹角计算公式如式4所示,其中B,A,0分别为指尖点、指根点、掌心点B"与A"为指尖点和指根点在ZOY平面内的投影.
3 机械手控制部分设计
本文的机械手是一个总自由度为5的多关节灵巧手指,分为灵巧指与掌部两块,手指由基关节、近指节、中指节和远指节组成[4].手的掌部用以固定5个基关节以及容纳布线.主控芯片选择stm32f103,电机选用Maxon空心杯减速电机,电机输出的扭矩通过伞齿轮传递,可将圆周运动转换成指节的摆动.
4 结语
经测试,该系统可以在搭载Windows系统的电脑中正常运行,可识别预设的12个手势,并计算每根手指的指尖坐标和弯曲角度,通过串口发送至下位机,驱动电机转过相应角度,实现机械手的运动控制.
参考文献
[1]王劲东,武频.一种基于Kinect的指尖检测算法[J].计算机技术与发展,2016,26（7）：14-18.
[2]李吉,顾德,刘飞.基于Kinect深度信息的手指及手部跟踪研究[J].计算机应用与软件,2015,32（3）：79-83.
[3]谈家谱,徐文胜.基于Kinect的指尖检测与手势识别方法[J].计算机应用,2015,35（6）：1795-1800.
[4]王松林.基于Kinect的手势识别与机器人控制技术研究[D].北京交通大学,2014.
[5]高伟.手部运动分析方法研究[D].天津大学,2014.
[6]袁方剑,王毅轩,王毅刚,等.基于Kinect深度图像的指尖识别及手势判定[J].电子科技,2014,27（8）：6-10.
[7]郑斌珏,赵辽英,王毅轩.基于Kinect深度信息的手指检测与手势识别[J].计算机科学與技术汇刊：中英文版,2014（1）：9-14.
[8]卜夺夺.仿人机器人欠驱动灵巧手研究[D].杭州电子科技大学,2012.
机械手论文参考资料：
结论：基于Kinect的机械手体感控制系统为关于机械手方面的的相关大学硕士和相关本科毕业论文以及相关机械手论文开题报告范文和职称论文写作参考文献资料下载。
