室内未知环境中的智能轮椅手势交互与自主导航的研究
发布时间：2020-12-16 04:48
随着社会老龄化程度的不断加剧,养老助老智能产品的需求日益高涨。作为老年人服务机器人的1种,智能轮椅具备环境适应性强、运动控制平稳和人机交互体验友好等诸多特点,是养老助老智能产品的1个必然发展方向,具有重要的研究价值和社会意义。本论文在对国内外智能轮椅研究现状分析总结的基础上,研发室内未知环境中基于自然手势导航的智能轮椅。构建以Kinect V2和ARM为核心的硬件平台,完成了1台智能轮椅样机MIYABIⅢ,力争弥补当前智能轮椅中手势交互无法提供具体目标点和室内未知环境中自主导航研究较少的不足。本论文的创新点在于模拟人类日常行为习惯,采用生活中的指向手势为示意方向,对其进行手部抽象、模型建立和场景应用,初步实现了室内未知环境中的MIYABIⅢ自然手势导航。首先,本论文开发了基于支持向量机的自然手势识别模块,实验结果表明识别准确率达到99.8%。考虑到实际生活场景,相关的自然手势定义为指令手势和随机手势,采用Hu不变矩的前4阶为特征向量。其次,本论文开发了基于深度学习的手势指向估计模块,训练得到的卷积神经网络模型的平均像素误差为2.3px,每帧预测时间为10.0ms。基于局部手的深度图像信...
【文章来源】：苏州大学江苏省
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
国外研究的智能轮椅
(a)分割前 (b)分割后图 2.3 深度信息法分割效果RGB 颜色空间是目前应用最广泛的颜色空间，Kinect V2 获取的彩色图像处于色空间。由于该颜色空间中的每个分量均包含亮度信息，因此亮度一旦发生变度和灰度也将变化，所以该颜色空间受光照影响较大，不适于肤色建模。本论文常用于肤色建模的 YCrCb 颜色空间，将 RGB 颜色空间转换至 YCrCb 颜色空间经过深度信息法分割，手部区域仍然存在冗余信息，因此本论文依据 YCrCb空间上肤色的 Y 值显著高于背景和衣服区域这一特征，采用 1 种基于 Y 分量结大类间方差法[62]的手部区域分割方法，分割效果如图 2.4 所示。
(a)分割前 (b)分割后图 2.3 深度信息法分割效果 颜色空间是目前应用最广泛的颜色空间，Kinect V2 获取的彩色图。由于该颜色空间中的每个分量均包含亮度信息，因此亮度一旦度也将变化，所以该颜色空间受光照影响较大，不适于肤色建模。肤色建模的 YCrCb 颜色空间，将 RGB 颜色空间转换至 YCrCb 颜深度信息法分割，手部区域仍然存在冗余信息，因此本论文依据肤色的 Y 值显著高于背景和衣服区域这一特征，采用 1 种基于 Y方差法[62]的手部区域分割方法，分割效果如图 2.4 所示。
【参考文献】：
期刊论文
[1]一种基于深度学习的静态手势实时识别方法[J]. 张勋,陈亮,胡诚,孙韶媛. 现代计算机(专业版). 2017(34)
[2]基于肤色检测与卷积神经网络的手势识别[J]. 杨红玲,宣士斌,梁竣程,赵洪,莫愿斌. 微型机与应用. 2017(22)
[3]基于CNN的手势识别技术研究[J]. 叶茂华. 无线互联科技. 2017(20)
[4]基于卷积神经网络的手势识别算法设计与实现[J]. 张斌,孙旭飞,吴一鹏. 微型机与应用. 2017(20)
[5]复杂场景下基于R-FCN的手势识别[J]. 桑农,倪子涵. 华中科技大学学报(自然科学版). 2017(10)
[6]基于深度信息与DBN的手势检测与识别[J]. 朱月秀,陈志翔,王娟. 闽南师范大学学报(自然科学版). 2017(03)
[7]基于多列深度3D卷积神经网络的手势识别[J]. 易生,梁华刚,茹锋. 计算机工程. 2017(08)
[8]基于3D CNN的大规模视频手势识别研究[J]. 苗启广,李宇楠,徐昕. 中兴通讯技术. 2017(04)
[9]浅谈智能轮椅的研究设计[J]. 黄挺程,蓝伟巍,陈珍珍. 科技创新与应用. 2017(15)
[10]基于改进Hu矩算法的Kinect手势识别[J]. 蒲兴成,王涛,张毅. 计算机工程. 2016(07)
硕士论文
[1]基于Kinect的移动机器人视觉SLAM研究[D]. 曹禄.南昌大学 2017
[2]基于深度学习的手势识别方法研究[D]. 胡骏飞.湖南工业大学 2017
[3]基于支持向量机的湿地遥感分类及生态系统健康评价研究[D]. 徐浩田.沈阳农业大学 2017
[4]复杂环境下车牌定位的研究与应用[D]. 郜伟.安徽大学 2016
[5]基于ARM的Kinect手势识别研究[D]. 贺霄琛.中北大学 2016
[6]基于指尖定位的手势识别算法研究[D]. 白玉.北京交通大学 2016
[7]基于视觉的实时静态手势识别技术研究[D]. 李亚兰.哈尔滨工业大学 2015
[8]基于Kinect的组合手势识别及应用[D]. 郭双双.辽宁大学 2015
[9]面向老人的智能轮椅的研究[D]. 王宇.苏州大学 2015
[10]基于手臂去除的静态数字手势识别[D]. 成信宇.西南大学 2014
本文编号：2919555
【文章来源】：苏州大学江苏省
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
国外研究的智能轮椅
(a)分割前 (b)分割后图 2.3 深度信息法分割效果RGB 颜色空间是目前应用最广泛的颜色空间，Kinect V2 获取的彩色图像处于色空间。由于该颜色空间中的每个分量均包含亮度信息，因此亮度一旦发生变度和灰度也将变化，所以该颜色空间受光照影响较大，不适于肤色建模。本论文常用于肤色建模的 YCrCb 颜色空间，将 RGB 颜色空间转换至 YCrCb 颜色空间经过深度信息法分割，手部区域仍然存在冗余信息，因此本论文依据 YCrCb空间上肤色的 Y 值显著高于背景和衣服区域这一特征，采用 1 种基于 Y 分量结大类间方差法[62]的手部区域分割方法，分割效果如图 2.4 所示。
(a)分割前 (b)分割后图 2.3 深度信息法分割效果 颜色空间是目前应用最广泛的颜色空间，Kinect V2 获取的彩色图。由于该颜色空间中的每个分量均包含亮度信息，因此亮度一旦度也将变化，所以该颜色空间受光照影响较大，不适于肤色建模。肤色建模的 YCrCb 颜色空间，将 RGB 颜色空间转换至 YCrCb 颜深度信息法分割，手部区域仍然存在冗余信息，因此本论文依据肤色的 Y 值显著高于背景和衣服区域这一特征，采用 1 种基于 Y方差法[62]的手部区域分割方法，分割效果如图 2.4 所示。
【参考文献】：
期刊论文
[1]一种基于深度学习的静态手势实时识别方法[J]. 张勋,陈亮,胡诚,孙韶媛. 现代计算机(专业版). 2017(34)
[2]基于肤色检测与卷积神经网络的手势识别[J]. 杨红玲,宣士斌,梁竣程,赵洪,莫愿斌. 微型机与应用. 2017(22)
[3]基于CNN的手势识别技术研究[J]. 叶茂华. 无线互联科技. 2017(20)
[4]基于卷积神经网络的手势识别算法设计与实现[J]. 张斌,孙旭飞,吴一鹏. 微型机与应用. 2017(20)
[5]复杂场景下基于R-FCN的手势识别[J]. 桑农,倪子涵. 华中科技大学学报(自然科学版). 2017(10)
[6]基于深度信息与DBN的手势检测与识别[J]. 朱月秀,陈志翔,王娟. 闽南师范大学学报(自然科学版). 2017(03)
[7]基于多列深度3D卷积神经网络的手势识别[J]. 易生,梁华刚,茹锋. 计算机工程. 2017(08)
[8]基于3D CNN的大规模视频手势识别研究[J]. 苗启广,李宇楠,徐昕. 中兴通讯技术. 2017(04)
[9]浅谈智能轮椅的研究设计[J]. 黄挺程,蓝伟巍,陈珍珍. 科技创新与应用. 2017(15)
[10]基于改进Hu矩算法的Kinect手势识别[J]. 蒲兴成,王涛,张毅. 计算机工程. 2016(07)
硕士论文
[1]基于Kinect的移动机器人视觉SLAM研究[D]. 曹禄.南昌大学 2017
[2]基于深度学习的手势识别方法研究[D]. 胡骏飞.湖南工业大学 2017
[3]基于支持向量机的湿地遥感分类及生态系统健康评价研究[D]. 徐浩田.沈阳农业大学 2017
[4]复杂环境下车牌定位的研究与应用[D]. 郜伟.安徽大学 2016
[5]基于ARM的Kinect手势识别研究[D]. 贺霄琛.中北大学 2016
[6]基于指尖定位的手势识别算法研究[D]. 白玉.北京交通大学 2016
[7]基于视觉的实时静态手势识别技术研究[D]. 李亚兰.哈尔滨工业大学 2015
[8]基于Kinect的组合手势识别及应用[D]. 郭双双.辽宁大学 2015
[9]面向老人的智能轮椅的研究[D]. 王宇.苏州大学 2015
[10]基于手臂去除的静态数字手势识别[D]. 成信宇.西南大学 2014
本文编号：2919555
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/2919555.html
