基于Kinect传感器的智能轮椅手势控制系统的设计与实现

利用Kinect深度传感器所获取的图像深度信息实现手部从背景中的分割,并通过在Hu矩基础上加入3个表达式,使不变矩包含更多细节特征,对手势目标进行识别,最后把得到的识别结果转换成控制指令通过Ad-Hoc网络传送给智能轮椅,实现运动控制.实验表明,通过该方法实现的手势识别在图像旋转、缩放、平移的情况下具有不变性,对背景干扰具有较强的鲁棒性.     

一种克服sEMG人机交互中肌肉疲劳的SVM算法

在基于表面肌电信号的人机交互系统中,产生的肌肉疲劳降低了系统的稳定性。针对该问题,分析肌肉正常状态和疲劳状态下的肌电信号变化规律,提出一种改进的在线支持向量机增量训练算法。该算法在每次训练SVM(Support Vector Machine)模型时,计算各样本到分类超平面的距离,并以之为条件对不断更新的训练数据进行有条件的选择和遗忘,只留下最大距离1/2以内的数据。通过在线训练不断更新训练样本来获得新的SVM模型,用于适应肌肉疲劳过程中肌电信号的变化,同时防止多次在线训练过程中更新的样本改变训练集间初始边界。最后在智能轮椅上进行验证,实验结果表明:该算法有效减少了肌肉疲劳在人机交互系统中的影响,使得系统能够保持长时间稳定操作。     

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。     

基于改进Rao-Blackwellized粒子滤波器的 同时定位与地图构建

解决同时定位与地图构建(SLAM)问题是实现机器人自主导航的核心.目前,Rao-Blackwellized粒子滤波器(RBPF)是解决机器人同时定位与地图构建的有效方法.该方法在计算提议分布时,通常只考虑移动机器人的里程计信息,因此存在需要大量的采样粒子造成的计算量和复杂度增大的问题.本文提出一种改进算法,在计算提议分布时将机器人里程计信息和激光传感器采集的距离信息进行融合,有效地减少了所需粒子的数量并降低了滤波器预测阶段机器人位姿的不确定性.本文在机器人操作系统(robot operating system,ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人进行了实验.结果表明,采用本文方法能够实时在线地创建高精度的栅格地图,为机器人在未知环境中的SLAM和导航提供了新途径.     

混合肌电眼电及视觉的智能轮椅控制系统研究

针对单通道肌电信号信息量不足导致的在控制中操作复杂,响应时间长,容易出错的缺点,提出一种混合了肌电(EMG)、眼电(EOG)及视觉的多传感器智能轮椅控制系统.该系统通过采集嚼下巴动作的肌电信号来控制智能轮椅的前进和停止,采集眨左右眼的眼电信号和闭眼图像信号来控制左转和右转.在室内环境下分别邀请对控制系统熟悉和不熟悉的人进行单肌电控制和混合控制.通过重复性实验验证混合控制系统有更好的易操作性和稳定性.     

基于Android手机的智能轮椅室外导航方法

将Android手机与Google卫星地图结合,可作为便携易用的室外导航控制器.利用Google卫星地图提供的环境数据,提出一种基于Android手机进行智能轮椅室外导航的方法.该方法采用扩展卡尔曼滤波进行信息融合,以提高轮椅位姿估算精度,建立基于行为的动态路径规划算法,实现局部未知环境下的路径规划.通过室外导航实验验证了该方法的有效性.     

基于Kinect骨骼信息的机械臂体感交互系统的设计与实现

提出一种基于人体骨骼信息的机械臂体感交互方式。首先利用Kinect传感器获取图像景深数据,并通过骨骼追踪技术处理景深数据,以匹配人体的各个部分,进而建立人体各个关节的3D坐标。然后利用3D坐标值计算出人体腰、肩、肘和腕4个关节的转动角度,人体的这4个关节与四自由度机械臂的4个关节一一对应。最后将计算结果转换成控制指令通过串口发送给机械臂的控制器,实现体感交互。实验表明,该方法能够有效地控制机械臂的转动以及抓取物件。     

基于智能手机控制的家居服务机器人研发

针对我国智能家居服务机器人的发展现状与不足,设计了一种基于智能手机控制的家居服务机器人。主要涉及技术有:机器导航、机器视觉、信息融合、人机交互、嵌入式技术、语音识别技术等。实现了实时定位、远程控制、自主导航、手势识别、监控家庭环境、语音识别等功能。机器人配有一个单目摄像头,可以实时监控家庭环境;通过智能手机远程控制端可以在世界上任何一个可以上网的地方看到用户家里的状况;并且可以用手机控制机器人的行走路径,真正做到全方位无盲点的实时监控;基于ARM平台的嵌入式视觉处理系统实现手势识别并准确的控制机器人运动;机器人还配有烟雾感传感器、温湿度传感器,可以监测环境的空气质量。经过试验验证,该机器人符合家居服务的基本要求。     

基于Kinect传感器的三维点云地图构建与优化

针对移动机器人在三维点云地图创建过程中存在鲁棒性和实时性不佳的问题,提出一种基于图像特征点的三维地图创建方法.首先,对Kinect采集得到的RGB数据进行特征点提取与匹配,并采用RANSAC算法对误匹配点进行剔除,在保证精度的同时,有效减少了配准算法的迭代次数,通过结合Kinect深度数据得到对应特征点对在三维空间中的位姿,最后采用ICP算法迭代求解刚体变换矩阵完成精确配准,得到室内真实场景下的三维点云地图.为抑制由三维点云配准过程中累积误差造成的位姿漂移,引入了基于TORO图优化算法的闭环检测机制,实验验证了所提方法的有效性.     

基于改进深度信息的手势分割与定位

针对基于Kinect深度信息分割的手势往往包含手腕易造成后续手势误识别的问题,提出一种改进深度信息的手势分割与定位算法。首先,基于深度信息阈值限定在实验空间中检测出手势二值图;然后,根据普通手势特征,提出基于手势端点检测和可变阈值算法分割出准确手势。为得到稳定的分割效果,对分割手势进行形态学处理,最后选取基于手势重心坐标和最大内切圆圆心坐标的联合手势定位法定位手势。实验结果表明,该手势分割方法比已有分割方法更准确可靠,联合手势定位比Kinect软件开发工具包骨骼数据定位和手势重心定位稳定,无奇异点。