基于解剖学的人手肌肉建模技术

为实现仿真手在运动过程中符合人手的生理特性及运动特点,文中通过分析手的解剖结构,总结控制手部运动和形状的约束参数,采用层次建模方法,先建立用线段表示的含有约束参数的手部骨骼模型,然后在此基础上根据手部的特征横截面确定特征多边形,采用NURBS面片拟合的方法建立依附于骨骼之上的肌肉模型.此方法建立的手部模型在运动仿真过程中,手部肌肉以对应的骨骼为轴线并随着骨骼各个参数的变化而发生相应的变化,最终取得良好的仿真效果.     

手部运动计算机仿真的实现

根据手部自身的物理特性和生理特性，采用分层技术，严格按照手部解剖学，先建立其骨骼模型，在此基础上形成肌肉模型，最后在肌肉模型上附加一层皮肤。这样，骨骼运动引起肌肉的变形，随着皮肤也跟着发生相应的变化，使虚拟手模型无论从形状上还是运动上都能达到更高程度的逼真效果。     

手部运动计算机仿真的实现

根据手部自身的物理特性和生理特性,采用分层技术,严格按照手部解剖学,先建立其骨骼模型,在此基础上形成肌肉模型,最后在肌肉模型上附加一层皮肤。这样,骨骼运动引起肌肉的变形,随着皮肤也跟着发生相应的变化,使虚拟手模型无论从形状上还是运动上都能达到更高程度的逼真效果。     

基于多线谱驱动的虚拟人手运动及约束控制

针对现有手部运动模拟控制的复杂性,通过分析人手解剖学结构及运动特性,提出了基于多线谱控制的虚拟人手运动及控制机制。针对单指运动,通过控制该指上的多条肌肉归一化收缩量,驱使单指关节的灵活运动;在多指协同运动中,由于相邻手指之间存在运动促进和制约的关系,因此要考虑其他手指的影响,根据其约束关系,控制相应的肌肉收缩,实现多指协同运动。实验表明,所建立的控制机制能较好地仿真单指及多指间的各种运动,在多线谱的控制下,能够方便快捷地仿真多种手势及手语,且运动效果逼真,手部运动自然灵活。     

基于LeapMotion的个体化手部建模与实时交互

虚拟人手的实时建模是以人机交互为核心的VR/AR系统中的重要技术难点，传统的基于LeapMotion的手部跟踪视觉反馈仅展示骨架动画信息，缺少应用演示的真实感。由此，提出了一个快速高效的个体化手部建模与实时交互系统，重点阐述了该系统的的工作原理以及算法。以含有骨架信息的静止手模型为模板，使用LeapMotion跟踪用户手的骨架数据作为输入，提出了基于骨骼尺寸的手部模型自动个体化建模算法。提供了一种基于不完整骨骼运动数据的线性蒙皮技术的改进算法，可快速计算不同手部姿势下骨架之间的变换矩阵，动态更新虚拟手的姿势。实验结果表明，此系统在实验的硬件平台上运行速度可以达到60 f/s，误差稳定在4 mm以内，能为人机交互任务实时提供真实可靠的视觉反馈。     

虚拟人食指肌肉控制及运动约束研究

基于生理解剖结构,建立了虚拟人食指肌肉控制机制,通过控制多条肌肉收缩,实现了单指多关节灵活运动。同时针对传统模型单指运动控制较为独立,缺乏约束而导致不够真实的情况,研究了运动中双指间促进和制约的关系,提出了运动约束关系图。该图能够同时描述单指及双指的运动空间及其非线性约束关系,并刻画出实际不可到达区域。实验表明,所建立的控制机制能较好地仿真出食指的灵活运动,利用约束关系图能够保证手部仿真运动符合生理特征,具有较好的真实感和自然性。     

增强现实应用中基于三维模型的手形追踪

本文介绍了一种基于三维模型的分步迭代法来实现对全局和局部手运动的估计追踪。手部位置由ICP(Iterative Closed point)算法和因式分解法求得的掌形近似。结合自然手运动限制，本文采用基于序列的Monte Carlo算法追踪手指运动。最后采用在姿态估计和手指关节追踪之间的迭代算法得到一个精确的结构估计。实验证实本方法对自然手势运动具有较好的精确性和鲁棒性。     

基于双重模型的计算机手语动作的实现方法

首先给出了一个新的方法来建立手的模型.这个手的模型由两个模型组成:一个是实现运动的骨骼模型,其决定了运动姿态及运动约束;另一个是表现运动的皮肤(表面)模型,用来表现真实感.其次,根据该模型实现手语的动作,利用该方法实现手语动作的关键技术,包括手及手臂旋转变换的变换矩阵、有向拓扑结构描述骨骼模型、表现运动的皮肤模型的拓扑不变性、以及骨骼模型实现运动和皮肤模型表现运动的方法.该方法具有一定的通用性,为网络环境下实现异语种的手语表达与传输打下了基础.     

人体上肢外骨骼仿生结构及动作特征分析

人体上肢骨骼较为复杂,关节众多,包括腕关节、肘关节、肩关节和上肢带关节等,针对人体上肢骨骼的运动特征,分析作用于骨骼的肌肉和肌腱的功能,以此为仿生模型,采用Pro/E软件建立外骨骼上肢模型的三维仿生结构模型,并对其动作特性研究。     

面向机务虚拟维修训练的虚拟手操作设计

机务维修训练强调手部操作要素,针对虚拟维修过程中手部操作较简单且控制复杂的问题,提出一种基于基本维修作业分类的虚拟手操作仿真方法。基于层次化分解思想构建出新的分解策略,将机务维修任务分解为任务层、子任务层和基本维修作业层,并设计规则实现基本维修作业到虚拟手操作的映射,通过在3ds MAX中构建虚拟手仿真模型,利用骨骼动画技术实现虚拟手的控制,减轻虚拟手关节运动的控制负担,在自主开发的机务训练装备上进行虚拟手操作实验,以飞机电子舱门操作为例,验证方法的可行性和实用性。     

基于细径McKibben型气动人工肌肉的仿生手研发

以细径McKibben型气动人工肌肉作为执行器,研发了一种质量轻且具有良好柔顺性、灵巧性的仿生机械手.分别以直径为1.3mm和2mm的细径McKibben型人工肌肉模拟人手的内在肌和外在肌,以人手骨骼、关节、肌肉的生理构造为设计准则,设计并制作仿生手样机.该样机由35根人工肌肉驱动,与人手大小相仿,质量小于0.5 kg.通过实验,对该仿生手的运动性能、目标抓握能力和鲁棒性进行验证,该仿生手可以完成与人手相近的动作.     

基于特征线条的手势识别

单目视觉的手势识别系统,通常把人手建模成一个像素或者一块,从整体上分析手势的运动参数并提取表观特征.从细微之处着手,融合颜色、运动和边缘等多种信息以提取能够反应人手结构特性的特征线条,并将特征线条分割成小的曲线段,跟踪这些曲线段的运动.采用平面模型对手势图像表观的变化建模,根据各个曲线段的运动,融合成手的整体运动分量.同时分析了图像坐标系的选取和对运动参数的影响,提出了随手运动的坐标系,以抽取平移不变的平面模型参数,进行手势识别.     

基于神经网络的手势识别

本文在对手结构和关节运动作了深入分析的基础上, 建立了对其施加约束的手模型．根据所定义的约束及运动类型,建立了适合于手势合成的手 数据结构．并采用神经网络理论进行手势识别,取得了较好的效果．     

人体骨架模型的建立

人体运动分析在计算机视觉研究领域中具有广泛的应用前景。人体骨架包含了很多的人体运动信息,且简单明了,所以对人体骨架提取具有很重要的意义。本文提出了一种人体骨架模型的建立方法,该方法在骨架提取方面有较强的去噪和抗干扰能力,有很好的鲁棒性,可提取更加有效的骨架图像,进一步结合人体解剖学的基础,建立了人体骨架模型,为人体特征识别(HID)和运动人体的实时追踪打下了坚实的基础。     

A natural human hand model

We present a skeletal linked model of the human hand that has natural motion. We show how this can be achieved by introducing a new biology-based joint axis that simulates natural joint motion and a set of constraints that reduce an estimated 150 possible motions to twelve. The model is based on observation and literature. To facilitate testing and evaluation, we present a simple low polygon count skin that can stretch and bulge. To evaluate we first introduce a hand-motion taxonomy in a two-dimensional parameter space based on tasks that are evolutionary linked to the environment. Second, we discuss and test the model. The appendix shows motion sequences of the model and the real hand. Animations can be fetched from our website.     

基于团结构的三维关节人手跟踪方法

针对传统图模型建模人手中约束函数冗余度高的问题,提出一种基于团的图模型表示关节人手。该模型充分利用人手特有的生理结构和运动约束表示人手,在一定程度上消除了传统人手图模型中的冗余信息,降低模型表示的复杂度。给出人手团势函数用于建模人手各个部分之间的约束关系。实验结果表明,该模型提高跟踪算法的效率,能够满足基于视觉的精细人手跟踪的要求。     

基于人体骨骼和深度图像信息的指尖检测方法

针对复杂环境下的指尖检测,从手部图像分割和指尖检测方法两方面进行改进,提出了一种基于人体骨骼和深度图像信息的指尖检测方法。首先采用Kinect获取人体骨骼和深度图像信息,通过人体骨骼信息锁定目标用户,利用锁定用户的手部节点位置从深度图像中提取手部区域图像;然后从手部骨架中搜索骨架端点,提出局部最优查找方法对轮廓凸包计算结果进行优化;最后结合手部轮廓特征找到指尖位置。实验结果表明,该方法具有良好的检测效果,满足实时性要求,能够实现复杂环境下的鲁棒检测。     

五指形仿人机械手的数学模型研究

以人手的解剖学研究成果为基础，对具有五个手指和手掌的仿人机械手（以下简称仿人机械手）的数学模型进行研究。首先，以现有的工业机器人研究成果为基础，提出了仿人机械手的坐标系建立方法。然后，从人手的解剖学特点出发，采用D—H变换矩阵建立了仿人机械手运动学模型。