云制造环境下的普适人机交互技术

为使云制造环境下的用户界面能够满足云制造全生命周期各种用户的需求,对云制造环境下的用户界面特征进行了分析,指出云制造环境下的用户界面具有普适性与自然性、智能化与移动性、虚拟化与松耦合、个性化与全生命周期可定制性等;对新一代普适人机交互技术的现状与趋势进行了综述,指出新一代人机交互技术包括基于现实的人机交互、自然用户界面、笔式用户界面和上下文感知技术;在此基础上提出了云制造环境下普适人机交互技术的研究框架,对其中的用户界面虚拟化资源的动态按需配置技术、按需服务的普适个性化界面定制技术、面向普适设备的自然交互技术、面向普适信息的可视分析技术、笔式操作平台等关键技术进行了分析.最后对云制造环境下普适人机交互技术的未来发展进行了展望.     

基于AutoCAD的装配体零部件库的开发

介绍了在AutoCAD环境下装配体零部件库的开发过程,解决了零部件幻灯片的制作、零部件名称的读入、零部件列表与幻灯片聚焦、零部件的插入及用户界面的设计问题。     

基于数据手套驱动的虚拟机器人操作技术

虚拟机器人是机器人遥操作系统基本框架中不可或缺的一部分 ,是解决信号传输中的大时延 ,实现预测显示技术的关键之一。本文首先分析了引起时延的各种因素 ,提出采用预测预演控制方式结合虚拟现实的人机交互方法进行控制可以解决时延对系统可操作性的影响 ,同时探讨了利用数据手套实现虚拟机器人的操作技术 ,试图寻找一种更自然、更易让人接受的虚拟机器人控制方式 ,建立了一套基于数据手套驱动的虚拟机器人Puma5 6 0操作实验系统。实验结果表明 ,通过数据手套的手势输入和识别 ,可以实现操作者对虚拟机器人方便快捷的操作控制 ,是一种人性化的人机交互方法。     

触摸屏用户界面设计探究

随着计算机技术和触摸技术的出现与发展,界面设计已成为艺术设计领域一个崭新而重要的成员.在触摸式交互装置的背景下,探索交互项目的界面流程体系设计,在理解触摸式用户界面交互特征的基础上,提出基于信息的触摸式用户界面设计,将设计与研究方法贯穿其中,分析总结触摸式用户界面与非触摸式用户界面设计的异同点,使计算机能够全面支持人的自然行为,使操作简单明了易学,同时使用户能够跨过计算机,直接接触到功能与内容与本身,进一步摆脱计算机的束缚,对内容对象进行真正的直接操作,构成空间操作环境是未来用户界面设计的发展趋势.     

手势识别技术在PLC控制中的应用

手势识别是新一代的人机交互技术,而LeapMotion是这一领域的代表设备。该文通过OPC技术,将LeapMotion与西门子S7-1200 PLC融合在一起,开发了一款手势控制PLC软件,实现了一种创新的工业控制交互技术。应用实例证明:新系统能够识别手势,实现原组态软件的所有功能,如控制电机的正、反转和速度调节等,改造成本不大,对于不方便使用鼠标、键盘和触摸屏操作的工况有很大的帮助。     

基于情境的CAD模型手势操控技术

自然的设计意图表达是概念设计阶段的重要需求之一,探索自然、直观的交互模式逐渐成为CAD技术的新发展方向。目前,基于手势的自然交互模式已成为实现新型CAD交互模式的重要途径。然而,现有基于手势的CAD交互方法中仍存在着映射关系固定,难以利用少量手势表达较多的操控指令的瓶颈问题。为此,提出一种基于情境的CAD模型手势操控技术,建立一种描述CAD建模过程中人机交互场景的情境模型,通过试验采集用户在CAD建模情境中的手势偏好,利用决策树模型建立在特定情境下手势与CAD指令的映射关系,实现手势与CAD指令一对多柔性映射,手势可映射CAD指令数量增加100%。进一步通过试验对比手势和键盘鼠标两种交互模式在CAD建模过程中的操控速度和精确度,结果显示手势交互模式能够更加快速地表达出用户设计意图,且操控精度与键盘鼠标交互模式几乎无差异。     

AutoCAD2000的二次开发--通用件压板的计算机辅助设计

压板是夹具设计中的通用部件,本设计是基于AutoCAD2000软件的平台上进行的二次开发。它利用了AutoCAD2000的内嵌式语言VBA(VisualBasicforApplication),对通用件压板进行计算机辅助设计。建立了良好的用户界面,幻灯片库、数据库。     

基于Pro/ENGINEER的开放式印刷机械零件库的研究与实现

为了提高印刷机械设计效率,利用ADO技术连接Access数据库,使用VC/MFC开发用户界面,用动态链接库(dll)的方式实现与Pro/E连接,开发出可动态扩充的印刷机械零件库。此零件库用户界面直观、使用方便,减少了设计过程中需重复构建一些通用件的过程,且可以根据设计人员的需求在零件库中动态添加频繁使用到的零件。     

面向虚拟装配的虚拟手交互技术研究

人机交互技术是虚拟装配过程的关键技术。通过数据手套实时、自然地与虚拟环境交互,完成虚拟装配等操作,为虚拟装配提供更为直观的验证和优化。结合机械产品的结构特征与装配操作需求,研究了面向机械产品虚拟装配的手势识别交互技术。针对四大类型通用机械零件分别进行了抓取手势的定义与识别,提出了机械零件虚拟装配中虚拟手势的识别及稳定抓取算法。应用减速器虚拟装配进行实例验证。表明,提出的手势识别和抓取算法是有效的,可以使虚拟装配过程的交互性以及沉浸感进一步加强,有助于减少虚拟装配操作的失误。     

车载GPS轨迹管理系统的设计与实现

随着移动终端、车联网和大数据的快速发展,人们能够方便的获取成本低、更新快的车载GPS轨迹数据,但目前没有一个统一高效的管理系统来对车载GPS轨迹数据进行管理,因此有必要设计一个针对车载GPS轨迹特性的管理系统。在以上背景下,本文进行了用户界面设计和数据库设计,再将用户界面和数据库链接起来,数据库为用户界面提供有效的数据信息,用户界面对得到的数据进行分析、管理、绘制、距离查询等操作。     

穿戴式钢琴弹奏手套智能感知与手势识别技术

钢琴弹奏手套是一种新兴的智能可穿戴式设备,通过手套中的多惯性传感器对钢琴弹奏者的手势状态进行实时感知和分析,可以让钢琴学习者实时了解弹奏手势是否规范,从而有效提高钢琴学习效率和兴趣,并降低学习成本。区别于其他应用领域中的手势,钢琴弹奏手势具有多样性、快速性、大动态以及强时变的特点,设计了一套基于惯性数据手套与红外检测杆的钢琴弹奏手势识别系统,并提出一种基于机器学习的钢琴弹奏手势识别方法,以惯性数据手套与红外检测杆的输出作为数据样本,针对钢琴弹奏手势特性,进行多模态手势特征的提取并采用分层识别算法改善识别效果。实验表明,所提出的方法能够较好的适应钢琴弹奏手势识别需求,识别准确率达到99%以上。     

基于MEB-SVM的静态手势识别研究

为了实现快速高准确率的静态手势识别,提出了一种新的支持向量机分类方法。图像分割是图像识别的基本步骤,采用彩色直方图为特征可以将手部区域从背景中分离出来;然后将得到的手部图像去除手部以外的区域,并二值化,得到手的轮廓;再用8邻域方法处理轮廓图,得到一个表示轮廓的坐标序列,再将复数序列采用傅里叶变换,从而得到一个大小、平移、旋转不变的一维矢量。最后对矢量用MBE-SVM进行分类、识别。通过这种方法完成的手势识别正确率达到了90%以上,基本实现了静态手势识别的目标。     

基于电学测量的智能手势识别方法研究

随着计算机的广泛应用和可穿戴电子设备的发展,将人机交互和可穿戴设备相结合逐渐成为研究热点,其中手势识别技术在人机交互领域扮演着重要的角色。主要提出基于电学测量的智能手势识别方法,利用传感器设备采集手腕边界电压数据,同时利用深度神经网络将采集到的电压数据进行分类,最终实现手势识别的目的。实验验证了通过电学测量数据对手势分类的可行性,将深度神经网络加入到手势识别系统中后,手势正确识别率达到90%以上,从而证明了系统具有较好的便携性、稳定性和实时性,为智能手势识别系统的设计提供了新思路。     

End-to-End Multiview Gesture Recognition for Autonomous Car Parking System

The use of hand gestures can be the most intuitive human-machine interaction medium.The early approaches for hand gesture recognition used device-based methods....     

面向虚拟雕刻的手势识别研究

研究了基于视觉的静态手势识别技术,选取Hu不变矩作为手势识别的主要特征,采用了模板匹配法进行7种手势的识别,并与现有的虚拟雕刻技术结合,设计一个以手势变换来控制虚拟油泥的系统,满足用户从不同角度观看虚拟油泥的需求,以获得更加真实的感受.实验结果表明,在光照条件良好且背景单一的情况下,该方法具有很高识别率,并且有着很好的实用性.     

基于ARM的嵌入式手姿态跟踪设备控制系统研究

人机交互过程中获得人的动作是一个关键,为了实现手部姿态的实时跟踪控制,分析了手形及手部的运动形式和特点,研究设计了一种基于嵌入式系统的手部姿态跟踪控制系统。该系统采用ARM9架构和Linux实时操作系统作为开发平台,设计开发了系统的应用程序,通过动态手势识别算法,实现了连续手姿态的识别。所研究实现的手部姿态跟踪控制系统能够较好地实现手姿态的跟踪,具有较高的实时性。     

Hand gesture recognition using valley circle feature and Hu’s moments technique for robot movement control

Hand gesture recognition is a simpler and more natural way of human computer interaction. The goal of this paper is to detect the continuous gestures and use them to convey information for the robot movement control. So the hand gesture recognition requires fast and extremely robust. In this paper, three strategies were used to realize the hand gesture recognition: (1) the valley circle (VC) was created for the first stage of 6 fingertip numbers classification; (2) the hybrid feature vector of Hu’s moments, convexity and compactness (HCC) were constructed for the second stage of gesture recognition of the remainder unknown gesture classes; (3) a new template matching recognition (NTMR) algorithm was proposed to realize 10 gesture classes recognition. To test the hand gesture recognition method, the robot movement control system was built. It is experimental proved that the NTMR algorithm is effective and corrective for the hand gesture recognition. It increased the recognition accuracy by 4% and decreased the recognition duration by 112 ms compared with Hu’s moment method. It had good performances of the real-time hand gesture acquisition and information conveyance, and it had the invariant properties when the gesture was rotated and shifted and scaled.     

Multi-modal Gesture Recognition using Integrated Model of Motion,Audio and Video

Gesture recognition is used in many practical applications such as human-robot interaction, medical rehabilitation and sign language. With increasing motion sensor development, multiple data sources ha...     

一种基于加速计的手势识别算法及其在虚拟环境中的应用

针对虚拟环境下的三维交互问题,提出了基于加速计的手势识别算法。识别之前先对加速计输出做量化处理,再用离散型隐马尔科夫模型(HMM)进行建模、训练与识别。基于此识别算法,将手势作为一种交互方式应用在三维交互系统中,建立了手势-语义映射表,以训练标准手势,最后对输入手势进行了识别,根据识别结果完成了交互语义。将算法应用于虚拟奥运博物馆实例中,实验结果表明,该算法可有效快速识别出用户输入手势,且平均识别率达到90%以上,用户凭借此方法能准确无误地完成交互。     

改进 S 变换谱估计的动态手势肌电特征处理

手语是各种手势动态变化的一种复杂运动模式,手势特征处理效果直接关系到手语识别的准确性。本文提出一种基于改进S变换谱估计的动态手势肌电特征处理新方法。对采集的表面肌电信号进行S变换,引入优化因子调节时频分辨率并生成改进S变换谱;定义谱的时间和频率分量为二维随机变量,以改进S变换谱元素为二维随机变量样本,通过高斯核密度估计得到二维核密度函数。仿真和实验均表明,改进S变换谱估计方法有效抑制了白噪声,并使动态手势的肌电暂态突变特征得到加强。与经验模态分解、自排序熵、奇异值排序熵等方法对比,基于该方法的动态手势识别率分别提高了10.0%、6.67%和11.67%,特征处理方法的效果明显。