首页--航空、航天论文--地面设备、试验场、发射场、航天基地论文

面向航天测发任务的虚拟手交互技术研究

摘要第3-4页
Abstract第4页
1 绪论第8-14页
    1.1 研究背景与意义第8页
    1.2 研究现状第8-12页
        1.2.1 虚拟现实的研究现状第9-10页
        1.2.2 手势识别技术的研究现状第10-11页
        1.2.3 语义交互的研究现状第11-12页
    1.3 课题来源第12页
    1.4 研究内容和组织结构第12-14页
        1.4.1 本文主要研究内容第12-13页
        1.4.2 本文组织结构第13-14页
2 基于MEMS惯性传感器的手部跟踪系统设计第14-21页
    2.1 手部跟踪系统的架构设计第14-16页
    2.2 手部运动数据采集第16-18页
        2.2.1 MEMS惯性传感器简介第16-17页
        2.2.2 MEMS惯性传感器数据通讯第17-18页
    2.3 手部运动姿态数据描述第18-20页
        2.3.1 手部姿态的欧拉角表示第18-19页
        2.3.2 手部姿态的四元数表示第19-20页
    2.4 本章小结第20-21页
3 数据驱动的虚拟手运动跟踪第21-34页
    3.1 虚拟手建模第21-24页
        3.1.1 人手骨骼结构分析第21-22页
        3.1.2 人手运动特性分析第22-23页
        3.1.3 虚拟手的模型构建第23-24页
    3.2 坐标系及其转换关系第24-26页
        3.2.1 地磁坐标系第24页
        3.2.2 传感器坐标系第24-25页
        3.2.3 手部骨骼坐标系第25页
        3.2.4 坐标系间的转换关系第25-26页
    3.3 标定过程中的手部骨骼比例推算方法第26-29页
        3.3.1 特定姿态的初始化标定第26-27页
        3.3.2 手部骨骼比例推算方法第27-29页
    3.4 基于运动学的虚拟手数据驱动第29-31页
        3.4.1 基于运动学的虚拟手位置解算第29-30页
        3.4.2 虚拟手运动跟踪流程设计第30-31页
    3.5 实验结果分析第31-33页
    3.6 本章小结第33-34页
4 面向航天测发任务的典型手势识别第34-48页
    4.1 数据采集与预处理第34-35页
    4.2 手势的定义和特征表示第35-39页
        4.2.1 手势的定义第35-36页
        4.2.2 手势的特征表示第36-39页
    4.3 基于主成分分析的特征提取算法第39-40页
        4.3.1 主成分分析的数学模型第39页
        4.3.2 主成分分析的计算步骤第39-40页
    4.4 基于支持向量机的手势识别方法第40-44页
        4.4.1 支持向量机的基本原理第41-42页
        4.4.2 支持向量机的常用核函数第42-43页
        4.4.3 组合核函数的构造第43页
        4.4.4 组合核函数的参数选择第43-44页
    4.5 实验结果分析第44-47页
    4.6 本章小结第47-48页
5 基于特定场景的语义交互研究第48-64页
    5.1 手部动作序列定义与特征表示第48页
    5.2 隐马尔可夫模型第48-53页
        5.2.1 隐马尔可夫模型的原理第49页
        5.2.2 隐马尔可夫模型主要解决问题第49-50页
        5.2.3 隐马尔可夫模型中主要算法第50-53页
    5.3 基于隐马尔可夫模型的动作序列识别第53-54页
        5.3.1 隐马尔可夫模型的训练与识别第53页
        5.3.2 实验结果分析第53-54页
    5.4 基于语义理解的交互设计第54-60页
        5.4.1 语义对象第54-55页
        5.4.2 场景语义第55-56页
        5.4.3 基于场景上下文的语义交互模型第56-58页
        5.4.4 语义驱动的虚拟双手交互设计第58-60页
    5.5 基于特定场景的语义交互实例验证第60-63页
        5.5.1 虚拟人运动语义交互实例第60-61页
        5.5.2 搬运梯子语义交互实例第61-62页
        5.5.3 操作控制台语义交互实例第62-63页
    5.6 本章小结第63-64页
6 总结与展望第64-66页
    6.1 总结第64页
    6.2 展望第64-66页
致谢第66-67页
参考文献第67-71页
附录第71页

论文共71页,点击 下载论文
上一篇:基于时变马尔科夫模型的网络边界安全态势预测
下一篇:基于信息熵的复杂网络链路预测算法研究