| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 论文研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 人机交互的研究现状 | 第11-13页 |
| 1.2.2 模仿学习的研究现状 | 第13-17页 |
| 1.3 论文研究工作与贡献 | 第17-18页 |
| 1.4 论文组织架构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 Nao机器人及其运动系统 | 第20-25页 |
| 2.1 Nao机器人介绍 | 第20-21页 |
| 2.2 Nao机器人运动控制系统 | 第21-22页 |
| 2.2.1 DCM模块 | 第22页 |
| 2.2.2 ALMotion模块 | 第22页 |
| 2.3 Nao机器人的网络通信系统 | 第22-23页 |
| 2.4 Nao机器人仿真平台 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 示范者人体关节数据获取 | 第25-34页 |
| 3.1 关于Kinect的介绍 | 第25-26页 |
| 3.1.1 硬件环境 | 第25-26页 |
| 3.1.2 软件开发环境 | 第26页 |
| 3.2 利用Kinect获取人体骨骼姿态数据 | 第26-32页 |
| 3.2.1 骨架空间 | 第26-27页 |
| 3.2.2 骨骼追踪 | 第27-28页 |
| 3.2.3 编程处理 | 第28-32页 |
| 3.3 利用Kinect获取人体深度图像 | 第32页 |
| 3.4 获取人体深度图像关节架构结果 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于动作交互的机器人动作模仿 | 第34-47页 |
| 4.1 机器人动作模仿步骤 | 第34-40页 |
| 4.1.1 虚拟坐标系建立以及坐标转换 | 第34-36页 |
| 4.1.2 Nao机器人的关节求解 | 第36-37页 |
| 4.1.3 编程实现 | 第37-39页 |
| 4.1.4 效果展示 | 第39-40页 |
| 4.2 机器人动作模仿优化 | 第40-44页 |
| 4.2.1 实际数据与发送数据对比 | 第40-41页 |
| 4.2.2 基于卡尔曼滤波Nao机器人动作模仿优化 | 第41-43页 |
| 4.2.3 优化结果展示 | 第43-44页 |
| 4.3 机器人模仿异常处理 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于语音交互的机器人动作模仿 | 第47-55页 |
| 5.1 基于语音交互的机器人动作模仿框架 | 第47-48页 |
| 5.2 Nao机器人语音识别介绍 | 第48-49页 |
| 5.3 语音交互控制机器人动作模仿 | 第49-53页 |
| 5.3.1 语音交互控制信号 | 第49-52页 |
| 5.3.2 语音控制机器人动作实现 | 第52-53页 |
| 5.4 机器人动作重现 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 机器人动作识别 | 第55-69页 |
| 6.1 机器人动作识别作用 | 第55页 |
| 6.2 人工神经网络简介 | 第55-60页 |
| 6.2.1 人工神经网络模型与分类 | 第56-58页 |
| 6.2.2 BP人工神经网络模型 | 第58-59页 |
| 6.2.3 BP神经网络学习算法 | 第59-60页 |
| 6.3 BP神经网络实现机器人动作识别测试 | 第60-65页 |
| 6.4 机器人动作识别实验 | 第65-67页 |
| 6.5 本章小结 | 第67-69页 |
| 总结 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |