| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-21页 |
| 1.1 研究背景与意义 | 第10-15页 |
| 1.1.1 人体动作识别的变革 | 第10-11页 |
| 1.1.2 人机交互的变革 | 第11-13页 |
| 1.1.3 Kinect的应用领域与研究意义 | 第13-15页 |
| 1.2 国内外的发展现状 | 第15-19页 |
| 1.2.1 人体动作识别的发展现状 | 第16-18页 |
| 1.2.2 基于Kinect的机械臂控制系统发展现状 | 第18-19页 |
| 1.3 本文的研究内容和组织结构 | 第19-21页 |
| 第二章 动作识别数据的获取 | 第21-41页 |
| 2.1 Kinect的软硬件架构 | 第21-25页 |
| 2.1.1 硬件结构与软件架构 | 第21-23页 |
| 2.1.2 光源标定原理 | 第23-24页 |
| 2.1.3 Kinect的优势与劣势 | 第24-25页 |
| 2.2 Kinect的数据采集 | 第25-40页 |
| 2.2.1 彩色图像采集 | 第26-31页 |
| 2.2.2 深度图像采集 | 第31-34页 |
| 2.2.3 骨骼数据采集 | 第34-39页 |
| 2.2.4 骨骼数据平滑 | 第39-40页 |
| 2.3 本章小结 | 第40-41页 |
| 第三章 Kinect相机的标定与配准 | 第41-55页 |
| 3.1 Kinect摄像头标定目的及原理 | 第41-47页 |
| 3.1.1 摄像机的成像模型 | 第42-45页 |
| 3.1.2 相机的配准 | 第45-47页 |
| 3.2 相机标定实验 | 第47-52页 |
| 3.3 结论 | 第52-53页 |
| 3.3.1 相关类及接口 | 第52页 |
| 3.3.2 配准结果 | 第52-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第四章 人体动作识别研究 | 第55-74页 |
| 4.1 动作识别概述 | 第55-60页 |
| 4.1.1 Kinect骨骼追踪 | 第55-57页 |
| 4.1.2 动作识别算法研究 | 第57-60页 |
| 4.2 基于SVM分类器的人体动作识别 | 第60-65页 |
| 4.2.1 SVM算法原理 | 第60-64页 |
| 4.2.1.1 线性分类 | 第60-61页 |
| 4.2.1.2 函数间隔与几何间隔 | 第61-62页 |
| 4.2.1.3 参数求解 | 第62页 |
| 4.2.1.4 核函数 | 第62-63页 |
| 4.2.1.5 人体动作的多分类 | 第63-64页 |
| 4.2.2 动作定义与特征提取 | 第64-65页 |
| 4.3 基于Kinect骨骼节点位置的人体动作识别 | 第65-68页 |
| 4.3.1 动作定义 | 第66页 |
| 4.3.2 特征提取 | 第66-68页 |
| 4.4 动作识别实验 | 第68-73页 |
| 4.4.1 基于SVM的动作识别实验 | 第68-71页 |
| 4.4.2 基于关节点的动作识别实验 | 第71-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 机械臂控制系统的实现 | 第74-84页 |
| 5.1 系统总体方案设计 | 第74-75页 |
| 5.2 环境配置与硬件配置 | 第75-76页 |
| 5.2.1 软件环境 | 第75-76页 |
| 5.2.2 硬件环境 | 第76页 |
| 5.3 软件功能模块实现 | 第76-81页 |
| 5.3.1 上位机软件设计 | 第76-79页 |
| 5.3.1.1 数据采集与处理模块 | 第77-78页 |
| 5.3.1.2 动作识别模块 | 第78-79页 |
| 5.3.1.3 串口通信模块 | 第79页 |
| 5.3.2 下位机软件设计 | 第79-81页 |
| 5.2.1.1 串口通信与数据解析 | 第79-80页 |
| 5.2.1.2 舵机控制 | 第80-81页 |
| 5.4 基于关节角度的机械臂控制系统仿真 | 第81-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 工作总结 | 第84-85页 |
| 6.2 Kinect随动机械臂的展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90-91页 |
| 攻读学位期间发表的学术论文 | 第91页 |