| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 仿人机器人的研究与发展 | 第11-13页 |
| 1.3 仿人机器人的动作控制方法 | 第13-14页 |
| 1.4 基于Kinect的动作捕获及控制 | 第14-15页 |
| 1.5 本文研究内容和组织结构 | 第15-17页 |
| 第二章 深度图像及样本库采集 | 第17-27页 |
| 2.1 Kinect简介 | 第17-19页 |
| 2.2 深度图像 | 第19-21页 |
| 2.2.1 深度与彩色图像的比较 | 第19页 |
| 2.2.2 深度图像的获取 | 第19-21页 |
| 2.3 人体部位标记图 | 第21-24页 |
| 2.4 样本库的制作 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 3D骨架提取 | 第27-45页 |
| 3.1 特征提取 | 第27-29页 |
| 3.2 分类器识别人体部位 | 第29-37页 |
| 3.2.1 SVM应用于人体部位分类 | 第30-31页 |
| 3.2.2 决策树相关理论 | 第31-33页 |
| 3.2.3 决策树对人体部位分类 | 第33-34页 |
| 3.2.4 随机森林应用于部位分类 | 第34-37页 |
| 3.3 关节点的定位 | 第37-44页 |
| 3.3.1 Meanshift理论 | 第37-39页 |
| 3.3.2 完全使用Meanshift定位关节点 | 第39-41页 |
| 3.3.3 Meanshift结合人体结构定位关节点 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 机器人的运动控制 | 第45-67页 |
| 4.1 欧拉角 | 第45-49页 |
| 4.1.1 树形结构骨架 | 第45-46页 |
| 4.1.2 关节点处的欧拉角计算 | 第46-49页 |
| 4.2 虚拟人的应用 | 第49-51页 |
| 4.3 手臂和头部位置的简化表示 | 第51-59页 |
| 4.3.1 滤波算法去除不稳定数据 | 第51-52页 |
| 4.3.2 计算并验证手臂摆动角度 | 第52-56页 |
| 4.3.3 手臂不规则摆动的处理 | 第56-57页 |
| 4.3.4 计算并验证头部摆动角度 | 第57-59页 |
| 4.4 机器人实体应用 | 第59-65页 |
| 4.4.1 角度数据的传输 | 第60-62页 |
| 4.4.2 体感控制机器人的运动效果 | 第62-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 实验环境与结果分析 | 第67-79页 |
| 5.1 实验环境 | 第67-68页 |
| 5.2 实验参数分析 | 第68-76页 |
| 5.2.1 决策树深度对部位识别的影响 | 第69-71页 |
| 5.2.2 决策树个数对结果的影响 | 第71-74页 |
| 5.2.3 不同特征形式的分类结果对比 | 第74-76页 |
| 5.3 训练集和测试集的识别准确度分析 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-87页 |