| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.2 机器人操控系统的国内外研究现状 | 第11-14页 |
| 1.3 本课题的主要研究内容 | 第14-17页 |
| 第二章 基于手势识别的机械手操控系统总体设计 | 第17-35页 |
| 2.1 引言 | 第17页 |
| 2.2 基于手势识别的机械手的工作原理 | 第17-21页 |
| 2.2.1 机械手执行机构的介绍 | 第17-19页 |
| 2.2.2 人手到机械手的映射 | 第19-21页 |
| 2.3 手势识别原理分析 | 第21-29页 |
| 2.3.1 Leap Motion传感器介绍及分析 | 第21-24页 |
| 2.3.2 人手特征数据的获取 | 第24-29页 |
| 2.4 基于手势识别的机械手操控系统 | 第29-34页 |
| 2.4.1 手势操控系统总体框架 | 第29-32页 |
| 2.4.2 多传感器的位置布局设计 | 第32-33页 |
| 2.4.3 传感器的坐标转换 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 手势数据的滤波融合技术 | 第35-65页 |
| 3.1 引言 | 第35页 |
| 3.2 手势数据分析 | 第35-37页 |
| 3.2.1 人手抖动程度检测 | 第35-36页 |
| 3.2.2 轨迹提取 | 第36-37页 |
| 3.3 人手位置数据处理 | 第37-60页 |
| 3.3.1 平滑滤波技术 | 第37-40页 |
| 3.3.2 对人手目标的运动状态变化特点的分析 | 第40-42页 |
| 3.3.3 基于改进的"当前"统计模型的Kalman滤波估计 | 第42-56页 |
| 3.3.4 基于加权因子的多传感器融合算法 | 第56-60页 |
| 3.4 手部姿态数据处理 | 第60-63页 |
| 3.4.1 姿态数据融合依据 | 第60页 |
| 3.4.2 关节角度数据的滤波 | 第60-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 基于SVM分类器的手势识别 | 第65-73页 |
| 4.1 引言 | 第65页 |
| 4.2 手势分类识别分析 | 第65-67页 |
| 4.2.1 组合多类的基本思想 | 第66-67页 |
| 4.2.2 手势识别流程 | 第67页 |
| 4.3 LibSVM的应用 | 第67-70页 |
| 4.3.1 核函数的选取 | 第68-69页 |
| 4.3.2 核函数参数寻优 | 第69-70页 |
| 4.4 分类实验 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 系统实现与实验分析 | 第73-91页 |
| 5.1 基于手势的机械手操控系统的实现 | 第73-80页 |
| 5.1.1 基于手势的机械手操控系统的架构 | 第73-76页 |
| 5.1.2 用户界面软件开发实现 | 第76-77页 |
| 5.1.3 通信数据的定义 | 第77-79页 |
| 5.1.4 人手方位数据的相对变化量计算 | 第79页 |
| 5.1.5 手势姿态识别的实现过程 | 第79-80页 |
| 5.2 系统整体实验验证与分析 | 第80-89页 |
| 5.2.1 轨迹跟踪实验分析 | 第81-83页 |
| 5.2.2 关节角度的滤波分析 | 第83-84页 |
| 5.2.3 抓取姿态识别结果分析 | 第84-89页 |
| 5.3 本章小结 | 第89-91页 |
| 第六章 总结与展望 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 发表论文和参加科研情况 | 第97-99页 |
| 致谢 | 第99页 |