移动机器人的手势识别运动控制设计
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及问题 | 第9页 |
| 1.2 人机交互发展概论 | 第9-11页 |
| 1.3 基于手势识别控制研究现状 | 第11-13页 |
| 1.3.1 国内研究现状 | 第11-12页 |
| 1.3.2 国外研究现状 | 第12-13页 |
| 1.4 本文研究内容和章节安排 | 第13-15页 |
| 第二章 手势识别技术基本理论 | 第15-21页 |
| 2.1 自然手势识别技术分类 | 第15-18页 |
| 2.1.1 手势的概述 | 第15-16页 |
| 2.1.2 手势提取与存储技术 | 第16-18页 |
| 2.2 OpenCV简介 | 第18-19页 |
| 2.3 基于计算机视觉的手势控制系统 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于OpenCV的手势识别 | 第21-46页 |
| 3.1 手势识别方案 | 第21页 |
| 3.2 手势图像预处理方法 | 第21-28页 |
| 3.2.1 图像二值化 | 第21-23页 |
| 3.2.2 图像滤波 | 第23-26页 |
| 3.2.3 形态学处理 | 第26-28页 |
| 3.3 肤色分割 | 第28-34页 |
| 3.3.1 颜色空间模型 | 第28-30页 |
| 3.3.2 肤色模型 | 第30-34页 |
| 3.4 手势识别 | 第34-39页 |
| 3.4.1 手势模板 | 第34页 |
| 3.4.2 手势轮廓 | 第34-36页 |
| 3.4.3 基于Hu矩的模板匹配 | 第36-39页 |
| 3.5 手势跟踪 | 第39-45页 |
| 3.5.1 光流跟踪法 | 第39-40页 |
| 3.5.2 Kalman滤波跟踪法 | 第40-41页 |
| 3.5.3 CamShift跟踪法 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于手势识别的移动机器人控制研究 | 第46-65页 |
| 4.1 移动机器人的软硬件系统 | 第46-48页 |
| 4.2 移动机器人运动学模型与控制算法研究 | 第48-61页 |
| 4.2.1 运动学模型 | 第48-54页 |
| 4.2.2 运动控制算法 | 第54-61页 |
| 4.3 手势识别控制指令转换 | 第61-64页 |
| 4.3.1 静态手势控制指令转换 | 第62-63页 |
| 4.3.2 动态手势控制指令转换 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 手势识别控制系统设计与研究 | 第65-80页 |
| 5.1 手势识别系统开发环境与框架 | 第65-69页 |
| 5.1.1 系统的软硬件系统 | 第65-66页 |
| 5.1.2 系统框架与功能 | 第66-69页 |
| 5.2 静态手势识别实现 | 第69-74页 |
| 5.3 动态手势识别实现 | 第74-76页 |
| 5.4 手势识别控制的实现 | 第76-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 全文总结 | 第80页 |
| 6.2 后续工作展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 附录A 部分算法代码示例 | 第86-88页 |
| 攻读硕士学位期间取得的成果 | 第88-89页 |
