基于Kinect的虚拟机器人的运动设计方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 虚拟机器人研究现状 | 第13页 |
| 1.2.2 虚拟机器人动作生成与控制技术研究现状 | 第13-16页 |
| 1.2.3 存在的问题和难点 | 第16-17页 |
| 1.3 本文的主要内容 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-19页 |
| 第二章 虚拟机器人相关理论与技术 | 第19-29页 |
| 2.1 骨骼层次结构 | 第19-20页 |
| 2.2 虚拟机器人运动控制相关方法 | 第20-27页 |
| 2.2.1 基于运动学方法 | 第21-24页 |
| 2.2.2 基于动力学方法 | 第24-26页 |
| 2.2.3 基于关键帧编辑的方法 | 第26页 |
| 2.2.4 运动控制方法比较 | 第26-27页 |
| 2.3 运动插值 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于深度图的人物运动骨架提取 | 第29-56页 |
| 3.1 深度图像技术 | 第29-32页 |
| 3.1.1 深度图像简介 | 第29-30页 |
| 3.1.2 Kinect深度图成像原理 | 第30-31页 |
| 3.1.3 深度信息空间变换 | 第31-32页 |
| 3.2 深度图像预处理 | 第32-34页 |
| 3.2.1 前景提取 | 第32-33页 |
| 3.2.2 深度图降噪 | 第33-34页 |
| 3.3 人脸检测 | 第34-36页 |
| 3.4 传统人体骨架提取算法 | 第36-38页 |
| 3.5 基于深度图的人体骨架提取新方法 | 第38-50页 |
| 3.5.1 方法流程 | 第39-42页 |
| 3.5.2 结合距离和细化的二维人体骨架提取 | 第42-43页 |
| 3.5.3 初始人体标定 | 第43-44页 |
| 3.5.4 自遮挡部分的处理 | 第44-47页 |
| 3.5.5 一种快速有效的毛刺剔除方法 | 第47-48页 |
| 3.5.6 关节点快速定位方法 | 第48-50页 |
| 3.6 实验结果与分析 | 第50-55页 |
| 3.6.1 本文方法实验结果 | 第50-51页 |
| 3.6.2 实验对比与分析 | 第51-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 运动数据计算 | 第56-72页 |
| 4.1 运动层次化描述 | 第56-57页 |
| 4.2 关节运动数据计算 | 第57-63页 |
| 4.2.1 欧拉角 | 第57-59页 |
| 4.2.2 关节旋转角求解 | 第59-62页 |
| 4.2.3 关节运动约束 | 第62-63页 |
| 4.3 关节丢失保持 | 第63-64页 |
| 4.4 四元数插值 | 第64-66页 |
| 4.4.1 欧拉角转四元数 | 第64-65页 |
| 4.4.2 球面线性插值 | 第65-66页 |
| 4.5 姿态匹配 | 第66-71页 |
| 4.5.1 单帧姿态匹配 | 第67页 |
| 4.5.2 运动流匹配 | 第67-70页 |
| 4.5.3 实验结果 | 第70-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第五章 基于Kinect的虚拟机器人运动系统 | 第72-85页 |
| 5.1 系统总体流程 | 第72-74页 |
| 5.2 功能模块设计 | 第74-79页 |
| 5.2.1 动能模块分层 | 第74页 |
| 5.2.2 详细模块设计 | 第74-79页 |
| 5.3 虚拟机器人运动系统实现 | 第79-84页 |
| 5.3.1 硬件及软件环境 | 第79页 |
| 5.3.2 系统实现 | 第79-84页 |
| 5.4 本章小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 全文总结 | 第85-86页 |
| 6.2 后续工作展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 攻读硕士学位期间取得的成果 | 第92-93页 |
