| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 相关设备的介绍 | 第9-13页 |
| 1.2.1 Kinect的介绍 | 第9-10页 |
| 1.2.2 Leap Motion的介绍 | 第10-11页 |
| 1.2.3 OculusRift的介绍 | 第11-13页 |
| 1.3 国内外研究现状与趋势 | 第13-15页 |
| 1.3.1 基于Kinect研究现状与趋势 | 第13-14页 |
| 1.3.2 基于Leap Motion研究现状与趋势 | 第14页 |
| 1.3.3 Unity发展及应用现状 | 第14-15页 |
| 1.4 本文的工作及其结构安排 | 第15-17页 |
| 第二章 多传感器数据融合技术概述 | 第17-21页 |
| 2.1 多传感器数据融合的基本原理 | 第17页 |
| 2.2 多传感器数据融合的过程 | 第17-18页 |
| 2.3 多传感器的融合层次 | 第18-19页 |
| 2.3.1 数据级融合 | 第18页 |
| 2.3.2 特征级融合 | 第18页 |
| 2.3.3 决策级融合 | 第18-19页 |
| 2.4 多传感器数据融合的体系结构 | 第19-20页 |
| 2.4.1 集中式结构 | 第19页 |
| 2.4.2 分布式结构 | 第19-20页 |
| 2.4.3 混合式结构 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于深度图像的动态指尖获取 | 第21-33页 |
| 3.1 动态手区域提取 | 第21-25页 |
| 3.1.1 基于OpenNI的手势检测 | 第21-23页 |
| 3.1.2 手势检测及获取手心位置 | 第23-24页 |
| 3.1.3 基于深度阈值的手势分割 | 第24-25页 |
| 3.2 动态指尖特征提取 | 第25-30页 |
| 3.2.1 深度图像滤波器 | 第25-27页 |
| 3.2.2 手部边缘检测 | 第27-28页 |
| 3.2.3 指尖检测 | 第28-30页 |
| 3.3 指尖识别实验及分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 Kinect和Leap Motion的联合标定 | 第33-45页 |
| 4.1 Leap Motion手部数据获取 | 第33-34页 |
| 4.2 基于反光球的一维标定算法 | 第34-37页 |
| 4.2.1 算法实现 | 第35-36页 |
| 4.2.2 标定参数求解 | 第36-37页 |
| 4.2.3 联合标定 | 第37页 |
| 4.3 对应点集配准(CPSR)算法 | 第37-40页 |
| 4.4 联合标定实验与分析 | 第40-44页 |
| 4.4.1 初步标定实验 | 第40-42页 |
| 4.4.2 指尖数据配准实验 | 第42页 |
| 4.4.3 实验结果与分析 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于手势识别的人机交互应用 | 第45-52页 |
| 5.1 Unity3D虚拟引擎介绍 | 第45-46页 |
| 5.2 Kinect在Unity3D中的集成 | 第46-47页 |
| 5.3 Leap Motion在Unity3D中的集成 | 第47-48页 |
| 5.4 Unity3D结合Oculus的设置 | 第48页 |
| 5.5 多传感器数据融合的人机交互的实现 | 第48-51页 |
| 5.5.1 Leap Motion和Kinect的数据融合 | 第48-49页 |
| 5.5.2 人机交互应用测试 | 第49-51页 |
| 5.6 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 研究总结 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-56页 |
