| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 课题来源 | 第10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 手势识别 | 第11页 |
| 1.3.2 仿真绘画技术 | 第11-12页 |
| 1.3.3 体感技术 | 第12-13页 |
| 1.4 本文的主要内容和章节安排 | 第13-15页 |
| 2 实验环境部署与搭建 | 第15-20页 |
| 2.1 开发软件简述 | 第15-16页 |
| 2.1.1 Leap Motion传感器 | 第15-16页 |
| 2.1.2 Unity 3D开发环境 | 第16页 |
| 2.2 软件环境搭建 | 第16-19页 |
| 2.2.1 Unity 3D连接Leap Motion | 第17-18页 |
| 2.2.2 Leap Motion与Unity 3D间坐标转换 | 第18-19页 |
| 2.2.3 Unity 3D中三维手模型的导入 | 第19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 手势识别研究及算法改进 | 第20-31页 |
| 3.1 几种常见的手势识别算法研究 | 第20-24页 |
| 3.1.1 支持向量机 | 第20-21页 |
| 3.1.2 K-NN算法 | 第21-22页 |
| 3.1.3 稀疏表示分类算法 | 第22-24页 |
| 3.2 改进的SRC手势识别算法 | 第24-25页 |
| 3.3 实验结果及分析 | 第25-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于Leap Motion的手势识别模型设计与实现 | 第31-43页 |
| 4.1 数据获取 | 第31-33页 |
| 4.2 特征向量提取及优化 | 第33-36页 |
| 4.2.1 特征向量提取 | 第33-35页 |
| 4.2.2 特征向量提取算法优化 | 第35-36页 |
| 4.2.3 特征向量标准化 | 第36页 |
| 4.3 手势设计 | 第36-37页 |
| 4.4 手指骨骼跟踪 | 第37-39页 |
| 4.5 实验结果与分析 | 第39-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 基于Leap Motion和Unity 3D的虚拟沙画系统的构建研究 | 第43-53页 |
| 5.1 虚拟沙画系统总体设计 | 第43页 |
| 5.2 手势语义定义 | 第43-45页 |
| 5.3 3Ds Max设计仿真手模型 | 第45-50页 |
| 5.3.1 手模型生理结构 | 第45-46页 |
| 5.3.2 手模型构建 | 第46-48页 |
| 5.3.3 手模型的Unity 3D场景导入实现 | 第48-50页 |
| 5.4 粒子系统实现落沙效果 | 第50-51页 |
| 5.5 虚拟沙画绘制的实现 | 第51-52页 |
| 5.6 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 本文工作总结 | 第53页 |
| 6.2 未来工作展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间主要的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
