基于手势识别的机器人控制技术研究

增强人机交互形式,对机器人控制具有重要意义。然而,目前控制方式多集中于遥控控制方式,与人的互动性不足。研究提出基于手势识别的YOLOv5l算法提升机器人控制的交互性能。首先,精简HaGRID手势数据集至8类,因手势在图像中属于小目标,采用带有CBAM注意力机制的YOLOv5l模型进行训练;其次,通过QT平台搭建控制系统,部署手势识别模型。对机器人进行Mesh组网,以广播机制传输控制指令。实验结果表明,该模型在HaGRID数据集上平均准确度达到98%,自建数据集平均准确度达到95%,检测速度34FPS,模型大小88.5MB,机器人可建立Mesh网络,通过手势识别控制机器人运动。