基于Kinect的上肢康复训练系统设计与实现

【目的】解决中风、脑血栓等疾病造成的肢体损伤在后期康复训练中,采用传统康复训练需要康复医师全程参与的局限性。【方法】将Kinect与Unity3D相结合,构建了一套上肢康复训练系统,实现对患者信息管理、训练设置、康复训练、康复训练结果查询等功能。Kinect负责采集患者肢体运动状态信息;Unity3D作为系统开发工具,实现对患者信息管理,同时也是康复训练游戏的开发工具。系统采用SQLite数据库并部署在腾讯云服务器上。【结果】该系统提供的多个简单、趣味、易操作的游戏能极大地提高患者康复训练的积极性和主动性,从而达到患者康复训练的效果。【结论】该系统对上肢运动障碍患者的康复训练具有积极的应用价值。

Kinect技术与工作原理的研究

Kinect利用外接的3D体感摄影机,可以进行即时动态捕捉、影像辨识、麦克风输入、语音辨识等,实现了用肢体做遥控器的功能.介绍了Kinect的硬件设备构造,探讨了Kinect的工作原理及应用,并给出Kinect目前存在的一些问题.

基于多角度Kinect v2的羊只三维模型重构方法研究

羊只的体尺参数是衡量其生长发育状况、生产性能和遗传特性的关键指标。重建羊只的三维模型可以为自动化获取多种羊只体尺参数提供数据基础,因此提出一种基于多角度Kinect v2的羊只三维模型重构方法。该方法通过放置在羊只顶部和左右两个侧面的Kinect v2设备,获取羊只的三维点云数据;利用这些数据中的点云之间的相对位置关系,进行点云坐标的转换和初始配准;采用ICP算法进行精确配准建立三维模型。结果表明:当Kinect v2深度相机高度为120 cm、俯视角为30°时,获取的点云质量较高,自动配准的平均误差为0.233 cm,平均耗时为12.89 s。根据模型计算出的羊只体高、体斜长、十字部高和腰脚宽等体尺参数与实际测量平均误差均在5%以内。

改进联合双边上采样滤波的Kinect深度图像增强算法研究

Kinect深度摄像机可以实时获取到稠密深度图像,但该RGB-D相机获取的初始三维点云数据量庞大,其深度图像饱受无效像素、噪声和边缘不匹配等因素影响,直接对其进行操作会降低后续摄像机追踪以及配准的精度。因此,提出了一种有效提高Kinect深度图像质量的基于快速联合双边上采样滤波的深度图像增强算法。利用其对应的彩色图像,采用区域生长方法检测并去除深度值错误的像素;为了准确估计无效像素的值,采用联合双边滤波器对孔洞进行填充;利用传统高斯核函数的分离特性,并通过将其更换为快速高斯变换函数实现计算的复杂度的降低,并且有效地降低了深度图像的噪声。实验结果表明,提出的方法通过成功地填充孔洞,消除了不匹配的边缘,降低了噪声,显著提高了深度图像的质量,并且降低了运行时间。

基于Kinect V2和Unity3D的机械臂人机交互系统

针对人机交互方式存在不直观、操作复杂等问题,论文利用手部追踪技术开发出一种基于Kinect V2和Unity3D的人机交互系统,用户可以直接挥动手部就可以控制机械臂运动,交互方式更加简单、直观和灵活。该系统是通过Kinect V2来获得手部移动轨迹来实现手部追踪,并在Unity3D平台上进行交互系统的开发。利用FABRIK算法和贝塞尔曲线分别实现了逆运动学求解和运动路径的记录,通过C#编写所需的脚本功能并开发出了两种交互模式,分别为实时控制模式和示教模式,两种模式均可通过UI面板进行选择。最后对两种模式分别进行实验,实验结果证明了该系统的可行性。

基于Azure Kinect运动捕捉的仿人机器人运动控制平台设计

本文设计了一种基于Azure Kinect的仿人机器人运动控制平台,使用动作捕捉获取操作员的运动关节数据,并驱动在仿真环境下的仿人机器人运动。结果表明:该平台不仅能实现离线和在线的不同人体运动的模仿,而且在体现人体运动风格的前提下能保持整体运动的运动稳定性和鲁棒性,同时能实现对仿人机器人丰富的人体运动行为的模仿,可用于仿人机器人运动生成和扩展应用领域。

基于Kinect深度图像的人体重心估算方法研究

为了改善现有测量人体重心的设备价格昂贵和不便携带等问题,提出了一种用Kinect深度相机快速估算人体重心的方法。该方法利用分段法与松井秀治模型,结合Kinect获取的骨骼信息,将人体划分为15节段,根据节段质量、近远端坐标和重心半径系数计算出各个节段的重心,然后结合力矩合成法估算出人体总重心。最后,通过机器学习算法模型对重心数据进行了修正。Kinect与三维测力台的对比实验结果表明,该方法在测量大幅度动作的人体重心中有着更好的准确性,Kinect较传统设备价格低廉,易于推广使用,可作为一种站立平衡评估工具。

基于Kinect动态手势识别的改进DTW算法研究与实现

为了解决传统算法在动态手势识别中存在的准确率不高、难以适应复杂背景等问题,本文提出了一种基于Kinect传感器的改进DTW算法动态手势识别方法.使用Kinect Studio和Visual Gesture Builder训练建立手势模板库,对传统的DTW算法进行限制搜索范围和设置失真度阈值两点改进,利用改进后的DTW算法对提取出来的人物指定关节信息和模板信息进行匹配,从而识别出手势.实验结果表明,改进DTW算法具有较高的动态手势识别准确率,并且能够更好地适应复杂环境.

基于Kinect动作识别机器人的设计与实现

现代科技的不断进步使得各种各样的机器人走入家庭,人与机器人之间的交互活动变得越来越普遍。本文通过利用Kinect体感进行动作识别,特征提取语音进行处理,控制机器人的移动来实现人机交互的目的,经过实验测试证明了所设计机器人的合理性,在帮助老年人时更加的人性化。

基于Kinect增强现实交互技术的体感游戏开发

增强现实技术是在虚拟技术的基础上进行拓展,目前增强现实交互技术已广泛应用于游戏设备、医疗设备等多个领域。对此,基于Kinect技术与C#语言相结合展开增强现实交互技术的应用,包括体感交互、声音图像获取、动作识别,并呈现具体的案例设计——分析技术流程,解决姿态及手势识别过程中的问题。

基于多Kinect的三维人体重建系统

结合KinectFusion技术,设计并实现了一种基于多台Kinect的三维人体重建系统.该系统使用两台Kinect分别采集人体上下两部分的点云数据,通过标定得到两台Kinect的姿态关系,并基于标定结果,使用迭代最近点(ICP)算法对两部分点云进行配准得到完整的人体三维模型.试验表明,系统设备成本低、部署简单,能快速并较高精度地获取人体三维点云.

基于Kinect的机械臂目标抓取

为完成机械臂在非特定环境下的自主抓取,系统采用微软公司研发的Kinect对场景内的信息进行实时检测.通过对Kinect采集的深度信息进行背景相减法和帧差法处理可以获得目标抓取点信息.利用基于工作空间的RRT算法对机械臂末端进行路径规划,并利用梯度投影法进行逆运动学轨迹优化,求解关节轨迹.机械臂按照关节角运动时,可完成目标的抓取.通过设计一套实时桌面清理实验系统,验证了该方法的有效性.

基于Unity3D与Kinect的康复训练机器人情景交互系统

近年来,康复机器人技术的研究已成为康复医学工程与机器人领域跨学科的研究热点。为提高康复训练机器人的交互能力,将虚拟现实技术、机器人技术相结合,研究基于虚拟场景交互的下肢康复训练机器人系统,使用Kinect传感器采集人体的骨骼信息,并运用Unity3D游戏引擎和3D Studio Max软件开发了用于情景交互的虚拟场景,设计了患者与虚拟人物步态同步控制算法,实现了康复训练过程中的同步交互。实验结果表明,同步步态控制算法有效,人机交互良好,可帮助并激励中风患者实现主动的康复训练。

基于Kinect深度图像信息的手势轨迹识别及应用

为实现基于Kinect深度图像信息的手势轨迹识别,提出了一种基于隐马尔可夫模型(HMM)的手势轨迹识别的方法。首先采用新型Kinect传感器获取图像深度信息;然后通过OpenNI的手部分析模块获得手心的位置,提取轨迹特征;最后利用隐马尔可夫模型训练有效的轨迹样本并实现轨迹的识别。实验结果证明,该方法能有效地识别手势轨迹,并可用于控制智能轮椅的运动。

Kinect深度图像快速修复算法

深度提取是基于"纹理+深度"自由立体视频系统的关键技术,而立体视频实际应用系统需要高效快速的深度图提取.提出一种针对Kinect提取深度图的快速修复算法.首先,对Kinect提取的彩色纹理图和深度图进行对齐裁剪,并采用背景填充算法对裁剪后的深度图进行初步修复;然后,对初步修复后的深度图进行基于颜色匹配的快速修复,得到质量较好的可用深度图.实验结果表明,本算法能有效修复原始深度图中由于遮挡而引起的空洞,获取的深度图整体平滑度好、边缘清晰;在普通PC机上达到25～30帧/s的处理帧率,实现了深度图的实时提取.

基于Kinect传感器的智能轮椅手势控制系统的设计与实现

利用Kinect深度传感器所获取的图像深度信息实现手部从背景中的分割,并通过在Hu矩基础上加入3个表达式,使不变矩包含更多细节特征,对手势目标进行识别,最后把得到的识别结果转换成控制指令通过Ad-Hoc网络传送给智能轮椅,实现运动控制.实验表明,通过该方法实现的手势以别存在图像旋转、缩放、平移的情况下具有不变性,对背景干扰具有较强的鲁棒性.

Kinect获取植物三维点云数据的去噪方法

为解决Kinect获取的玉米三维点云数据噪声影响三维重建精度的问题,根据Kinect所获取的点云数据特点,采用多帧数据融合的方法获取更完整的三维点云数据并对点云数据进行初步平滑;通过对Kinect所获数据噪声进行分析,提出了一种基于密度分析和深度数据双边滤波的方法,分别对离群点噪声和内部高频噪声进行处理。以Kinect获取的玉米及茄子的三维点云数据进行去噪实验,所用去噪时间仅为传统双边滤波去噪时间的2.71%和1.78%,并且能够达到很好的去噪效果。结果表明,所提方法能够方便、快捷地去除不同尺度的噪声,同时保留边缘数据的完整性,获得良好的植物三维点云数据。

使用Kinect快速重建三维人体

三维人体模型广泛应用在多媒体工业,如动漫产业、游戏创作、电影制作等.针对传统三维扫描仪价格昂贵、操作复杂等缺点,提出一种基于低廉的深度摄像机(如微软Kinect)重建三维人体模型.该方法使用迭代最近点查找确定输入点云与可变模型之间的对应点对,将可变形人体模型拟合扫描点云数据,迭代生成高精度的三维人体模型.实验结果表明,文中方法能够使用Kinect深度摄像机快速重建出高精度的三维人体模型.

基于Kinect传感器的移动机器人室内环境三维地图创建

针对移动服务机器人在未知室内环境下的三维感知问题,提出了一种基于低成本Kinect传感器的三维地图创建实用方法.对于机器人在运动过程中连续采集的多帧RGB-D信息,首先利用SURF算子对RGB图像提取稳定特征点并进行特征点匹配,然后结合深度图像,采用RANSAC算法剔除可能存在的误匹配点并完成初始配准,从而估计得到图像帧间粗略的相对转移关系,最后运用广义ICP算法对采集的深度图像进行精确配准,得到拼接的三维点云图.在此基础上进一步开发了移动机器人三维地图创建应用系统,实验验证了该方法的可行性和有效性.

基于Kinect相机的猪体理想姿态检测与体尺测量

为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于Kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分法识别头部和尾部位置,通过头部边界标记法判断是否耳部缺失;利用骨骼化算法结合霍夫变换算法检测猪体头部是否歪斜。在此基础上,设计了猪体体尺测量算法。针对养殖场获取的103组视频数据、俯视和侧视各52 016帧图像,进行了理想姿态检测及体尺测量。结果表明,检测出理想姿态2 592帧、漏报432帧、误报0帧,误报率较低;每帧图像的体长偏差与本组体长均值小于2. 3%,组内理想姿态帧之间差异较小,一致性较好;体宽测量的平均精确度为95. 5%,体高测量的平均精确度为96. 3%,体长测量的平均精确度为97. 3%,测量的平均准确度较高。本研究成果应用于基于机器视觉的猪体体尺测量,可提高图像利用率和体尺测量效率。