Kinect体感控制性能优化方法

为提高基于Kinect体感应用程序控制识别的稳定性、准确性与鲁棒性,针对手臂光标延迟与身体控制场景内容稳定性的问题,提出在Unity3D平台下的体感控制性能优化方法。基于数据转化思想,通过放宽手臂光标触发成功条件,将单点稳定触发转化为范围稳定触发,实现手臂光标延迟性能优化;通过将身体位置控制场景内容转化为模拟键盘方向键输入的方法,实现身体控制场景内容稳定性优化。实验结果表明,该方法能够有效提高体感应用程序的相关性能。

基于Kinect深度图像信息的手势轨迹识别及应用

本文提出了一种新型的利用Kinect获取深度图像并进行手势轨迹识别的应用方法,该方法称为HMM(隐马尔可夫)手势轨迹识别方法,具体操作步骤为:首先利用Kinect传感器获取深度图像,然后通过OpenNI的手势生成器的手势分析模块获取完整的手势信息,对手部进行形态学处理,识别并跟踪手势,提取手势轨迹,最后运用HMM手势轨迹识别方法进行识别.实践证明,该方法可快速有效地实现手势轨迹的识别.

基于多Kinect的家具自由曲面造型扫描系统设计

为解决目前三维扫描系统存在的数据捕捉效率低、曲面扫描精度低等问题,基于Kinect传感器构建了家具自由曲面造型扫描系统。采用OpenNI开源框架来搭建多个Kinect传感器在服务器与驱动之间的交互桥梁,并将被测家具物体的深度图像转变成具有三维坐标值的点云数据。在三维点云数据的后处理阶段,使用PCL开发库实现家具自由曲面三维点云数据配准、融合,以及完整的家具自由曲面造型三维点云模型的展示。实验结果表明,该系统与传统系统相比,数据捕捉效率以及扫描精度更高,而且稳定性强。

基于Kinect的手势识别及在虚拟装配技术中的应用

为了实现在Virtools环境下自然方便的人机交互过程,设计开发了基于Kinect的虚拟装配交互技术。该技术通过三维多手指检测并结合Kalman滤波来稳定跟踪指尖,同时基于指尖特征自定义了多种装配所需的手势;以Mir-crosoft Visual Studio 2010为开发工具,设计了手势操控相关功能块的编辑后集成于Virtools环境中,实现了手势在虚拟装配中的交互控制。实例证明,该技术能很好地完成虚拟装配过程,效果良好。

基于Kinect深度图像的指尖识别及手势判定

在基于微软Kinect体感设备开发的交互应用系统中,使用传统的鼠标、键盘等交互设备难以达到理想的效果。针对这种情况,提出一种基于指尖识别的手势判定方法。采用Kinect传感器获取图像的深度信息,通过OpenNI的内置模块获取手心的位置信息,使用最近邻法实现手部的分割并对手形进行提取;并采用射线求交法优化Graham Scan算法获取凸包点集合,利用轮廓分析法从凸包点中识别出指尖。在此基础上,结合指尖数目和面积比例实现对"抓取"手势的判定。实验结果表明,该方法能有效地识别抓取动作的手势,且具有良好的鲁棒性。

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。

计算机视觉技术在移动机器人中的应用

采用主流机器视觉平台,针对移动机器人的实时跟踪、动态监测、三维重构等要求,提出了一种结合OpenCV、OpenGL、OpenNI库的检测原理,重构了3D立体空间图像。利用视频头替代人眼,使机器人视觉了具备可类似人眼中分类识别、物体分割的功能,并具有决策判断功能。