基于游标模型的沉浸式医学可视化非接触式手势交互方法

在高度沉浸式的虚拟环境中,由于用户的整体视觉空间被渲染的可视化映射所覆盖,传统鼠标、键盘以及触控屏幕等交互方式无法直接应用到沉浸式环境下,大大影响了分析和理解3D医学数据的效率与准确性.为实现沉浸式虚拟环境下对3D医学数据的交互操作,提出一种基于游标模型的非接触式手势交互方法.首先借助游标模型快速确定手势状态,定义4种手势动作实现位移、缩放、旋转以及剖切4种医学可视化交互操作,并借助弹簧模型改善手势抖动问题;最后以HTC VIVE+Leap Motion构建沉浸式医学可视化系统,定义6项分析任务,对比鼠标、手柄等交互方式,从训练时间、完成时间、操作难度和用户反馈4个方面验证文中方法的有效性.

非局部均值算法在非接触式互动控制系统中的应用

在非接触式互动控制系统中,数字图像在产生、传输、处理过程中会产生各种各样的干扰,造成图像质量差、定位不准确等缺陷。而且这些干扰往往是包含了高斯、椒盐及两者混合的噪声,常规的去噪算法很难对两种噪声同时有效。因此,文章根据自适应中值算法(ALM)对椒盐噪声处理的策略思想,提出一种改进的非局部均值算法(NLM),并应用到基于激光传感器的非接触式交互系统中。应用结果表明,该算法既能去除单一的高斯或椒盐噪声,又能去除两者混合的噪声。去噪算法处理后的图像定位准确、目标跟踪效果良好,显著提升了互动系统的交互性能。

非接触移动技术方兴未艾

随着“非接触式交互”概念的不断融入,人们的生活开始逐渐摆脱中间设备对操作者的束缚,原本繁琐的操作程序开始变得简单,各大电子龙头企业也纷纷挑战着非接触技术在移动方面的应用。

基于Leap Motion的人机交互研究及实践

随着交互设计及其技术的不断发展,体感交互已成为人机交互的重要方向之一。Leap Motion作为新型体感控制器,因其高精确度、灵活度等优势在人机交互研究中被广泛关注。本研究对Leap Motion的基本概况、特点、研究现状等进行阐述,并通过手势跟踪机械臂案例详述基于Leap Motion和Arduino开发平台的机械臂非接触式人机交互实现流程,使读者可以初步掌握通过Leap Motion体感控制器实现人机交互的基本能力,为交互设计师进行体感交互设计方案开发提供支撑。

基于高性能嵌入式AI计算平台的人机交互手势控制识别研究

本文以智能嵌入式应用系统中手势控制的非接触式人机交互开发为主要应用对象,深入研究深度学习应用与部署过程的基本方法,以华为Atlas 200 为智能计算平台完成深度学习算法的推理过程,通过摄像头获取手势信息,再通过Atlas 200进行手势信息的识别,降低嵌入式系统中进行手势图像智能识别的难度,从而为广大嵌入式应用开发者提供一种简便高效的基于手势控制的人机交互方法。