機器人靈巧手的人機交互技術及其穩(wěn)定控制

第1章緒論（1）
1.1人機交互技術的發(fā)展（1）
1.2基于視覺的人機手勢交互技術（3）
1.3基于表面肌電信號的人機交互技術（6）
1.4機械手的穩(wěn)定控制（8）
第2章基于稀疏表示算法的手勢識別（11）
2.1手勢識別基本框架（11）
2.1.1手勢圖像的分割（13）
2.1.2手勢特征的提取（20）
2.1.3特征數(shù)據(jù)的降維（22）
2.2基于改進自適應正交匹配追蹤算法的手勢識別（23）
2.2.1基于稀疏表示的手勢識別分類算法（23）
2.2.2改進的正交匹配追蹤算法（26）
2.3基于l2范數(shù)局部稀疏表示分類算法的手勢識別（28）
2.3.1KNNSRC分類算法（28）
2.3.2l2范數(shù)局部稀疏表示分類算法（29）
2.4實驗仿真分析（31）
2.4.1基于改進自適應正交匹配算法的仿真分析（31）
2.4.2基于l2范數(shù)局部稀疏表示分類算法的仿真分析（40）
2.5本章小結（44）
第3章Kinect和多個外接相機的聯(lián)合標定方法（46）
3.1引言（46）
3.2Kinect及相機標定方法介紹（47）
3.2.1Kinect的結構及應用（47）
3.2.2基于針孔模型的相機標定方法（50）
3.3聯(lián)合多傳感器標定的方法及其優(yōu)化（57）
3.3.1實驗平臺構建與圖像預處理（59）
3.3.2相對位置的估計（61）
3.3.3非線性小化（63）
3.4基于棋盤格數(shù)據(jù)庫的聯(lián)合三維重建（66）
3.4.1三維重建環(huán)境的配置（67）
3.4.2三維重建結果的對比分析（69）
3.5本章小結（72）
第4章基于深度圖像與彩色圖像融合的手勢分割識別（73）
4.1引言（73）
4.2彩色信息與深度信息融合算法流程（74）
4.2.1彩色手勢圖像模型求解（75）
4.2.2手勢圖像的分割（78）
4.2.3手勢圖像特征提?。?3）
4.2.4基于MulticlassSVM的手勢識別（86）
4.3圖像分割實驗仿真（88）
4.3.1Gulshan圖片數(shù)據(jù)庫（88）
4.3.2模擬人類交互的種子點生成算法（89）
4.3.3圖像分割質量評價體系（91）
4.3.4測試結果分析（92）
4.4手勢識別實驗仿真（94）
4.4.1手勢圖片數(shù)據(jù)庫建立（94）
4.4.2手勢識別結果分析（97）
4.5本章小結（100）
第5章基于深度學習的靜態(tài)手勢識別研究（102）
5.1深度學習原理（102）
5.2基于彩色圖像的手勢識別（103）
5.3基于深度圖像的手勢識別（107）
5.3.1膚色檢測原理及結果分析（107）
5.3.2顏色空間模型轉換（109）
5.3.3膚色檢測結果分析（110）
5.3.4基于Kinect的手部分割方法原理及結果分析（112）
5.4基于深度信息和彩色圖像融合的手勢識別（114）
5.5本章小結（117）
第6章基于深度信息的動態(tài)手勢識別研究（119）
6.1引言（119）
6.2動態(tài)手勢的特征提?。?20）
6.2.1手勢運動軌跡的提?。?21）
6.2.2手勢運動軌跡的特征提?。?22）
6.3基于HMM和DS證據(jù)理論的手勢識別算法（122）
6.4動態(tài)手勢識別仿真實驗（125）
6.4.1組合動態(tài)手勢的定義（125）
6.4.2動態(tài)手勢樣本庫的建立（127）
6.4.3動態(tài)手勢識別的實驗結果與分析（127）
6.5本章小結（128）
第7章基于表面肌電信號的動態(tài)手勢識別（130）
7.1引言（130）
7.2表面肌電信號特征提?。?31）
7.3表面肌電信號的數(shù)據(jù)降維（137）
7.4基于表面肌電信號的拇指運動研究（138）
7.5基于表面肌電信號的人手動作模式識別（142）
7.6本章小結（147）
第8章基于表面肌電信號的激活肌肉區(qū)域提取及手部動作識別（149）
8.1多對象組間表面肌電信號的采集（149）
8.2表面肌電信號活動段檢測及數(shù)據(jù)分割（155）
8.3激活肌肉區(qū)域與手部動作的映射關系（159）
8.4激活肌肉區(qū)域的可視化（163）
8.5表面肌電信號特征融合（168）
8.6多對象組間手部動作識別（172）
8.7本章小結（176）
第9章基于表面肌電信號的抓取模式識別及抓取力預測研究（177）
9.1引言（177）
9.2表面肌電信號的獲取（177）
9.2.1表面肌電信號及力信息采集系統(tǒng)（177）
9.2.2人手抓取模式選?。?79）
9.3基于表面肌電信號的抓取力預測方法（180）
9.3.1實驗設置及流程（180）
9.3.2信號歸一化處理（181）
9.3.3基于表面肌電信號的抓取力信息特征提取及分析（182）
9.3.4表面肌電信號特征的確定（184）
9.3.5基于表面肌電信號的抓取力預測模型（188）
9.4抓取動作識別及力預測結果分析（196）
9.4.1基于表面肌電信號的抓取模式識別（196）
9.4.2基于表面肌電信號的抓取力預測（200）
9.5本章小結（204）
第10章機械臂的穩(wěn)定控制算法研究（206）
10.1引言（206）
10.2機械臂的運動學與動力學分析（207）
10.2.1PUMA560機械臂的運動學正解（207）
10.2.2PUMA560機械臂的運動學逆解（210）
10.3PUMA560機械臂的動力學方程的建立（213）
10.3.1機械臂動力學方法（213）
10.3.2動力學通用模型的構建（215）
10.3.3機械臂動力學簡化模型的建立（218）
10.3.4機械臂動力學模型的特性（218）
10.4機械臂的軌跡規(guī)劃算法及仿真（219）
10.4.1PUMA560機械臂在關節(jié)空間的軌跡規(guī)劃算法（219）
10.4.2PUMA560機械臂在笛卡兒空間的軌跡規(guī)劃算法（231）
10.4.3機械臂的軌跡規(guī)劃仿真（236）
10.5PUMA560機械臂的常規(guī)滑模控制算法及仿真（240）
10.5.1滑?？刂疲?40）
10.5.2PUMA560機械臂的常規(guī)滑?？刂坡傻脑O計（243）
10.5.3PUMA560機械臂的常規(guī)滑模控制仿真（244）
10.6PUMA560機械臂的自適應模糊滑?？刂疲?45）
10.6.1模糊控制器各組成部分的選擇（245）
10.6.2基于增益自適應調整的模糊系統(tǒng)（247）
10.6.3PUMA560機械臂的自適應模糊滑模控制算法（247）
10.6.4PUMA560機械臂的自適應模糊滑?？刂频姆抡婕胺治觯?50）
10.7本章小結（251）
第11章機械手的抓取策略與仿真研究（253）
11.1引言（253）
11.2機械手抓取動力學分析（255）
11.2.1機械手手指的正運動學（255）
11.2.2機械手手指的逆運動學（256）
11.3機械手手指的動力學（257）
11.3.1手指連桿動力學（257）
11.3.2基關節(jié)動力學（258）
11.4機械手手指的自適應模糊滑?？刂萍胺抡妫?58）
11.5機械手抓取模型的確定（261）
11.5.1佳抓取平面（261）
11.5.2抓取模型的構建（262）
11.5.3基于神經(jīng)網(wǎng)絡的機械手抓取策略（263）
11.5.4基于高斯過程的機械手抓取策略（266）
11.6機械手/臂的抓取仿真實驗（272）
11.6.1機械手/臂模型的建立（272）
11.6.2基于數(shù)據(jù)手套和力傳感手套的數(shù)據(jù)采集（273）
11.6.3基于ADAMS的仿真實驗（281）
11.7本章小結（287）
參考文獻（289）