自動化的、能適應(yīng)多類情景的信息處理算法是提高工作效率、制造系統(tǒng)柔性與產(chǎn)品質(zhì)量的有效實用手段。基于雙目機器視覺的人機交互協(xié)作裝配技術(shù),使用視覺處理得到的手部位姿作為裝配機器人行為決策的輸入信息,通過裝配任務(wù)的合作實現(xiàn)高效、柔性的生產(chǎn)過程。手部圖像的生物特征信息和與其相聯(lián)系的含有手部姿態(tài)的信息是手部位姿預(yù)測的前提,具有很高的研究價值和實用價值。本文通過對人機交互合作裝配圖像中手部生物特征的理論解析、提取與識別、雙目三維重構(gòu)及推斷,實現(xiàn)了基于手部特征的手部位姿重建。在膚色建模的基礎(chǔ)上,利用圖像膚色分割實現(xiàn)了手部位置的圖像定位,識別手部內(nèi)輪廓線,為手部的生物特征識別提供了基礎(chǔ)。在YCrCb色彩空間,采用最大類間方差法進行自適應(yīng)閾值識別,實現(xiàn)手部圖像的基本定位和大體輪廓獲取�；诰垲悓W(xué)習(xí)方法在RGB色彩空間上建立了膚色混合高斯模型,配合YCrCb顏色空間的自適應(yīng)閾值識別結(jié)果,通過期望最大化算法實現(xiàn)了對手部區(qū)域的較準確分割,得到了較為準確的手形外輪廓。基于改進的Laplace算子在人手灰度圖像上提取紋路點,得到了手形內(nèi)輪廓,與手形外輪廓組合為完整的手部輪廓,完成了人手完整輪廓的識別。對手指生物特征...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 人手姿態(tài)檢測的國內(nèi)外進展
        1.2.1 人手手形輪廓提取
        1.2.2 手部生物特征提取
        1.2.3 人手三維位姿
    1.3 本文的主要研究工作
2 手部完整輪廓提取
    2.1 手部完整輪廓提取算法
    2.2 YCrCb顏色空間的手部圖像提取
        2.2.1 YCrCb顏色空間提取原理
        2.2.2 改進OSTU的自適應(yīng)閾值分割
    2.3 基于混合高斯模型的EM算法手部圖像提取
        2.3.1 基于混合高斯模型的EM算法原理
        2.3.2 EM算法的手部圖像提取流程
    2.4 基于改進laplace算子的手形內(nèi)輪廓提取
        2.4.1 手形內(nèi)輪廓的定義
        2.4.2 基于改進Laplace算子的手形內(nèi)輪廓提取
    2.5 算例分析
        2.5.1 YCBCR顏色空間的膚色提取
        2.5.2 EM算法的膚色提取
        2.5.3 基于改進laplace算子的手形內(nèi)輪廓提取
    2.6 本章小結(jié)
3 手部生物特征檢測
    3.1 手部生物特征檢測流程
    3.2 基于人手完整輪廓線的手部生物邊界特征提取
        3.2.1 手形輪廓線序列的獲取
        3.2.2 指根提取
        3.2.3 指尖提取
    3.3 基于改進Laplace算子的指節(jié)位置提取
        3.3.1 手指形狀提取
        3.3.2 基于改進Laplace算子的指節(jié)紋路提取
        3.3.3 指節(jié)點位置提取過程
    3.4 手部生物特征推斷
        3.4.1 人手手指方向確定
        3.4.2 手部遠指節(jié)位置定位
        3.4.3 手腕點定位
    3.5 算例分析
        3.5.1 基于手部完整輪廓線的手部生物邊界特征提取
        3.5.2 基于改進Laplace算子的指節(jié)位置提取
        3.5.3 手部生物特征推斷算例分析
    3.6 本章小結(jié)
4 手部位姿的三維重建
    4.1 手部生物特征的三維重構(gòu)算法
    4.2 手部生物特征的三維重構(gòu)
        4.2.1 手部生物特征的三維重構(gòu)
        4.2.2 雙目三維重構(gòu)原理
    4.3 手部位姿推算
        4.3.1 手部三維位姿模型的建立
        4.3.2 基于手部特征三維信息的位姿重構(gòu)
    4.4 算例分析
        4.4.1 手部位姿三維重構(gòu)算例分析
        4.4.2 總成算例分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
致謝
參考文獻
攻讀研究生期間成果



本文編號：3801402