机器人灵巧手的人机交互技术及其稳定控制

本书为国家自然科学基金项目“不确定环境下基于多源信息融合的机器人灵巧手稳定操作机制研究”研究成果的总结，全书内容主要围绕实现机器人灵巧手智能化水平的提升、人机交互性能的改善、环境自适应能力的提高来展开。全书基于人手操作技能，综合运用智能算法、神经网络以及深度学习等方法，构建机器人灵巧手的人机交互模型；基于滑模自适应控制理论、模糊控制理论以及高斯混合控制模型优化了机器人灵巧手的闭环控制方法，并建立了原型系统。本书对机器视觉、表面肌电信号以及机器人灵巧手控制理论的研究和提升机器人的智能化水平、人机协同性能具有一定的理论和应用价值。本书可供从事机器人设计与开发的工程技术人员、科研人员及大专院校的师生参考。

本书基于人手操作技能，综合运用智能算法、神经网络以及深度学习等方法，构建机器人灵巧手的人机交互模型；基于滑膜自适应控制理论、模糊控制理论以及高斯混合控制模型优化了机器人灵巧手的闭环控制方法，并建立了原型系统。

第1章绪论（1）
1.1人机交互技术的发展（1）
1.2基于视觉的人机手势交互技术（3）
1.3基于表面肌电信号的人机交互技术（6）
1.4机械手的稳定控制（8）
第2章基于稀疏表示算法的手势识别（11）
2.1手势识别基本框架（11）
2.1.1手势图像的分割（13）
2.1.2手势特征的提取（20）
2.1.3特征数据的降维（22）
2.2基于改进自适应正交匹配追踪算法的手势识别（23）
2.2.1基于稀疏表示的手势识别分类算法（23）
2.2.2改进的正交匹配追踪算法（26）
2.3基于l2范数局部稀疏表示分类算法的手势识别（28）
2.3.1KNNSRC分类算法（28）
2.3.2l2范数局部稀疏表示分类算法（29）
2.4实验仿真分析（31）
2.4.1基于改进自适应正交匹配算法的仿真分析（31）
2.4.2基于l2范数局部稀疏表示分类算法的仿真分析（40）
2.5本章小结（44）
第3章Kinect和多个外接相机的联合标定方法（46）
3.1引言（46）
3.2Kinect及相机标定方法介绍（47）
3.2.1Kinect的结构及应用（47）
3.2.2基于针孔模型的相机标定方法（50）
3.3联合多传感器标定的方法及其优化（57）
3.3.1实验平台构建与图像预处理（59）
3.3.2相对位置的估计（61）
3.3.3非线性小化（63）
3.4基于棋盘格数据库的联合三维重建（66）
3.4.1三维重建环境的配置（67）
3.4.2三维重建结果的对比分析（69）
3.5本章小结（72）
第4章基于深度图像与彩色图像融合的手势分割识别（73）
4.1引言（73）
4.2彩色信息与深度信息融合算法流程（74）
4.2.1彩色手势图像模型求解（75）
4.2.2手势图像的分割（78）
4.2.3手势图像特征提取（83）
4.2.4基于MulticlassSVM的手势识别（86）
4.3图像分割实验仿真（88）
4.3.1Gulshan图片数据库（88）
4.3.2模拟人类交互的种子点生成算法（89）
4.3.3图像分割质量评价体系（91）
4.3.4测试结果分析（92）
4.4手势识别实验仿真（94）
4.4.1手势图片数据库建立（94）
4.4.2手势识别结果分析（97）
4.5本章小结（100）
第5章基于深度学习的静态手势识别研究（102）
5.1深度学习原理（102）
5.2基于彩色图像的手势识别（103）
5.3基于深度图像的手势识别（107）
5.3.1肤色检测原理及结果分析（107）
5.3.2颜色空间模型转换（109）
5.3.3肤色检测结果分析（110）
5.3.4基于Kinect的手部分割方法原理及结果分析（112）
5.4基于深度信息和彩色图像融合的手势识别（114）
5.5本章小结（117）
第6章基于深度信息的动态手势识别研究（119）
6.1引言（119）
6.2动态手势的特征提取（120）
6.2.1手势运动轨迹的提取（121）
6.2.2手势运动轨迹的特征提取（122）
6.3基于HMM和DS证据理论的手势识别算法（122）
6.4动态手势识别仿真实验（125）
6.4.1组合动态手势的定义（125）
6.4.2动态手势样本库的建立（127）
6.4.3动态手势识别的实验结果与分析（127）
6.5本章小结（128）
第7章基于表面肌电信号的动态手势识别（130）
7.1引言（130）
7.2表面肌电信号特征提取（131）
7.3表面肌电信号的数据降维（137）
7.4基于表面肌电信号的拇指运动研究（138）
7.5基于表面肌电信号的人手动作模式识别（142）
7.6本章小结（147）
第8章基于表面肌电信号的激活肌肉区域提取及手部动作识别（149）
8.1多对象组间表面肌电信号的采集（149）
8.2表面肌电信号活动段检测及数据分割（155）
8.3激活肌肉区域与手部动作的映射关系（159）
8.4激活肌肉区域的可视化（163）
8.5表面肌电信号特征融合（168）
8.6多对象组间手部动作识别（172）
8.7本章小结（176）
第9章基于表面肌电信号的抓取模式识别及抓取力预测研究（177）
9.1引言（177）
9.2表面肌电信号的获取（177）
9.2.1表面肌电信号及力信息采集系统（177）
9.2.2人手抓取模式选取（179）
9.3基于表面肌电信号的抓取力预测方法（180）
9.3.1实验设置及流程（180）
9.3.2信号归一化处理（181）
9.3.3基于表面肌电信号的抓取力信息特征提取及分析（182）
9.3.4表面肌电信号特征的确定（184）
9.3.5基于表面肌电信号的抓取力预测模型（188）
9.4抓取动作识别及力预测结果分析（196）
9.4.1基于表面肌电信号的抓取模式识别（196）
9.4.2基于表面肌电信号的抓取力预测（200）
9.5本章小结（204）
第10章机械臂的稳定控制算法研究（206）
10.1引言（206）
10.2机械臂的运动学与动力学分析（207）
10.2.1PUMA560机械臂的运动学正解（207）
10.2.2PUMA560机械臂的运动学逆解（210）
10.3PUMA560机械臂的动力学方程的建立（213）
10.3.1机械臂动力学方法（213）
10.3.2动力学通用模型的构建（215）
10.3.3机械臂动力学简化模型的建立（218）
10.3.4机械臂动力学模型的特性（218）
10.4机械臂的轨迹规划算法及仿真（219）
10.4.1PUMA560机械臂在关节空间的轨迹规划算法（219）
10.4.2PUMA560机械臂在笛卡儿空间的轨迹规划算法（231）
10.4.3机械臂的轨迹规划仿真（236）
10.5PUMA560机械臂的常规滑模控制算法及仿真（240）
10.5.1滑模控制（240）
10.5.2PUMA560机械臂的常规滑模控制律的设计（243）
10.5.3PUMA560机械臂的常规滑模控制仿真（244）
10.6PUMA560机械臂的自适应模糊滑模控制（245）
10.6.1模糊控制器各组成部分的选择（245）
10.6.2基于增益自适应调整的模糊系统（247）
10.6.3PUMA560机械臂的自适应模糊滑模控制算法（247）
10.6.4PUMA560机械臂的自适应模糊滑模控制的仿真及分析（250）
10.7本章小结（251）
第11章机械手的抓取策略与仿真研究（253）
11.1引言（253）
11.2机械手抓取动力学分析（255）
11.2.1机械手手指的正运动学（255）
11.2.2机械手手指的逆运动学（256）
11.3机械手手指的动力学（257）
11.3.1手指连杆动力学（257）
11.3.2基关节动力学（258）
11.4机械手手指的自适应模糊滑模控制及仿真（258）
11.5机械手抓取模型的确定（261）
11.5.1佳抓取平面（261）
11.5.2抓取模型的构建（262）
11.5.3基于神经网络的机械手抓取策略（263）
11.5.4基于高斯过程的机械手抓取策略（266）
11.6机械手/臂的抓取仿真实验（272）
11.6.1机械手/臂模型的建立（272）
11.6.2基于数据手套和力传感手套的数据采集（273）
11.6.3基于ADAMS的仿真实验（281）
11.7本章小结（287）
参考文献（289）