基于手势识别的两轮机器人控制系统设计.pdf

《基于手势识别的两轮机器人控制系统设计.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于手势识别的两轮机器人控制系统设计口张文志口李星内蒙古工业大学机械学院呼和浩特010051摘要：提出了一种基于人类手势识别的机器人移动控制系统设计。采用IBM笔记本电脑作为上层控制器，DCT0020运动控制卡作为下层运动控制器，较好地实现了人手手势信息识别以及对机器人的实时控制。介绍了机器人的机械系统结构．论述了基于BP神经网络算法进行手势信gie,别和VC6．0的控制平台编程以及基于无线通信的遥操作技术。通过实际环境下对手势信息的采集、预处理、识别，最终实现对机器人的运动控制，验证了识别算法的可行性以及控制系

2、统的稳定性。关键词：BP神经网络手势识别机器人控制系统中图分类号：ml28；TP24文献标识码：A文章编号：1000—4998(2012)02—0027-04人类丰富的肢体语言，尤其是带有方向指向性的制系统输出运动控制指令。应用MATLAB软件和VC6．0手势，可以很好地表达方向信息，使机器人具有初等人进行混合编程，分别编写图像采集、处理、识别以及运类识别能力是目前机器人智能化研究的重点。本文论动控制界面。上下层控制系统串行通信程序。下层控制述的机器人可通过视觉来感知人类的-Y-势信息，从而系统采用DCTO020

3、运动控制卡作为执行运动控制器，获得具体的方向指示，执行前进、后退、左转、右转、停它可控制与驱动二轴，实现PID控制及各种前馈控制，止、加速运动等机器动作。完成上述过程，需要机器人可以实现加速运动。它是2路．4-IOV差分模拟输入，12能够自主识别人类的-T-势信息，在现有控制理论中，本位分辨率；4路差分及2路光电隔离数字输入；4路光电文采用智能控制理论中的经典控制：h-案——神经网隔离输出，4路差分数字输出。在本硬件系统设计中络。通过采集各种人类手势信息作为输入样本，并且规主要采用了数字输入输出模块、PID控制模

4、块以及串行定其实际的指向意义。对其进行数字化编码作为输出通信模块。机器人控制系统见图2。样本，采取合适的神经网络模仿机器人学习手势信息，并且可以联想、记忆、输出相应的方向信息。1机器人本体介绍轮式机器人的两轮分别由两台直流伺服电机驱动，每台电机与各自驱动的主动轮构成速度闭环，在额定工作载荷的范围内。调节两电机的速度控制电压可调节控制电机转速。从而实现移动机器人的运动方向和速度的控制。机器人两轮速度同向，可使机器人前进或后退：若两个驱动轮转速相反，则可以实现机器人的转弯，使车体实现灵活的小范围回转。本设计中的两轮机

5、器人是由两个独立驱动轮和一个在机器人本体前端起支撑作用的万向轮组成。通过两个独立驱动轮可以实现差速转向。这种机器人本体设计结构简单、稳定性高、转向半径可以任意设置。两轮驱动机器人本体机构如图1所示。2控制系统设计本设计中两轮驱动机器人的控制系统分为上、下两层，上层控制系统使用IBM笔记本电脑作为主控器，负责对手势信息进行采集、处理、识别．并且对下层控收稿日期：2011年9月机械制造50卷第570期2012／2圆值(T∈G)对图像的分割结果定义为：3基于视觉的机器人手势识别f1。v)>T]基于视觉的手势识别是一个涉

6、及模式识别、神经g(，Y)／o“f(x,y)≤j(2)网络、人工智能、数字图像处理、计算机视觉等多个学从上面的分析可见，最佳阈值的确定是阈值法的科的交叉研究领域，也是当今信息科学中人机交互研关键，阈值法分割的实质就是按照某种函数求出最佳究的热点和难点问题。本文侧重于在单一背景下单目阈值的过程。在手势图像信息分割处理过程中，根据具视觉的手势图像信息检测与处理，并且将手势识别算体应用环境，这里采用灰度直方图峰谷法。法应用于两轮差动机器人控制系统中，从而为搭建可在手势图像信息预处理之后，需要对手势图像信靠的智能机器人控

7、制平台进行基础研究。一个典型的息进行识别。神经网络在图像识别领域应用较为广泛．模式识别系统的关键技术可分为以下几部分手势图像信息的识别比较复杂，本设计中采用BP神经(1)预处理：预处理的目的是在输入图像信息中网络作为图像识别算法，同时采用识别图像特征像素去除噪声，加强有用的信息，并进行输出。的方法来实现。首先将采集的单帧图片信息进行图像(2)特征提取：为了有效地实现分类识别．需要对分割处理，利用直方图峰谷法将RGB图像转化为二值原始数据进行交换，得到最能反映分类本质的特征，这图片；其次将二值图片的灰度信息矩阵化：

8、最后分割8便是特征提取和选择的过程。个矩阵块，统计每个矩阵块的灰度信息，将统计值作为(3)学习训练：学习训练的作用是从模式分类的单帧图片的特征值。矩阵划分如图3所示，视频采集手样本中总结归纳出模式的判别规则。先由人指定每种势图像处理流程见图4样本的类别，然后进行学习的方式称之为有监督学习：通过学习从各种类型样本中自动进行分组归类．从而得到各种模式的判别准则称之为无监督学习