- 研究背景
手部动作识别方法作为实现人机交互的重要手段,通过采集用户的手部动作信息,将其转化为指令并传送给机器人操作系统,随后机器人根据指令执行任务。与人手类似,仿生机械手具备广泛的运动范围和自由度,能够执行各种操纵任务。仿生机械手在不同的工作场景下不需要更换末端执行器,更改相应控制算法即可完成多种形式的作业。基于此,研究人员致力于将手部动作识别方法和机械手结合起来,让人手来主动控制仿生机械手完成相应操作。
对于机器人来说,实现其手指的运动是一项复杂而艰巨的任务。仿生机器手的每个手指由多个关节组成,而各个手指必须协调一致地运动。因此,提高人机交互中手部动作识别方法的准确率、识别速度至关重要。
- 手部关键点模型
采用基于视觉的手部动作识别方法,实现人与仿生机械手的交互。由于人机交互的应用场景往往会面临复杂的环境,因此提高手部动作识别方法的准确性和实时性非常重要。
人手由手掌、五指和手腕组成,手部关节的存在使得手可以进行多种形态的变化和执行复杂的操作。为了更形象的展示手部姿态,需要对手部关节标注关键点。目前手部关键点的模型主要有3种,如下图所示,分别是14、16和21个的关键点的手部模型。现阶段使用最多的是21关键点的手部模型。
图 1 不同关键点数的手部模型
3.方法
连续挥手动作的手部关键点坐标变化情况中可以看出,手部关键点的坐标位置在运动过程中会发生变化,但它们之间的相对性保持不变。因此,本文基于三维手部姿态估计生成的关键点信息,计算人类手指的角度变化信息,形成对仿生机械手的交互指令,实现人手运动与仿生机械手运动之间的交互。
图 2 方法的部分框架图
图 3 人机交互过程
4.实验及演示
交互过程中,实时性优越,FPS达到了80以上。
图 4 人机交互实验演示