| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
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）
2.3.1KNNSRC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MulticlassSVM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DS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）
