随着上个世纪50年代机器人的出现,机器人被大量运用在各个领域。工业领域是机器人的重要应用场景,其繁重的工作量及安全性较低的工作环境使人工成本居高不下,而工业机器人具有安全性,实时性和可编程性的特点,是解决上述问题的关键。手势识别具有灵活性和直观性,给远程人机交互带来了新思路,近年来逐渐成为人机交互的热门方式。总结当前机器人控制和手势识别研究,得到如下背景要点:(1)机器人通常使用手持终端控制,操作人员在实际场景中无法脱离设备接线的范围,因此在人机交互的简易性和安全性上还有提升空间;(2)关于手势识别的研究大多集中在人工神经网络和隐马尔可夫模型,对于几何特征的研究较少;(3)手势识别在机器人远程控制中的应用研究还不多见。本文的工作就是针对上述背景展开。本文首先研究了几种几何特征识别方法的理论,根据稳定性和实时性选择了较为成熟的基于指尖检测的手势识别方法;然后基于手势边界特征,研究了凸包算法的原理以及传统的凸包算法实现途径,在此基础上提出了改进后的快速凸包算法;最后,根据这个快速凸包算法提出了一种手势识别算法,定义了手势的几何特征,并设计了一套手势指令将其应用到机器人远程人机交互中进行实验验证。本文的主要工作内容如下:1、研究了Kinect的深度测量和骨骼追踪原理,并对实际距离与偏移距离进行分析测得Kinect深度信息的误差范围;研究了阈值分割算法原理,提出基于深度的阈值分割方法,并与Otsu算法进行实验对比;系统地总结了传统中值滤波器算法和快速值滤波器算法的原理和思路,并通过实验对比了三种中值滤波器算法的效率;分析了不同手势识别技术的特点,阐明本文使用基于指尖检测的手势识别方法的原因。2、对凸包算法的原理进行分析和研究,总结了传统的Graham扫描法和Jarvis步进法的算法思路。在此基础上,提出了一种改进后的快速凸包算法:通过选择合适的分割线将点集分为两个子集,分别连接分割线上下方子集中距离最远的点形成三角形,将三角形内部和连线上非顶点的点舍去,接着再对三角形外的子集重复上述操作,直至子集为空,最终剩余的点就是凸包点。然后通过实验验证改进后算法的有效性,同时与传统的凸包算法进行比较,证明改进后算法的实时性。3、提出了一种基于凸包集合的手势识别算法。针对两种不同类型的手势,算法分为两部分:数字手势识别和角度手势识别。前者是利用凸包集生成多边形拟合曲线,并与手势轮廓对比找出凹陷集,通过手部中心点、凸包重心、凹陷集和凸包集之间的几何关系判定手势;后者是根据凸包集中特定点之间的连线在两帧间隔图像中的数学变化判定手势。通过实验得到不同手势的平均识别率为95%~100%,轨迹识别率在97%以上。4、围绕手势识别在人机交互中的应用问题,利用本文提出的手势识别算法,设计了一套机械臂控制系统用于验证以上结果。通过手势和手掌轨迹的变化可以对机械臂4,5,6轴下达位移、摇摆、旋转和俯仰指令,其平均同步率为98%以上。本文的研究工作对手势识别在机器人远程控制的应用上有一定参考价值。