机器人技术一直是人工智能领域的热点。为了能提高社会生产力，改善人们的生活方式，一代又一代的科研人员为能解放人类的劳动或者特殊场合代替人类而致力于机器人技术的研究。随着理论知识和实践经验的不断完善，各种类型的机器人开始出现在人们的日常生活中。当然，最为常见的一些是根据控制器或者语音实现对机器人的控制，如一些轮式的扫地机器人等。在机器人领域中，轮式的移动方式更为流行，而如人类般的步行较为罕见。因为，步行所涉及的知识更为复杂，不易于产品的设计，而本文则采用了仿人型机器人作为研究对象。相比于传统的控制器和语音控制机器人，本文将使用Kinect采集的数据，利用姿势和手型识别控制机器人。将新型的人机交互方式与热门的人形机器人进行结合，完成本次课题的研究，其主要研究内容如下:
　　(1)在详细了解Kinect传感器的工作原理后，利用它所采集的彩色数据、深度数据和骨骼数据进行姿势识别和手型识别。通过Kinect采集的骨骼数据，利用所得表征关节的深度数据（空间信息）建立空间向量，根据表示运动的空间关节向量的夹角计算结果，从而完成人体姿势的识别判断，并进行姿势识别实验，发现实时的人体姿势识别率还不错。
　　(2)相比于传统的以手型原图和手型轮廓图的Hu矩为数据特征的手型识别，本文提出了以手型骨骼的Hu矩为数据特征的手型识别方法，发现其识别率有了很大的提高。并且为了满足能在较远距离识别手型，本文提出了利用Kinect采集的数据，结合手部的彩色图像和深度图像，进行相关图像处理，获得较为清晰的手型图，继而进行骨骼化。为了获得其识别性能，设计了相关实验进行分析和验证。
　　(3)利用Arduino Mega2560控制器，组装人形机器人作为下位机。为了完成人形机器人的步行算法，先利用正运动法建立运动学模型。要使人形机器人能稳定步行，则摆动腿的脚踝关节运动的轨迹要有二阶光滑度，即其轨迹函数二阶可导且连续。因此，选用三次样条插值曲线作为轨迹函数，通过逆运动学分析，解出各个关节的角度，从而完成各个关节角度序列的编译。为了避免在实验过程中舵机因过载而烧毁，实验中还提出了稳定性验证，从而提高了舵机的存活率。
　　(4)利用OpenCV库，在Visual Studio2013平台上搭建人体姿势和手型识别程序，在Arduino IDE上编写人形机器人的运动算法其它动作算法上传至人形机器人的控制器，使用串口通信，完成了利用人体姿势和手型的识别控制人形机器人的行走及其它运动的整个系统设计和实现。