基于双目视觉的服务机器人控制系统研究文献综述

文献综述（或调研报告）：

1.深度摄像头：

手势识别中，常用的用于捕捉手部的3D摄像头主要有Kinect, Leap Motion, RealSense等。

Kinect能够识别人体相关骨架节点，但涉及到手部的节点只有左、右手和左、右手腕四个节点，无法提供手部关节点信息，对于识别精确到手指的动作存在困难。但是使用Kinect进行手势识别研究的文献资料比较多。文献[1]基于Kinect获取关节点数据，建立训练模板库，采用DTW算法进行模板匹配，识别出了直行、禁止直行、右转和左转弯待转等交警手势，识别率为95%,但是DTW容易受到外界环境的干扰。文献[2]基于Kinect传感器的深度信息，用加权距离和全局路径限制的方法对DTW算法进行改进，在背景干扰和光照方面都有较强的鲁棒性，识别速度、正确率及实时性相较于传统的DTW算法都得到了提升。

Leap Motion能够识别9块手部骨头和29个手部关节点，可以识别毫米级别的位移，但是Leap Motion的有效探测范围在25到600毫米之间，超出识别范围只能将手部当成一个整体进行跟踪，探测范围过小。

RealSense SDK能够提供完整的手部3D骨架，包括手部关节点、手指信息、手势等。对于识别精确到手指的动作，与其他摄像头相比，RealSense摄像头能够识别手部22个关节点，且有效探测范围也是3D摄像头中最大的，识别最为有效，因此最为适合用于手势识别。但是目前基于Realsense进行手势识别研究的文献资料较少。文献[3]根据Realsense SR300捕获的深度图像中获取的手部关节点和手指信息，对这22个关节点进行几何建模，采用关节等效距离和手指伸直程度的特征，实现手势识别。文献[4]利用RealSense 3D摄像头提供的基础数据,基于状态自动机的连续手势分割算法确定手势的开始和结束,以获取完整的手势数据;针对不同类别的手势,选取特征构造特征向量;在识别环节,构造分类树,结合DTW实现动态手势识别，达到了96%的识别率。

2.服务机器人：

随着机器人技术在服务领域的渗透，功能多样设计美观的服务机器人也越来越多的走进了居民家庭。市场上较为典型发展较为成熟的服务机器人有情感陪伴机器人、儿童看护机器人、智能管家机器人等。

苏州科沃斯机器人科技有限公司设计生产的“地宝”家用清洁机器人，机器人通过定位算法可以实现室内各个角落的清洁工作，能够绕开凳子沙发、凳子等障碍物进行清洁;配备了智能供电与续航系统，机器人可以自己完成充电功能，不需要人为干预。2010年，紫光优蓝公司推出了一款针对幼儿教育的辅助机器人“小优”，系统集成了自主导航和避障功能，而且还能感知周围环境与人交流对话。可以帮助家长完成了对孩子的部分教育工作，2010年山东大学的田国会教授带领团队所研发的家庭服务机器人，利用基于QR Code的二维人工物标的物体识别技术与智能空间技术相结合，提出了适用于室内复杂环境的物体识别方法，不仅可以实现家庭环境下服务机器人对物体的快速识别，还可以顺利完成一系列机器人物体的操作任务。2018年，山东建筑大学设计研发了智能脑控的轮椅，实现用脑电信号来控制轮椅，可以帮助瘫痪病人提高生活自理能力。2019年，山东建筑大学采用PC上位机 Trio运动器的控制系统结构开发了一套简洁友好的人机交互系统，实时采集环境信息，控制机器人完成机械臂操作任务。

3.动态手势识别：