相關商品
商品簡介
作者簡介
名人/編輯推薦
目次
商品簡介
本書基於人手操作技能，綜合運用智能算法、神經網絡以及深度學習等方法，構建機器人靈巧手的人機交互模型；基於滑膜自適應控制理論、模糊控制理論以及高斯混合控制模型優化了機器人靈巧手的閉環控制方法，並建立了原型系統。
作者簡介
李公法，男，博士，教授，博導，冶金裝備及其控制教育部重點實驗室副主任，測控技術與儀器系教工黨支部書記。英國朴茨茅斯大學訪問學者。榮獲湖北省科技進步一等獎2項，共發表論文200餘篇，其中SCI收錄20餘篇，EI收錄140餘篇，授權發明專利10余項。
名人/編輯推薦
本書為國家自然科學基金項目“不確定環境下基於多源信息融合的機器人靈巧手穩定操作機制研究”研究成果的總結，全書內容主要圍繞實現機器人靈巧手智能化水平的提升、人機交互性能的改善、環境自適應能力的提高來展開。全書基於人手操作技能，綜合運用智能算法、神經網絡以及深度學習等方法，構建機器人靈巧手的人機交互模型；基於滑模自適應控制理論、模糊控制理論以及高斯混合控制模型優化了機器人靈巧手的閉環控制方法，並建立了原型系統。本書對機器視覺、表面肌電信號以及機器人靈巧手控制理論的研究和提升機器人的智能化水平、人機協同性能具有一定的理論和應用價值。本書可供從事機器人設計與開發的工程技術人員、科研人員及大專院校的師生參考。
目次
第1章緒論（1）
1.1人機交互技術的發展（1）
1.2基於視覺的人機手勢交互技術（3）
1.3基於表面肌電信號的人機交互技術（6）
1.4機械手的穩定控制（8）
第2章基於稀疏表示算法的手勢識別（11）
2.1手勢識別基本框架（11）
2.1.1手勢圖像的分割（13）
2.1.2手勢特徵的提取（20）
2.1.3特徵數據的降維（22）
2.2基於改進自適應正交匹配追蹤算法的手勢識別（23）
2.2.1基於稀疏表示的手勢識別分類算法（23）
2.2.2改進的正交匹配追蹤算法（26）
2.3基於l2範數局部稀疏表示分類算法的手勢識別（28）
2.3.1KNNSRC分類算法（28）
2.3.2l2範數局部稀疏表示分類算法（29）
2.4實驗仿真分析（31）
2.4.1基於改進自適應正交匹配算法的仿真分析（31）
2.4.2基於l2範數局部稀疏表示分類算法的仿真分析（40）
2.5本章小結（44）
第3章Kinect和多個外接相機的聯合標定方法（46）
3.1引言（46）
3.2Kinect及相機標定方法介紹（47）
3.2.1Kinect的結構及應用（47）
3.2.2基於針孔模型的相機標定方法（50）
3.3聯合多傳感器標定的方法及其優化（57）
3.3.1實驗平臺構建與圖像預處理（59）
3.3.2相對位置的估計（61）
3.3.3非線性小化（63）
3.4基於棋盤格數據庫的聯合三維重建（66）
3.4.1三維重建環境的配置（67）
3.4.2三維重建結果的對比分析（69）
3.5本章小結（72）
第4章基於深度圖像與彩色圖像融合的手勢分割識別（73）
4.1引言（73）
4.2彩色信息與深度信息融合算法流程（74）
4.2.1彩色手勢圖像模型求解（75）
4.2.2手勢圖像的分割（78）
4.2.3手勢圖像特徵提取（83）
4.2.4基於MulticlassSVM的手勢識別（86）
4.3圖像分割實驗仿真（88）
4.3.1Gulshan圖片數據庫（88）
4.3.2模擬人類交互的種子點生成算法（89）
4.3.3圖像分割質量評價體系（91）
4.3.4測試結果分析（92）
4.4手勢識別實驗仿真（94）
4.4.1手勢圖片數據庫建立（94）
4.4.2手勢識別結果分析（97）
4.5本章小結（100）
第5章基於深度學習的靜態手勢識別研究（102）
5.1深度學習原理（102）
5.2基於彩色圖像的手勢識別（103）
5.3基於深度圖像的手勢識別（107）
5.3.1膚色檢測原理及結果分析（107）
5.3.2顏色空間模型轉換（109）
5.3.3膚色檢測結果分析（110）
5.3.4基於Kinect的手部分割方法原理及結果分析（112）
5.4基於深度信息和彩色圖像融合的手勢識別（114）
5.5本章小結（117）
第6章基於深度信息的動態手勢識別研究（119）
6.1引言（119）
6.2動態手勢的特徵提取（120）
6.2.1手勢運動軌跡的提取（121）
6.2.2手勢運動軌跡的特徵提取（122）
6.3基於HMM和DS證據理論的手勢識別算法（122）
6.4動態手勢識別仿真實驗（125）
6.4.1組合動態手勢的定義（125）
6.4.2動態手勢樣本庫的建立（127）
6.4.3動態手勢識別的實驗結果與分析（127）
6.5本章小結（128）
第7章基於表面肌電信號的動態手勢識別（130）
7.1引言（130）
7.2表面肌電信號特徵提取（131）
7.3表面肌電信號的數據降維（137）
7.4基於表面肌電信號的拇指運動研究（138）
7.5基於表面肌電信號的人手動作模式識別（142）
7.6本章小結（147）
第8章基於表面肌電信號的激活肌肉區域提取及手部動作識別（149）
8.1多對象組間表面肌電信號的採集（149）
8.2表面肌電信號活動段檢測及數據分割（155）
8.3激活肌肉區域與手部動作的映射關係（159）
8.4激活肌肉區域的可視化（163）
8.5表面肌電信號特徵融合（168）
8.6多對象組間手部動作識別（172）
8.7本章小結（176）
第9章基於表面肌電信號的抓取模式識別及抓取力預測研究（177）
9.1引言（177）
9.2表面肌電信號的獲取（177）
9.2.1表面肌電信號及力信息採集系統（177）
9.2.2人手抓取模式選取（179）
9.3基於表面肌電信號的抓取力預測方法（180）
9.3.1實驗設置及流程（180）
9.3.2信號歸一化處理（181）
9.3.3基於表面肌電信號的抓取力信息特徵提取及分析（182）
9.3.4表面肌電信號特徵的確定（184）
9.3.5基於表面肌電信號的抓取力預測模型（188）
9.4抓取動作識別及力預測結果分析（196）
9.4.1基於表面肌電信號的抓取模式識別（196）
9.4.2基於表面肌電信號的抓取力預測（200）
9.5本章小結（204）
第10章機械臂的穩定控制算法研究（206）
10.1引言（206）
10.2機械臂的運動學與動力學分析（207）
10.2.1PUMA560機械臂的運動學正解（207）
10.2.2PUMA560機械臂的運動學逆解（210）
10.3PUMA560機械臂的動力學方程的建立（213）
10.3.1機械臂動力學方法（213）
10.3.2動力學通用模型的構建（215）
10.3.3機械臂動力學簡化模型的建立（218）
10.3.4機械臂動力學模型的特性（218）
10.4機械臂的軌跡規劃算法及仿真（219）
10.4.1PUMA560機械臂在關節空間的軌跡規劃算法（219）
10.4.2PUMA560機械臂在笛卡兒空間的軌跡規劃算法（231）
10.4.3機械臂的軌跡規劃仿真（236）
10.5PUMA560機械臂的常規滑模控制算法及仿真（240）
10.5.1滑模控制（240）
10.5.2PUMA560機械臂的常規滑模控制律的設計（243）
10.5.3PUMA560機械臂的常規滑模控制仿真（244）
10.6PUMA560機械臂的自適應模糊滑模控制（245）
10.6.1模糊控制器各組成部分的選擇（245）
10.6.2基於增益自適應調整的模糊系統（247）
10.6.3PUMA560機械臂的自適應模糊滑模控制算法（247）
10.6.4PUMA560機械臂的自適應模糊滑模控制的仿真及分析（250）
10.7本章小結（251）
第11章機械手的抓取策略與仿真研究（253）
11.1引言（253）
11.2機械手抓取動力學分析（255）
11.2.1機械手手指的正運動學（255）
11.2.2機械手手指的逆運動學（256）
11.3機械手手指的動力學（257）
11.3.1手指連杆動力學（257）
11.3.2基關節動力學（258）
11.4機械手手指的自適應模糊滑模控制及仿真（258）
11.5機械手抓取模型的確定（261）
11.5.1佳抓取平面（261）
11.5.2抓取模型的構建（262）
11.5.3基於神經網絡的機械手抓取策略（263）
11.5.4基於高斯過程的機械手抓取策略（266）
11.6機械手/臂的抓取仿真實驗（272）
11.6.1機械手/臂模型的建立（272）
11.6.2基於數據手套和力傳感手套的數據采集（273）
11.6.3基於ADAMS的仿真實驗（281）
11.7本章小結（287）
參考文獻（289）
1.1人機交互技術的發展（1）
1.2基於視覺的人機手勢交互技術（3）
1.3基於表面肌電信號的人機交互技術（6）
1.4機械手的穩定控制（8）
第2章基於稀疏表示算法的手勢識別（11）
2.1手勢識別基本框架（11）
2.1.1手勢圖像的分割（13）
2.1.2手勢特徵的提取（20）
2.1.3特徵數據的降維（22）
2.2基於改進自適應正交匹配追蹤算法的手勢識別（23）
2.2.1基於稀疏表示的手勢識別分類算法（23）
2.2.2改進的正交匹配追蹤算法（26）
2.3基於l2範數局部稀疏表示分類算法的手勢識別（28）
2.3.1KNNSRC分類算法（28）
2.3.2l2範數局部稀疏表示分類算法（29）
2.4實驗仿真分析（31）
2.4.1基於改進自適應正交匹配算法的仿真分析（31）
2.4.2基於l2範數局部稀疏表示分類算法的仿真分析（40）
2.5本章小結（44）
第3章Kinect和多個外接相機的聯合標定方法（46）
3.1引言（46）
3.2Kinect及相機標定方法介紹（47）
3.2.1Kinect的結構及應用（47）
3.2.2基於針孔模型的相機標定方法（50）
3.3聯合多傳感器標定的方法及其優化（57）
3.3.1實驗平臺構建與圖像預處理（59）
3.3.2相對位置的估計（61）
3.3.3非線性小化（63）
3.4基於棋盤格數據庫的聯合三維重建（66）
3.4.1三維重建環境的配置（67）
3.4.2三維重建結果的對比分析（69）
3.5本章小結（72）
第4章基於深度圖像與彩色圖像融合的手勢分割識別（73）
4.1引言（73）
4.2彩色信息與深度信息融合算法流程（74）
4.2.1彩色手勢圖像模型求解（75）
4.2.2手勢圖像的分割（78）
4.2.3手勢圖像特徵提取（83）
4.2.4基於MulticlassSVM的手勢識別（86）
4.3圖像分割實驗仿真（88）
4.3.1Gulshan圖片數據庫（88）
4.3.2模擬人類交互的種子點生成算法（89）
4.3.3圖像分割質量評價體系（91）
4.3.4測試結果分析（92）
4.4手勢識別實驗仿真（94）
4.4.1手勢圖片數據庫建立（94）
4.4.2手勢識別結果分析（97）
4.5本章小結（100）
第5章基於深度學習的靜態手勢識別研究（102）
5.1深度學習原理（102）
5.2基於彩色圖像的手勢識別（103）
5.3基於深度圖像的手勢識別（107）
5.3.1膚色檢測原理及結果分析（107）
5.3.2顏色空間模型轉換（109）
5.3.3膚色檢測結果分析（110）
5.3.4基於Kinect的手部分割方法原理及結果分析（112）
5.4基於深度信息和彩色圖像融合的手勢識別（114）
5.5本章小結（117）
第6章基於深度信息的動態手勢識別研究（119）
6.1引言（119）
6.2動態手勢的特徵提取（120）
6.2.1手勢運動軌跡的提取（121）
6.2.2手勢運動軌跡的特徵提取（122）
6.3基於HMM和DS證據理論的手勢識別算法（122）
6.4動態手勢識別仿真實驗（125）
6.4.1組合動態手勢的定義（125）
6.4.2動態手勢樣本庫的建立（127）
6.4.3動態手勢識別的實驗結果與分析（127）
6.5本章小結（128）
第7章基於表面肌電信號的動態手勢識別（130）
7.1引言（130）
7.2表面肌電信號特徵提取（131）
7.3表面肌電信號的數據降維（137）
7.4基於表面肌電信號的拇指運動研究（138）
7.5基於表面肌電信號的人手動作模式識別（142）
7.6本章小結（147）
第8章基於表面肌電信號的激活肌肉區域提取及手部動作識別（149）
8.1多對象組間表面肌電信號的採集（149）
8.2表面肌電信號活動段檢測及數據分割（155）
8.3激活肌肉區域與手部動作的映射關係（159）
8.4激活肌肉區域的可視化（163）
8.5表面肌電信號特徵融合（168）
8.6多對象組間手部動作識別（172）
8.7本章小結（176）
第9章基於表面肌電信號的抓取模式識別及抓取力預測研究（177）
9.1引言（177）
9.2表面肌電信號的獲取（177）
9.2.1表面肌電信號及力信息採集系統（177）
9.2.2人手抓取模式選取（179）
9.3基於表面肌電信號的抓取力預測方法（180）
9.3.1實驗設置及流程（180）
9.3.2信號歸一化處理（181）
9.3.3基於表面肌電信號的抓取力信息特徵提取及分析（182）
9.3.4表面肌電信號特徵的確定（184）
9.3.5基於表面肌電信號的抓取力預測模型（188）
9.4抓取動作識別及力預測結果分析（196）
9.4.1基於表面肌電信號的抓取模式識別（196）
9.4.2基於表面肌電信號的抓取力預測（200）
9.5本章小結（204）
第10章機械臂的穩定控制算法研究（206）
10.1引言（206）
10.2機械臂的運動學與動力學分析（207）
10.2.1PUMA560機械臂的運動學正解（207）
10.2.2PUMA560機械臂的運動學逆解（210）
10.3PUMA560機械臂的動力學方程的建立（213）
10.3.1機械臂動力學方法（213）
10.3.2動力學通用模型的構建（215）
10.3.3機械臂動力學簡化模型的建立（218）
10.3.4機械臂動力學模型的特性（218）
10.4機械臂的軌跡規劃算法及仿真（219）
10.4.1PUMA560機械臂在關節空間的軌跡規劃算法（219）
10.4.2PUMA560機械臂在笛卡兒空間的軌跡規劃算法（231）
10.4.3機械臂的軌跡規劃仿真（236）
10.5PUMA560機械臂的常規滑模控制算法及仿真（240）
10.5.1滑模控制（240）
10.5.2PUMA560機械臂的常規滑模控制律的設計（243）
10.5.3PUMA560機械臂的常規滑模控制仿真（244）
10.6PUMA560機械臂的自適應模糊滑模控制（245）
10.6.1模糊控制器各組成部分的選擇（245）
10.6.2基於增益自適應調整的模糊系統（247）
10.6.3PUMA560機械臂的自適應模糊滑模控制算法（247）
10.6.4PUMA560機械臂的自適應模糊滑模控制的仿真及分析（250）
10.7本章小結（251）
第11章機械手的抓取策略與仿真研究（253）
11.1引言（253）
11.2機械手抓取動力學分析（255）
11.2.1機械手手指的正運動學（255）
11.2.2機械手手指的逆運動學（256）
11.3機械手手指的動力學（257）
11.3.1手指連杆動力學（257）
11.3.2基關節動力學（258）
11.4機械手手指的自適應模糊滑模控制及仿真（258）
11.5機械手抓取模型的確定（261）
11.5.1佳抓取平面（261）
11.5.2抓取模型的構建（262）
11.5.3基於神經網絡的機械手抓取策略（263）
11.5.4基於高斯過程的機械手抓取策略（266）
11.6機械手/臂的抓取仿真實驗（272）
11.6.1機械手/臂模型的建立（272）
11.6.2基於數據手套和力傳感手套的數據采集（273）
11.6.3基於ADAMS的仿真實驗（281）
11.7本章小結（287）
參考文獻（289）
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。