機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)

張韜

摘 要： 為了提高機(jī)器人人機(jī)界面的三維可視化操作性能，提出一種基于GPU實(shí)時(shí)圖形跟蹤渲染的機(jī)器人人機(jī)界面的三維可視化重構(gòu)設(shè)計(jì)方法。采用計(jì)算機(jī)視覺(jué)方法進(jìn)行機(jī)器人的人機(jī)界面視覺(jué)特征采樣，對(duì)采樣的視覺(jué)像素信息進(jìn)行稀疏散點(diǎn)重構(gòu)，在重構(gòu)的三維空間中通過(guò)圖像處理方法實(shí)現(xiàn)圖形降噪和邊緣修正處理，提高人機(jī)交互界面的三維可視化圖形細(xì)節(jié)表達(dá)能力。仿真結(jié)果表明，采用該方法進(jìn)行機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)，輸出圖形的視覺(jué)效果較好，人機(jī)交互能力較強(qiáng)，具有較高的應(yīng)用價(jià)值。

關(guān)鍵詞： 機(jī)器人； 人機(jī)界面； 三維可視化； 圖形降噪； 圖像處理

中圖分類號(hào)： TN830.1?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）12?0105?03

Abstract： In order to improve the operating performance of 3D visualization of robot human?computer interface， a 3D visualization reconstruction design method of robot human?computer interface based on GPU real?time graph tracking rendering is put forward. The computer vision method is used to sample the visual features of robot man?computer interface， and perform the sparse scattered points reconstruction for the sampled vision pixel information. The image processing method is adopted to denoise the graph and correct the edge in the reconstructed 3D space， and improve the detail presentation ability of 3D visualization graph of man?computer interface. The simulation results show that the method used to design the 3D visualization of the robot human?computer interface has perfect visual effect of the output graph， strong human?computer interaction ability， and high application value.

Keywords： robot； human?computer interface； 3D visualization； graph noise reduction； image processing

0 引 言

機(jī)器人人機(jī)交互（Human?Computer Interaction，HCM）是通過(guò)圖像和計(jì)算機(jī)視覺(jué)處理的方法，實(shí)現(xiàn)機(jī)器人系統(tǒng)與用戶之間的交互關(guān)系和溝通，在機(jī)器人人機(jī)交互過(guò)程中，人與計(jì)算機(jī)通過(guò)計(jì)算機(jī)視覺(jué)處理和動(dòng)作識(shí)別的形式實(shí)現(xiàn)語(yǔ)言溝通，完成確定的任務(wù)和計(jì)算機(jī)與機(jī)器人的信息交換[1]。機(jī)器人人機(jī)交互系統(tǒng)廣泛應(yīng)用在視景模型仿真、機(jī)器手設(shè)計(jì)和遠(yuǎn)程虛擬控制等領(lǐng)域，在現(xiàn)代工業(yè)和遠(yuǎn)程控制中具有重要的應(yīng)用價(jià)值。

在機(jī)器人的人機(jī)交互中，需要通過(guò)對(duì)人機(jī)界面的三維可視化設(shè)計(jì)，提高人機(jī)交互的可視性和人工智能性，研究人機(jī)交互界面的三維可視化重構(gòu)方法在機(jī)器人的人工智能優(yōu)化設(shè)計(jì)領(lǐng)域具有重要的應(yīng)用意義。對(duì)此，本文提出一種基于GPU實(shí)時(shí)圖形跟蹤渲染的機(jī)器人人機(jī)界面的三維可視化重構(gòu)設(shè)計(jì)方法。首先采用計(jì)算機(jī)視覺(jué)方法進(jìn)行機(jī)器人的人機(jī)界面視覺(jué)特征采樣，采用圖像處理方法實(shí)現(xiàn)圖形降噪和邊緣修正處理，提高人機(jī)交互界面的三維可視化圖形細(xì)節(jié)表達(dá)能力。最后進(jìn)行仿真實(shí)驗(yàn)分析，得出有效性結(jié)論。

1 視覺(jué)特征采樣與像素信息重構(gòu)

1.1 人機(jī)界面計(jì)算機(jī)視覺(jué)特征采樣

為了實(shí)現(xiàn)機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)，首先進(jìn)行視覺(jué)信息采樣，本文采用計(jì)算機(jī)視覺(jué)方法進(jìn)行機(jī)器人的人機(jī)界面視覺(jué)特征采樣，在視覺(jué)信息采集中，對(duì)特征空間中的突變信息進(jìn)行采集，檢測(cè)提取后的輪廓線信息是否符合要求，不符合的原因是由于閾值小而提取了過(guò)多的次要輪廓線，使主要輪廓線無(wú)法突出。利用多尺度特征來(lái)提取輪廓線，并將高頻與低頻部分的輪廓線信號(hào)進(jìn)行融合，也就是在不同尺度特征下進(jìn)行輪廓線提取，因此可得到光滑的輪廓線圖像，提取出的人機(jī)界面外部采集輪廓線，將外部特征通過(guò)二維流形分析[2]。機(jī)器人與人體動(dòng)作的交互過(guò)程可以表征為一個(gè)高維向量，收集大量人體動(dòng)作完成機(jī)器人的人機(jī)動(dòng)作交互，將人機(jī)交互界面場(chǎng)景數(shù)據(jù)庫(kù)中的交互動(dòng)作數(shù)據(jù)進(jìn)行三維特征掃描，掃描包括激光掃描、紅外掃描和CT掃描等方法[3]，得到機(jī)器人人機(jī)界面交互的動(dòng)作掃描的像素組成為：

1.2 視覺(jué)像素信息稀疏散點(diǎn)重構(gòu)

對(duì)采樣的視覺(jué)像素信息進(jìn)行稀疏散點(diǎn)重構(gòu)，為進(jìn)行人機(jī)界面的三維可視化設(shè)計(jì)提供數(shù)據(jù)基礎(chǔ)，對(duì)機(jī)器人人機(jī)交互界面的視覺(jué)像素信息稀疏散點(diǎn)重構(gòu)需要遵循以下原則：

（1） 可描述性。對(duì)不同的人機(jī)交互動(dòng)作，應(yīng)該提取具有明顯區(qū)別的特征參數(shù)，即特征參數(shù)具有較強(qiáng)的敏感性，能夠高效地對(duì)技術(shù)姿態(tài)進(jìn)行描述。

（2） 可靠性。不同的動(dòng)作識(shí)別系統(tǒng)做同一個(gè)技術(shù)動(dòng)作時(shí)一定會(huì)存在差異，但這種差異不應(yīng)該對(duì)特征參數(shù)造成影響，即同種類型的技術(shù)姿態(tài)的特征參數(shù)會(huì)比較相似，這就要求所提取的特征參數(shù)對(duì)位置和對(duì)象不敏感。

（3） 數(shù)量少。一個(gè)動(dòng)作識(shí)別特征值越多，系統(tǒng)的計(jì)算復(fù)雜程度就越大，因此要盡可能控制特征值的數(shù)量[5]。在像素點(diǎn)中，通過(guò)仿射變換，得到對(duì)應(yīng)的不變矩坐標(biāo)為，在不同朝向和不同尺度間進(jìn)行機(jī)器人人機(jī)界面網(wǎng)格區(qū)域匹配，得到人機(jī)界面三維輪廓函數(shù)為：

3 實(shí)驗(yàn)測(cè)試分析

對(duì)機(jī)器人的人機(jī)界面三維可視化實(shí)驗(yàn)建立在本主機(jī)配置為PentiumD CPU 2.80 GHz，2.79 GHz，2.00 GB內(nèi)存的計(jì)算機(jī)硬件平臺(tái)上。在機(jī)器人人機(jī)動(dòng)作特征識(shí)別中，人體動(dòng)作特征單元和模塊子單元表示為Cell （col，row）。其中col表示行，row為列，人機(jī)交互中人體動(dòng)作圖像采集來(lái)自于分辨率為640×480，幀率為25 f/s的AVI視頻，參數(shù)設(shè)定為=0.5，=2，=2，得到機(jī)器人人機(jī)界面的三維可視化重構(gòu)結(jié)果如圖1所示。對(duì)圖1給出的機(jī)器人人機(jī)界面三維重構(gòu)結(jié)果進(jìn)行降噪和修正處理，得到三維可視化優(yōu)化結(jié)果如圖2所示。

對(duì)比圖2和圖1結(jié)果得知，采用本文方法進(jìn)行機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)，輸出圖形的視覺(jué)效果較好，人機(jī)交互能力較強(qiáng)，性能優(yōu)越。

4 結(jié) 語(yǔ)

為了提高機(jī)器人人機(jī)界面的三維可視化操作性能，本文提出一種基于GPU實(shí)時(shí)圖形跟蹤渲染的機(jī)器人人機(jī)界面的三維可視化重構(gòu)設(shè)計(jì)方法。采用計(jì)算機(jī)視覺(jué)方法進(jìn)行機(jī)器人的人機(jī)界面視覺(jué)特征采樣，在重構(gòu)的三維空間中通過(guò)圖像處理方法實(shí)現(xiàn)圖形降噪和邊緣修正處理，實(shí)現(xiàn)三維可視化設(shè)計(jì)。研究得知，采用該方法進(jìn)行機(jī)器人人機(jī)界面的三維可視化設(shè)計(jì)，輸出圖形的視覺(jué)效果較好，人機(jī)交互能力較強(qiáng)，具有較高的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 董哲康，段書(shū)凱，胡小方.非線性憶阻器的串并聯(lián)研究及在圖像處理中的應(yīng)用[J].西南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，37（2）：153?161.

[2] 袁健，高勃.基于OpenCL的三維可視化加速模型[J].小型微型計(jì)算機(jī)系統(tǒng)，2015，36（2）：327?331.

[3] 朱路，劉江鋒，劉媛媛，等.基于稀疏采樣與級(jí)聯(lián)字典的微波輻射圖像重構(gòu)方法[J].微波學(xué)報(bào)，2014，30（6）：41?45.

[4] HUANG Y， PAISLEY J， LIN Q， et al. Bayesian nonparametric dictionary learning for compressed sensing MRI [J]. IEEE transactions on image processing， 2014， 23（12）： 5007?5019.

[5] SHEN L， SUN G， HUANG Q， et al. Multi?level discriminative dictionary learning with application to large scale image classification [J]. IEEE transactions on image processing， 2015， 24（10）： 3109?3123.

[6] 竇慧晶，王千龍，張雪.基于小波閾值去噪和共軛模糊函數(shù)的時(shí)頻差聯(lián)合估計(jì)算法[J].電子與信息學(xué)報(bào)，2016，38（5）：1123?1128.