薛志峰, 蒋 刚,2, 留沧海, 王一田

(1.西南科技大学 制造科学与工程学院,四川 绵阳 621000;2.成都理工大学 核技术与自动化工程学院,四川 成都 610039)

0 引 言

六足机器人自诞生以来,以其独特的高承载能力、地形适应能力强、灵活性好等特性在多个领域得到了广泛的应用,已经从传统的机器人延伸到智能机器人,并且在星球探测、深海探索等新的领域不断的拓展[1]。在六足机器人的智能化领域,大多研究都集中于机器人控制算法与机械结构的优化和创新,以提高机器人的环境适应能力和智能性等方面性能,但是在一些特殊环境中,因局部适应性等原因,六足机器人无法发挥出最优性能,需要通过人工干预手段以有效解决。此外,人机交互一般依赖于键盘、鼠标、遥控器、触摸屏等简单的装置,具有一定的固有缺陷。

在图像处理基础上的手势与姿态识别研究中,主要集中于以下几个方面:1) 传感器:基于Kinect,FDC2214电容式传感器等[2,3];2)深度学习:基于BP神经网络、卷积神经网络(convolutional neural network,CNN)等[4,5];3)机器学习:隐马尔科夫模型 (HMM)、贝叶斯网络(BN)、支持向量机 (support vector machine,SVM)等方法在识别问题中也被广泛采用[6,7]。彭玉青提出了一种基于YOLO v3的改进算法,结合了手势检测的特点,解决了原始YOLO对小物体检测效果差、定位准确度不高的问题,在识别阶段,利用CNN进行识别,并针对手势区域的尺寸多样性引入了空间金字塔池化(SPP)来解决 CNN 的多尺度输入问题．最后在训练过程中联合线下和实时2种数据增强方法避免过拟合问题,提升 HGDR-Net 的泛化能力。……