楊文超，吳亞?wèn)|，趙思蕊，馮鑫淼

　?。ㄎ髂峡萍即髮W(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，四川 綿陽(yáng) 621010）

　　摘  要： 為解決機(jī)器人設(shè)計(jì)功能單一而結(jié)構(gòu)復(fù)雜，智能家居產(chǎn)品依賴(lài)終端而用戶(hù)體驗(yàn)度差等問(wèn)題，結(jié)合Kinect v2體感交互設(shè)備設(shè)計(jì)一種仿人形智慧家庭機(jī)器人，借助嵌入式硬件技術(shù)、語(yǔ)音合成技術(shù)、動(dòng)態(tài)區(qū)域?yàn)V波算法、圖像分割避障算法、二階差分邊緣檢測(cè)方法和姿勢(shì)序列有限狀態(tài)機(jī)的動(dòng)作識(shí)別方法，實(shí)現(xiàn)可自定義內(nèi)容的自然語(yǔ)音交流與語(yǔ)音控制功能、可自動(dòng)調(diào)速的自主避障與路徑規(guī)劃功能、可鎖定目標(biāo)的人物跟蹤與動(dòng)作識(shí)別功能。設(shè)計(jì)實(shí)現(xiàn)的機(jī)器人具有成本低廉、結(jié)構(gòu)簡(jiǎn)單、適應(yīng)性強(qiáng)、功能多樣等優(yōu)點(diǎn)。經(jīng)實(shí)際測(cè)試，該智慧家庭管家機(jī)器人運(yùn)行穩(wěn)定，用戶(hù)體驗(yàn)良好，可作為智能家居行業(yè)探索方向。

　　關(guān)鍵詞： 人機(jī)交互；智能家居；Kinect v2傳感器；機(jī)器人

0 引言

　　目前，智能家居行業(yè)發(fā)展緩慢，智能家居產(chǎn)品未能脫離手持終端設(shè)備，同時(shí)用戶(hù)體驗(yàn)度不高、產(chǎn)品功能單一、成本昂貴等弊端亟待解決。移動(dòng)機(jī)器人的研究表現(xiàn)出聲吶、激光、紅外等深度探測(cè)傳感器及其他傳感器融合的趨勢(shì)[1-2]。市面上常見(jiàn)的深度傳感器有3種：（1）基于多目攝像頭，典型代表有基于雙目攝像頭的Leap Motion、基于四目攝像頭的Google Tango；（2）基于結(jié)構(gòu)光技術(shù)，典型代表為PrimeSense和Kinect v1；（3）基于TOF技術(shù)，典型代表為Kinect v2。

　　微軟公司發(fā)布的Kinect系列體感設(shè)備將彩色圖像、深度圖像、人體骨骼以及語(yǔ)音信息集成在一起[3]，Kinect v2相比于第一代其深度可視范圍更廣，可同時(shí)識(shí)別6人，每個(gè)人25個(gè)骨骼點(diǎn)，彩色圖像分辨率提升到1 080 p高清格式。本設(shè)計(jì)將Kinect v2與智能家居機(jī)器人相結(jié)合，應(yīng)用該傳感器和廉價(jià)的單片機(jī)嵌入式硬件實(shí)現(xiàn)了一套擁有自然語(yǔ)言交流、自主避障、路徑規(guī)劃、動(dòng)作識(shí)別等功能的智慧家庭管家機(jī)器人，將Kinect v2傳感器的室內(nèi)環(huán)境應(yīng)用優(yōu)勢(shì)充分展現(xiàn)[4]。

1 智慧家庭管家硬件組成

　　智慧家庭管家的技術(shù)架構(gòu)分四部分：（1）Kinect v2為系統(tǒng)提供了視覺(jué)和聽(tīng)覺(jué)平臺(tái)，充當(dāng)著智慧管家的眼睛和耳朵，為分析周?chē)h(huán)境和下一步行動(dòng)決策提供數(shù)據(jù)基礎(chǔ)；（2）主控系統(tǒng)包含安裝了Kinect for Windows SDK2.0的筆記本電腦，好比機(jī)器人的大腦和心臟，是機(jī)器人數(shù)據(jù)處理、算法實(shí)現(xiàn)和邏輯控制的中心；（3）底層行走系統(tǒng)基于ARM架構(gòu)的STM32F103系列32位單片機(jī)設(shè)計(jì)，接收控制命令并驅(qū)動(dòng)電機(jī)轉(zhuǎn)動(dòng)，構(gòu)成智慧機(jī)器人的移動(dòng)四肢；（4）借助無(wú)線(xiàn)智能家電控制器輕松控制電器設(shè)備，為用戶(hù)提供個(gè)性化智能家居服務(wù)。系統(tǒng)硬件組成框圖如圖1所示。

　　1.1 底層行走系統(tǒng)

　　底層行走系統(tǒng)以STM32F103單片機(jī)為控制中心，通過(guò)串口與主控系統(tǒng)進(jìn)行信息交換，驅(qū)動(dòng)電子羅盤(pán)模塊獲取機(jī)器人方向信息，輸出4路PWM波控制兩個(gè)直流電機(jī)的轉(zhuǎn)速與轉(zhuǎn)向。串口使用PL2303USB轉(zhuǎn)串口模塊，在筆記本和STM32單片機(jī)之間穩(wěn)定傳輸數(shù)據(jù)；電子羅盤(pán)使用HMC5883L模塊，可以實(shí)時(shí)獲取方向信息；直流電機(jī)使用12 V行星減速電機(jī)，轉(zhuǎn)速低，扭力大，噪音小，分別控制兩邊輪子的轉(zhuǎn)速與轉(zhuǎn)向，實(shí)現(xiàn)差速轉(zhuǎn)向。

　　1.2 智能家電控制器

　　運(yùn)用WiFi轉(zhuǎn)串口模塊實(shí)現(xiàn)STC89s52單片機(jī)與筆記本電腦之間無(wú)線(xiàn)傳輸數(shù)據(jù)。由于WiFi轉(zhuǎn)串口模塊傳輸透明，為了提高安全性，控制命令在筆記本發(fā)送端經(jīng)過(guò)算法加密后發(fā)送。單片機(jī)接收到命令并解密后，控制與I/O口相連的繼電器開(kāi)關(guān)狀態(tài)，實(shí)現(xiàn)對(duì)電燈等家電的控制。

2 系統(tǒng)軟件設(shè)計(jì)

　　機(jī)器人軟件包括底層行走系統(tǒng)程序、智能家電控制器程序、主控系統(tǒng)核心軟件。行走系統(tǒng)和家電控制器程序都相對(duì)簡(jiǎn)單，這里不再贅述[5]。本節(jié)僅介紹基于.net4.0 Framework架構(gòu)，采用WPF開(kāi)發(fā)的核心軟件系統(tǒng)。核心軟件系統(tǒng)負(fù)責(zé)驅(qū)動(dòng)Kinect v2設(shè)備，讀取語(yǔ)音數(shù)據(jù)、彩色圖像、深度數(shù)據(jù)和骨骼數(shù)據(jù)，然后經(jīng)過(guò)內(nèi)部算法處理控制智慧管家機(jī)器人表現(xiàn)類(lèi)人行為。如圖2是軟件主流程圖。

　　軟件處理分為四種模式，復(fù)位狀態(tài)處于語(yǔ)音模式，通過(guò)語(yǔ)音識(shí)別與語(yǔ)音合成技術(shù)實(shí)現(xiàn)與用戶(hù)的對(duì)話(huà)交流。語(yǔ)音控制家電設(shè)備或者語(yǔ)音設(shè)置管家機(jī)器人進(jìn)入跟蹤模式、避障模式、導(dǎo)航模式。如果處于跟蹤模式則在保證沒(méi)有近端障礙的前提下運(yùn)動(dòng)到被跟蹤用戶(hù)近處并識(shí)別用戶(hù)動(dòng)作；如果處于避障模式則根據(jù)圖像分割避障算法的步驟控制機(jī)器人避開(kāi)障礙物并規(guī)劃路徑，在其他模式如果有障礙物靠近機(jī)器人也會(huì)跳轉(zhuǎn)執(zhí)行避障算法；如果處于導(dǎo)航模式則保證沒(méi)有近端障礙的前提下擬合前方路徑中線(xiàn)并應(yīng)用PID控制機(jī)器人快速行徑到目標(biāo)位置。

　　2.1 語(yǔ)音識(shí)別與合成處理

　　機(jī)器人運(yùn)行后，首先停止運(yùn)動(dòng)進(jìn)入語(yǔ)音模式，為避免誤識(shí)別，復(fù)位狀態(tài)Kinect v2處于監(jiān)聽(tīng)鎖定狀態(tài)，只有在識(shí)別到“Hello”、“Robot”等對(duì)話(huà)使能關(guān)鍵詞后才開(kāi)啟語(yǔ)音對(duì)話(huà)模式，在該模式下用戶(hù)可以與機(jī)器人進(jìn)行自然語(yǔ)言交流，語(yǔ)音控制家電開(kāi)關(guān)，或者語(yǔ)音改變機(jī)器人模式進(jìn)入跟蹤、避障、導(dǎo)航模式。為進(jìn)一步提高語(yǔ)音控制命令的準(zhǔn)確性，每個(gè)命令語(yǔ)音都需要重復(fù)驗(yàn)證：用戶(hù)聽(tīng)到“Please repeat”回復(fù)語(yǔ)音后需要重復(fù)語(yǔ)音命令或者說(shuō)“Yes”。而如果識(shí)別到的語(yǔ)音是對(duì)話(huà)語(yǔ)音則不需要驗(yàn)證，通過(guò)Windows語(yǔ)音合成開(kāi)發(fā)包將文本信息轉(zhuǎn)化為語(yǔ)音輸出實(shí)現(xiàn)自然交流。如果等待8 s沒(méi)有識(shí)別到任何語(yǔ)音信息則機(jī)器人重新進(jìn)入監(jiān)聽(tīng)鎖定狀態(tài)。語(yǔ)音識(shí)別流程如圖3所示。

　　機(jī)器人與用戶(hù)對(duì)話(huà)的內(nèi)容記錄在工程目錄下的speech.data文件中，speech文件存儲(chǔ)格式如表1所示。文件中每一行是一條語(yǔ)音對(duì)話(huà)內(nèi)容，前面是識(shí)別到的用戶(hù)語(yǔ)音，后面是機(jī)器人回應(yīng)，如果是交流語(yǔ)音，中間用“|”隔開(kāi)，回應(yīng)時(shí)直接取后面部分語(yǔ)音合成回復(fù)；如果是命令語(yǔ)音，中間用“||”隔開(kāi)，回應(yīng)時(shí)翻譯后面部分執(zhí)行相應(yīng)命令動(dòng)作；如果沒(méi)有分隔符則不做任何回應(yīng)。在對(duì)話(huà)使能以后，當(dāng)識(shí)別到speech文件中不存在的句子時(shí)，可以提示用戶(hù)是否需要存檔該對(duì)話(huà)內(nèi)容，如果用戶(hù)回答“Yes”，則可以在接下來(lái)的提示后錄入回復(fù)語(yǔ)句，即完成用戶(hù)自定義語(yǔ)音對(duì)話(huà)內(nèi)容。

　　2.2 深度圖像濾波

　　Kinect v2屬于主動(dòng)式TOF深度傳感器，通過(guò)測(cè)量光脈沖之間的傳輸延遲時(shí)間來(lái)測(cè)量深度。一旦遇到透明玻璃、鏡子等影響光的正常散射的物體時(shí)，就會(huì)產(chǎn)生測(cè)量誤差[6]。隨著測(cè)量深度增加，深度圖像左右邊緣的噪點(diǎn)也不可避免，這些噪聲出現(xiàn)在物體邊緣以及圖像四角，影響圖像判斷。參考文獻(xiàn)[7]提出了基于改進(jìn)的雙邊濾波算法，結(jié)合彩色圖像梯度域，運(yùn)用聯(lián)合雙邊濾波算法對(duì)深度圖噪聲進(jìn)行插值，該方法需要同時(shí)遍歷彩色圖與深度圖，會(huì)消耗大量處理時(shí)間；參考文獻(xiàn)[8]采用帶權(quán)值的全局優(yōu)化插值濾波方法，運(yùn)用了復(fù)雜的權(quán)值計(jì)算算法，也會(huì)消耗大量計(jì)算時(shí)間。本設(shè)計(jì)系統(tǒng)運(yùn)算量較大，不適合采用耗時(shí)的濾波算法。進(jìn)一步分析深度圖像噪聲特點(diǎn)可知，噪聲為數(shù)據(jù)已知的椒鹽噪聲，本設(shè)計(jì)結(jié)合中值濾波的思想，應(yīng)用動(dòng)態(tài)區(qū)域遍歷插值的方法，保證不會(huì)將圖像邊緣平滑掉，又能夠去除大部分噪聲，為下一步邊緣處理提供基礎(chǔ)。濾波公式如下：

　　xk=med（xk-n，xk-n+1，…，xk，…，xk+n）（1）

　　式中，xk-n…xk…xk+n為以噪點(diǎn)xk為中心的回形窗口中不為0的數(shù)據(jù)，med表示求取數(shù)據(jù)中值。xk為深度值是0的噪點(diǎn)，首先在包圍該點(diǎn)的最小正方形區(qū)域（8個(gè)點(diǎn)組成）內(nèi)遍歷各點(diǎn)尋找非零點(diǎn)，若沒(méi)有找到，則擴(kuò)大區(qū)域到外層更大的正方形區(qū)域，直到遍歷完一個(gè)極限層數(shù)。圖4所示為濾波效果圖。

　　2.3 自主避障及路徑規(guī)劃

　　根據(jù)深度數(shù)據(jù)分層著色得到深度彩圖，每個(gè)像素點(diǎn)按照與傳感器的距離由近及遠(yuǎn)分別被著色為紅、綠、藍(lán)、淺藍(lán)、灰（在本文表現(xiàn)為灰度值的變化）。然后將深度彩圖均分為2行4列區(qū)域塊，如圖5所示。

　　控制邏輯占據(jù)的主要是Ⅱ、Ⅲ列數(shù)據(jù)，表示視野的中間部分，這部分要夠?qū)挋C(jī)器人才能通過(guò)。圖像分割避障算法判斷步驟如下：

　　（1）判斷Ⅱ、Ⅲ列有沒(méi)有出現(xiàn)紅色，如果沒(méi)有則轉(zhuǎn)到執(zhí)行（4），如果有紅色則判斷左轉(zhuǎn)標(biāo)志或者右轉(zhuǎn)標(biāo)志是否有置位，若有置位則執(zhí)行（3）；

　?。?）比較Ⅰ、Ⅱ列區(qū)域的紅色面積之和與Ⅲ、Ⅳ列區(qū)域的紅色面積之和的大小，如果Ⅰ、Ⅱ列區(qū)域大于Ⅲ、Ⅳ列區(qū)域，則右轉(zhuǎn)標(biāo)志置位，否則左轉(zhuǎn)標(biāo)志置位，并記錄當(dāng)前機(jī)器人方位值；

　?。?）如果左轉(zhuǎn)標(biāo)志置位則執(zhí)行左轉(zhuǎn)，如果右轉(zhuǎn)標(biāo)志置位則執(zhí)行右轉(zhuǎn)，讀取當(dāng)前方位值，如果與記錄值相等則交換左轉(zhuǎn)、右轉(zhuǎn)標(biāo)志再執(zhí)行（5）；

　　（4）執(zhí)行前進(jìn)，清零左轉(zhuǎn)標(biāo)志、右轉(zhuǎn)標(biāo)志；

　?。?）控制流程結(jié)束，等待下一幀圖像處理。

　　上述控制邏輯能有效控制機(jī)器人自主避障及路徑規(guī)劃，在執(zhí)行一次左轉(zhuǎn)或者右轉(zhuǎn)命令后會(huì)一直沿著該方向轉(zhuǎn)動(dòng)，直到可以前進(jìn)時(shí)才清零標(biāo)志，避免了管家機(jī)器人陷入左轉(zhuǎn)一次右轉(zhuǎn)一次的死循環(huán)。在轉(zhuǎn)向時(shí)讀取方位值，當(dāng)旋轉(zhuǎn)超過(guò)一圈時(shí)就會(huì)反向旋轉(zhuǎn)。

　　為了給傳感器足夠的前瞻性，必然在近端產(chǎn)生小區(qū)域盲區(qū)。因此對(duì)于比較低的物品，如果在綠色背景中有藍(lán)色區(qū)域出現(xiàn)，并且該藍(lán)色區(qū)域面積超過(guò)閾值，則判定為低障礙物，當(dāng)做紅色障礙避開(kāi)，預(yù)測(cè)性避開(kāi)盲區(qū)障礙物。同時(shí)，在機(jī)器人四周還安置紅外避障模塊，在盲區(qū)突然進(jìn)入低障礙（如貓）時(shí)也能檢測(cè)到并立即停止運(yùn)動(dòng)。

　　2.4 邊緣提取與路徑擬合

　　在自主避障模式中，依靠深度彩圖控制機(jī)器人前進(jìn)，此過(guò)程基于近端紅色危險(xiǎn)區(qū)規(guī)避原則實(shí)現(xiàn)，速度不能太快，不適合遠(yuǎn)距離行徑。因此，在近端沒(méi)有紅色障礙物時(shí)，通過(guò)路徑邊緣提取和中線(xiàn)擬合得到路徑中線(xiàn)，再運(yùn)用控制學(xué)科經(jīng)典的PID控制算法使機(jī)器人快速而準(zhǔn)確的沿路徑中線(xiàn)前進(jìn)。

　　圖像邊緣提取算法中，圖像的梯度對(duì)應(yīng)于圖像灰度值變化最快的方向，基于一階導(dǎo)數(shù)算子的邊緣檢測(cè)算法需要求得像素點(diǎn)處的灰度梯度[9]。

　　|f（x，y）|=|f（x，y+1）-f（x，y）|+|f（x+1，y）-f（x，y）|（2）

　　其中，f（x，y）為像素點(diǎn)（x，y）處的灰度梯度，f（x，y）為（x，y）處灰度值。式（2）可求得像素點(diǎn)處橫向和縱向上的灰度差之和?；谶@種思想的衍生算法包括Roberts算子、Laplacian算子等[10]。但從式（2）也可以看出這類(lèi)算法對(duì)于噪聲敏感，所以本設(shè)計(jì)采用該公式的一種變種。

　　這里，f（x，y）為像素點(diǎn)（x，y）處的深度值梯度，   f（x，y）為（x，y）處深度值，fx（x，y）為橫向差值的梯度， fy（x，y）為縱向差值的梯度。通過(guò)計(jì)算二階梯度，可以有效避免單個(gè)噪點(diǎn)帶來(lái)的干擾。得到場(chǎng)景內(nèi)物品的邊緣后，從圖像每一行的中點(diǎn)向兩邊遍歷尋找路徑邊緣，提取路徑邊線(xiàn)，再根據(jù)左右邊線(xiàn)求平均就可以得到擬合的路徑中線(xiàn)。圖6中右邊部分標(biāo)出的中線(xiàn)就是擬合路徑的中線(xiàn)。

　　本算法應(yīng)用自適應(yīng)路徑擬合的方法，只在有效路徑長(zhǎng)度（綠色區(qū)域）內(nèi)擬合路徑中線(xiàn)，超出范圍不作為控制的依據(jù)。主要公式如下：

　　其中，mid為擬合路徑中線(xiàn)的橫坐標(biāo)值，n為路徑的有效長(zhǎng)度，xl為每行數(shù)據(jù)左邊緣線(xiàn)的橫坐標(biāo)值，xr為右邊緣線(xiàn)橫坐標(biāo)值，width為圖像寬度，δ為擬合中線(xiàn)橫坐標(biāo)與圖像中心線(xiàn)橫坐標(biāo)的偏差，此值作為PID控制器的輸入。PID輸出命令控制兩個(gè)電機(jī)的轉(zhuǎn)速，即控制機(jī)器人轉(zhuǎn)向和運(yùn)動(dòng)速度。

　　2.5 用戶(hù)跟蹤與動(dòng)作識(shí)別

　　Kinect v2帶有可直接獲取的用戶(hù)骨骼數(shù)據(jù)，由骨骼數(shù)據(jù)在圖像中的移動(dòng)規(guī)律易于實(shí)現(xiàn)用戶(hù)跟蹤。在跟蹤模式下，機(jī)器人運(yùn)動(dòng)到距離用戶(hù)1.5 m的近距離位置停止，為避免在臨界值產(chǎn)生抖動(dòng)，還做了容差處理，即距離值大于1.7 m才繼續(xù)向前跟進(jìn)，距離值小于1.3 m才向后退。在近距離位置自動(dòng)開(kāi)啟動(dòng)作識(shí)別功能。

　　利用骨骼數(shù)據(jù)可實(shí)現(xiàn)較為復(fù)雜的連續(xù)動(dòng)作識(shí)別，本設(shè)計(jì)應(yīng)用了姿勢(shì)序列有限狀態(tài)機(jī)動(dòng)作識(shí)別的方法[11]，并對(duì)該方法進(jìn)行了擴(kuò)充。Kinect v2可以辨別拇指與手掌相對(duì)關(guān)系并在官方數(shù)據(jù)中提供了握拳和張開(kāi)手掌兩種姿勢(shì)，通過(guò)局部扣取手掌深度圖并邊緣提取捕獲指尖關(guān)鍵點(diǎn)，記錄指尖動(dòng)作軌跡識(shí)別手指動(dòng)作。系統(tǒng)最終實(shí)現(xiàn)了右手向右展開(kāi)、左手向左展開(kāi)、右手食指在胸前揮動(dòng)動(dòng)作的識(shí)別。

3 結(jié)論

　　應(yīng)用Kinect v2體感交互設(shè)備，結(jié)合嵌入式技術(shù)及深度圖像處理算法，實(shí)現(xiàn)了能理解用戶(hù)交互意圖，幫助用戶(hù)控制家電，復(fù)雜環(huán)境動(dòng)態(tài)規(guī)劃路徑，實(shí)時(shí)跟蹤用戶(hù)與識(shí)別手勢(shì)的智慧家庭管家機(jī)器人。經(jīng)實(shí)際測(cè)試，該機(jī)器人可以與用戶(hù)進(jìn)行簡(jiǎn)單自然語(yǔ)言交流，語(yǔ)音控制家電開(kāi)關(guān)，在復(fù)雜環(huán)境自主避障及搜索路徑，跟蹤用戶(hù)并識(shí)別用戶(hù)手勢(shì)，其智能化水平遠(yuǎn)高于現(xiàn)有智能家居產(chǎn)品。該智慧家庭管家機(jī)器人運(yùn)行穩(wěn)定，圖像刷新率在每秒30幀左右，經(jīng)處理的Kinect語(yǔ)音識(shí)別準(zhǔn)確率超過(guò)80%，動(dòng)作識(shí)別準(zhǔn)確率超過(guò)90%，符合家用機(jī)器人要求，可作為智能家居機(jī)器人探索方向。

　　雖然系統(tǒng)的功能基本實(shí)現(xiàn)，但仍存在提升空間，可從下面幾點(diǎn)考慮改進(jìn)：（1）語(yǔ)音對(duì)話(huà)實(shí)現(xiàn)智能學(xué)習(xí)功能。只是簡(jiǎn)單的查表回復(fù)語(yǔ)音不能滿(mǎn)足用戶(hù)聊天需求，在聯(lián)網(wǎng)狀態(tài)下可與網(wǎng)絡(luò)聊天機(jī)器人結(jié)合，真正實(shí)現(xiàn)智能聊天，甚至可以成為小孩子的百科全書(shū)。（2）基于人物跟隨與Kinect v2判別聲源方向的能力，設(shè)計(jì)動(dòng)態(tài)監(jiān)控功能，為上班族了解家庭情況提供更直接、更全方位的途徑。（3）目前實(shí)現(xiàn)的路徑規(guī)劃僅實(shí)現(xiàn)了跟蹤用戶(hù)時(shí)迅速靠近用戶(hù)以及尋找到較長(zhǎng)距離可行路徑并快速移動(dòng)，可以參閱參考文獻(xiàn)[12-13]在室內(nèi)環(huán)境構(gòu)建家庭地圖，從而實(shí)現(xiàn)定點(diǎn)移動(dòng)。

　　參考文獻(xiàn)

　　[1] 魏志蓮，汪劍鳴，竇汝振，等．一種新的室內(nèi)機(jī)器人手勢(shì)指令識(shí)別系統(tǒng)[J]．天津工業(yè)大學(xué)學(xué)報(bào)，2010，29（1）：72-76．

　　[2] 余振中，鄭為湊，劉鑫，等．基于Kinect的移動(dòng)機(jī)器人實(shí)時(shí)局部路徑規(guī)劃[J]．計(jì)算機(jī)工程，2013，39（4）：243-247．

　　[3] FABIAN J， YOUNG T， JONES J C P， et al． Integrating the Microsoft Kinect with simulink： real-time object tracking example[J]． IEEE-ASME Transactions on Mechatronics，2014，19（1）：249-257．

　　[4] Xing Guansheng， Tian Shuangna， Sun Hexu， et al． People-following system design for mobile robots using Kinect sensor[C]． 25th Control and Decision Corference（CCDC）， Guiyang，2013：3190-3194.

　　[5] 陳敬德，趙文麗，梁洪濤，等．基于Kinect的機(jī)器人控制系統(tǒng)[J]．電子設(shè)計(jì)工程，2014，22（5）：81-83．

　　[6] 陳曉明，蔣樂(lè)天，應(yīng)忍冬．基于Kinect深度信息的實(shí)時(shí)三維重建和濾波算法研究[J]．計(jì)算機(jī)應(yīng)用研究，2013，30（4）：1216-1218．

　　[7] 李應(yīng)彬，馮杰，張華熊，等．基于改進(jìn)雙邊濾波的Kinect深度圖像空洞修復(fù)算法研究[J]．工業(yè)控制計(jì)算機(jī)，2013，26（11）：105-106．

　　[8] 劉金榮，李淳梵，歐陽(yáng)建權(quán)，等．基于聯(lián)合雙邊濾波的深度圖像增強(qiáng)算法[J]．計(jì)算機(jī)工程，2014，40（3）：249-252．

　　[9] 林源晟．基于FPGA的圖像邊緣檢測(cè)系統(tǒng)設(shè)計(jì)[D]．西安：西安電子科技大學(xué)，2014．

　　[10] 董梁，王忠民．圖像邊緣檢測(cè)算法研究[J]．現(xiàn)代電子技術(shù)，2007，30（15）：179-180．

　　[11] 林水強(qiáng)，吳亞?wèn)|，余芳，等．姿勢(shì)序列有限狀態(tài)機(jī)動(dòng)作識(shí)別方法[J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2014，26（9）：1403-1411．

　　[12] 李海，陳啟軍．基于全景視覺(jué)的移動(dòng)機(jī)器人地圖創(chuàng)建與定位[J]．控制與決策，2014（2）：215-220．

　　[13] 孔令富，高勝男，吳培良．面向?qū)ο蟮募彝ト⒌貓D表示與構(gòu)建[J]．計(jì)算機(jī)工程與設(shè)計(jì)，2013，34（1）：353-359．