CN106326881B - 用于实现人机交互的手势识别方法和手势识别设备 - Google Patents

用于实现人机交互的手势识别方法和手势识别设备 Download PDF

Info

Publication number
CN106326881B
CN106326881B CN201610837011.4A CN201610837011A CN106326881B CN 106326881 B CN106326881 B CN 106326881B CN 201610837011 A CN201610837011 A CN 201610837011A CN 106326881 B CN106326881 B CN 106326881B
Authority
CN
China
Prior art keywords
gesture
data
mcu
gesture recognition
arm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610837011.4A
Other languages
English (en)
Other versions
CN106326881A (zh
Inventor
王吉庆
王可
柳秀喆
李亮亮
马宁
耿直
王威
杨延荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Chaogan Intelligent Technology Co ltd
Original Assignee
Jinan Chaogan Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jinan Chaogan Intelligent Technology Co ltd filed Critical Jinan Chaogan Intelligent Technology Co ltd
Priority to CN201610837011.4A priority Critical patent/CN106326881B/zh
Publication of CN106326881A publication Critical patent/CN106326881A/zh
Application granted granted Critical
Publication of CN106326881B publication Critical patent/CN106326881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures

Abstract

本发明公开一种用于实现人机交互的手势识别方法和手势识别设备，基于单个MCU、多组惯性传感器和无线传输技术实现人机交互，可以达到较小的延迟、较高的精度，并且极大地较少了MCU的数量、使硬件设计变得简洁、设备体积极大地减小、降低了成本、提升了用户体验，并且容易达到消费级产品。同时，对处理后的可用的手势动态姿态数据通过无线传输的方式发送到终端设备，可以摆脱有线传输的线缆的束缚，极大地提升了用户体验。

Description

用于实现人机交互的手势识别方法和手势识别设备
技术领域
本发明涉及一种用于实现人机交互的手势识别方法和手势识别设备，属于人机交互技术领域。
背景技术
现有的基于惯性传感器技术的手势识别设备，为了达到较小的延迟、较高的精度，都是采用多个MCU、多组惯性传感器的方法，即每一组惯性传感器都要配上一个MCU对其进行运算处理，这样所有的惯性传感器单元（包括一个MCU和一组惯性传感器）就可以并行地进行运算处理，从而达到较高的运算速度。虽然这种方法在算法程序方面简单易于处理，并且也可以取得较为理想的效果，但是会极大地增加MCU的数量、使硬件设计变得冗余复杂、设备体积极大地增加、增加了成本、降低了用户体验。
发明内容
针对现有技术的缺陷，本发明提供一种用于实现人机交互的手势识别方法和手势识别设备，只用1个MCU对所有的惯性传感器进行统一地数据融合处理，使硬件设计变得简洁，设备体积减小，并保证较高的运算速度、较小的延迟、较高的精度。
为了解决所述技术问题，本发明采用的技术方案是：一种用于实现人机交互的手势识别方法，所述方法包括：
MCU接收N组惯性传感器发送的原始手势动态姿态数据；
MCU对接收到的原始手势动态姿态数据进行数据融合并通过计算、智能预测得到可用的手势动态姿态数据；
MCU将可用的手势动态姿态数据传输到需要进行交互的外部终端设备，与需要进行交互的终端设备进行交互。
本发明所述用于实现人机交互的手势识别方法，N组惯性传感器将采集到的原始数据全部直接传输至MCU，MCU对接收的原始数据进行统一地数据融合处理，得到整条手臂的N组惯性传感器所处位置的姿态从而得出整条手臂所有关节的姿态；然后根据手臂联动关系，得到整条手臂的实时运动姿态，最后将整条手臂的实时运动姿态传输至外部终端设备。
本发明所述用于实现人机交互的手势识别方法，惯性传感器的位置组合状态不能完全覆盖整条手臂的所有关节位置的情况下，MCU根据人体动力学，依据现有惯性传感器的关节位置推算出没有惯性传感器的关节位置的姿态，得到整条手臂所有关节的姿态。
本发明所述用于实现人机交互的手势识别方法，所述可用的手势动态姿态数据通过无线传输设备传输至需要进行交互的外部终端设备。
本发明所述用于实现人机交互的手势识别方法，惯性传感器采集使用者上臂、前臂、手掌和手指处的原始手势动态姿态数据。
本发明所述用于实现人机交互的手势识别方法，所述惯性传感器包括陀螺仪、加速度计和磁力计。
本发明所述用于实现人机交互的手势识别方法，所述外部终端设备为电脑、手机、电视、机械臂或者虚拟现实头戴式显示器。
本发明还公开了一种基于上述方法的手势识别设备，包括N组采集原始手势动态姿态数据的惯性传感器、接收并处理原始手势动态姿态数据的1个MCU、传输数据的无线传输设备以及需要进行交互的外部终端设备，惯性传感器连接MCU的输入端，无线传输设备连接与MCU的输出端与外部终端设备之间。
本发明所述用于实现人机交互的手势识别设备，所述无线传输设备包括无线发送单元和无线接收单元，无线发送单元连接MCU，无线接收单元连接需要交互的外部终端设备。
本发明所述用于实现人机交互的手势识别设备，所述惯性传感器分别设置于上臂、前臂、手掌和手指处，上臂、前臂、手掌上均设有1组惯性传感器，手指的大拇指、食指、中指、无名指和小指上均设有1组以上的惯性传感器。
本发明所述用于实现人机交互的手势识别设备，所述惯性传感器包括陀螺仪、加速度计和磁力计。
本发明所述用于实现人机交互的手势识别设备，所述外部终端设备为电脑、手机、电视、机械臂或者虚拟现实头戴式显示器。
本发明所述用于实现人机交互的手势识别设备，所述无线传输设备为蓝牙无线传输设备或者wifi无线传输设备。
本发明所述用于实现人机交互的手势识别设备，还包括为整个设备供电的锂电池。
本发明的有益效果：本发明只采用一个MCU对所有的惯性传感器进行多传感器深度数据融合及智能预测运算处理，可以达到较小的延迟、较高的精度，并且极大地较少了MCU的数量、使硬件设计变得简洁、设备体积极大地减小、降低了成本、提升了用户体验，并且容易达到消费级产品。同时，对处理后的可用的手势动态姿态数据通过无线传输的方式发送到终端设备，可以摆脱有线传输的线缆的束缚，极大地提升了用户体验。
附图说明
图1为实施例3所述手势识别设备的结构示意图；
图2为实施例2所述手势识别设备的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
实施例1
本实施例中，公开了一种用于实现人机交互的手势识别方法，所述方法包括：1、MCU接收N组惯性传感器发送的原始手势动态姿态数据。本实施例中，惯性传感器位于使用者的上臂、前臂、手掌和手指处，上臂、前臂、手掌上设有1组惯性传感器，每根手指上设有1组以上的惯性传感器，惯性传感器用于采集使用者上臂、前臂、手掌和手指处的原始手势动态姿态数据，并将采集后的原始数据传输至MCU。
2、MCU对接收到的原始手势动态姿态数据进行数据融合并通过计算、智能预测得到可用的手势动态姿态数据。具体过程为：N组惯性传感器将采集到的原始数据全部直接传输至MCU，MCU对接收的原始数据进行统一地数据融合处理，得到整条手臂的N组惯性传感器所处位置的姿态；惯性传感器的位置组合状态不能完全覆盖整条手臂的所有关节位置的情况下，MCU根据人体动力学，依据现有惯性传感器的关节位置推算出没有惯性传感器的关节位置的姿态；至此，整条手臂所有关节的姿态全部计算出来；最后根据手臂联动关系：上臂带动前臂、前臂带动手掌、手掌带动五指的第一指节、第一指节带动第二指节、第二指节带动第三指节，可以得到整条手臂的实时运动姿态。
3、MCU将可用的手势动态姿态数据即上一步骤得到的整条手臂的实时运动姿态传输到需要进行交互的外部终端设备，与需要进行交互的终端设备进行交互。
本实施例中，所述可用的手势动态姿态数据通过无线传输设备传输至需要进行交互的外部终端设备。所述无线传输设备可以是蓝牙无线传输设备或者wifi无线传输设备。
本实施例中，所述惯性传感器包括陀螺仪、加速度计和磁力计。陀螺仪，用于检测载体的三轴角速度。加速度计，用于检测载体的三轴加速度。磁力计，用于检测载体的所处状态的三轴磁力。使检测的手势数据更加精确。
本实施例中，所述外部终端设备为电脑、手机、电视、机械臂或者虚拟现实头戴式显示器。
实施例2
如图2所示，本实施例中公开了一种用于实现人机交互的手势识别设备20，所述包括N组采集原始手势动态姿态数据的惯性传感器、接收并处理原始手势动态姿态数据的1个MCU 218、传输数据的无线传输设备以及需要进行交互的外部终端设备，惯性传感器连接MCU 218的输入端，无线传输设备连接与MCU 218的输出端与外部终端设备之间。
本实施例中，惯性传感器可以采集手臂上各个关节的手势数据，将其传输至MCU即可得到整条手臂所有关节的姿态。具体的，所述惯性传感器包括上臂惯性传感器201，放置在手臂前伸时候的上臂上侧，用于采集上臂运动的原始数据，然后将采集到的上臂原始数据直接传输到MCU。
前臂惯性传感器202，放置在手臂前伸时候的前臂上侧，用于采集前臂运动的原始数据，然后将采集到的前臂原始数据直接传输到MCU。
手掌惯性传感器203，放置在手臂前伸时候的手掌上侧，用于采集手掌运动的原始数据，然后将采集到的手掌原始数据直接传输到MCU。
大拇指第一指节惯性传感器204，放置在手臂前伸时候的大拇指第一指节上侧，用于采集大拇指第一指节运动的原始数据，然后将采集到的大拇指第一指节原始数据直接传输到MCU。
大拇指第二指节惯性传感器205，放置在手臂前伸时候的大拇指第二指节上侧，用于采集大拇指第二指节运动的原始数据，然后将采集到的大拇指第二指节原始数据直接传输到MCU。
食指第一指节惯性传感器206，放置在手臂前伸时候的食指第一指节上侧，用于采集食指第一指节运动的原始数据，然后将采集到的食指第一指节原始数据直接传输到MCU。
食指第二指节惯性传感器207，放置在手臂前伸时候的食指第二指节上侧，用于采集食指第二指节运动的原始数据，然后将采集到的食指第二指节原始数据直接传输到MCU。
食指第三指节惯性传感器208，放置在手臂前伸时候的食指第三指节上侧，用于采集食指第三指节运动的原始数据，然后将采集到的食指第三指节原始数据直接传输到MCU。
中指第一指节惯性传感器209，放置在手臂前伸时候的中指第一指节上侧，用于采集中指第一指节运动的原始数据，然后将采集到的中指第一指节原始数据直接传输到MCU。
中指第二指节惯性传感器210，放置在手臂前伸时候的中指第二指节上侧，用于采集中指第二指节运动的原始数据，然后将采集到的中指第二指节原始数据直接传输到MCU。
中指第三指节惯性传感器211，放置在手臂前伸时候的中指第三指节上侧，用于采集中指第三指节运动的原始数据，然后将采集到的中指第三指节原始数据直接传输到MCU。
无名指第一指节惯性传感器212，放置在手臂前伸时候的无名指第一指节上侧，用于采集无名指第一指节运动的原始数据，然后将采集到的无名指第一指节原始数据直接传输到MCU。
无名指第二指节惯性传感器213，放置在手臂前伸时候的无名指第二指节上侧，用于采集无名指第二指节运动的原始数据，然后将采集到的无名指第二指节原始数据直接传输到MCU。
无名指第三指节惯性传感器214，放置在手臂前伸时候的无名指第三指节上侧，用于采集无名指第三指节运动的原始数据，然后将采集到的无名指第三指节原始数据直接传输到MCU。
小拇指第一指节惯性传感器215，放置在手臂前伸时候的小拇指第一指节上侧，用于采集小拇指第一指节运动的原始数据，然后将采集到的小拇指第一指节原始数据直接传输到MCU。
小拇指第二指节惯性传感器216，放置在手臂前伸时候的小拇指第二指节上侧，用于采集小拇指第二指节运动的原始数据，然后将采集到的小拇指第二指节原始数据直接传输到MCU。
小拇指第三指节惯性传感器217，放置在手臂前伸时候的小拇指第三指节上侧，用于采集小拇指第三指节运动的原始数据，然后将采集到的小拇指第三指节原始数据直接传输到MCU。
本实施例中，所述惯性传感器包括陀螺仪、加速度计和磁力计。陀螺仪，用于检测载体的三轴角速度。加速度计，用于检测载体的三轴加速度。磁力计，用于检测载体的所处状态的三轴磁力。
本实施例中，所述无线传输设备为蓝牙无线传输设备，包括蓝牙无线发送单元219和蓝牙无线接收单元221，蓝牙无线发送单元219连接MCU218，蓝牙无线接收单元221连接需要交互的外部终端设备。所述无线传输设备也可以是WiFi无线传输设备。
本实施例中，所述外部终端设备为电脑、手机、电视、机械臂或者虚拟现实头戴式显示器。还包括为整个设备供电的锂电池220。
实施例3
如图1所示，本实施例公开了一种用于实现人机交互的手势识别设备10，本实施例中，采用11组惯性传感器，分别为：上臂惯性传感器101，放置在手臂前伸时候的上臂上侧，用于采集上臂运动的原始姿态数据，然后将采集到的上臂原始姿态数据直接传输到MCU。
前臂惯性传感器102，放置在手臂前伸时候的前臂上侧，用于采集前臂运动的原始姿态数据，然后将采集到的前臂原始姿态数据直接传输到MCU。
手掌惯性传感器103，放置在手臂前伸时候的手掌上侧，用于采集手掌运动的原始姿态数据，然后将采集到的手掌原始姿态数据直接传输到MCU。
大拇指第一指节惯性传感器104，放置在手臂前伸时候的大拇指第一指节上侧，用于采集大拇指第一指节运动的原始姿态数据，然后将采集到的大拇指第一指节原始姿态数据直接传输到MCU。
大拇指第二指节惯性传感器105，放置在手臂前伸时候的大拇指第二指节上侧，用于采集大拇指第二指节运动的原始姿态数据，然后将采集到的大拇指第二指节原始姿态数据直接传输到MCU。
食指第一指节惯性传感器106，放置在手臂前伸时候的食指第一指节上侧，用于采集食指第一指节运动的原始姿态数据，然后将采集到的食指第一指节原始姿态数据直接传输到MCU。
食指第二指节惯性传感器107，放置在手臂前伸时候的食指第二指节上侧，用于采集食指第二指节运动的原始姿态数据，然后将采集到的食指第二指节原始姿态数据直接传输到MCU。
中指第一指节惯性传感器108，放置在手臂前伸时候的中指第一指节上侧，用于采集中指第一指节运动的原始姿态数据，然后将采集到的中指第一指节原始姿态数据直接传输到MCU。
中指第二指节惯性传感器109，放置在手臂前伸时候的中指第二指节上侧，用于采集中指第二指节运动的原始姿态数据，然后将采集到的中指第二指节原始姿态数据直接传输到MCU。
无名指第二指节惯性传感器110，放置在手臂前伸时候的无名指第二指节上侧，用于采集无名指第二指节运动的原始姿态数据，然后将采集到的无名指第二指节原始姿态数据直接传输到MCU。
小拇指第二指节惯性传感器111，放置在手臂前伸时候的小拇指第二指节上侧，用于采集小拇指第二指节运动的原始姿态数据，然后将采集到的小拇指第二指节原始姿态数据直接传输到MCU。
本实施例中，加入上臂、前臂、手掌的惯性传感器，可以精确地识别出上臂、前臂、手掌的姿态，这样可以让手部的操作空间全方位无死角；由于手指的绝大多数动作对大拇指、食指、中指要求精度较高，并且这三根手指也更加灵活，所以在布局方面，大拇指、食指、中指的第一指节和第二指节处分别放置一组惯性传感器，这样可以精确地识别出大拇指、食指、中指的第一指节和第二指节的姿态，而大拇指、食指、中指的第三指节可以根据人体动力学较为准确地推算出其姿态；而对无名指、小拇指精度要求偏低，所以在布局方面，只需在无名指、小拇指的第二指节处分别放置一组惯性传感器，这样可以精确地识别出无名指、小拇指的第二指节的姿态，而无名指、小拇指的第一指节和第三指节可以根据人体动力学近似地推算出其姿态。如此用11组惯性传感器对整条手臂进行布局，可以尽可能地减少惯性传感器的数量，同时可以尽可能精确地对整条手臂包括所有手指进行手势识别。其他同实施例2相同。
本发明中，可以在手臂的所有关节位置设有惯性传感器，也可以对某些位置的惯性传感器进行适当的增删组合。例如，如果手臂上所有关节全部设置惯性传感器，那么手臂的所有关节位置的姿态都可以精确地计算出来；如果上臂和前臂位置的惯性传感器单元删减掉，那么可以只是精确地计算手掌和五指的姿态；如果删减掉手指的第三指节处的惯性传感器单元，那么可以根据其他位置处的惯性传感器单元的数据近似推算出手指的第三指节处的姿态。这种惯性传感器的增删组合包括但不限于上述的例子。
以上描述的仅是本发明的基本原理和优选实施例，本领域技术人员根据本发明做的改进和替换，属于本发明的保护范围。

Claims (14)

1.一种用于实现人机交互的手势识别方法，其特征在于：所述方法包括：
一个MCU接收N组惯性传感器发送的原始手势动态姿态数据；
该MCU对接收到的原始手势动态姿态数据进行数据融合并通过计算、智能预测得到可用的手势动态姿态数据；
该MCU将可用的手势动态姿态数据传输到需要进行交互的外部终端设备，与需要进行交互的终端设备进行交互。
2.根据权利要求1所述的用于实现人机交互的手势识别方法，其特征在于：N组惯性传感器将采集到的原始数据全部直接传输至MCU，MCU对接收的原始数据进行统一地数据融合处理，得到整条手臂的N组惯性传感器所处位置的姿态从而得出整条手臂所有关节的姿态；然后根据手臂联动关系，得到整条手臂的实时运动姿态，最后将整条手臂的实时运动姿态传输至外部终端设备。
3.根据权利要求2所述的用于实现人机交互的手势识别方法，其特征在于：惯性传感器的位置组合状态不能完全覆盖整条手臂的所有关节位置的情况下，MCU根据人体动力学，依据现有惯性传感器的关节位置推算出没有惯性传感器的关节位置的姿态，得到整条手臂所有关节的姿态。
4.根据权利要求1所述的用于实现人机交互的手势识别方法，其特征在于：所述可用的手势动态姿态数据通过无线传输设备传输至需要进行交互的外部终端设备。
5.根据权利要求1所述的用于实现人机交互的手势识别方法，其特征在于：惯性传感器采集使用者上臂、前臂、手掌和手指处的原始手势动态姿态数据。
6.根据权利要求1或5所述的用于实现人机交互的手势识别方法，其特征在于：所述惯性传感器包括陀螺仪、加速度计和磁力计。
7.根据权利要求1所述的用于实现人机交互的手势识别方法，其特征在于：所述外部终端设备为电脑、手机、电视、机械臂或者虚拟现实头戴式显示器。
8.一种基于权利要求1-5任一项所述方法的手势识别设备，其特征在于：包括N组采集原始手势动态姿态数据的惯性传感器、接收并处理原始手势动态姿态数据的1个MCU、传输数据的无线传输设备以及需要进行交互的外部终端设备，惯性传感器连接MCU的输入端，无线传输设备连接与MCU的输出端与外部终端设备之间。
9.根据权利要求8所述的手势识别设备，其特征在于：所述无线传输设备包括无线发送单元和无线接收单元，无线发送单元连接MCU，无线接收单元连接需要交互的外部终端设备。
10.根据权利要求8所述的手势识别设备，其特征在于：所述惯性传感器分别设置于上臂、前臂、手掌和手指处，上臂、前臂、手掌上均设有1组惯性传感器，手指的大拇指、食指、中指、无名指和小指上均设有1组以上的惯性传感器。
11.根据权利要求10所述的手势识别设备，其特征在于：所述惯性传感器包括陀螺仪、加速度计和磁力计。
12.根据权利要求8所述的手势识别设备，其特征在于：所述外部终端设备为电脑、手机、电视、机械臂或者虚拟现实头戴式显示器。
13.根据权利要求8所述的手势识别设备，其特征在于：所述无线传输设备为蓝牙无线传输设备或者wifi无线传输设备。
14.根据权利要求8所述的手势识别设备，其特征在于：还包括为整个设备供电的锂电池。
CN201610837011.4A 2016-09-21 2016-09-21 用于实现人机交互的手势识别方法和手势识别设备 Active CN106326881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610837011.4A CN106326881B (zh) 2016-09-21 2016-09-21 用于实现人机交互的手势识别方法和手势识别设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610837011.4A CN106326881B (zh) 2016-09-21 2016-09-21 用于实现人机交互的手势识别方法和手势识别设备

Publications (2)

Publication Number Publication Date
CN106326881A CN106326881A (zh) 2017-01-11
CN106326881B true CN106326881B (zh) 2024-02-02

Family

ID=57787103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610837011.4A Active CN106326881B (zh) 2016-09-21 2016-09-21 用于实现人机交互的手势识别方法和手势识别设备

Country Status (1)

Country Link
CN (1) CN106326881B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016342A (zh) * 2017-03-06 2017-08-04 武汉拓扑图智能科技有限公司 一种动作识别方法及系统
CN107272908B (zh) * 2017-07-11 2021-01-22 北京奇艺世纪科技有限公司 一种手势识别装置、系统及手势识别方法
CN107553499A (zh) * 2017-10-23 2018-01-09 上海交通大学 一种多轴机械臂的自然手势运动控制系统和方法
CN107767736A (zh) * 2017-11-16 2018-03-06 河南大学 一种手势多功能电子教鞭
CN108537175B (zh) * 2018-04-08 2020-10-09 武汉灏存科技有限公司 基于姿态传感的肢体语言语义识别方法、装置及存储介质
CN109144258A (zh) * 2018-08-23 2019-01-04 哈尔滨工业大学 一种位姿测量手套
CN113553884B (zh) * 2020-04-26 2023-04-18 武汉Tcl集团工业研究院有限公司 手势识别方法、终端设备及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799934A (zh) * 2010-04-02 2010-08-11 北京大学软件与微电子学院无锡产学研合作教育基地 一种基于微机电惯性传感网络的实时人体运动捕捉系统
CN103248364A (zh) * 2013-04-12 2013-08-14 东南大学 一种惯性传感器imu信号模数转换模块
CN104834907A (zh) * 2015-05-06 2015-08-12 江苏惠通集团有限责任公司 手势识别方法、装置、设备以及基于手势识别的操作方法
CN104880190A (zh) * 2015-06-02 2015-09-02 无锡北微传感科技有限公司 一种用于惯导姿态融合加速的智能芯片

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799934A (zh) * 2010-04-02 2010-08-11 北京大学软件与微电子学院无锡产学研合作教育基地 一种基于微机电惯性传感网络的实时人体运动捕捉系统
CN103248364A (zh) * 2013-04-12 2013-08-14 东南大学 一种惯性传感器imu信号模数转换模块
CN104834907A (zh) * 2015-05-06 2015-08-12 江苏惠通集团有限责任公司 手势识别方法、装置、设备以及基于手势识别的操作方法
CN104880190A (zh) * 2015-06-02 2015-09-02 无锡北微传感科技有限公司 一种用于惯导姿态融合加速的智能芯片

Also Published As

Publication number Publication date
CN106326881A (zh) 2017-01-11

Similar Documents

Publication Publication Date Title
CN106326881B (zh) 用于实现人机交互的手势识别方法和手势识别设备
US20110148755A1 (en) User interface apparatus and user interfacing method based on wearable computing environment
Aggarwal et al. Design and implementation of a wireless gesture controlled robotic arm with vision
CN102402291A (zh) 一种肢体姿势识别方法及装置
CN105677036A (zh) 一种交互式数据手套
JP6144743B2 (ja) ウェアラブル装置
CN102402290A (zh) 一种肢体姿势识别方法及系统
CN206224385U (zh) 一种用于虚拟现实环境的具有定位功能的动作捕捉系统
JP2010108500A (ja) 着用型コンピューティング環境基盤のユーザインターフェース装置およびその方法
CN103955295A (zh) 一种基于数据手套和物理引擎的虚拟手的实时抓取方法
CN104298340A (zh) 控制方法和电子设备
CN102622083A (zh) 一种手势识别方法及手势识别装置
CN206048251U (zh) 基于多传感器融合的手势识别仿人机械手系统
CN202512510U (zh) 一种肢体姿势识别系统
CN206162395U (zh) 一种用于虚拟现实环境的动作捕捉系统
CN203552178U (zh) 腕带式手部运动识别装置
CN106695736A (zh) 基于多传感器融合的手势识别仿人机械手系统及同步方法
WO2023227072A1 (zh) 在虚拟现实场景中确定虚拟光标方法、装置、设备和介质
CN112631148A (zh) 一种外骨骼机器人平台通信协议及在线仿真控制系统
CN102135794A (zh) 掌指互动变化的3d无线鼠标
CN206162390U (zh) 基于惯性传感器和触觉反馈的手势识别设备
EP4276591A1 (en) Interaction method, electronic device, and interaction system
CN203070205U (zh) 一种基于手势识别的输入设备
KR20120037739A (ko) 손동작 기반 사용자 인터페이스 장치 및 그 방법
Sharma et al. Design and implementation of robotic hand control using gesture recognition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant