仿人机器人因其外形与人相像,又能模仿人的动作而广受关注,各个国家都正积极地投入到仿人机器人在各个应用领域的研究中。仿人机器人的运动控制是一项非常复杂的工作,如何有效地解决此问题是科研人员重点研究的内容之一。本文的目的是通过Kinect体感交互技术控制虚拟人及机器人的运动,使它们能实时地模拟人体动作,同时也实现了自然的人机交互。论文的主要工作内容及创新点如下:(1)通过Kinect设备采集数据,制作深度图像动作样本库。为了保证多样性,本文实时地获取并保存图像,然后从中选取包含不同的人、不同动作类型的多张图像作为样本,样本库中基本包含了人体的常用动作。(2)根据Kinect采集的深度信息提取图像像素点特征,使用随机森林以及SVM算法训练特征对人体部位分类,通过Meanshift对人体部位聚类获得关节点,生成3D人体骨架。本文提取的特征形式不仅能满足时间性能的要求,又能很好地区分人体部位。随机森林算法对训练过的样本部位识别率高达到70-95%,优于SVM算法对部位的识别率,且对单幅图像的分类时间达到毫秒级别,满足实时性要求。(3)本文提出了新的计算骨架运动信息的方法即空间向量法,然后通过socket网络通信将此信息实时地传递给机器人,控制机器人完成同样的动作。空间向量法适用于本实验中机器人手臂结构有限制的情况,如果机器人的手臂等结构更灵活,则可以使用本文推导的欧拉角公式来表示关节的运动,本文也通过虚拟人的运动实验对此进行了验证。实验结果表明使用Kinect体感交互技术控制机器人的运动是可行的,而且相比其它的运动控制方式,此种方式更能体现人机交互的自然性。