陳金怡，羅圣欽，李洪均，2

（1.南通大學(xué)信息科學(xué)技術(shù)學(xué)院，南通 226019；2.南京大學(xué)計算機軟件新技術(shù)國家重點實驗室，南京 210093）

引 言

人機交互是實現(xiàn)人與機器人能力結(jié)合的一項關(guān)鍵技術(shù)［1］?，F(xiàn)存的機械臂控制系統(tǒng)主要是通過專業(yè)人員輸入操作指令來控制機械臂，這極大限制了其他非專業(yè)人員對機械臂的操作和使用。因為骨骼可以代表人體關(guān)鍵點的位置和結(jié)構(gòu)，所以基于骨骼的動作識別是有效的［2］。因此建立一個體感交互式機械臂控制系統(tǒng)，讓非專業(yè)人員可以通過自身的肢體動作控制機械臂，具有非?，F(xiàn)實的意義。近年來國內(nèi)外一些研究人員在體感交互方面展開了研究，利用機器視覺獲得目標(biāo)物體的三維坐標(biāo)，由機械臂控制器根據(jù)坐標(biāo)信息控制機械臂，其中用于獲取目標(biāo)物體三維信息的采集設(shè)備以微軟開發(fā)的Kinect 最為普遍［3?7］。辛義忠等［8］通過將Kinect 采集的關(guān)節(jié)點數(shù)據(jù)轉(zhuǎn)換成距離特征向量，并選用模板匹配的方法實現(xiàn)人體動作識別；文獻(xiàn)［9］利用Kinect 采集到的骨骼數(shù)據(jù)實現(xiàn)人體動作姿勢識別，在滿足實時性的同時也提高了人體動作識別準(zhǔn)確率；邵陽等［10］利用Kinect 采集骨骼關(guān)節(jié)點的三維坐標(biāo)，用向量表示相鄰坐標(biāo)，以向量變化代替骨骼節(jié)點的運動變化，可評價6 種上肢動作；張志佳等［11］通過Kinect 采集深度信息，用于典型零部件識別。

基于Kinect 的體感交互系統(tǒng)離不開骨骼追蹤功能［12?16］。如Zhu 等［17］用Kinect 收集人體骨骼數(shù)據(jù)，為動作識別提供了大量的信息，提出了基于骨骼的動作識別的長方體模型；胡星晨等［18］利用Kinect 的骨骼追蹤功能獲取人體主要關(guān)節(jié)點的坐標(biāo)，然后計算出關(guān)節(jié)角，最后通過無線傳輸方式將關(guān)節(jié)角發(fā)送給機器人控制器，從而控制機器人做出和人相同的動作；Seifallahi 等［19］提出了一種利用Kinect 攝像頭記錄的骨架數(shù)據(jù)來檢測阿爾茨海默病；Avola 等［20］利用Kinect 生成的數(shù)據(jù)集提出了一種基于二維骨架和雙分支疊層循環(huán)神經(jīng)網(wǎng)絡(luò)的長短期記憶動作識別方法；周彤彤等［21］利用骨骼追蹤技術(shù)捕捉到人體關(guān)節(jié)點的變化，運用空間向量法計算出人體關(guān)節(jié)轉(zhuǎn)動角度，將轉(zhuǎn)動角度轉(zhuǎn)換成控制指令發(fā)送到機械臂控制器，實現(xiàn)控制機械臂的效果；Mokari 等［22］提出了一種新的動作識別方法，利用時域3D 骨骼Kinect 數(shù)據(jù)進行動作識別。通過Kinect 可快速獲得骨骼節(jié)點坐標(biāo)信息，但骨骼追蹤技術(shù)往往會受到干擾，稱為骨骼噪聲，導(dǎo)致體感交互系統(tǒng)的識別精度不高。如林海波等［23］設(shè)計了基于Kinect 的人機交互系統(tǒng)，該系統(tǒng)通過Kinect 獲得人體骨骼數(shù)據(jù)并計算骨骼節(jié)點的轉(zhuǎn)動角度，然后將轉(zhuǎn)動角度轉(zhuǎn)換成控制指令傳送給機械臂，盡管能夠控制機械臂轉(zhuǎn)動，但會出現(xiàn)無法識別轉(zhuǎn)動角度的問題，識別率為94.1%。為了實現(xiàn)人機體感交互效果并提高識別精度，本文提出了基于限幅加權(quán)骨骼節(jié)點濾波的體感交互技術(shù)。在不同的時間節(jié)點采集并計算出關(guān)節(jié)轉(zhuǎn)動角度，通過最優(yōu)化問題求出各時間序列下轉(zhuǎn)動角度所對應(yīng)的權(quán)值，將權(quán)值加入到最終轉(zhuǎn)動角度的計算當(dāng)中，能有效減少骨骼噪聲的影響。同時使最終的轉(zhuǎn)動角度保持在穩(wěn)定范圍內(nèi)，避免了“跳躍式”轉(zhuǎn)動角度的存在，提高了體感交互系統(tǒng)的穩(wěn)定性，識別率為96.3%。

1 基于Kinect 的骨骼信息獲取

1.1 Kinect 設(shè)備

Kinect 是一款可交互式傳感器，包含多種攝像頭和一個麥克風(fēng)部件，如圖l 所示。1 號攝像頭是能夠獲取640×480 分辨率圖像的RGB 彩色攝像頭；2 號攝像頭是通過從投射紅外脈沖到反射回來所需要的時間來計算物體與傳感器之間距離的3D 深度攝像頭；3 號攝像頭是紅外攝像頭，通過向粗糙物體上投射紅外光譜，光譜扭曲后形成的反射斑點被攝像頭讀?。? 號麥克風(fēng)部件可以辨別使用者語音方位，也可以采集使用者的語音數(shù)據(jù)。

1.2 骨骼信息獲取

Kinect 采用黑白光譜的方法檢測周圍場景，近景用淺色甚至白色表示，遠(yuǎn)景用深色表示，灰色圖像的深淺代表了傳感器距離物體的遠(yuǎn)近，傳感器有效測量范圍里的場景都被轉(zhuǎn)換成一幅景深圖像流，人體的骨骼信息正是在此基礎(chǔ)上提取。在CMOS 紅外傳感器的幫助下，Kinect 傳感器具有骨骼追蹤能力［24］，所捕捉的每一幀數(shù)據(jù)都是由20 個人體關(guān)節(jié)點構(gòu)成的，如圖2 所示。骨骼追蹤的具體過程為：Kinect 紅外發(fā)射器主動投射經(jīng)調(diào)制的近紅外光線，紅外光線照到視野范圍內(nèi)的物體上會發(fā)生反射，紅外相機接收反射回來的紅外光線，采用時間片技術(shù)［25］測量深度，通過計算光線發(fā)射和反射時間差，算出被拍攝物體的景深距離，由此得出物體的深度數(shù)據(jù)并生成一幅景深圖像流，然后由這些深度數(shù)據(jù)提取各個關(guān)節(jié)點，生成一幅骨架結(jié)構(gòu)圖像。圖3 展示了普通彩色圖像經(jīng)過Kinect 處理后得到的骨骼信息圖。

圖2 人體骨架結(jié)構(gòu)圖Fig.2 Human skeleton structure diagram

圖3 彩色圖像與骨骼圖像Fig.3 Color image and skeleton image

2 骨骼節(jié)點信息處理與體感交互式系統(tǒng)

2.1 坐標(biāo)歸一化與坐標(biāo)映射

Kinect v1可以追蹤人體20個骨骼點［26］，而本系統(tǒng)使用的Kinect v2 可以追蹤25 個骨骼點，但不同的操作者在采集人體骨骼節(jié)點信息過程中與Kinect 相對位置不同，再加上操作者的體型大小不一，骨骼節(jié)點對應(yīng)的位置也會有偏差，如果直接計算會造成很大的誤差，對后續(xù)的體感交互會造成影響，因此需要對采集到的三維骨骼數(shù)據(jù)進行中心化和歸一化處理。通過觀察發(fā)現(xiàn)，在操作者運動過程中人體肩中心節(jié)點和脊椎中心節(jié)點之間的相對位移最小，如圖2 紅色連線所示，故選取這兩點之間的長度作為標(biāo)準(zhǔn)長度，對骨骼框架中所有節(jié)點之間的距離進行歸一化處理，減少誤差。

定義水平向右為x軸正方向，垂直向下為y軸正方向，面向鏡頭的為z軸正方向。根據(jù)對機械臂舵機控制的需求，選取圖2 中的右肩、右肘、右腕以及右手4 個骨骼節(jié)點，建立三維坐標(biāo)系，將4 個骨骼節(jié)點的信息映射到三維坐標(biāo)系中，并定義右肩、右肘、右腕以及右手的坐標(biāo)分別為(x1，y1，z1)、(x2，y2，z2)、(x3，y3，z3)和(x4，y4，z4)，如圖4 所示。

圖4 三維空間下關(guān)節(jié)點坐標(biāo)示意圖Fig.4 Schematic diagram of joint point coordi?nates in three?dimensional space

2.2 各關(guān)節(jié)轉(zhuǎn)動角度計算方法

2.2.1 肩關(guān)節(jié)的轉(zhuǎn)動角度α

若要獲得肩關(guān)節(jié)的轉(zhuǎn)動角度，可以利用右肩和右肘這兩個關(guān)節(jié)點的三維坐標(biāo)(x，y，z)計算出來，這兩個骨骼節(jié)點在空間中構(gòu)成一條直線設(shè)為l1，轉(zhuǎn)動角度α如圖5 所示。因此空間直線l1的方程為

圖5 轉(zhuǎn)動角度α 示意圖Fig.5 Schematic diagram of rotation angle α

由于肩關(guān)節(jié)和肘關(guān)節(jié)在同一直線上，當(dāng)肩關(guān)節(jié)上下轉(zhuǎn)動時z坐標(biāo)保持不變，故只考慮xoy平面。此時式（1）可重述為

當(dāng)肩關(guān)節(jié)前后運動時，y坐標(biāo)保持不變，故只考慮xoz平面。此時式（1）可重述為

2.2.2 肘關(guān)節(jié)的轉(zhuǎn)動角度β

要想獲得肘關(guān)節(jié)的轉(zhuǎn)動角度β，需要利用右肩、右肘、右腕這3 個關(guān)節(jié)點的三維坐標(biāo)(x，y，z)。定義右肘與右腕這兩個關(guān)節(jié)點構(gòu)成的空間直線為l2，轉(zhuǎn)動角度β為直線l1與直線l2的夾角，如圖6 所示。因此空間直線l2的方程為

圖6 轉(zhuǎn)動角度β 示意圖Fig.6 Schematic diagram of rotation angle β

由于肘關(guān)節(jié)和腕關(guān)節(jié)在同一直線上，當(dāng)肘關(guān)節(jié)上下轉(zhuǎn)動時z坐標(biāo)保持不變，故只考慮xoy平面。此時式（6）可重述為

因此肘關(guān)節(jié)的轉(zhuǎn)動角度β計算公式為

當(dāng)肩關(guān)節(jié)前后運動時y坐標(biāo)保持不變，故只考慮xoz平面。此時式（6）可重述為

因此肘關(guān)節(jié)的轉(zhuǎn)動角度β計算公式為

2.2.3 腕關(guān)節(jié)的轉(zhuǎn)動角度γ

腕關(guān)節(jié)的轉(zhuǎn)動角度γ需要利用右肘、右腕、右手這3 個關(guān)節(jié)點的三維坐標(biāo)(x，y，z)，定義右腕和右手這兩個關(guān)節(jié)點構(gòu)成的空間直線為l3，轉(zhuǎn)動角度γ為直線l2與直線l3的夾角，如圖7 所示，因此空間直線l3的方程為

圖7 轉(zhuǎn)動角度γ 示意圖Fig.7 Schematic diagram of rotation angle γ

由于腕關(guān)節(jié)和手關(guān)節(jié)在同一直線上，當(dāng)腕關(guān)節(jié)上下轉(zhuǎn)動時z坐標(biāo)保持不變，故只考慮xoy平面。此時式（11）可重述為

因此肘關(guān)節(jié)的轉(zhuǎn)動角度γ計算公式為

當(dāng)肩關(guān)節(jié)前后運動時y坐標(biāo)保持不變，故只考慮xoz平面。此時式（11）可重述為

因此肘關(guān)節(jié)的轉(zhuǎn)動角度β計算公式為

2.3 限幅加權(quán)濾波算法

式中：θi和wi(i=1，2，…，N)分別為第i個時間序列下的轉(zhuǎn)動角度和轉(zhuǎn)動角度所對應(yīng)的權(quán)值。針對權(quán)值wi可通過式（17）的最優(yōu)化問題求出各時間序列下轉(zhuǎn)動角度所對應(yīng)的權(quán)值。

步驟1將權(quán)值wi代入式（17）并通過式（18）進行判定。

如果式（18）成立，則停止迭代，否則進行下一步。

步驟2將式（17）對每個wi求偏導(dǎo)，并得到每個wi對應(yīng)的梯度，如式（19）所示。

步驟3目標(biāo)是使得不等式（18）成立，所以按梯度負(fù)方向來更新每個wi，如式（20）所示。

重復(fù)步驟1～3 至式（18）成立或m次迭代完成。

將得到的對應(yīng)權(quán)值帶入式（16）得到最終的關(guān)節(jié)點轉(zhuǎn)動角度。通過對不同時間序列所對應(yīng)的轉(zhuǎn)動角度作加權(quán)處理可知，對于噪聲引起的突然的奇異值，-θ不會有太大的改變，而奇異值對應(yīng)的權(quán)值會降低奇異值的影響，使最終的轉(zhuǎn)動角度θval保持在穩(wěn)定范圍內(nèi)，從而在減少骨骼噪聲影響的同時避免了“跳躍式”轉(zhuǎn)動角度的干擾。

2.4 體感交互式系統(tǒng)

基于骨骼節(jié)點信息的體感交互式系統(tǒng)如圖8 所示，該系統(tǒng)主要分為3 個部分：骨骼節(jié)點轉(zhuǎn)動角度的采集與計算過程、控制信號的轉(zhuǎn)換過程以及機械臂的控制過程。

圖8 體感交互式系統(tǒng)示意圖Fig.8 Schematic diagram of somatosensory interactive system

通過Kinect 獲得右肩、右肘、右腕以及右手4 個骨骼節(jié)點坐標(biāo)信息，之后按照2.2 節(jié)中轉(zhuǎn)動角度計算方法求出肩、肘、腕3 個關(guān)節(jié)點的轉(zhuǎn)動角度，并利用限幅加權(quán)濾波算法對轉(zhuǎn)動角度濾波處理，減少骨骼噪聲的影響。

在控制信息的轉(zhuǎn)換過程中將轉(zhuǎn)動角度轉(zhuǎn)換成脈寬可調(diào)的方波信號，然后通過藍(lán)牙串口將控制指令發(fā)送給K60 單片機，串口通信波特率設(shè)為115 200 bps，其中方波脈沖信號的周期為10 ms，頻率100 Hz，其中PWM 控制字的命令格式為：第1 位起始位值為0；第2～9 位為數(shù)據(jù)位，每兩位表示一個舵機角度；第10 位停止位值為1，如圖9 所示。

圖9 控制命令格式Fig.9 Format of control command

在機械臂的控制過程中，使用由6 個S3010 伺服舵機組裝而成的機械臂［27］，供電電壓為6 V，輸出扭矩為7.6 N·m，適用于那些需要角度不斷變化并且可以保持的控制系統(tǒng)。K60 單片機采用中斷查詢的方式從串口中接收數(shù)據(jù)并控制六自由度機械臂的相應(yīng)舵機轉(zhuǎn)動，由PWM 信號的脈寬決定機械臂轉(zhuǎn)動的角度，利用占空比的變化就可以控制舵機的轉(zhuǎn)動角度。指定機械臂的3 號、4 號和5 號舵機分別代表手臂的腕關(guān)節(jié)、肘關(guān)節(jié)和肩關(guān)節(jié)，各舵機參數(shù)和所對應(yīng)的功能如表1 所示。

表1 所示為各舵機所接收的脈沖寬度，其中最小值表示一個周期內(nèi)高電平的最少持續(xù)時間，最大值表示一個周期內(nèi)高電平的最多持續(xù)時間，單位為ms；另外表1 指定了機械臂各舵機所對應(yīng)的手臂關(guān)節(jié)點以及對應(yīng)的動作，通過控制3～5 號舵機可分別實現(xiàn)手臂的腕關(guān)節(jié)、肘關(guān)節(jié)、肩關(guān)節(jié)上下/前后轉(zhuǎn)動。

表1 舵機參數(shù)及對應(yīng)的動作Table 1 Steering gear parameters and correspond?ing actions

2.5 機械臂體感交互實現(xiàn)流程

體感交互實現(xiàn)流程如下：

（1）Kinect 采集操作者手臂的右肩、右肘、右腕和右手4 個關(guān)節(jié)點三維坐標(biāo)信息分別為(x1，y1，z1)、(x2，y2，z2)、(x3，y3，z3)和(x4，y4，z4)；

（2）利用式（3，8，13）分別求出肩關(guān)節(jié)轉(zhuǎn)動角度α、肘關(guān)節(jié)轉(zhuǎn)動角度β和腕關(guān)節(jié)轉(zhuǎn)動角度γ；

（3）將計算得到的各關(guān)節(jié)轉(zhuǎn)動角度，采用2.3 節(jié)所述的限幅加權(quán)濾波算法進行濾波處理，根據(jù)式（18～20）的迭代算法求出wi，并利用式（16）求得最終的轉(zhuǎn)動角度；

（4）將最終的轉(zhuǎn)動角度轉(zhuǎn)換成PWM 控制字的命令格式，通過藍(lán)牙串口發(fā)送給K60 單片機；

（5）K60 采用中斷查詢方式接收控制指令，控制機械臂相應(yīng)舵機，完成機械臂轉(zhuǎn)動。

3 實驗與仿真

實驗使用KinectV2 傳感器、六自由度機械臂、K60、藍(lán)牙串口等硬件設(shè)備，軟件開發(fā)語言為C#，實驗環(huán)境為Windows10+VS2015+Kinect for Windows SDK。為了驗證本文體感交互式系統(tǒng)的有效性，并說明所提限幅加權(quán)濾波算法的去噪效果，做了以下兩組實驗。

3.1 未加濾波算法的體感交互實驗

本實驗共有5 個人進行了測試，每人做了以下幾組動作測試：肩關(guān)節(jié)上下轉(zhuǎn)動；肩關(guān)節(jié)前后轉(zhuǎn)動；肘關(guān)節(jié)上下轉(zhuǎn)動；肘關(guān)節(jié)前后轉(zhuǎn)動；腕關(guān)節(jié)上下轉(zhuǎn)動；腕關(guān)節(jié)前后轉(zhuǎn)動，如圖10 所示。每個動作的轉(zhuǎn)動角度又分為10°、20°、30°、40°四種情況進行測試，每種情況各測試25 次，即每人每個動作每個轉(zhuǎn)動角度測試5 次，因此共計進行600次實驗，實驗結(jié)果如表2 所示。

圖1 Kinect 示意圖Fig.1 Schematic diagram of Kinect

表2 未加濾波算法的體感交互實驗結(jié)果統(tǒng)計表Table 2 Statistical analysis of somatosensory interaction experiment results without filtering algorithm

圖10 各關(guān)節(jié)動作示意圖Fig.10 Schematic diagram of each joint movement

由表2 的統(tǒng)計數(shù)據(jù)可知，以肩關(guān)節(jié)轉(zhuǎn)動測試為例，5 個測試者共做了200次肩關(guān)節(jié)轉(zhuǎn)動測試，其中機械臂成功隨手臂運動的次數(shù)為183 次，識別精度為91.5%，肘關(guān)節(jié)和腕關(guān)節(jié)轉(zhuǎn)動測試的識別精度分別為91%和85%。通過對比發(fā)現(xiàn)，肩關(guān)節(jié)轉(zhuǎn)動測試的識別精度高于肘關(guān)節(jié)轉(zhuǎn)動測試的識別精度，而腕關(guān)節(jié)轉(zhuǎn)動測試的識別精度較肩關(guān)節(jié)和肘關(guān)節(jié)都低。一方面因為肩關(guān)節(jié)的轉(zhuǎn)動角度α由肩、肘兩關(guān)節(jié)的連線l1與垂線的夾角所確定，肩肘兩點之間的距離較長，可識別度較高，同理肘關(guān)節(jié)的轉(zhuǎn)動角度β是由肩、肘兩關(guān)節(jié)的連線l1與肘、腕兩關(guān)節(jié)的連線l2的夾角所確定，肩肘之間與肘腕之間的距離較長，而腕、手兩關(guān)節(jié)之間的連線l3距離短，可識別度相對較低；另一方面Kinect在采集骨骼節(jié)點信息時會受到骨骼噪聲的影響，由3 個關(guān)節(jié)轉(zhuǎn)動測試的識別精度可以發(fā)現(xiàn)，骨骼噪聲對腕關(guān)節(jié)的影響最大。另外通過對比不同角度下各關(guān)節(jié)轉(zhuǎn)動測試的失敗情況容易發(fā)現(xiàn)，測試失敗主要集中在10°這種小角度情況，而在30°和40°這些較大角度情況下失敗次數(shù)較少，主要因為當(dāng)手臂各關(guān)節(jié)轉(zhuǎn)動角度較小時，動作幅度不大，不利于Kinect追蹤人體骨骼節(jié)點，在采集骨骼節(jié)點信息時會受到骨骼噪聲干擾，從而影響了機械臂隨動。

3.2 帶有濾波算法的體感交互實驗

針對骨骼噪聲的影響問題，本文提出了限幅加權(quán)濾波算法處理所采集并計算得到的轉(zhuǎn)動角度，并在體感交互式控制系統(tǒng)中加入了限幅加權(quán)濾波處理環(huán)節(jié)。為了驗證所提出的限幅加權(quán)濾波算法能夠有效減少骨骼噪聲的影響，在相同實驗條件和測試環(huán)境下又做一組實驗，實驗結(jié)果如表3 所示。

表3 帶有濾波算法的體感交互實驗結(jié)果統(tǒng)計表Table 3 Statistical analysis of somatosensory interaction experiment results with filtering algorithm

通過對比表3 中肩關(guān)節(jié)、肘關(guān)節(jié)以及腕關(guān)節(jié)3 個轉(zhuǎn)動角度測試結(jié)果，同樣可以發(fā)現(xiàn)肩關(guān)節(jié)的轉(zhuǎn)動測試識別精度高于肘關(guān)節(jié)轉(zhuǎn)動測試識別精度，而腕關(guān)節(jié)轉(zhuǎn)動測試識別精度較肩關(guān)節(jié)和肘關(guān)節(jié)都低。由表3 的統(tǒng)計結(jié)果可知，各關(guān)節(jié)轉(zhuǎn)動測試失敗次數(shù)最多的依然是測試角度為10°這樣的小角度，而測試角度為30°和40°時，各關(guān)節(jié)轉(zhuǎn)動測試的成功次數(shù)最多。通過對比表2、3 不同關(guān)節(jié)轉(zhuǎn)動的識別率可知，表2 中3 個關(guān)節(jié)轉(zhuǎn)動的識別率分別為91.5%、91%、85%，而表3 中3 個關(guān)節(jié)轉(zhuǎn)動角度的識別率分別為97.5%、97%、94.5%，說明限幅加權(quán)濾波算法能夠有效減少Kinect 采集各個關(guān)節(jié)點時的噪聲影響；另外通過對比表2、3 不同轉(zhuǎn)動角度的識別率可知，表2 中10°、20°、30°、40°情況下識別率分別為70.7%、91.3%、96%、98.7%，而表3 中10°、20°、30°、40°情況下識別率分別為91.3%、96.7%、98%、99.3%。一方面可以說明當(dāng)關(guān)節(jié)轉(zhuǎn)動角度大時，骨骼噪聲影響較小，而對于10°這樣的小角度，最易受到骨骼噪聲影響，另一方面說明限幅加權(quán)濾波算法能有效減少小角度下的骨骼噪聲，提高小角度下的識別率。所提出的限幅加權(quán)濾波算法能夠有效減少骨骼噪聲影響的原因在于對不同時間序列所對應(yīng)的轉(zhuǎn)動角度加權(quán)處理，使轉(zhuǎn)動角度保持在穩(wěn)定范圍內(nèi)，不僅有效減少了骨骼噪聲的影響，而且避免了“跳躍式”轉(zhuǎn)動角度的干擾，從而能夠提高體感交互式系統(tǒng)的識別精度。

4 結(jié)束語

本文利用Kinect 骨骼追蹤技術(shù)，采集人體的骨骼節(jié)點信息并采用空間向量映射方法計算出各關(guān)節(jié)點的轉(zhuǎn)動角度；提出了限幅加權(quán)濾波算法，各關(guān)節(jié)轉(zhuǎn)動角度進行濾波處理，有效減少了骨骼噪聲的影響；然后將轉(zhuǎn)動角度轉(zhuǎn)化為對應(yīng)的控制指令，K60 單片機采用中斷查詢方式接收控制指令，控制機械臂的3 號、4 號以及5 號舵機，分別實現(xiàn)了對應(yīng)的腕關(guān)節(jié)、肘關(guān)節(jié)以及肩關(guān)節(jié)上下/前后轉(zhuǎn)動。下一步將建立一個操控人體多關(guān)節(jié)的體感交互式系統(tǒng)，并進一步提高識別精度。