文献综述
本课题的现状及发展趋势：
随着科学技术的发展，机器人在人们生活中将会扮演越来越重要的角色，各类机器人会被广泛地应用于国防、工业、医疗保健等各个领域[1][2]。近年来，伴随着传感技术的飞速发展，市场上已经涌现出一大批自然的体感交互设备如Kinect，Leap Motion，Oculus Rift 等。这给基于体感交互硬件设备实现实时人机运动传递的研究带来了良好的发展机会。再者，在一些复杂的操作面前，尤其是在多变的操作坏境中作业时，固定的算法编程无法满足实际需求，此时人类的决策有着非常重要的作用[3]。在这样的一种背景下，本设计利用Kinect可实现体感交互的功能，将Kinect与机械臂相结合，实现人体手臂动作实时控制机械臂运动，以满足不同环境下的操作要求。
Kinect是美国微软公司于2010年推出的Xbox 360游戏机体感周边外设，在此之后，Kinect在各个领域得到了广泛应用。例如，利用Kinect 实现真正意义上的人机交互对操作者操作意图进行判断，蒲筠果等[4]对操作者身体动作或手势的识别；利用Kinect识别人体手势，Jha等[5]Zhang Y[6]和韩峥等[7]利用Kinect传感器采集人体动作信息，设计实现机器人交互控制系统，从深度数据中解析出相应的人体动作来控制机器人做出响应。包军等[8]将Kinect与加速度传感器结合检测人体跌倒事件，通过对深度图像的不同处理技术检测出前景物体（人），计算人体重心点以及人体重心与地面的高度距离，根据两种传感器获取的人体状态信息和预定义规则，综合评估跌倒事件的发生。
随着体感技术的发展，很多研究者和工程师提出将体感技术引用到机器人的控制上，来实现自然、非接触的人机交互控制系统研究与设计[9]。机械臂控制系统融合了计算机、机械、控制、电气自动化等多个学科，是一个比较复杂的控制系统。如研究者蔡明汗和钱永恒[10]以及张博炜[11]基于Kinect设备实现仿人机器人的运动控制设计，利用 Kinect传感器进行人体骨骼检测与跟踪，实现了机器人跟随、模仿人体动作的控制操作。丁美昆等[12]通过 Kinect 深度图像的处理实现了机械臂抓取目标物的准确定位，采随机扩展搜索树算法对机械臂末端运动进行路径规划，实现了机械臂对目标物的自主抓取控制设计。经过相关科研工作者的不懈努力，在机器人的研究方面取得了较大的进步。
随着人与计算机的交互越来越频繁，现在的人机交互方式需要一种更直观自然和简单的方式，研究的热点包括了语音识别，手势交互，虚拟现实等新型人机交互技术的研究。由传统的指令模式转变为以用户为中心的交互模式[13]。
随着人与计算机的交互越来越频繁，现在的人机交互方式需要一种更直观自然和简单的方式，研究的热点包括了语音识别，手势交互，虚拟现实等新型人机交互技术的研究。由传统的指令模式转变为以用户为中心的交互模式[14]。 本课题的价值：
本设计无需操作者靠近机械臂，及其具有人性化和实时性的特点，可将其应用于家庭、社区等场合，对于下肢行动不便、伤残者、以及老年人，此设备可以按照操作者的意图方便拿取物品，操作者只需要做出要拿取物体的动作，从而控制机械臂成功拿取物体并且递给操作者[15]。
面对各种救灾行动中救援人员的伤亡问题，我们可将其应用于危险环境中的操作[16]。代替救灾工作中的人力付出，救灾工作者只需远程操作机械臂的运作从而安全，高效的完成救灾工作。同样，该作品也可用来代替恶劣环境中的人力劳动，从而减少职业病对人体的伤害[17]。其次，为解决日常生活中室内高处空间利用率不高的问题，我们也可以将其应用于工厂、超市图书馆等地，帮助人们取放高处物品[18]。 参考文献：
1.丁伟, 王宜怀, 贾荣媛. 基于K64机械臂控制系统的设计与实现[J]. 电子技术应用, 2017, 43(12): 36-39. 2.Zhang Z, Mei X, Bian X, et al. Development of an intelligent interaction service robot using ROS[C]. In: Proceedings of Advanced Information Management, Communicates, Electronic and Automation Control Conference[C]. Xirsquo;an, China: IEEE, 2017:1738-1742. 3.Sento A, Srisuk P, Kitjaidure Y. An intelligent system architecture for meal assistant robotic arm[C]. In: Proceedings of International Conference on Knowledge and Smart Technology. Chonburi, Thailand: IEEE, 2017:166-171. 4.蒲筠果, 王志刚, 朱良. 基于农业采摘的机械臂结构设计研究[J]. 农机化研究, 2018, 40(09): 39-43. 5.Jha A, Chiddarwar S, Alakshendra V, et al. Kinematics-based approach for robot programming via human arm motion[J]. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 2016, 39(7):1-17. 6.Lin H B, Mei W L, Zhang Y. Implement of Robot Arm Body Feeling Interaction System Based on the Kinect Skeletal Information[J]. Applied Mechanics Materials, 2012, 220-223:1203-1206. 7.韩峥, 刘华平, 黄文炳, 等. 基于Kinect的机械臂目标抓取[J]. 智能系统学报, 2013, 8(02): 149-155. 8.包军, 仓宇, 邓经枢, 等. 基于LeapMotion和S曲线的飞行机器人机械臂控制研究[J].计算机应用研究, 2017, 5(11): 33-35. 9.周小模, 刘威. 基于Kinect与Dobot机械臂的人机交互系统[J]. 信息技术, 2017, 41(12): 110-112. 10.蔡汉明, 钱永恒. Dobot型机器人运动学分析与仿真[J]. 机电工程, 2016, 33(10): 99-103. 11.张博玮. 基于Kinect的机械臂车系统的目标抓取[J]. 科技视界, 2017, 22(25): 53-55. 12.丁美昆, 徐昱琳, 蒋财军, 等. 基于Kinect的机器人臂手系统的目标抓取[J]. 上海大学学报（自然科学版）, 2016, 22(4): 201-202. 13. 沈莉丽. 基于体感识别的辅助倒水机器人控制系统[J]. 电子器件, 2017, 40(5): 1314-1318. 14. Handy M, Parks B, Deeds R, et al. Use of the chloroplast gene ycf1 for the genetic differentiation of pine nuts obtained from consumers experiencing dysgeusia[J]. Journal of Agricultural and Food Chemistry, 2011, 59(20):10995. 15. 董嘉棋, 万卫兵, 朱特浩, 等. 面向翻书机器人的手势控制指令的识别算法[J]. 东华大学学报（自然科学版）, 2017, 43(06): 869-877. 16. 沈莉丽. 基于Kinect视觉识别的智能居家机器人系统[J]. 组合机床与自动化加工技术, 2017, 30(12): 78-80, 84. 17. 张帅, 周恒杰, 张琳涛. 基于Unity3D和Kinect的体感跑酷游戏开发关键技术设计与实现[J]. 三明学院学报, 2015, 32(6): 32-36. 18.朱国刚, 曹林. 基于Kinect传感器骨骼信息的人体动作识别[J]. 计算机仿真, 2014, 31(12): 329-333.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
