机器人人机界面的三维可视化设计
张韬
摘 要： 为了提高机器人人机界面的三维可视化操作性能，提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。采用计算机视觉方法进行机器人的人机界面视觉特征采样，对采样的视觉像素信息进行稀疏散点重构，在重构的三维空间中通过图像处理方法实现图形降噪和边缘修正处理，提高人机交互界面的三维可视化图形细节表达能力。仿真结果表明，采用该方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，具有较高的应用价值。
关键词： 机器人； 人机界面； 三维可视化； 图形降噪； 图像处理
中图分类号： TN830.1?34； TP391 文献标识码： A 文章編号： 1004?373X（2017）12?0105?03
Abstract： In order to improve the operating performance of 3D visualization of robot human?computer interface， a 3D visualization reconstruction design method of robot human?computer interface based on GPU real?time graph tracking rendering is put forward. The computer vision method is used to sample the visual features of robot man?computer interface， and perform the sparse scattered points reconstruction for the sampled vision pixel information. The image processing method is adopted to denoise the graph and correct the edge in the reconstructed 3D space， and improve the detail presentation ability of 3D visualization graph of man?computer interface. The simulation results show that the method used to design the 3D visualization of the robot human?computer interface has perfect visual effect of the output graph， strong human?computer interaction ability， and high application value.
Keywords： robot； human?computer interface； 3D visualization； graph noise reduction； image processing
0 引 言
机器人人机交互（Human?Computer Interaction，HCM）是通过图像和计算机视觉处理的方法，实现机器人系统与用户之间的交互关系和沟通，在机器人人机交互过程中，人与计算机通过计算机视觉处理和动作识别的形式实现语言沟通，完成确定的任务和计算机与机器人的信息交换[1]。机器人人机交互系统广泛应用在视景模型仿真、机器手设计和远程虚拟控制等领域，在现代工业和远程控制中具有重要的应用价值。
在机器人的人机交互中，需要通过对人机界面的三维可视化设计，提高人机交互的可视性和人工智能性，研究人机交互界面的三维可视化重构方法在机器人的人工智能优化设计领域具有重要的应用意义。对此，本文提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。首先采用计算机视觉方法进行机器人的人机界面视觉特征采样，采用图像处理方法实现图形降噪和边缘修正处理，提高人机交互界面的三维可视化图形细节表达能力。最后进行仿真实验分析，得出有效性结论。
1 视觉特征采样与像素信息重构
1.1 人机界面计算机视觉特征采样
为了实现机器人人机界面的三维可视化设计，首先进行视觉信息采样，本文采用计算机视觉方法进行机器人的人机界面视觉特征采样，在视觉信息采集中，对特征空间中的突变信息进行采集，检测提取后的轮廓线信息是否符合要求，不符合的原因是由于阈值小而提取了过多的次要轮廓线，使主要轮廓线无法突出。利用多尺度特征来提取轮廓线，并将高频与低频部分的轮廓线信号进行融合，也就是在不同尺度特征下进行轮廓线提取，因此可得到光滑的轮廓线图像，提取出的人机界面外部采集轮廓线，将外部特征通过二维流形分析[2]。机器人与人体动作的交互过程可以表征为一个高维向量，收集大量人体动作完成机器人的人机动作交互，将人机交互界面场景数据库中的交互动作数据进行三维特征扫描，扫描包括激光扫描、红外扫描和CT扫描等方法[3]，得到机器人人机界面交互的动作扫描的像素组成为：
1.2 视觉像素信息稀疏散点重构
对采样的视觉像素信息进行稀疏散点重构，为进行人机界面的三维可视化设计提供数据基础，对机器人人机交互界面的视觉像素信息稀疏散点重构需要遵循以下原则：
（1） 可描述性。对不同的人机交互动作，应该提取具有明显区别的特征参数，即特征参数具有较强的敏感性，能够高效地对技术姿态进行描述。
（2） 可靠性。不同的动作识别系统做同一个技术动作时一定会存在差异，但这种差异不应该对特征参数造成影响，即同种类型的技术姿态的特征参数会比较相似，这就要求所提取的特征参数对位置和对象不敏感。
（3） 数量少。一个动作识别特征值越多，系统的计算复杂程度就越大，因此要尽可能控制特征值的数量[5]。在像素点中，通过仿射变换，得到对应的不变矩坐标为，在不同朝向和不同尺度间进行机器人人机界面网格区域匹配，得到人机界面三维轮廓函数为：
3 实验测试分析
对机器人的人机界面三维可视化实验建立在本主机配置为PentiumD CPU 2.80 GHz，2.79 GHz，2.00 GB内存的计算机硬件平台上。在机器人人机动作特征识别中，人体动作特征单元和模块子单元表示为Cell （col，row）。其中col表示行，row为列，人机交互中人体动作图像采集来自于分辨率为640×480，帧率为25 f/s的AVI视频，参数设定为=0.5，=2，=2，得到机器人人机界面的三维可视化重构结果如图1所示。对图1给出的机器人人机界面三维重构结果进行降噪和修正处理，得到三维可视化优化结果如图2所示。
对比图2和图1结果得知，采用本文方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，性能优越。
4 结 语
为了提高机器人人机界面的三维可视化操作性能，本文提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。采用计算机视觉方法进行机器人的人机界面视觉特征采样，在重构的三维空间中通过图像处理方法实现图形降噪和边缘修正处理，实现三维可视化设计。研究得知，采用该方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，具有较高的应用价值。
参考文献
[1] 董哲康，段书凯，胡小方.非线性忆阻器的串并联研究及在图像处理中的应用[J].西南大学学报（自然科学版），2015，37（2）：153?161.
[2] 袁健，高勃.基于OpenCL的三维可视化加速模型[J].小型微型计算机系统，2015，36（2）：327?331.
[3] 朱路，刘江锋，刘媛媛，等.基于稀疏采样与级联字典的微波辐射图像重构方法[J].微波学报，2014，30（6）：41?45.
[4] HUANG Y， PAISLEY J， LIN Q， et al. Bayesian nonparametric dictionary learning for compressed sensing MRI [J]. IEEE transactions on image processing， 2014， 23（12）： 5007?5019.
[5] SHEN L， SUN G， HUANG Q， et al. Multi?level discriminative dictionary learning with application to large scale image classification [J]. IEEE transactions on image processing， 2015， 24（10）： 3109?3123.
[6] 窦慧晶，王千龙，张雪.基于小波阈值去噪和共轭模糊函数的时频差联合估计算法[J].电子与信息学报，2016，38（5）：1123?1128.
摘 要： 为了提高机器人人机界面的三维可视化操作性能，提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。采用计算机视觉方法进行机器人的人机界面视觉特征采样，对采样的视觉像素信息进行稀疏散点重构，在重构的三维空间中通过图像处理方法实现图形降噪和边缘修正处理，提高人机交互界面的三维可视化图形细节表达能力。仿真结果表明，采用该方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，具有较高的应用价值。
关键词： 机器人； 人机界面； 三维可视化； 图形降噪； 图像处理
中图分类号： TN830.1?34； TP391 文献标识码： A 文章編号： 1004?373X（2017）12?0105?03
Abstract： In order to improve the operating performance of 3D visualization of robot human?computer interface， a 3D visualization reconstruction design method of robot human?computer interface based on GPU real?time graph tracking rendering is put forward. The computer vision method is used to sample the visual features of robot man?computer interface， and perform the sparse scattered points reconstruction for the sampled vision pixel information. The image processing method is adopted to denoise the graph and correct the edge in the reconstructed 3D space， and improve the detail presentation ability of 3D visualization graph of man?computer interface. The simulation results show that the method used to design the 3D visualization of the robot human?computer interface has perfect visual effect of the output graph， strong human?computer interaction ability， and high application value.
Keywords： robot； human?computer interface； 3D visualization； graph noise reduction； image processing
0 引 言
机器人人机交互（Human?Computer Interaction，HCM）是通过图像和计算机视觉处理的方法，实现机器人系统与用户之间的交互关系和沟通，在机器人人机交互过程中，人与计算机通过计算机视觉处理和动作识别的形式实现语言沟通，完成确定的任务和计算机与机器人的信息交换[1]。机器人人机交互系统广泛应用在视景模型仿真、机器手设计和远程虚拟控制等领域，在现代工业和远程控制中具有重要的应用价值。
在机器人的人机交互中，需要通过对人机界面的三维可视化设计，提高人机交互的可视性和人工智能性，研究人机交互界面的三维可视化重构方法在机器人的人工智能优化设计领域具有重要的应用意义。对此，本文提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。首先采用计算机视觉方法进行机器人的人机界面视觉特征采样，采用图像处理方法实现图形降噪和边缘修正处理，提高人机交互界面的三维可视化图形细节表达能力。最后进行仿真实验分析，得出有效性结论。
1 视觉特征采样与像素信息重构
1.1 人机界面计算机视觉特征采样
为了实现机器人人机界面的三维可视化设计，首先进行视觉信息采样，本文采用计算机视觉方法进行机器人的人机界面视觉特征采样，在视觉信息采集中，对特征空间中的突变信息进行采集，检测提取后的轮廓线信息是否符合要求，不符合的原因是由于阈值小而提取了过多的次要轮廓线，使主要轮廓线无法突出。利用多尺度特征来提取轮廓线，并将高频与低频部分的轮廓线信号进行融合，也就是在不同尺度特征下进行轮廓线提取，因此可得到光滑的轮廓线图像，提取出的人机界面外部采集轮廓线，将外部特征通过二维流形分析[2]。机器人与人体动作的交互过程可以表征为一个高维向量，收集大量人体动作完成机器人的人机动作交互，将人机交互界面场景数据库中的交互动作数据进行三维特征扫描，扫描包括激光扫描、红外扫描和CT扫描等方法[3]，得到机器人人机界面交互的动作扫描的像素组成为：
1.2 视觉像素信息稀疏散点重构
对采样的视觉像素信息进行稀疏散点重构，为进行人机界面的三维可视化设计提供数据基础，对机器人人机交互界面的视觉像素信息稀疏散点重构需要遵循以下原则：
（1） 可描述性。对不同的人机交互动作，应该提取具有明显区别的特征参数，即特征参数具有较强的敏感性，能够高效地对技术姿态进行描述。
（2） 可靠性。不同的动作识别系统做同一个技术动作时一定会存在差异，但这种差异不应该对特征参数造成影响，即同种类型的技术姿态的特征参数会比较相似，这就要求所提取的特征参数对位置和对象不敏感。
（3） 数量少。一个动作识别特征值越多，系统的计算复杂程度就越大，因此要尽可能控制特征值的数量[5]。在像素点中，通过仿射变换，得到对应的不变矩坐标为，在不同朝向和不同尺度间进行机器人人机界面网格区域匹配，得到人机界面三维轮廓函数为：
3 实验测试分析
对机器人的人机界面三维可视化实验建立在本主机配置为PentiumD CPU 2.80 GHz，2.79 GHz，2.00 GB内存的计算机硬件平台上。在机器人人机动作特征识别中，人体动作特征单元和模块子单元表示为Cell （col，row）。其中col表示行，row为列，人机交互中人体动作图像采集来自于分辨率为640×480，帧率为25 f/s的AVI视频，参数设定为=0.5，=2，=2，得到机器人人机界面的三维可视化重构结果如图1所示。对图1给出的机器人人机界面三维重构结果进行降噪和修正处理，得到三维可视化优化结果如图2所示。
对比图2和图1结果得知，采用本文方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，性能优越。
4 结 语
为了提高机器人人机界面的三维可视化操作性能，本文提出一种基于GPU实时图形跟踪渲染的机器人人机界面的三维可视化重构设计方法。采用计算机视觉方法进行机器人的人机界面视觉特征采样，在重构的三维空间中通过图像处理方法实现图形降噪和边缘修正处理，实现三维可视化设计。研究得知，采用该方法进行机器人人机界面的三维可视化设计，输出图形的视觉效果较好，人机交互能力较强，具有较高的应用价值。
参考文献
[1] 董哲康，段书凯，胡小方.非线性忆阻器的串并联研究及在图像处理中的应用[J].西南大学学报（自然科学版），2015，37（2）：153?161.
[2] 袁健，高勃.基于OpenCL的三维可视化加速模型[J].小型微型计算机系统，2015，36（2）：327?331.
[3] 朱路，刘江锋，刘媛媛，等.基于稀疏采样与级联字典的微波辐射图像重构方法[J].微波学报，2014，30（6）：41?45.
[4] HUANG Y， PAISLEY J， LIN Q， et al. Bayesian nonparametric dictionary learning for compressed sensing MRI [J]. IEEE transactions on image processing， 2014， 23（12）： 5007?5019.
[5] SHEN L， SUN G， HUANG Q， et al. Multi?level discriminative dictionary learning with application to large scale image classification [J]. IEEE transactions on image processing， 2015， 24（10）： 3109?3123.
[6] 窦慧晶，王千龙，张雪.基于小波阈值去噪和共轭模糊函数的时频差联合估计算法[J].电子与信息学报，2016，38（5）：1123?1128.
