本帖最后由 杨培源 于 2018-9-13 14:12 编辑
手势识别系统是基于，Ti公司的TM4C123G单片机，Ti公司的FDC2214电容传感器返回各路通道所采集回来的电容值，根据此电容值，与其所对应通道所设置的阈值相比较，以此来进行手势识别。在训练模式下，不断采集传感器各通道返回数值信息，同时利用学习算法，不断对相关通道阈值进行更新，使其更加符合测试者手的尺寸大小，从而使判决更加准确。 除去基本功能之外，添加了语音播报、音乐播放及其触控调节、PWM调节控制舵机模拟机械手臂的运转等附加功能。 各部分功能之间通过开关与拨码进行切换，利用LCD屏幕进行人机交互的显示。
一、系统结构 本系统硬件部分主要包括TI公司的TM4C123G主控模块、FDC2214电容传感器模块、电源模块、控制模块、手势识别模块、舵机模拟机械手臂模块、语言音乐播放模块。机械部分为所有独立模块连接并固定于木板上。基于TM4C123G主控模块，外接电源模块供电、控制模块选择功能模式、FDC2214电容传感器模块采集信息、舵机模块、语音播放模块播放语音及音乐信息。基于FDC2214电容传感器模块，一端受控于TM4C123G主控模块，另一端外接手势识别模块，来进行手势的判定与训练。手势识别模块分为五层，第一层和第三层为亚克力板，中间夹层为金属板，连接FDC2214电容传感器，采集感应信息，上面两层则为亚克力板手掌形状的凹槽，便于使用系统。软件部分使用液晶显示屏显示，通过开关和拨码选取不同状态，进行相关的操作。 1手势识别机械部分的论证与选择 方案一：使用FDC2214的五路通道，排列成露出一面的矩形空盒，将手伸入空盒中，在三维立体空间中，从五个面采集到的信息进行综合处理，判断手势。但此种方法分析起来维度太多，难以控制变量，而且各通道之间会彼此产生影响，干扰到其他通道的信息采集。 方案二：使用FDC2214的六路通道，排布成人体手指和手掌的形状，分别感应各手指及手掌的触碰情况，以此来进行手势的判断与训练。此方法有效地规避了各通道信息间的相互影响，将复杂的识别问题简化为触控问题。 综合以上两种方案，选择方案二。 2 主控MCU的论证与选择 方案一：选择89C51单片机控制。单片机简单易操作，但系统机器周期长，外设简单，引脚少，不利于控制复杂的系统。 方案二：选择MC9S12XS128单片机控制。该单片机为飞思卡尔公司所产，性能较好，外设丰富，且有PE，代码编写简单。但没有现成的单片机最小系统版，制作复杂且时间较长。 方案三：选择K60单片机控制。有现成的最小系统版，且有成型的开源库，代码较为简单。但是鉴于当前该款单片机芯片已经停产，若操作过程中发生芯片烧损，将有可能面临无可替代的困境。 方案四：选择TM4C123G单片机控制。该款单片机为Ti公司所产，性能要优于同类型单片机，功能更加多样与齐全，方便于使用，也便于在Ti官方网站上进行板卡的申请。此外，该款单片机性能稳定，因而备受青睐。 综合以上四种方案，选择方案四。 二、系统理论分析与计算
2 判决模式下的猜拳判决 猜拳模式下，只有石头、剪刀、布这3种情况，即其他情况皆为错误情况。对手指所在的五个传感器通道进行计数。计数值大于阈值记为1，否则记为0，进行累加。当累加值为0，并且手掌所在位置通道计数值同样大于阈值，则判断为石头；当累加值为2，则判断为剪刀，当判断值为5，则判断为布，其余各种情况均为错误情况。 3 判决模式下的划拳判决 划拳模式下，只有一、二、三、四、五这5种情况，即其他情况皆为错误情况。对手指所在的五个传感器通道进行计数。计数值大于阈值记为1，否则记为0，进行累加。累加值为几，则识别到的数字即为几，其余各种情况均为错误情况。 4 训练模式下的猜拳判决 猜拳训练，即是对各通道阈值的训练，即根据不同测试者手的不同，来更新各通道的阈值，以达到最优状态，便于得到正确识别结果。在该模式下，与判决模式相似，首先判断是哪几路通道检测到手指覆盖，即变化值大于阈值的通道。记录下该路通的变化值的二分之一，与上一次的阈值相加取平均，作为新的阈值，即为训练过程。 5 训练模式下的划拳判决 划拳训练模式同猜拳训练模式相同，都是对判断到的通道进行阈值更新，使其向更接近实际值方向偏移，竭力获得最优阈值。
感谢大连理工大学创新创业学院的吴振宇老师和李胜铭老师在赛前的培训与指导，是他们帮助我们学习了解并掌握了处理器与传感器的基本使用方法。这些都为我们在比赛中解决问题时提供了经验与想法。本题目较为简单，在较为充裕的四天时间内，全身心地投入到完善作品中也让我们收获了很多宝贵的经验，也让我们的作品更加成熟。硬件做得精致，软件做得无漏洞，拓展做得多样化，最后成就了我们的作品。 展示视频：2018年辽宁Ti电赛手势识别一等奖作品分享。
http://www.bilibili.com/video/av ... oc&ts=1536631028592
来自:哔哩哔哩
| 
投票
