随着机器人技术与人机交互技术的不断发展,机器人体感控制技术以其自然方便的控制体验,在机器人民用化的发展过程中正在扮演着越来越重要的角色。同时,随着计算机视觉技术的发展,基于计算机视觉的机器人体感控制技术使体感控制复杂度得到降低,因此视觉传感器已经成为机器人体感控制信息获取的主要途径。Kinect传感器作为一种高性价比的视觉体感传感器,利用TOF(Time of Flight)技术获取体感信息,克服了传统视觉传感器受环境光照变化、背景复杂性影响的缺陷,并将丰富的空间三维信息融入机器人体感控制之中,有助于提升体感控制的性能。因此,本文拟将Kinect传感器引入机器人体感控制系统。针对这一问题的研究,需要重点解决以下几个问题。首先,由于场景存在遮挡以及kinect自身软硬件设计问题,导致Kinect传感器会得到错误的体感信息,这些错误的体感信息会引起体感控制不准确的问题,因此,我们研究的第一个问题是消除kinect的错误体感信息;其次,坐标系映射问题,Kinect传感器的坐标系与机器人的运动坐标系并不相同,需要一系列的转换算法才能够将Kinect传感器获取的体感信息应用到机器人体感控制中。本文针对以上两个问题展开了研究。首先,本文提出了一种Kinect关节数据优化算法。该算法首先通过kinect传感器获取人体关节位置数据,之后通过帧内约束与帧间约束确定Kinect关节数据的可靠度,通过可靠度阈值将关节数据划分为错误数据和待优化数据。接着提出基于改进霍尔特滤波的关节数据优化算法,针对错误关节数据根据霍尔特滤波预测公式与人体约束条件进行预测与替代,针对待优化数据根据霍尔特滤波平滑公式与关节可靠度结合进行关节优化,最终生成优化后的人体关节数据。通过实验对比分析,本文提出的关节优化算法有效获取了准确的关节数据。其次,本文采用基于空间几何法与D-H(Denavit-Hartenberg)矩阵法结合的坐标变换方法。通过空间几何法将人体关节位置信息转换为人体运动角度信息,接着通过D-H矩阵法对机器人运动建立模型,生成机器人运动坐标变换矩阵。最后,将人体运动角度信息与运动变换矩阵相结合,生成机器人坐标系下的机器人运动信息。最后,本文将提出算法应用于虚拟机器人体感控制,实现了基于Choregraphe的Nao机器人仿真平台,实现通过Kinect传感器对虚拟机器人的体感控制,将理论研究向实际应用进行转化。