一种实时3D远程人机交互系统的制作方法

本实用新型涉及到人机交互和实时远程3D视频通信领域，尤其是涉及到一种实时3D远程人机交互系统的技术背景。

背景技术：

如今，双目摄像头快速发展，如ZED、KINECT等双目摄像头，使获取深度图像信息越来越便利，并且成本低、精度高。特别是KINECT双目摄像头，用户可以很方便去获取和使用3D点云数据。将KINCKET运用到一种实时3D远程人机交互系统中，可以做到在一个较高的精度下节约制造成本。

PCL（Point Cloud Library）的出现，人们处理3D图片操作变得更加简单，结果更加稳定。一种实时3D远程AR交互系统使用PCL去处理采集到的3D点云数据，具有很大的优势。

AR技术的兴起，各种识别人身体部位的3D信息的设备得到快速发展，LEAP MOTION能够快速、稳定、准确采集到人的手部3D信息，这个为一种实时3D远程人机交互系统提供了交互技术硬件支持。

学术界已经有一些应用于远程人机交互系统和3D视频实时传输的相关专利，主要有：

1.中国公开专利：CN 103793060 A 一种用户交互系统和方法：交互界面的虚拟物体跟随提取人手的3D位置信息移动，该发明实现了3D交互系统，但是该发明只是单方向交互，并且用户必须佩戴头戴式3D显示器等，使用者操作繁琐。

2.中国公开专利：CN 105389006 A 一种基于Kinect的裸眼3D交互改进方法：利用 Kinect 采集到人手关节信息进行交互，但是在交互之前必须调整Kinect 到合适的位置和角度，由于安装复杂，限制了其使用范围。

3.中国公开专利：CN 103269423 A 可拓展式三维显示远程视频通信方法：利用RGB-D相机采集到人物图像，经过处理并发送到第二个用户，第二个用户接收并显示任务图像信息和播放声音，该发明只是实现了信息提取和传输，并没有双向交互过程。

技术实现要素：

本实用新型是实现一种实时3D远程交互系统，目的是在裸眼3D效果下，实现人与3D投影交互，其中3D投影是远程的操作的替身。本实用新型可概述为两大部分，分别是服务操作端、客户交互端，其中客户交互端为移动机器人。服务操作端至少包括一台电脑、深度摄像机、服务操作端图像处理模块、服务操作端数据发送\接收模块、服务操作端命令处理模块、服务操作端3D图像显示模块；客户交互端至少包括一台电脑、leap motion、客户交互端3D图像显示模块、客户交互端命令处理模块、客户交互端图像处理模块、客户交互端数据发送\接收模块、手的信息处理模块。

服务操作端和客户交互端实现实时在线通讯，服务操作端将3D图像和操作命令发送给客户交互端，客户交互端把交互结果发送给服务操作端。

服务操作端数据发送\接收模块和客户交互端数据发送\接收模块，用来发送和接收网络数据，且必须可以处理大数据。

服务操作端可显示交互结果的3D效果，客户交互端可显示操作者信息和命令（或者指导信息）的3D效果。

服务操作端图像处理模块和服务操作端命令处理模块，分别用来对点云数据进行处理（如滤波、分割、重建）、处理操作者命令和客户交互端发送过来的命令；客户交互端图像处理模块、渲染模块和客户交互端命令处理模块，分别用来对点云数据进行存储（如滤波、分割、重建）、渲染3D图像、处理服务操作端发送过来的操作者命令和客户交互的结果。

客户交互端手的信息处理模块，可以对leap motion获得数据进行处理，从而达到对模拟鼠标的控制。

服务操作端可以对客户交互端的移动机器人进行控制，可以在客户交互端显示操作者的命令；客户在客户交互端可以和3D投影进行交互，交互结果可以更新在投影上和发送到服务操作端。

本实用新型具体操作过程如下：

服务操作端：实现操作者上本身的3D点云数据采集、3D点云数据处理、命令处理、数据发送\接收功能。实施步骤如下：

1.深度相机采集操作者上身的3D点云数据，3D点云数据通过串口传输到近端电脑上；

2.服务操作端电脑接收到3D点云数据，将3D点云数据进行滤波、分割、重建等处理工作；

3.将处理好的3D点云数据和操作者对远端的操作命令一起打包数据包；

4.把打包好的数据包发送远端和接收客户交互端发送过来的命令；

5.解析远端发送反馈过来的命令，显示给操作者；

6.循环1-5步骤。

客户交互端：实现3D点云数据和近端发送的命令的接收、渲染3D点云数据、利用leap motion进行交互、发送交互结果到服务操作端的功能。实施步骤如下;

1.客户交互端接收到服务操作端发送过来的数据包，将数据包拆包，并存在相应的缓存中，比如点云数据缓存区、命令寄存器等。

2.将命令寄存器的命令解析成相应的文字，将点云数据缓存区的点云数据和渲染3D图片，以及将命令的文字赋给Text标签的值并渲染Text标签。

3.利用投影仪将渲染出来的效果投影到贴有幕布的玻璃上。

4.使用中断方式实现leap motion交互，其中，leap motion提取客户的手掌的位置信息、手掌法线、各个手指的向量等信息，然后把手掌的位置信息赋给模拟鼠标的位置，让模拟鼠标跟随手掌运动；利用手掌法线和手指向量信息识别两种手势，作为模拟鼠标的左右点击。当模拟鼠标移动到Text处，点击Text会触发中断，不同的Text会得到不同的命令。

5.将得到的命令打包，发送给服务操作端，并显示给操作者。

6.重复1-5步骤，其中步骤1和2是并行进行的，处于不同的线程，步骤4中，leap motion处理客户手的信息也是处于不同的线程。

本实用新型的优点：

本实用新型结合不同领域的知识，利用廉价的深度摄像头采集操作者信息，并利用局域网将操作信息传送到客户端，实现实时传输。在交互方面，利用Leap Motion 采集人手信息，去控制模拟鼠标，实现人与3D投影交互，操作方便，简单。

附图说明

图1为本实用新型整体结构流程图

图2为本实用新型服务操作端图像处理模块

图3为本实用新型客户交互端图像处理模块

图4为本实用新型客户交互端手的信息处理模块

图5为本实用新型交互信息控制流程图

其中0为操作者、1为深度摄像机、2为服务操作端图像处理模块、3为服务操作端3D图像显示模块、4为服务操作端命令处理模块、5为服务操作端数据发送\接收模块、6为客户交互端数据发送\接收模块、7为客户交互端命令处理模块、8为客户交互端图像处理模块、9为渲染模块、10为投影仪、11为客户交互端3D图像显示模块、12为手的信息处理模块、13为客户的操作手、14为leap motion。

具体实施方式

下面结合附图1到附图5以及实施例对本实用新型作进一步详细的描述。

如图1所示，本实用新型整体流程大致包括15个模块，其中由两大部分组成，分别是服务操作端和客户交互端，服务操作端利用深度摄像头采集操作者的上半身的信息，经过图像处理后，然后组合操作者的命令成数据包，一起发送到客户交互端。客户交互端接收到网络传过来的数据，然后将数据包分包，存入不同的缓冲区，然后显示相关信息，其中这个需要一台投影仪和贴着玻璃幕布的玻璃板，最终可以在客户面前显示相关的3D信息。在客户交互端，客户可以通过leap motion和3D投影图像交互，交互的结果同样会显示在客户交互端的玻璃板上，该结果同时通过局域网传到服务操作端。

在服务操作端至少包括操作者0、深度摄像机1、服务操作端图像处理模块2、服务操作端3D图像显示模块3、服务操作端命令处理模块4、服务操作端数据发送\接收模块5。其中，深度摄像机1在本次实施中使用Kinect摄像机，目的是采集操作者0上本身的3D点云信息；服务操作端图像处理模块2是处理3D点云信息，具体是对3D点云信息进行滤波、分割、重建；服务操作端3D图像显示模块3是显示采集处理后的信息和交互结果信息；服务操作端命令处理模块4是对操作者的命令处理和交互结果的解析，为显示\发送做好准备；服务操作端数据发送\接收模块5是发送3D点云信息和操作者的命令、接收客户交互端交互的结果。

在客户交互端包括客户交互端数据发送\接收模块6、客户交互端命令处理模块7、客户交互端图像处理模块8、渲染模块9、投影仪10、客户交互端3D图像显示模块11、手的信息处理模块12、客户的操作手13、leap motion 14。其中，客户交互端为移动机器人，移动机器人包括以上模块。客户交互端数据发送\接收模块6是接收服务操作端发送过来的点云信息和命令、发送客户交互端交互的结果；客户交互端命令处理模块7是对操作者的命令解析和交互结果的处理，为显示\发送命令做好准备；客户交互端图像处理模块8是处理点云信息和命令，具体是把点云数据和命令存在不同的缓存区，并把点云数据赋给PCL对象，为渲染做好准备；渲染模块9是把点云信息和命令在客户交互端的电脑GRU上渲染；投影仪10是把渲染好信息投影到贴有幕布的玻璃板上；手的信息处理模块12是处理leap motion 14采集到手一些信息，如手掌法线、手指向量、手掌位置等，在利用这一些信息之前也要进行滤波处理。利用手掌的位置信息赋给模拟鼠标的位置，这样模拟鼠标就可以跟随手掌移动，当模拟鼠标移动到Text标签时候（Text标签可以是一些指导信息或者一些交互命令，客户可以查看各种指导信息和触发各种命令），可以点击Text标签，这些结果会更新到幕布玻璃板上，同时也反馈到服务操作端，服务操作端接收到命令后，做出相应的反应，然后传送到客户交互端更新3D显示内容，从而完成一次交互动作。

下面具体解释每个步骤：

在服务操作端，利用深度摄像机1提取操作者0的上半身的3D点云数据，本实施是使用是Kinect摄像机， kinect 摄像机安装在操作者前方，调整好角度，便可以固定。本实施没有使用微软官方的驱动，使用了第三方的SensorKinect 作为本实例的驱动，然后利用第三方 OpenNI库进行获取点云数据，其中利用其Grabber对象进行获取点数据。

如图2，当服务操作端电脑获取到点云数据后，利用第三方PCL库进行处理，首先是进行滤波，具体方法是使用统计滤波器（ StatisticalOutlierRemoval ）去除奇异点，接着使用双边滤波器平滑3D图像。接下来是分割图像，得到人的上半身的3D图像，分割是基于随机采样一致性（RANSAC）分割算法，得到操作上身的模型。但是，如果不对3D点云数据进行重建，那么会导致人的脸部缺失，重建是使用基于快速Delaunay三角化曲面重建算法，到此得到了最终处理后的点云数据。

处理好点云数据后，操作者发出的命令经过服务操作端命令处理模块4转换成发送命令的格式，结合点云数据打包成数据包，服务操作端发送\接收模块5是使用Boost中 asio 模块传输，发送先是把数据放入buffer流中，先发送数据大小然后发送整个数据包；在客户交互端，接收到网络数据包之后，首先从数据包中提取数据大小，然后分别接收3D点云数据和命令数据，接收后放在对应的缓存区。当客户交互端得到交互结果，同样先经过客户交互端命令处理模块7再打包数据，先发送数据大小，再发送数据；当服务操作端接收到网络数据，首先从数据包中提取数据大小，然后接收交互结果数据，接着把交互信息显示给操作者。

如图3，客户交互端得到服务操作端的数据后，把命令缓存区的数据转换成string类型，接着，利用PCL中 CloudViewer 对象，把命令数据赋给Text标签的值，最后对接收好的3D点云数据和Text标签进行渲染。同时，投影议会将渲染好的3D效果投影到贴有幕布的人形玻璃板上。

在客户交互端，客户裸眼可以看到3D效果图，其中由操作者的上半身图像和一些命令信息，这些命令信息可以是指导信息也可以是操作者对客户的要求等等。客户可以使用leap motion 14进行交互，交互信息可以传回给服务操作端。首先介绍本发明如何去提取客户的手信息来控制模拟鼠标（即手的信息处理模块12），接下来介绍整个交互过程。

如图4所示，当客户的手放在leap motion 14的识别区域，leap motion 14会自动读取手的信息，如手掌的位置、手掌的法线和各个手指的向量等。这些数据经过滤波后就可得到较高的精度信息，把手掌位置赋给模拟鼠标的位置，即可让模拟鼠标跟随手掌一起运动。利用手掌的法线和各个手指的向量即可识别手势，本实例中识别两种手势，分别是握拳和只有拇指张开，分别代表是鼠标的左右点击。

图5为这个系统交互的流程图，在客户交互端，leap motion 14获得客户的手信息，传送给手的信息处理模块12，当有点击命令发生时，会触发程序中断，中断程序会检测点击位置，然后根据位置确定点击是哪个Text标签，然后根据标签确定哪个命令，然后将命令传送回服务操作端。如果是指导信息，在客户交互端会更新投影图像，显示相关的指导信息。当命令通过局域网传输到服务操作端，服务操作端接收到命令，把命令解析并显示给操作者，操作者会根据交互的结果做出相应的命令，该命令同样会通过局域网传送到客户交互端，然后通过客户交互端图像处理模块6和渲染模块7，将操作者发送的命令显示给客户，如果命令是控制移动机器人运动，则该命令会传给移动机器人控制面板。

上述实施例为本实用新型的实施方式，但本实用新型的实施方式并不受上述实施例的限制，其他的任何未背离本发明的原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本实用新型的保护范围之内。