Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/39001
DC FieldValueLanguage
dc.contributor.advisorNeto, Pedro Mariano Simões-
dc.contributor.authorVitorino, João Pedro Amaro-
dc.date.accessioned2017-03-28T15:05:03Z-
dc.date.available2017-03-28T15:05:03Z-
dc.date.issued2014-09-22-
dc.identifier.urihttps://hdl.handle.net/10316/39001-
dc.descriptionDissertação de Mestrado Integrado em Engenharia Mecânica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.pt
dc.description.abstractOs robôs industriais têm vindo a ter um papel importante no sector industrial. A sua abrangência às pequenas e médias empresas (PMEs) é importante, mas a complexidade da programação é um grande entrave. Esta necessita de técnicos especializados, e no caso da programação offline exige um grande investimento em programas informáticos e um longo período de treino até que se consiga uma utilização eficiente. No sentido de naturalizar a interacção com os robôs tem existido ao longo dos últimos anos um grande esforço relativamente ao desenvolvimento de interfaces Homem-robô (HRI). Esta dissertação pretende contribuir para essa investigação, sendo essa interacção efectuada recorrendo aos gestos da mão humana. São considerados vários gestos, tanto estáticos como dinâmicos, e quando estes são reconhecidos, é dada uma ordem de operação ao robô. Ou seja, o robô executa a operação desejada com um gesto executado pelo utilizador. O reconhecimento dos gestos estáticos e dinâmicos é feito recorrendo a dois métodos diferentes. Para o reconhecimento de gestos estáticos recorre-se a uma rede neuronal artificial (ANN) enquanto que para o reconhecimento de gestos dinâmicos utilizam-se modelos ocultos de Markov (HMMs). Estes métodos mostram que são adequados neste tipo de aplicações, obtendo-se uma taxa de reconhecimento global de 99,83%, num grupo de 12 gestos estáticos, e 94,20%, num grupo de 10 gestos dinâmicos, efectuados pelo mesmo utilizador que gerou os dados de treino e aprendizagem. Para um utilizador diferente verifica-se uma taxa de reconhecimento global de 99,75% e 93,60%, respectivamente. Com o sistema proposto torna-se assim possível que um utilizador interaja com um robô industrial de forma mais intuitiva e natural. Assim o utilizador pode operar um robô, através de gestos, fazendo com que este execute movimentos, guarde posições, voltar a posições previamente guardadas, programar ciclos de trabalho, entre outras tarefas relevantes à empresa onde está inseridopt
dc.language.isoporpt
dc.rightsopenAccesspt
dc.subjectGestospt
dc.subjectLeap motionpt
dc.subjectSegmentação e reconhecimento de gestospt
dc.subjectRedes Neuronais Artificiais (ANN)pt
dc.subjectModelo Oculto de Markov (HMM)pt
dc.subjectRobôpt
dc.titleSegmentação e reconhecimento de gestos da mão humanapt
dc.typemasterThesispt
degois.publication.locationCoimbrapt
dc.date.embargo2014-09-22*
dc.identifier.tid201664739pt
thesis.degree.grantor00500::Universidade de Coimbrapt
thesis.degree.nameMestrado Integrado em Engenharia Mecânicapt
uc.degree.grantorUnit0501 - Faculdade de Ciências e Tecnologiapor
uc.rechabilitacaoestrangeiranopt
uc.date.periodoEmbargo0pt
uc.controloAutoridadeSim-
item.fulltextCom Texto completo-
item.languageiso639-1pt-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairetypemasterThesis-
item.grantfulltextopen-
item.cerifentitytypePublications-
crisitem.advisor.researchunitCEMMPRE - Centre for Mechanical Engineering, Materials and Processes-
crisitem.advisor.orcid0000-0003-2177-5078-
Appears in Collections:UC - Dissertações de Mestrado
FCTUC Eng.Mecânica - Teses de Mestrado
Files in This Item:
File Description SizeFormat
Segmentacao e Reconhecimento de Gestos da Mao Humana.pdf12.58 MBAdobe PDFView/Open
Show simple item record

Page view(s) 50

382
checked on Jul 16, 2024

Download(s) 50

444
checked on Jul 16, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.