随着人工智能技术的发展,以人为中心的非受限人机交互方式成为研究的热点,让机器人能够以人类的行为模式进行运作正逐渐成为人机交互技术发展的新方向。本文从人机交互中的基本任务之一——人机物体传递着手,提出了一种基于人类行为模式的人机物体传递系统。本文主要从以下方面展开研究:首先,结合RGB-D图像和人体骨骼关节点信息,提出一种人类物体传递意图识别方法。从RealSense D415相机获取彩色与深度图像并对齐,并通过OpenPose骨骼识别方法结合深度图像映射实时获取人体三维骨骼关节点;采用基于中心关节点的特征表示方法来描述上肢姿态,并使用支持向量机进行姿态实时分类;通过区域生长法结合HSV颜色阈值分割进行手持物体存在检测,并与姿态检测结果结合实现对人类物体传递意图的实时识别。其次,提出一种三维空间下基于人体舒适度模型的物体传接点预测方法。构建人体手臂模型,求解手臂正逆运动学及工作空间;在此基础上构建融合手臂关节扭矩模型和中间关节角度模型的二元舒适度模型,将传接点预测问题转换为舒适度优化问题,实现对人-人物体传接位置的预测,并开展人-人物体传接点验证实验,验证该模型的可行性和准确性;将该模型用于人机物体传递过程中,根据骨骼关节信息估算人体身高等参数,确定传接点预测模型输入参数,实现对人机物体传递过程中物体传接点的实时解算。然后,搭建机器人平台及人机物体传递系统。介绍机器人平台的本体硬件和传感器硬件参数,构建接口层API程序实现对机器人本体硬件的控制,并在接口层上编写ROS(Robot Operating System)驱动,整合机器人本体硬件和各部分传感器,为机器人构建完整的ROS层生态,将机器人上下层控制解耦,提高系统稳定性;基于人类行为模式过程设计人机物体传递系统控制逻辑,搭建人机物体传递系统框架并整合各关键模块,从硬件到软件,搭建一套人机物体传递系统实验平台。最后,开展人机物体传递系统各部分及整体实验。建立传递姿态识别数据集,通过支持向量机进行传递意图分类训练,并使用交叉验证进行超参数优化,获得99.6%的姿态识别准确率;对手持物体存在检测参数进行优化,实现97.3%的手持物体存在识别准确率;开展人机物体传递整体实验,让多个使用者体验该物体传递系统并进行RoSAS评价,证明本文提出的基于人类行为模型的人机物体传递系统能够有效降低传递时间,给使用者带来更加自然、流畅的传递体验。