作为衡量现代科技水平的重要标志,机器人技术受到国内外越来越多的重视。目前,机器人的研究已经在运动能力、人机交互、人工智能等方面取得了较大的进步,但仍面临着许多技术难题。人体动作模仿可以提高机器人的人机交互能力、学习能力和适应能力,让机器人更好地服务于人类。国内外现有的人体动作模仿的研究在动作获取方式、运动的机动性以及动作模仿效果上都还存在局限。因此,本文利用体感技术来获取人体动作信息,并将其应用于仿人机器人和工业机器人的仿人运动控制。首先,利用位姿描述、D-H机器人坐标系建立法以及正运动学方程建立了仿人机器人NAO机器人右腿运动学模型,且分别使用解析法和基于LM算法的BP神经网络的方法来求解其逆运动学。利用微软体感传感器Kinect、NAO以及PC机,构建了仿人机器人姿态动作模仿系统,根据Kinect人体骨骼信息和NAO机器人关节模型的各自特点,设计并实现了一种基于解析法的人体姿态到NAO仿人机器人姿态的转化方法,从而实现机器人对人体姿态的模仿。然后,依据COM投影与支撑多边形的位置关系来判定机器人姿态的稳定性,提出了一种姿态稳定性修正策略,对不稳定姿态的脚掌及脚踝目标位置进行调整,并使用LM算法来求取姿态修正过程中的运动学逆解。再结合姿态序列滤波限速等步骤,设计并用程序实现了仿人机器人动作模仿控制流程。还分别使用关节角度和连杆方向两种方法,对模仿过程中机器人和人体的姿态相似性进行定量评价。实验结果表明,通过本文的姿态转化算法和动作模仿控制,机器人能够模仿出与人体相似的姿态和动作,且能保持运动过程中的稳定性。同时,本文的相似性测度进一步验证了动作模仿算法的有效性。此外,设计并实现了一个基于人体手势控制的SCARA机器人写字系统,利用Kinect获取人体姿态信息,并使用手掌的相对位置来控制机器人的绘制轨迹,通过手掌状态来控制机器人的提笔和落笔动作。为提高机器人模仿写字的控制效率,还提出了一种基于设定误差范围来处理人体绘制轨迹方法。实验表明,该系统操作方便,能够使机器人快速精确地模仿人的写字动作。