随着科学技术的发展,人机交互方式逐渐回归到最自然的方式。例如,通过手势、语音、眼神、面部表情等作为计算机、移动设备的输入,这些方式简单方便且不需要键盘、鼠标等额外输入设备。基于手势的人机交互则是一个热门的研究领域,在人机交互中占据了重要的位置。近些年,工业机器人的迅速发展,导致很多传统工厂的工人在逐渐地被工业机器人所取代。目前,工业机器人大多是基于传统方式进行控制,控制过程复杂且需要一定的专业知识基础,有时还得记住很多操作指令。此外,无论对于服务机器人还是工业机器人,其末端执行器都在朝着更加复杂、灵活、通用性强的方向发展,仿人机械手就是未来的发展趋势,但仿人机械手自由度多、灵活性高、控制复杂,如果使用传统方式控制将会很麻烦,特别是在示教过程。因此,研究利用手势控制机器人的运动具有重要意义。本文提出了一种基于Kinect传感器的仿人机械手运动控制方法。使用D-H法建立仿人机械手的运动学模型,并详细地推导了其正运动学方程、逆运动学方程、静力学方程,使用3dsMax软件建立了仿人机械手的3D模型,通过仿真实验验证了其运动学模型的正确性。抓取规划是仿人机械手运动控制的重要组成部分之一,本文主要研究了简单形状的抓取规划问题,包括抓取对象的数学建模和平衡抓取的接触点位置规划。在对基于深度图像的双阈值手势提取法和基于肤色的椭圆模型进行研究后,提出了将双阈值法、肤色检测、分水岭算法等结合的手势提取算法,并利用Kinect获取的深度数据、骨骼信息、彩色图像完成手势提取。用不同的算法进行实验,对比后可以看出本文提出的算法具有较好的效果且能够满足实时性要求。使用优化的DBN模型完成手势识别,取得了很好的效果。最后还介绍了基于Kinect传感器的仿人机械手运动控制系统设计,通过该系统可以完成仿真实验以及对实验室仿人机器人的运动控制,并且支持双手控制。