近代科学技术的发展,使得机器人日益走入我们的工作和生活,具有仿人外部特征机器人更是得到了迅猛的发展和受到了人们的喜爱。作为机器人发展的高级阶段的仿人机器人,以其高度的智能化成为当前研究的热门领域。论文工作主要围绕基于视觉的仿人机器人智能交互方法进行展开研究,首先建立了仿人机器人视觉系统的机械和控制平台——仿人机器人头部,其次针对当前仿人机器人所需要的视觉功能进行了视觉系统的架构设计和关键技术研究,再次提出了一种新的静态手势识别方法用以仿人机器人的智能手势交互,最后引入了基于CUDA(通用计算设备架构)的并行计算模型进行系统性能提升,提高视觉系统的实时性。本文取得的主要研究成果和创新点如下：1.设计并实现了两自由度的仿人机器人头部机械结构,关节控制上采用伺服舵机。该头部具有控制灵活,定位准确,构造简单,但实现了仿人机器人头部运动的大部分功能。通过机器人运动学的相关理论,对机器人头部进行正逆向运动学建模,这样可以方便机器人头部对感兴趣区域进行注意和跟踪。2.仿人机器人的视觉系统是机器人获取外界环境信息的主要来源,是机器人决策的主要依据,同时也是自身行为信息的一种反馈途径。针对国内视觉架构和系统上研究比较少状况,提出了一种智能的、开放的、综合的视觉系统架构。该架构采用功能和知识相分离的四层模型,包括图像预处理层、特征提取层、仲裁决策层、功能应用层。并对视觉系统中的双目标定和立体视觉、人脸检测、颜色特征训练和识别、运动检测、注意性选择等关键技术进行了研究和实现。提出了颜色特征训练和识别的方法,该方法具有实时性高、实现简单,在特征区域选取比较合理时能很好的拟合该类颜色物体。提出了基于视觉的注意性选择方法,该方法综合考虑了机器人对人和非人物体的区别对待,同时在注意性选择时还考虑到了目标大小以及距离的影响,另外增加了注意力衰退机制,避免机器人注意力长时间粘在一个对象上。3.提出了一种新的静态手势识别方法。首先针对传统RCE(衰减库伦势)神经网络在手势分割过程中的不足,提出了一种抗噪能力和运行速度更高的改进RCE神经网络,并用改进的RCE神经网络和区域标记算法提取视觉图像中手的区域。在手势特征提取过程中,利用数学形态学、SUSAN(核近似像素分割)算法、改进OPTA(单路径细化算法)算法等提取出手掌心和边缘图像,再沿Freeman(由Freeman提出的算法)链码算法顺序计算出手势边缘到掌心的距离,作为手势的特征向量。在手势分类过程中,利用上一个步骤得出的边缘到掌心的距离作为RBF(径向基函数)神经网络的输入数据进行训练,输出数据为已定义好的手势中的某一个。最后将该方法用于仿人机器人与人之间的剪刀石头布交互游戏中,实验验证了该方法具有很高的识别率。4.针对视觉系统中产生的大量数据以及视觉系统中需要的大量处理,数据处理结果延迟较大,机器人反应缓慢的挑战,引进了基于CUDA的并行计算方法,用以提高仿人机器人视觉系统的运行性能。