CN101799934A - 一种基于微机电惯性传感网络的实时人体运动捕捉系统 - Google Patents

Abstract

本发明涉及一种基于微机电惯性传感网络的实时人体运动捕捉系统，主要包括：基于MEMS-uIMU的人体运动测量微惯导传感系统、基于处理器平台的集成了自动检测—分析—控制功能的人体运动参数信号处理系统、基于计算机平台的实时人体运动重构系统和实时三维动画界面软件系统。该人体运动测量微惯导传感系统捕捉实时的人体运动姿态数据，经过降噪处理后，以有线或无线传输方式传送到人体运动参数信号处理子系统，通过相应的滤波算法得到人体姿态数据，再传输到实时人体运动重构系统，实现实时人体运动的重构，并通过实时三维动画界面软件系统、借助界面显示平台把捕捉到的人体运动状态以三维动画的形式实时表达出来，保存数据。

Description

一种基于微机电惯性传感网络的实时人体运动捕捉系统

技术领域

本发明涉及基于图像模式识别技术和传感技术的肢体动作重构技术，尤指一种基于微机电惯性传感网络的实时人体运动捕捉系统，可对人体姿态进行实时的信号测量、数据采集、存储与传输，实时重构人体的姿态和肢体的运动状态，并进行动画显示，属于传感技术和图像处理技术领域。

背景技术

运动捕捉技术(Motion Capture)扩展了人类视觉的精确测量，为多领域科学研究和应用提供了宝贵的精确运动数据，具有重要的研究价值。运动捕捉技术可应用于机器人控制、体育运动分析、三维运动重建、生物力学分析、虚拟现实与增广现实系统等领域。随着计算机图形学的飞速发展，运动捕捉技术正越来越多地应用于影视、动画制作、游戏开发中。据统计，目前国内三维动漫产业中，运动捕捉系统的使用率高达60％左右。可以预计，三维制造产业对运动捕捉技术的需求将逐步增加。因此，研发具有自主知识产权的低价格、高稳定性、高操作效率和扩展性强的运动捕捉系统，具有重要的工程价值和现实意义。

在现代技术中，微机电系统以其体积小、重量轻、功耗低、成本低、可靠性高等优点，在军用市场和民用市场均得到了广泛的应用。特别是惯性传感器，已经在航空航天、汽车、电子设备保护、娱乐等领域取得了非常引人注目的应用，开创了微型汽车安全气囊传感器等新的产业。随着技术的发展和深入，继承多种惯性微机电系统传感器是目前的研究热点，在生物医学、环境监控、消费电子等领域有着十分广阔的应用前景。特别值得一提的是现在微机电系统研究和发展的一个重要方向，也即微型惯性测量组合(uIMU)，它在生物医学、工业自动化、智能建筑、航空航天、环境监控、消费电子等领域前景巨大。

微惯导是微惯导测量组合的简称，它由一定数量的三维加速度计和三维陀螺仪组成，它的测量原理是经典力学中的牛顿运动定律，它通过三维加速度计和三维陀螺仪测量车辆、飞机、导弹、舰艇、人造卫星等物体的质心运动和姿态运动，从而对物体进行控制和导航。基于MEMS三维加速度计和三维陀螺仪的微惯性测量系统具有体积小、重量轻、可靠性高、易集成、能大批量生产、价格低廉等优点，从而在军用、民用领域有广阔的应用前景。

基于微惯导技术的这些卓越的特性，能否将其结合到图像识别技术用于对实时人体运动的捕捉，以及如何结合，为本领域技术人员开拓了一条崭新的思路。

发明内容

本发明旨在公开一种基于微机电惯性传感网络的实时人体运动捕捉系统，可对人体姿态进行实时的信号测量、数据采集、存储与传输，实时重构人体的姿态和肢体的运动状态，且可以进行动画显示。该系统包括：人体运动微惯导传感系统、对人体运动参数进行处理的DSP信号处理子系统、人体运动重构系统以及三维动画界面软件系统；其中，微惯导传感系统与DSP信号处理子系统通信连接，DSP信号处理子系统与人体运动重构系统通信连接，人体运动重构系统与三维动画界面软件系统通信连接；所述人体运动微惯导传感系统用于实时采集人体运动信息，其基于微机电系统MEMS和微惯性测量组合uIMU建立，其中包括微机电惯性传感器、微控制单元、梳理电路和数据传输接口；

优选地，所述微机电惯性传感器具有6维自由度，包括3个加速度器和3个陀螺仪，用于测量人体运动的3维加速度和3维角速度；且多个所述微机电惯性传感器组建成微机电惯性传感网络，覆盖人体各部位的运动信息；

优选地，所述微控制单元为MCU，具有多通道模数转换功能、实时时序控制、采样率控制功能；

优选地，所述DSP信号处理子系统包括DSP、滤波系统、RAM存储电路和数据传输接口，通过微型惯性节点初始对准技术与实时跟踪技术，为人体姿态分析与运动重构提供精确和有效的输入数据；

优选地，所述微型惯性节点初始对准技术与实时跟踪技术包括：多位置对准方法、四元数法、卡尔曼滤波器算法以及鲁棒自适应卡尔曼滤波器算法；

优选地，所述人体运动重构系统采用D-H表示方法实现对节点运动肢体的移动和姿态的还原、对节点肢体的运动捕捉，并进行实时重构；

优选地，所述系统内的各单元通过有线或者无线的方式进行数据传输；

本发明还公开了一种所述实时人体运动捕捉系统的构建方法，其特征在于，包括以下步骤：

1)分析微机电惯性传感器件的失配误差，建立失配误差性能模拟模型；2)对微机电惯性传感器件误差消除模拟模型以及各种误差特性进行计算机高级语言仿真；3)设计并实现基于MCU的微机电惯性传感组合单元硬件架构；4)掌握各种通道失配误差对微机电惯性传感单元性能的影响；5)优化结构级电路设计和实现系统误差补偿技术；6)组建基于多个微机电惯性传感节点的面向人体运动重构的微机电惯性传感网络；7)掌握微机电惯性传感网络层次上的误差产生机理，实现在高维、有噪、时变、非线性人体动态信号空间的噪声干扰抑制、误差补偿、自校准技术；8)设计并实现基于DSP的信号处理子系统的硬件系统架构；9)基于DSP的微机电惯性传感信号频谱分析、降噪方法以及误差补偿方法的设计；10)针对人的不同性别、年龄、身高和体重，设计出校准系统，提供校准参数；11)基于DSP的微机电惯性传感测量组合的标定算法、基于微惯导信号的运动跟踪算法的设计；12)基于微惯导信息和人体运动规律进行虚拟人体运动建模及其实时计算，设计具有高度真实感效果的人体运动重构系统；13)设计实现三维人体运动的图形表达界面及可扩展的界面，为基于微惯导传感网络的人体运动重构系统提供演示开发平台。

本发明还公开了一种基于微机电惯性传感网络的实时人体运动捕捉系统及其构建方法，系统包括：人体运动微惯导传感系统、信号处理子系统、人体运动重构系统以及三维动画界面软件系统；其中，微惯导传感系统与信号处理子系统通信连接，信号处理子系统与人体运动重构系统通信连接，人体运动重构系统与三维动画界面软件系统通信连接；信号处理子系统、人体运动重构系统以及三维动画界面软件系统通过同一计算机平台实现；所述人体运动微惯导传感系统用于实时采集人体运动信息，其基于微机电系统MEMS和微惯性测量组合uIMU建立，其中包括微机电惯性传感器、微控制单元、梳理电路和数据传输接口。

其构建方法包括以下步骤：

1)分析微机电惯性传感器件的失配误差，建立失配误差性能模拟模型；2)对微机电惯性传感器件误差消除模拟模型以及各种误差特性进行计算机高级语言仿真；3)设计并实现基于MCU的微机电惯性传感组合单元硬件架构；4)掌握各种通道失配误差对微机电惯性传感单元性能的影响；5)优化结构级电路设计和实现系统误差补偿技术；6)组建基于多个微机电惯性传感节点的面向人体运动重构的微机电惯性传感网络；7)掌握微机电惯性传感网络层次上的误差产生机理，实现在高维、有噪、时变、非线性人体动态信号空间的噪声干扰抑制、误差补偿、自校准技术；8)设计并实现基于计算机平台的信号处理子系统的架构；9)基于计算机平台的微机电惯性传感信号频谱分析、降噪方法以及误差补偿方法的设计；10)针对人的不同性别、年龄、身高和体重，设计出校准系统，提供校准参数；11)基于计算机平台的微机电惯性传感测量组合的标定算法、基于微惯导信号的运动跟踪算法的设计；12)基于微惯导信息和人体运动规律进行虚拟人体运动建模及其实时计算，设计具有高度真实感效果的人体运动重构系统；13)设计实现三维人体运动的图形表达界面及可扩展的界面，为基于微惯导传感网络的人体运动重构系统提供演示开发平台。

附图说明

图1：本发明的实时人体运动捕捉系统的结构示意图；

图2：D-H表示方法中的两个旋转简图；

图3：D-H表示方法中的三个相邻坐标系简图；

具体实施方式

下面，结合附图，以案例的方式详细说明本发明的实时人体运动捕捉系统的系统组成，以及系统构建方法。

如图1所示，一种基于微机电惯性传感网络的实时人体运动捕捉系统，包括：人体运动微惯导传感系统、对人体运动参数进行处理的DSP信号处理子系统、人体运动重构系统以及三维动画界面软件系统；其中，微惯导传感系统与DSP信号处理子系统通信连接，DSP信号处理子系统与人体运动重构系统通信连接，人体运动重构系统与三维动画界面软件系统通信连接(附图1中的第一种方式)。

所述人体运动微惯导传感系统用于实时采集人体运动信息，其基于微机电系统(MEMS，例如是微机电惯性传感器)和微惯性测量组合(uIMU)建立，其中包括微机电惯性传感器，微控制单元(例如MCU)，梳理电路和数据传输接口等。

微机电惯性传感器具有6维自由度，包括3个加速度器和3个陀螺仪，可用于测量人体运动的3维加速度和3维角速度，例如，其采样频率大于200赫兹，测量范围是，加速度：-5G-+5G，角速度：-300°/s-+300°/s，能够充分满足人体运动测量与捕捉的需求；多个微机电惯性传感器可组建成微机电惯性传感网络，覆盖人体各部位的运动信息，并具有良好的时间同步特性，节点分布策略科学，捕捉到的信息全面。例如分布在双手、双脚、双臂、双腿、胸部、腹部、背部和颈部，节点数目至少17个(可扩展到20个)。

梳理电路以及微控制单元对微机电惯性传感器测出的模拟信号进行初步处理，并通过数据传输接口向后级传输；梳理电路用于降低噪声、减少漂移、温度补偿、提高共模抑制比；微控制单元则具有多通道模数转换(ADC)功能、实时时序控制、采样率控制功能；其具体实现电路在现有技术中都很常见，在此不再赘述。

所述人体运动微惯导传感系统通过数据传输接口、采用有线或无线方式把数据传输到后级的DSP信号处理子系统，或者，微惯导传感系统的数据通过无线方式传输到计算机信号处理系统(取代DSP信号处理子系统的功能)。

所述DSP信号处理子系统通过面向人体运动重构的uIMU信号频谱分析及降噪方法进行信号处理，包括DSP，滤波系统，RAM存储电路和数据传输接口等，例如采用TI公司的5000和6000系列。

所述DSP信号处理子系统通过微型惯性节点初始对准技术与实时跟踪技术，为人体姿态分析与运动重构提供精确和有效的输入数据；所述微型惯性节点初始对准技术与实时跟踪技术主要包括：多位置对准方法、四元数法、卡尔曼滤波器算法以及鲁棒自适应卡尔曼滤波器等其扩展算法。

DSP信号处理子系统输出信号通过数据传输接口、采用有线或无线方式传输到后级的人体运动重构系统。

人体运动重构系统用于根据DSP信号处理子系统的处理结果对人体运动的3维加速度和3维角速度数据信号进行实时重构，其通过运动空间坐标变换、机器人学、刚体动力学原理、基于物理的加速算法与并行计算来实现对节点运动肢体的移动和姿态的还原，实现具有高度真实感效果的人体运动重构。

三维动画界面软件系统根据人体运动重构系统的重构结果显示出具有高度真实感效果的人体运动的画面及实时人体运动数据曲线，其中包含任意角度的实时演示动画、人体运动各种实时参数的显示、可扩展的界面(能够与AutodeskMaya、3Dmax等商用软件的数据格式相兼容)，为人体运动重构系统提供演示和开发平台，且保存的数据可以按.MPG和.AVI等视频格式进行输出。

需要指出的是，人体运动重构系统和三维动画界面软件系统可在计算机平台上结合相应的软件来实现。例如，基于计算机平台的系统运行在HP Z400工作站，具体配置可如下：

处理器：至强Xeon W3505处理器

主频：2530MHz

主板芯片组：Intel X58

内存：2GB ECC DDR3

硬盘：320GB

显卡：NVIDIA Quadro FX380 256MB

操作系统：Windows XP Professional Edition

由于计算机平台自身具有强大的信号处理功能，因此在上述的人体捕捉系统中，可以将DSP信号处理子系统的功能也通过计算机平台来完成，具体地：在计算机平台中设置信号处理子系统，其与微惯导传感系统和人体运动重构系统分别连接，从而取代DSP信号处理子系统实现其功能(附图1中的第二种方式)。

本发明的系统构建主要分为5大部分，它们分别是：微机电惯性传感器件失配误差模拟模型的建立、高性能6维自由度的MEMS-uIMU人体运动传感子系统设计、面向人体运动重构的信号处理与算法设计、实时人体运动重构的实现以及三维人体运动的动画界面软件显示系统设计。

1.微机电惯性传感器件失配误差模拟模型的建立

(1)对于微陀螺仪，首先检测微陀螺仪的输出变化，测量微陀螺仪的非线性曲线，测量微陀螺仪的温度变化曲线。然后通过软件仿真(Matlab)和补偿算法得到微陀螺仪的失配误差模型。这样，就客服了微陀螺仪的非线性、重心漂移产生的干扰力矩、温度变化等对结构产生的较大影响。

(2)对于加速度计，构建出硅微加速度计系统总体结构，并将机械部分和电路部分在S域进行统一整合。利用MATLAB工具研究校正环节对系统稳定性和动态性能的影响情况。通过大量实验给出优化参数组合下的开环频率特性和零位漂移特性。最后通过对重要校正环节的参数进行正确的调整，改善系统工作性能，并提高系统输出的稳定性。

(3)掌握元器件的特性建立误差模型，为系统的误差补偿(包括温度控制与补偿)提供闭环反馈的数学模型，对器件级误差消除流程进行仿真分析。

2.高性能6维自由度的MEMS-uIMU人体运动传感子系统设计

(1)基于MCU的微型惯性组合单元的设计，并实现在有限体积内，集成三维加速度与三维角速度传感单元，并集成多通道ADC数据的采集和模数转换电路、具有准确时钟系统的微控制器时序电路、微系统数据存储电路、微系统电源系统电路、数据传输接口电路。

(2)通过对微机电陀螺仪和加速度计的误差分析，设计低噪声、低漂移、高共模抑制比的梳理电路，包括uIMU单元专用电路，消除因电路特性引起的噪声。优化算法和软硬件，满足微型系统的信号处理的实时性和运算能力有限要求。

(3)解决uIMU测量子系统误差源以及可能导致测量误差随时间而积累的问题：a)得出ADC采样过程中引入的不同噪声，包括热噪声、电源电压变化、基准电压变化、时钟抖动等产生的量化误差和消除方法；b)针对初始状态不一致，几何非线性、转动误差、重力加速度的不一致性等机械因素，进行误差特性仿真分析。

(4)设计微惯导传感网络在人体各肢体和关节的布局策略，构建出最佳的微惯导传感网络，从而准确捕捉到整个人体的运动。

3.面向人体运动重构的信号处理与算法设计

(1)根据频谱特性可以将测量误差分为短期误差(高频部分)和长期误差(低频部分)两类，其中长期误差主要包括加速度计偏差和陀螺漂移以及测量白噪声等；短期误差主要包括随机扰动及其产生的相关噪声等。a)长期误差通过建立的误差状态模型列入组合滤波状态方程的方法，在组合滤波过程中，利用已知的误差模型进行校正补偿。b)短期误差可以分为两部分，一部分高于运动特性频带上限，一部分处于运动特性频带内。对于高于运动特性频带上限的短期误差，通过设计一个最优低通滤波器将其消除掉。剩下的混杂在运动特性频带内的一部分短期误差，主要包括混叠在运动特性中的噪声和载体振动或抖动信号。通过利用外围光学捕捉设备对人体不同关节和肢体进行时频域内的分析，来去除混在在运动频带内的短期误差。

(2)基于微型惯性测量单元的系统标定技术的设计。利用加速度计的三维静态输出，得到微惯导传感单元初始安装角误差、零位偏差及标度因子的计算方法，并对加速度计零偏的实时计算方法、基座初始水平偏差的影响及横向灵敏度的影响进行分析，得出相应的数学模型及修正算法。进行一定距离姿态及位置实际测量试验，根据实验结果改进算法及模型参数，达到初始位置实时标定与单独标定及预调整近似的结果。

(3)掌握并设计微型惯性节点初始对准技术与实时跟踪技术，为人体姿态分析与运动重构提供精确和有效的输入数据。主要设计的算法包括：a)快速、精确的微型惯性系统初始对准算法，重点结合之前得到的元器件特性和误差模型，以及惯性传感单元误差模型，利用多位置对准方法或卡尔曼滤波对状态变量进行估计等算法，提高微型惯性系统的对准精度和速度；b)姿态矩阵的解算方法，主要研究四元数法及基于四元数的姿态矩阵更新算法，包括四阶龙格—库塔法，四元数三阶泰勒展开递推算法等；c)卡尔曼滤波算法以及其扩展算法研究，包括经典卡尔曼滤波器、扩展卡尔曼滤波器、鲁棒自适应卡尔曼滤波器等，以获得长期的、更为鲁棒和准确的姿态信息。

实时的、鲁棒的、自适应的信号处理算法来获得运动参数的准确测量与跟踪技术。因为存在不同的传感器具有不同的特性，处于动态的运动环境，存在各自的测量误差，初始状态不一致，几何非线性、转动误差、重力加速度的不一致性、噪声机制不同等因素，可能导致测量误差随时间而积累的问题，加之受限于微系统的运算能力，研究合适的信号处理算法来抑制测量噪声、获取准确的测量参数。目前主要采用基于卡尔曼滤波、基于隐马可夫和自适应滤波的算法。

■随机线性离散系统的Kalman滤波基本方程

设随机线性离散系统的方程(不考虑控制作用)为

X_k＝Φ_k，k-1X_k-1+Γ_k.k-1W_k-1

    Z_k＝H_kX_k+V_k

式中X_k是系统的n维状态向量，Z_k是系统的m维观测序列，W_k是p维系统过程噪声序列，V_k是m维观测噪声序列，Φ_k，k-1是系统的n×n维状态转移矩阵，Γ_k.k-1是n×p维噪声输入矩阵，H_k是m×n维观测矩阵。

关于系统过程噪声和观测噪声的统计特性，我们假定如下

E[W_k]＝0，E[V_k]＝0， $E\left[W_k{V}_j^T\right]=0,$ $E\left[W_k{W}_j^T\right]=Q_k{\mathrm{\δ}}_{\mathrm{kj}},$ $E\left[V_k{V}_j^T\right]=R_k{\mathrm{\δ}}_{\mathrm{kj}}$

其中Q_k是系统过程噪声W_k的p×p维对称非负定方差矩阵，R_k是系统观测噪声V_k的m×m维对称正定方差阵，而δ_kj是Kronecker-δ函数。

下面直接给出随机线性离散系统基本Kalman滤波方程。

状态一步预测

${\hat{X}}_{k,k-1}={\mathrm{\Φ}}_{k,k-1}{\hat{X}}_{k-1}$

状态估计

${\hat{X}}_k={\hat{X}}_{k,k-1}+K_k[Z_k-H_k{\hat{X}}_{k,k-1}]$

滤波增益矩阵

$K_k=P_{k.k-1}{H}_k^T{[H_k{P}_{k,k-1}{H}_k^T+R_k]}^{-1},$ 或 $K_k=P_k{H}_k^T{R}_k^{-1}$

一步预测误差方差阵

$P_{k.k-1}={\mathrm{\Φ}}_{k,k-1}{P}_{k-1}{\mathrm{\Φ}}_{k,k-1}^T+{\mathrm{\Γ}}_{k.k-1}{Q}_{k-1}{\mathrm{\Γ}}_{k,k-1}^T$

估计误差方差阵

$P_k=[I-K_k{H}_k]P_{k.k-1}{[I-K_k{H}_k]}^T+K_k{R}_k{K}_k^T,$

或P_k＝[I-K_kH_k]P_k.k-1，或

上述式即为随机线性离散系统Kalman滤波基本方程。只要给定初值和P₀，根据k时刻的观测值Z_k，就可以递推计算得k时刻的状态估计

■随机线性连续系统Kalman滤波基本方程

系统状态方程为

$\stackrel{\·}{X}\left(t\right)=A\left(t\right)X\left(t\right)+F\left(t\right)W\left(t\right)$

式中，X(t)是系统的n维状态向量，W(t)是p维零均值白噪声向量，A(t)是n×n维系统矩阵，F(t)是n×p维干扰输入矩阵。

观测方程为

Z(t)＝H(t)X(t)+V(t)

式中，Z(t)是m维观测向量，H(t)是m×n维观测矩阵，V(t)是m维零均值的白噪声向量。

W(t)和V(t)互相独立，它们的协方差阵分别为

E[W(t)W^T(τ)]＝Q(t)δ(t-τ)

E[V(t)V^T(τ)]＝R(t)δ(t-τ)

E[W(t)V^T(τ)]＝0

式中，δ(t-τ)是狄拉克δ函数，Q(t)为非负定对称阵，R(t)为对称正定矩阵，Q(t)和R(t)都对t连续。

连续Kalman滤波基本方程如下

$\stackrel{\·}{\hat{X}}=A\left(t\right)\hat{X}\left(t\right)+K\left(t\right)[Z\left(t\right)-H\left(t\right)\hat{X}\left(t\right)]$

K(t)＝P(t)H^T(t)R^-1(t)

$\stackrel{\·}{P}\left(t\right)=A\left(t\right)P\left(t\right)+P\left(t\right)A^T\left(t\right)+F\left(t\right)Q\left(t\right)F^T\left(t\right)-P\left(t\right)H^T\left(t\right)R^{-1}\left(t\right)H\left(t\right)P\left(t\right)$

其中，t≥t₀，并且初始条件为P(t₀)＝var[X(t₀)]＝P_x(t₀)。

4.实时人体运动重构的实现

(1)通过研究人体运动重构的动力学(Kinematics)，得到针对不同人群、不同运动模式下的人体运动状态。针对人体运动在位置—速度—加速度和姿态—角速度空间实时变化的特点，建立高维多节点运动状态特征矢量并构造相应的运动状态空间。

(2)基于微惯导信息和人体运动规律进行虚拟人体运动建模及其实时计算，a)通过有效的建模方法，建立时间与空间上的人体运动状态动力学模型。b)进行人体关节与肢体模型简化，实现实体运动建模和实时计算模拟与交互；c)运用空间坐标变换、机器人学、刚体动力学原理、基于物理的加速算法与并行计算实现对节点运动肢体的移动和姿态的还原，实现运用空间坐标变换、机器人学、刚体动力学原理、基于物理的加速算法与并行计算实现对节点运动肢体的移动和姿态的还原，实现对节点肢体的运动捕捉，并进行实时重构。

■底纳维特—哈藤博格表示方法(D-H表示方法)

当我们确定了两个杆件之间的相对位置和方向的关系，可以进行下面的变换：如图3所示，X_i′，Y_i′，Z_i′是一个中间坐标系F_i′，它是通过坐标系F_i绕Z_i轴旋转一个角θ_i得到的。然后中间坐标系F_i′绕X_i′旋转角度α_i，使其位形与坐标系F_i+1重合。设两个旋转分别表示为[C_i]_i和[Λ_i]_i′，进而设λ_i≡cosα_i，μ_i≡sinα_i。

${\left[C_i\right]}_i=\left[\begin{array}{ccc}\cos {\mathrm{\θ}}_i& -\sin {\mathrm{\θ}}_i& 0\\ \sin {\mathrm{\θ}}_i& \cos {\mathrm{\θ}}_i& 0\\ 0& 0& 1\end{array}\right],$ ${\left[{\mathrm{\Λ}}_i\right]}_{i^{\′}}=\left[\begin{array}{ccc}1& 0& 0\\ 0& {\mathrm{\λ}}_i& -{\mathrm{\μ}}_i\\ 0& {\mathrm{\μ}}_i& {\mathrm{\λ}}_i\end{array}\right]$

则 $Q_i\≡{\left[Q_i\right]}_i={\left[C_i\right]}_i{\left[{\mathrm{\Λ}}_i\right]}_{i^{\′}}=\left[\begin{array}{ccc}\cos {\mathrm{\θ}}_i& -{\mathrm{\λ}}_i\sin {\mathrm{\θ}}_i& {\mathrm{\μ}}_i\sin {\mathrm{\θ}}_i\\ \sin {\mathrm{\θ}}_i& {\mathrm{\λ}}_i\cos {\mathrm{\θ}}_i& -{\mathrm{\μ}}_i\sin {\mathrm{\θ}}_i\\ 0& {\mathrm{\μ}}_i& {\mathrm{\λ}}_i\end{array}\right]$

对于从坐标系F_i的原点到坐标系F_i+1的原点的位置矢量α_i，如图2，给出了不同坐标系的原点位置和坐标轴之间的关系，从图可得

其中，

为了计算α_i，需要将这两个矢量在同一坐标系下表达，即在F_i中，这样

因此，

${\left[a_i\right]}_i=\left[\begin{array}{c}{a}_i\cos {\mathrm{\θ}}_i\\ a_i\sin {\mathrm{\θ}}_i\\ b_i\end{array}\right]$

[α_i]_i≡α_i＝Q_ib_i

其中 $b_i=\left[\begin{array}{c}{a}_i\\ b_i{\mathrm{\μ}}_i\\ b_i{\mathrm{\λ}}_i\end{array}\right]$

对于转动运动副b_i常数，根据图2的几何关系，显然b_i就是在坐标系F_i+1下的α_i，即b_i＝[α_i]_i+1。

在坐标系F_i+1中的任意矢量v可以通过一个相似变换，变换到坐标系F_i中，即

[v]_i＝[Q_i]_i[v]_i+1

同样的对于在坐标系F_i+1中的任意矩阵M，

[M]_i＝[Q_i]_i[M]_i+1[Q_i ^T]_i

如果我们有i个坐标系链F₁，F₂，…F_i，则从F_i到F₁向内的坐标变换为

[v]₁＝Q₁Q₂…Q_i-1[v]_i

[M]₁＝Q₁Q₂…Q_i-1[M]_i(Q₁Q₂…Q_i-1)^T

类似地，向外的坐标变换为

[v]_i＝(Q₁Q₂…Q_i-1)^T[v]₁

[M]_i＝(Q₁Q₂…Q_i-1)^T[M]₁Q₁Q₂…Q_i-1对节点肢体的运动捕捉。

5.三维人体运动的动画界面软件显示系统设计

实现人体运动重构的任意角度三维图像表达，并且以曲线形式显示出人体各部位运动的实时参数，从而表达人体运动的更为具体的过程状态。为运动捕捉技术提供灵活、可扩展的界面，且与Autodesk Maya、3Dmax等商用软件的数据格式相兼容，将为运动捕捉技术的后续研究提供便捷的条件。另外还可以按.MPEG和.AVI等视频格式进行输出，便于信息的利用、传递和储存。

构建本系统的具体方法包括以下步骤：

步骤1：分析微机电惯性传感器件的失配误差，建立失配误差性能模拟模型。

步骤2：对微机电惯性传感器件误差消除模拟模型以及各种误差特性进行计算机高级语言仿真。

步骤3：设计并实现基于MCU的微机电惯性传感组合单元硬件架构。

步骤4：掌握各种通道失配误差对微机电惯性传感单元性能的影响。

步骤5：优化结构级电路设计和实现系统误差补偿技术。

步骤6：组建基于多个微机电惯性传感节点的面向人体运动重构的微机电惯性传感网络。

步骤7：掌握微机电惯性传感网络层次上的误差产生机理，实现在高维、有噪、时变、非线性人体动态信号空间的噪声干扰抑制、误差补偿、自校准等信号处理技术。

步骤8：设计并实现基于DSP的信号处理子系统的硬件系统架构。

步骤9：基于DSP(或计算机)的微机电惯性传感信号频谱分析、降噪方法以及误差补偿方法的设计。

步骤10：针对人的不同性别、年龄、身高和体重，设计出校准系统，提供校准参数。

步骤11：基于DSP(或计算机)的微机电惯性传感测量组合的标定算法、基于微惯导信号的运动跟踪算法的设计。

步骤12：基于微惯导信息和人体运动规律进行虚拟人体运动建模及其实时计算，设计具有高度真实感效果的人体运动重构系统。

步骤13：设计实现三维人体运动的图形表达界面及可扩展的界面，为基于微惯导传感网络的人体运动重构系统提供演示开发平台。

与现有技术相比，本系统具有如下优点：

1.本系统可在任意空间使用，包括家庭、实验室和公共场所。

2.本系统采用微机电惯性传感器来进行人体运动捕捉，成本低、功耗低、精确度高。

3.本系统中的微机电惯性传感器体积小、重量轻、便于携带，整个微机电惯性传感网络使用方便。

4.本系统捕捉到的人体运动信息实时而准确。

5.本系统可以通过界面软件系统实时显示出人体运动的动画，且界面可扩展，便于后续的研究与开发。

本实施案例并不限制本发明，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以作出若干改进和变化，这些改进和变化也应视为本发明的保护范围之内。

Claims (10)

1.一种基于微机电惯性传感网络的实时人体运动捕捉系统，其特征在于，所述系统包括：人体运动微惯导传感系统、对人体运动参数进行处理的DSP信号处理子系统、人体运动重构系统以及三维动画界面软件系统；其中，微惯导传感系统与DSP信号处理子系统通信连接，DSP信号处理子系统与人体运动重构系统通信连接，人体运动重构系统与三维动画界面软件系统通信连接；所述人体运动微惯导传感系统用于实时采集人体运动信息，其基于微机电系统MEMS和微惯性测量组合uIMU建立，其中包括微机电惯性传感器、微控制单元、梳理电路和数据传输接口。

2.如权利要求1所述的实时人体运动捕捉系统，其特征在于，所述微机电惯性传感器具有6维自由度，包括3个加速度器和3个陀螺仪，用于测量人体运动的3维加速度和3维角速度；且多个所述微机电惯性传感器组建成微机电惯性传感网络，覆盖人体各部位的运动信息。

3.如权利要求1所述的实时人体运动捕捉系统，其特征在于，所述微控制单元为MCU，具有多通道模数转换功能、实时时序控制、采样率控制功能。

4.如权利要求1所述的实时人体运动捕捉系统，其特征在于，所述DSP信号处理子系统包括DSP、滤波系统、RAM存储电路和数据传输接口，通过微型惯性节点初始对准技术与实时跟踪技术，为人体姿态分析与运动重构提供精确和有效的输入数据。

5.如权利要求4所述的实时人体运动捕捉系统，其特征在于，所述微型惯性节点初始对准技术与实时跟踪技术包括：多位置对准方法、四元数法、卡尔曼滤波器算法以及鲁棒自适应卡尔曼滤波器算法。

6.如权利要求1所述的实时人体运动捕捉系统，其特征在于，所述人体运动重构系统采用D-H表示方法实现对节点运动肢体的移动和姿态的还原、对节点肢体的运动捕捉，并进行实时重构。

7.如权利要求1所述的实时人体运动捕捉系统，其特征在于，所述系统内的各单元通过有线或者无线的方式进行数据传输。

8.如权利要求1-7所述实时人体运动捕捉系统的构建方法，其特征在于，

包括以下步骤：

1)分析微机电惯性传感器件的失配误差，建立失配误差性能模拟模型；

2)对微机电惯性传感器件误差消除模拟模型以及各种误差特性进行计算机高级语言仿真；

3)设计并实现基于MCU的微机电惯性传感组合单元硬件架构；

4)掌握各种通道失配误差对微机电惯性传感单元性能的影响；

5)优化结构级电路设计和实现系统误差补偿技术；

6)组建基于多个微机电惯性传感节点的面向人体运动重构的微机电惯性传感网络；

7)掌握微机电惯性传感网络层次上的误差产生机理，实现在高维、有噪、时变、非线性人体动态信号空间的噪声干扰抑制、误差补偿、自校准技术；

8)设计并实现基于DSP的信号处理子系统的硬件系统架构；

9)基于DSP的微机电惯性传感信号频谱分析、降噪方法以及误差补偿方法的设计；

10)针对人的不同性别、年龄、身高和体重，设计出校准系统，提供校准参数；

11)基于DSP的微机电惯性传感测量组合的标定算法、基于微惯导信号的运动跟踪算法的设计；

12)基于微惯导信息和人体运动规律进行虚拟人体运动建模及其实时计算，设计具有高度真实感效果的人体运动重构系统；

13)设计实现三维人体运动的图形表达界面及可扩展的界面，为基于微惯导传感网络的人体运动重构系统提供演示开发平台。

9.一种基于微机电惯性传感网络的实时人体运动捕捉系统，其特征在于，所述系统包括：人体运动微惯导传感系统、信号处理子系统、人体运动重构系统以及三维动画界面软件系统；其中，微惯导传感系统与信号处理子系统通信连接，信号处理子系统与人体运动重构系统通信连接，人体运动重构系统与三维动画界面软件系统通信连接；信号处理子系统、人体运动重构系统以及三维动画界面软件系统通过同一计算机平台实现；所述人体运动微惯导传感系统用于实时采集人体运动信息，其基于微机电系统MEMS和微惯性测量组合uIMU建立，其中包括微机电惯性传感器、微控制单元、梳理电路和数据传输接口。

10.如权利要求9所述实时人体运动捕捉系统的构建方法，其特征在于，包括以下步骤：

14)分析微机电惯性传感器件的失配误差，建立失配误差性能模拟模型；

15)对微机电惯性传感器件误差消除模拟模型以及各种误差特性进行计算机高级语言仿真；

16)设计并实现基于MCU的微机电惯性传感组合单元硬件架构；

17)掌握各种通道失配误差对微机电惯性传感单元性能的影响；

18)优化结构级电路设计和实现系统误差补偿技术；

19)组建基于多个微机电惯性传感节点的面向人体运动重构的微机电惯性传感网络；

20)掌握微机电惯性传感网络层次上的误差产生机理，实现在高维、有噪、时变、非线性人体动态信号空间的噪声干扰抑制、误差补偿、自校准技术；

21)设计并实现基于计算机平台的信号处理子系统的架构；

22)基于计算机平台的微机电惯性传感信号频谱分析、降噪方法以及误差补偿方法的设计；

23)针对人的不同性别、年龄、身高和体重，设计出校准系统，提供校准参数；

24)基于计算机平台的微机电惯性传感测量组合的标定算法、基于微惯导信号的运动跟踪算法的设计；

25)基于微惯导信息和人体运动规律进行虚拟人体运动建模及其实时计算，设计具有高度真实感效果的人体运动重构系统；

26)设计实现三维人体运动的图形表达界面及可扩展的界面，为基于微惯导传感网络的人体运动重构系统提供演示开发平台。

Images