CN105892658A - 基于头戴显示设备预测头部姿态的方法和头戴显示设备 - Google Patents

Abstract

本发明实施例提供一种基于头戴显示设备预测头部姿态的方法和头戴显示设备，该方法包括：获取头部运动的历史数据，其中，历史数据用于指示头部在当前时刻之前运动的角速度；根据历史数据，确定头部从当前时刻到目标时刻的角速度，其中，目标时刻在当前时刻之后；根据头部从当前时刻到目标时刻的角速度，确定头部从当前时刻到目标时刻的姿态变化；根据头部在当前时刻的姿态以及姿态变化，确定头部在目标时刻的姿态。本发明实施例能更准确的预测头部的运动姿态。

Description

基于头戴显示设备预测头部姿态的方法和头戴显示设备

技术领域

本发明实施例涉及虚拟现实以及增强现实领域，并且更具体地，涉及一种基于头戴显示设备预测头部姿态的方法和头戴显示设备。

背景技术

虚拟现实(Virtual Reality，VR)和增强现实(Augmented Reality，AR)中经常用到头戴显示设备(Head Mounted Display，HMD)，HMD通过集成的图形系统、光学系统和姿态追踪系统使得使用者能够获得一种可交互的沉浸式体验。在使用HMD的过程中，为了使得用户观看到的虚拟图像与用户头部的运动与相匹配，HMD需要根据头部当前的运动姿态来预测头部在下一时刻的运动姿态，然后根据下一时刻的运动姿态来计算下一时刻应当显示的图像，在这个过程中，运动姿态预测的准确性是非常重要的，它直接关系到计算出的图像与头部的运动是否匹配。

具体而言，在现有技术中，HMD可以通过内置的传感器获取头部在当前时刻T的瞬时角速度，并确定预测时间△T，然后把当前时刻T的瞬时角速度作为△T内的角速度，然后利用该瞬时角速度来计算头部在△T内的姿态变化，最后再根据头部在当前时刻T的运动姿态以及头部在△T内的姿态变化来确定头部在下一时刻T+△T的运动姿态。但是，头部的运动经常是一些无规则的运动，△T时间内的真实角速度与当前时刻T的瞬时角速度并不一致，而是有一定的偏差，因此，现有技术中预测头部在下一时刻的运动姿态是不太准确的，有一定的误差。

发明内容

本申请提供了一种基于头戴显示设备预测头部姿态的方法和头戴显示设备，以提高姿态预测的准确性。

第一方面，提供了一种基于头戴显示设备预测头部姿态的方法，包括：获取头部运动的历史数据，所述历史数据用于指示所述头部在当前时刻之前运动的角速度；根据所述历史数据，确定所述头部从所述当前时刻到目标时刻的角速度，其中，所述目标时刻在所述当前时刻之后；根据所述头部从所述当前时刻到所述目标时刻的角速度，确定所述头部从所述当前时刻到所述目标时刻的姿态变化；根据所述头部在所述当前时刻的姿态以及所述姿态变化，确定所述头部在所述目标时刻的姿态。

应理解，头部在当前时刻和目标时刻的姿态分别是头部在当前时刻和目标时刻所处的角度。头部从当前时刻到目标时刻的姿态变化就是头部从当前时刻到目标时刻的角度变化，接下来再根据当前时刻头部所处的角度以及头部从当前时刻到目标时刻的角度变化就可以确定头部在目标时刻的角度。

现有技术是将当前时刻的瞬时角速度作为当前时刻之后的一段时间间隔内的角速度，没有对该时间间隔内的角速度进行预测，这样计算出来的头部的运动姿态可能会有较大的偏差。而本发明实施例中，通过头部运动的历史数据能够更准确地预测头部从当前时刻到目标时刻运动的角速度，与现有技术相比能够更准确地预测头部从当前时刻到目标时刻的姿态变化，进而能更好地预测头部在目标时刻的运动姿态。

结合第一方面，在第一方面的第一种实现方式中，所述根据所述历史数据，确定所述头部从当前时刻到目标时刻的角速度，包括：根据所述历史数据，确定角速度变化曲线；根据所述角速度变化曲线确定所述头部从所述当前时刻到目标时刻的角速度。

结合第一方面，在第一方面的第二种实现方式中，所述确定所述头部从当前时刻到目标时刻的角速度，包括：根据所述历史数据，确定所述头部在所述当前时刻到所述目标时刻之间的多个时刻分别对应的角速度变化曲线；根据所述多个时刻分别对应的角速度变化曲线确定所述多个时刻中的每个时刻的角速度。

结合第一方面的第二种实现方式中，在第一方面的第三种实现方式中，所述根据所述历史数据，确定所述头部在所述当前时刻到所述目标时刻之间的多个时刻分别对应的角速度变化曲线，包括：根据公式利用最小均方差法获取所述多个时刻分别对应的角速度变换曲线，其中，为所述多个时刻中的一个时刻t₀对应的角速度变化曲线，σ为常数，w(t)为所述头部在所述当前时刻之前的一段时间间隔内的任意时刻t的角速度。

结合第一方面，以及第一方面的第一种至第三种实现方式中的任意一种，在第一方面的第四种实现方式中，所述根据所述头部从所述当前时刻到所述目标时刻的角速度确定所述头部从所述当前时刻到所述目标时刻的姿态变化，包括：对所述角速度在所述当前时刻和所述目标时刻之间进行积分，获取所述头部从所述当前时刻到所述目标时刻的姿态变化。

第二方面，提供了一种头戴显示设备，所述头戴显示设备包含用于执行第一方面中的方法的模块。

第三方面，提供一种头戴显示设备，该头戴显示设备包括存储器和处理器，所述存储器用于存储程序，当所述程序被执行时，所述处理器用于执行第一方面中的方法。

在上述某些实现方式中，所述角速度变化曲线为多项式函数或者复合函数。

在上述某些实现方式中，确定所述头部在目标时刻的姿态包括：将所述头部在当前时刻的姿态与所述头部在当前时刻和目标时刻之间的姿态变化进行叠加，得到所述头部在所述目标时刻的姿态。

在上述某些实现方式中，所述头部的姿态为所述头部所处的角度值。

本申请中，通过头部运动的历史数据能够更准确地预测头部从当前时刻到目标时刻运动的角速度，与现有技术相比能够更准确地预测头部从当前时刻到目标时刻的姿态变化，进而能更好地预测头部在目标时刻的运动姿态。.

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是现有技术中预测头部运动姿态的方法的示意图。

图2是现有技术中预测头部运动姿态的方法的示意图。

图3是本发明实施例的基于头戴显示设备预测头部姿态的方法的示意性流程图。

图4是本发明实施例的基于头戴显示设备预测头部姿态的方法的示意图。

图5是本发明实施例的基于头戴显示设备预测头部姿态的方法的示意图。

图6是本发明实施例的基于头戴显示设备预测头部姿态的方法的示意图。

图7是本发明实施例的头戴显示设备的示意性框图。

图8是本发明实施例的头戴显示设备的示意性框图。

图9是本发明实施例的头戴显示设备的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了便于理解，先结合图1和图2对现有技术中预测头部运动姿态的方法进行详细的介绍：

图1示出了头部运动的角速度随时间变化的曲线，在图1中，T为当前时刻为，T之前为已知的历史角速度数据，T之后为未知的角速度数据，水平虚线为T对应的瞬时角速度。现有技术中通过头戴显示设备预测头部姿态的详细过程如下：

101、获取T之前的一段时间间隔内的头部运动的平均角速度，并确定该平均角速度与预设阈值的大小关系；

102、如果平均角速度小于预设阈值，不对下一时刻的运动姿态进行预测；

103、如果平均角速度大于预设阈值，执行步骤104和105；

104、获取T时刻的瞬时角速度w(T)，确定预测时间△T；

105、将T时刻的瞬时角速度w(T)作为△T内的角速度，根据公式获取T+△T的运动姿态其中，为T时刻的运动姿态。

由于w(T)是一个常数值，在头部处于变速运动或者其它不规则运动的情况下，w(T)与头部在△T内实际运动的角速度是有一定的偏差的，因此根据预测出来的T+△T的运动姿态与T+△T的真实运动姿态是也是有一定的偏差的。具体来说，如图2所示，现有技术预测出△T内的姿态变化为整个虚线矩形框与坐标轴围成的面积，而实际上，△T内的姿态变化为角速度曲线与坐标轴围城的面积，由图2可以看出，图中斜线围所示的面积就是现有技术预测的姿态变化与实际的姿态变化之间的偏差，也就是说现有技术在预测头部姿态时会产生较大的偏差。而本发明实施例是通过当前时刻之前的历史角速度数据来预测当前时刻到目标时刻之间的角速度，并不是现有技术那样直接将当前时刻的瞬时角速度作为未来一段时间的角速度，预测出来的角速度与头部实际运动的角速度更加接近，从而能够更准确的计算从当前时刻到目标时刻的姿态变化，以最终实现对目标时刻运动姿态的更准确的预测。

下面结合具体的实例对本发明实施例的姿态预测的方法进行详细的说明。

图3是本发明实施例基于头戴显示设备预测头部姿态的方法的示意性流程图。该方法可以由头戴显示设备执行。应理解，该头戴显示设备可以通过传感器来实时监测和获取头部运动的角速度数据以及其它运动参数。

该方法的具体步骤如下：

201、获取头部运动的历史数据，该历史数据用于指示头部在当前时刻之前运动的角速度。

上述历史数据可以是在当前时刻之前的一段时间间隔内的角速度数据。

202、确定头部是否处于运动状态。

应理解，步骤202是一个可选的步骤，该方法可以不对头部是否处于运动状态进行判断，而是直接对目标时刻的运动姿态进行预测。具体来说，在步骤202中，可以根据当前时刻之前的一段时间间隔内的头部运动的平均角速度与预设阈值的大小关系来确定头部是否处于运动状态，如果角速度平均值大于预设阈值则确定头部处于运动状态，反之，则确定头部不处于运动状态。此外，还可以根据当前时刻的瞬时角速度与预设阈值的大小关系来确定头部是否处于运动状态。

203、如果头部处于运动状态，根据步骤201中的历史数据，确定头部从当前时刻到目标时刻的角速度，其中，目标时刻在当前时刻之后。

具体而言，可以假设当前时刻为T，目标时刻为T+△T，那么步骤203就是要确定头部从T到T+△T的角速度。

204、如果头部处于非运动状态，确定头部从当前时刻T到未来一段时间间隔△T内的角速度为0，对目标时刻T+△T的姿态进行预测，并确定T+△T的画面。

应理解，当头部处于非运动状态时，也可以不对T+△T时刻头部的运动姿态进行预测，也不生成T+△T要显示的画面，这是因为T+△T时刻头部的运动姿态与T时刻的头部运动姿态相同，头部的运动姿态在△T时间间隔内并没有发生变化，持续显示T时刻对应的画面即可。

205、根据步骤203确定的头部从当前时刻到目标时刻的角速度，确定头部从当前时刻到目标时刻的姿态变化，也就是说要确定头部从T到T+△T的姿态变化。

206、根据头部在当前时刻的姿态以及头部的姿态变化，确定头部在目标时刻的体态。具体来说，要根据头部在T的姿态以及头部从T到T+△T的姿态变化，确定头部在T+△T的姿态。

207、根据头部在T+△T时刻的姿态确定T+△T时刻要显示的画面，并在T+△T时刻将该画面显示出来。

应理解，步骤201-207是对图3所示的流程图的概括和总结，步骤201-207与图3表示的流程是一致的。

本发明实施例中，通过头部运动的历史数据能够更准确地预测头部从当前时刻到目标时刻运动的角速度，与现有技术相比能够更准确地预测头部从当前时刻到目标时刻的姿态变化，进而能更好地预测头部在目标时刻的运动姿态。

可选地，作为一个实施例，在获取T时刻之前的历史角速度数据时，可以根据实际的应用场景选择提取历史数据的长度。

例如，当本发明实施例的执行主体是头戴显示设备时，可以根据头戴显示设备中相关的获取模块获取数据的帧率，处理器的计算能力，数据的噪声情况等来确定提取历史数据的长度，通常情况下获取的数据的长度都应该在一定的范围内，也就是说数据的数量应该限制在一定数量范围内，数据过少就容易受到噪声干扰并且无法准确预测未来时刻的角速度，数据过多则部分过早获取的数据已经没有什么实际意义并且还会干扰预测，增加预测时的计算量。此外，为了更准确地获取头部运动的角速度数据，可以在获取角速度数据时对数据进行滤波处理。

在根据历史数据确定头部从当前时刻到目标时刻的角速度的方式有多种，下面结合图4对确定当前时刻到目标时刻的角速度的第一种方式进行详细的介绍：

第一种方式：先根据历史数据确定一个角速度变化曲线，然后再根据角速度变化曲线确定头部从当前时刻到目标时刻的角速度。应理解，这里的角速度变化曲线可以是一个多项式函数。

第一种方式确定角速度的步骤具体如下：

301、设当前时刻为T，以当前时刻T之前的一段时间间隔△T内的历史角速度数据来拟合多项式，也就是说要以T-△T到T之间的角速度数据来拟合多项式，设T-△T到T之间的任意一个时刻为t，任意一个时刻的角速度为w(t)，设多项式函数为Q(t)＝p₁t³+p₂t²+p₃t+p₄，其中，(p₁,p₂,p₃,p₄)为位置参数。

302、设优化函数：其中，为(p₁,p₂,p₃,p₄)的估计值，根据优化函数F_MSE利用最小均方差法计算出参数具体来说，将函数F_MSE分别对求偏导，令求偏导后的方程为0，得到4个方程，联立这4个方程就可以得到也就是得到了(p₁,p₂,p₃,p₄)的估计值，代入多项式函数Q(t)＝p₁t³+p₂t²+p₃t+p₄就确定出了要拟合的多项式函数。

在得到多项式函数后将T到T+△T之间的时间值代入就可以得到T到T+△T之间的角速度。

第一种方式预测的角速度的结果如图4所示，在图4中，在T右侧利用该多项式得到头部运动角速度与头部实际运动的角速度是比较接近的，与现有技术先比，能够更准确地计算出当前时刻之后的一段时间间隔内的角速度，也就是能够更准确地确定头部在当前时刻之后的一段时间间隔内的姿态变化。

上文介绍了第一种方式确定角速度的详细过程，实际上，根据历史数据确定头部从当前时刻到目标时刻的角速度的方式还有多种。

下面结合图5对确定当前时刻到目标时刻的角速度的第二种方式进行详细的介绍。第二种方式是采用高斯核多项式拟合，它能够更准确地确定头部在未来时刻的角速度。

第二种方式：先根据历史数据，确定头部在当前时刻到目标时刻之间的多个时刻分别对应的角速度变化曲线，接下来再根据多个时刻分别对应的角速度变化曲线确定多个时刻中的每个时刻的角速度。应理解，这里的角速度变化曲线可以是一个多项式函数也可以是一个复合函数。

具体而言，在第二种方式中，可以据公式利用最小均方差法获取多个时刻分别对应的角速度变换曲线，其中，为多个时刻中的一个时刻t₀对应的角速度变化曲线，σ为常数，w(t)为头部在所述当前时刻之前的一段时间间隔内的任意时刻t的角速度。由公式可以看出t与t₀的差值越小，w(t)的加权值越大，也就是时间上离t₀越近，相应的角速度值的加权值也越大，在确定的过程中起到的作用也越大。因此，第二种方式与第一种方式相比能够更准确地预测头部在未来一段时间内的角速度。

第二种方式确定角速度的步骤具体如下：

401、设当前时刻为T，以当前时刻T之前的一段时间间隔△T内的历史角速度数据来拟合多项式，也就是说要以T-△T到T之间的角速度数据来拟合多项式，设T-△T到T之间的任意一个时刻为t，任意一个时刻的角速度为w(t)，设高斯核其中，σ为常数。

402、以t₀时刻(t₀为当前时刻与目标时刻之间的任意一个时刻)为中心，设拟合的二次多项式为：其中，是位置参数。

403、构建优化函数F_MsE，用最小均方差方法估计其中，

$F_{MSE}=\underset{t}{\Σ}{K}_{\mathrm{\σ}}(t-t_0)\×{\[w\left(t\right)-{\hat{p}}_1^{\[t_0\]}{t}^2-{\hat{p}}_2^{\[t_0\]}t-{\hat{p}}_3^{\[t_0\]}\]}^2$

404、根据最小均方差方法，函数F_MsE分别对求偏导，可得到三个方程：

$\frac{\∂F_{MSE}}{\∂{\hat{p}}_1^{\[t_0\]}}=0\⇔\underset{t}{\Σ}{K}_{\mathrm{\σ}}(t-t_0)t^2\[w\left(t\right)-{\hat{p}}_1^{\[t_0\]}{t}^2-{\hat{p}}_2^{\[t_0\]}t-{\hat{p}}_3^{\[t_0\]}\]=0$

$\frac{\∂F_{MSE}}{\∂{\hat{p}}_2^{\[t_0\]}}=0\⇔\underset{t}{\Σ}{K}_{\mathrm{\σ}}(t-t_0)t\[w\left(t\right)-{\hat{p}}_1^{\[t_0\]}{t}^2-{\hat{p}}_2^{\[t_0\]}t-{\hat{p}}_3^{\[t_0\]}\]=0$

$\frac{\∂F_{MSE}}{\∂{\hat{p}}_3^{\[t_0\]}}=0\⇔\underset{t}{\Σ}{K}_{\mathrm{\σ}}(t-t_0)\[w\left(t\right)-{\hat{p}}_1^{\[t_0\]}{t}^2-{\hat{p}}_2^{\[t_0\]}t-{\hat{p}}_3^{\[t_0\]}\]=0$

然后联立这三个方程，求解多项式系数其中，为的估计值，确定了接下来就可以根据拟合出的多项式来预测未来时刻的角速度数据。

第二种方式预测的角速度的结果如图5所示，第二种方式中得到的当前时刻到目标时刻的角速度比第一种方式更接近实际的角速度。具体而言，第二种方式可以为当前时刻T之后一段时间间隔△T内的每个时刻t都拟合一个二次多项式，而不是像第一种方式那样用同一个二次多项式去拟合整个△T内的角速度数据。第二种方式种采用了一个合适大小的高斯核使得距离待预测点t越近的数据对预测起到的影响越大，也就是说在每个预测点t都以最佳的曲线对其进行拟合，所以第二种方式能够在观察全局变化的同时，考虑到距离预测点较近处的数据的变化趋势，能够得到更准确的预测结果。应理解，在这里第二种方式可以是预测从当前时刻到目标时刻之间的有限时刻的角速度。

可选地，作为一个实施例，根据头部从当前时刻到目标时刻的角速度确定头部从当前时刻到目标时刻的姿态变化，可以是通过对角速度在当前时刻和目标时刻之间进行积分，来获取头部从当前时刻到目标时刻的姿态变化。

以上结合图4和图5对如何根据历史数据获取当前时刻到目标时刻头部运动的角速度，实际上在确定了角速度之后，需要对角速度在当前时刻到目标时刻的时间间隔内进行积分，以获取头部从当前时刻到目标时刻的姿态变化。下面结合图6，对根据头部从当前时刻到目标时刻的角速度来确定头部从当前时刻到目标时刻的姿态变化的过程进行详细的介绍。

如图6所示，当前时刻为T，目标时刻为T+△T，目标时刻与当前时刻之间的时间间隔为△T，将时间间隔△T进行细分成更短的时间间隔Δt‘，利用上述第一种方式或者第二种方式得到各个时间点T+Δt‘,T+2Δt‘,T+3Δt‘…的角速度数值，然后利用积分的原理计算出△T内头部姿态的变化。接下来再根据头部在当前时刻的姿态与头部在△T内的姿态变化进行叠加就可以得到头部在目标时刻的姿态，图6中可以看出，本发明实施例的姿态预测的方法与现有技术相比能够得到更准确的姿态预测结果，而原有技术预测出的姿态与真实的姿态是很大的偏差的。

上文结合图3至图6对本方面实施例的基于头戴显示设备预测头部姿态的方法进行了详细的描述，下面结合图7至图9对本发明实施例的头戴显示设备进行详细的描述，应理解，图7至图9中的头戴显示设备中的各个模块或者单元能够实现图3至图6所示的基于头戴显示设备预测头部姿态的方法的各个步骤，为了简洁，适当省略重复的描述。

图7是本发明实施例的头戴显示设备700的示意性框图。该头戴显示设备700包括：

获取模块710，用于获取头部运动的历史数据，所述历史数据用于指示所述头部在当前时刻之前运动的角速度；

确定模块720，所述确定模块720具体用于：

根据所述历史数据，确定所述头部从当前时刻到目标时刻的角速度，其中，所述目标时刻在所述当前时刻之后；根据所述头部从所述当前时刻到所述目标时刻的角速度，确定所述头部从所述当前时刻到所述目标时刻的姿态变化；根据所述头部在当前时刻的姿态以及所述姿态变化，确定所述头部在所述目标时刻的姿态。

本发明实施例中，通过头部运动的历史数据能够更准确地预测头部从当前时刻到目标时刻运动的角速度，与现有技术相比能够更准确地预测头部从当前时刻到目标时刻的姿态变化，进而能更好地预测头部在目标时刻的运动姿态。

可选地，作为一个实施例，所述确定模块720具体用于：根据所述历史数据，确定角速度变化曲线；根据所述角速度变化曲线确定所述头部从所述当前时刻到目标时刻的角速度。

可选地，作为一个实施例，所述确定模块720具体用于：根据所述历史数据，确定所述头部在所述当前时刻到所述目标时刻之间的多个时刻分别对应的角速度变化曲线；根据所述多个时刻分别对应的角速度变化曲线确定所述多个时刻中的每个时刻的角速度。

可选地，作为一个实施例，所述确定模块具体用于：根据公式利用最小均方差法获取所述多个时刻分别对应的角速度变换曲线，其中，为所述多个时刻中的一个时刻t₀对应的角速度变化曲线，σ为常数，w(t)为所述头部在所述当前时刻之前的一段时间间隔内的任意时刻t的角速度。

可选地，作为一个实施例，所述头戴显示设备700还包括：

处理模块730，用于对所述角速度在所述当前时刻和所述目标时刻之间进行积分，获取所述头部从所述当前时刻到所述目标时刻的姿态变化。

图8是本发明实施例的头戴显示设备800的示意性框图。该头戴显示设备800包括：

存储器810，用于存储程序；

处理器820，当所述程序被执行时，所述处理器820用于：获取头部运动的历史数据，所述历史数据用于指示所述头部在当前时刻之前运动的角速度；根据所述历史数据，确定所述头部从所述当前时刻到目标时刻的角速度，其中，所述目标时刻在所述当前时刻之后；根据所述头部从所述当前时刻到所述目标时刻的角速度，确定所述头部从所述当前时刻到所述目标时刻的姿态变化；根据所述头部在所述当前时刻的姿态以及所述姿态变化，确定所述头部在所述目标时刻的姿态。

本发明实施例中，通过头部运动的历史数据能够更准确地预测头部从当前时刻到目标时刻运动的角速度，与现有技术相比能够更准确地预测头部从当前时刻到目标时刻的姿态变化，进而能更好地预测头部在目标时刻的运动姿态。

可选地，作为一个实施例，所述处理器820具体用于：根据所述历史数据，确定角速度变化曲线；根据所述角速度变化曲线确定所述头部从所述当前时刻到目标时刻的角速度。

可选地，作为一个实施例，所述处理器820具体用于：根据所述历史数据，确定所述头部在所述当前时刻到所述目标时刻之间的多个时刻分别对应的角速度变化曲线；根据所述多个时刻分别对应的角速度变化曲线确定所述多个时刻中的每个时刻的角速度。

可选地，作为一个实施例，所述处理器820具体用于：根据公式利用最小均方差法获取所述多个时刻分别对应的角速度变换曲线，其中，为所述多个时刻中的一个时刻t₀对应的角速度变化曲线，σ为常数，w(t)为所述头部在所述当前时刻之前的一段时间间隔内的任意时刻t的角速度。

可选地，作为一个实施例，所述处理器820具体用于对所述角速度在所述当前时刻和所述目标时刻之间进行积分，获取所述头部从所述当前时刻到所述目标时刻的姿态变化。

为了更详细的介绍本方面实施例的头戴显示设备，下面结合图9介绍本发明实施例的头戴显示设备内部具体包含哪些模块或者单元。

图9是本发明实施例的头戴显示设备的示意性框图。该头戴显示设备包括：控制单元，用于用户指令输入；储存单元，用于片源的储存；惯性测量单元(Inertial MeasurementUnit，IMU)单元，通常包括3轴或6轴传感器，用于获取头戴显示设备的运动信息(实际是获取的人体头部的运动信息)，如角速度，线加速度；主机，包括CPU\GPU，内存以及其它模块，用于处理从各个输入单元获取的信息，经计算后产生和运动相匹配的内容，并交给显示单元或者音频单元；显示单元，通常包括显示屏以及配套的光学器件，用于内容显示；音频单元，用于输出声音。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于头戴显示设备预测头部姿态的方法，其特征在于，包括：

获取头部运动的历史数据，所述历史数据用于指示所述头部在当前时刻之前运动的角速度；

根据所述历史数据，确定所述头部从所述当前时刻到目标时刻的角速度，其中，所述目标时刻在所述当前时刻之后；

根据所述头部从所述当前时刻到所述目标时刻的角速度，确定所述头部从所述当前时刻到所述目标时刻的姿态变化；

根据所述头部在所述当前时刻的姿态以及所述姿态变化，确定所述头部在所述目标时刻的姿态。

2.如权利要求1所述的方法，其特征在于，所述根据所述历史数据，确定所述头部从当前时刻到目标时刻的角速度，包括：

根据所述历史数据，确定角速度变化曲线；

根据所述角速度变化曲线确定所述头部从所述当前时刻到目标时刻的角速度。

3.如权利要求1所述的方法，其特征在于，所述确定所述头部从当前时刻到目标时刻的角速度，包括：

根据所述历史数据，确定所述头部在所述当前时刻到所述目标时刻之间的多个时刻分别对应的角速度变化曲线；

根据所述多个时刻分别对应的角速度变化曲线确定所述多个时刻中的每个时刻的角速度。

4.如权利要求3所述的方法，其特征在于，所述根据所述历史数据，确定所述头部在所述当前时刻到所述目标时刻之间的多个时刻分别对应的角速度变化曲线，包括：

根据公式利用最小均方差法获取所述多个时刻分别对应的角速度变换曲线，其中，为所述多个时刻中的一个时刻t₀对应的角速度变化曲线，σ为常数，w(t)为所述头部在所述当前时刻之前的一段时间间隔内的任意时刻t的角速度。

5.如权利要求1-4中任一项所述的方法，其特征在于，所述根据所述头部从所述当前时刻到所述目标时刻的角速度确定所述头部从所述当前时刻到所述目标时刻的姿态变化，包括：

对所述角速度在所述当前时刻和所述目标时刻之间进行积分，获取所述头部从所述当前时刻到所述目标时刻的姿态变化。

6.一种头戴显示设备，其特征在于，包括：

获取模块，用于获取头部运动的历史数据，所述历史数据用于指示所述头部在当前时刻之前运动的角速度；

确定模块，所述确定模块具体用于：

根据所述历史数据，确定所述头部从所述当前时刻到目标时刻的角速度，其中，所述目标时刻在所述当前时刻之后；

根据所述头部从所述当前时刻到所述目标时刻的角速度，确定所述头部从所述当前时刻到所述目标时刻的姿态变化；

根据所述头部在所述当前时刻的姿态以及所述姿态变化，确定所述头部在所述目标时刻的姿态。

7.如权利要求6所述的头戴显示设备，其特征在于，所述确定模块具体用于：

根据所述历史数据，确定角速度变化曲线；

根据所述角速度变化曲线确定所述头部从所述当前时刻到目标时刻的角速度。

8.如权利要求6所述的头戴显示设备，其特征在于，所述确定模块具体用于：

根据所述历史数据，确定所述头部在所述当前时刻到所述目标时刻之间的多个时刻分别对应的角速度变化曲线；

根据所述多个时刻分别对应的角速度变化曲线确定所述多个时刻中的每个时刻的角速度。

9.如权利要求8所述的头戴显示设备，其特征在于，所述确定模块具体用于：

根据公式利用最小均方差法获取所述多个时刻分别对应的角速度变换曲线，其中，为所述多个时刻中的一个时刻t₀对应的角速度变化曲线，σ为常数，w(t)为所述头部在所述当前时刻之前的一段时间间隔内的任意时刻t的角速度。

10.如权利要求6-9中任一项所述的头戴显示设备，其特征在于，所述头戴显示设备还包括：

处理模块，用于对所述角速度在所述当前时刻和所述目标时刻之间进行积分，获取所述头部从所述当前时刻到所述目标时刻的姿态变化。