CN109343713B - 一种基于惯性测量单元的人体动作映射方法 - Google Patents

一种基于惯性测量单元的人体动作映射方法 Download PDF

Info

Publication number
CN109343713B
CN109343713B CN201811287486.6A CN201811287486A CN109343713B CN 109343713 B CN109343713 B CN 109343713B CN 201811287486 A CN201811287486 A CN 201811287486A CN 109343713 B CN109343713 B CN 109343713B
Authority
CN
China
Prior art keywords
measurement unit
dimensional signal
inertia measurement
quaternion
human body
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811287486.6A
Other languages
English (en)
Other versions
CN109343713A (zh
Inventor
陈元
刘子毅
刘伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Ziyuan Technology Co ltd
Original Assignee
Chongqing Ziyuan Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Ziyuan Technology Co ltd filed Critical Chongqing Ziyuan Technology Co ltd
Priority to CN201811287486.6A priority Critical patent/CN109343713B/zh
Publication of CN109343713A publication Critical patent/CN109343713A/zh
Application granted granted Critical
Publication of CN109343713B publication Critical patent/CN109343713B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Navigation (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于惯性测量单元的人体动作映射方法，属于虚拟现实技术领域，包括若干个惯性测量单元以及与其相连的总成板，惯性测量单元开机后进行自检，自检通过后，惯性测量单元读取内部九轴传感器的原始数据，并对数据进行滤波处理；滤波后将数据进行融合，得到惯性测量单元的四元数信息；将四元数通过总线发送至总成板。本发明不受强光的影响，可以在户外使用，全身需要佩戴的惯性测量单元传感器较少，减少了佩戴的复杂程度；同时检测精度得到有效提高，动作映射效果显著提高。

Description

一种基于惯性测量单元的人体动作映射方法
技术领域
本发明属于虚拟现实技术领域，特别是涉及一种基于惯性测量单元的人体动作映射方法。
背景技术
目前比较常见的动作捕捉方法有光学式动作捕捉和惯性动捕；
光学式动作捕捉，光学式动作捕捉分为主动式光学动作捕捉和被动式光学捕捉，通用的原理是在人体的关键部位粘贴标记点，多个动作捕捉相机从不同角度实时探测标记点，数据实时传输至数据处理工作站。根据三角测量原理精确计算标记点的空间坐标，再从生物运动学原理出发解算出骨骼的六自由度运动。此种方法的缺点是对阳光敏感，在强光环境下捕捉标记点捕捉不准确，适合室内使用；
惯性动捕，惯性动捕是指在人体的重要节点佩戴惯性传感器设备，传感器设备捕捉目标物体的运动数据，包括身体部位的姿态、方位等信息，再将这些数据通过数据传输设备传输到数据处理设备中，经过数据修正、处理后，最终建立起三维模型，并使得三维模型自然地运动起来。此种方法不受强光的影响，可以在户外使用，目前现有的产品一个是全身需要佩戴的传感器较多，一般是18个点左右，而且这么多的传感器均靠无线连接，无线频谱占用较多，相互干扰较大，影响了通讯效果。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于惯性测量单元的人体动作映射方法。
为实现上述目的，本发明提供了一种基于惯性测量单元的人体动作映射方法，包括若干个惯性测量单元以及与其相连的总成板；
所述基于惯性测量单元的人体动作映射方法包括如下步骤：
S1：获取惯性测量单元中的加速度一维信号x1，x2，...，xL，其中L为正整数；
S2：将一维信号转化为二维信号；
其中二维信号阵列函数为
Figure BDA0001849384750000021
其中a为正整数，N≥0且N为正整数；
其中g(a，b)为二维信号阵列中横纵坐标为a、b处的取值；
S3：对二维信号进行滤波；
二维信号阵列函数中对于坐标为(a1，b1)处的信号通过以下公式滤波；
Figure BDA0001849384750000022
其中y”(a1，b1)为滤波后的信号，函数h(a1，b1)为传递函数；
Figure BDA0001849384750000025
所述εr与εd为滤波参数；
Figure BDA0001849384750000023
Figure BDA0001849384750000024
L+2*N≤a1≤2*(L+2*N)；
1+2*N≤b1≤2*(1+2*N)；
a1－N≤a2≤a1+N；
b1－N≤b2≤b1+N；
S4：将滤波后的二维信号转为一维信号；
Figure BDA0001849384750000031
Figure BDA0001849384750000032
其中为y(t)最终滤波结果，m为滤波窗宽，max、min分别为滤波窗口内数据的最大值和最小值，w为权重值；
S5：将数据进行融合，得到惯性测量单元的四元数q0、q1、q2、q3信息；
S6：将四元数发送至总成板，总成板汇总各个惯性测量单元的四元数并将数据发送至上位机，上位机将四元数与预设关节点进行匹配。
较佳的，步骤S2中通过翻折将一维信号转化为二维信号。
较佳的，步骤S2中通过代替补0将一维信号转化为二维信号。
较佳的，惯性测量单元中检测翻滚角φ、俯仰角θ、偏航角ψ；
步骤S5中的四元素q0、q1、q2、q3计算如下：
Figure BDA0001849384750000033
Figure BDA0001849384750000034
Figure BDA0001849384750000035
Figure BDA0001849384750000036
本发明的有益效果是：
本发明不受强光的影响，可以在户外使用，全身需要佩戴的惯性测量单元传感器较少，减少了佩戴的复杂程度；并通过滤波得到可靠加速度数据,使检测精度得到有效提高，从而动作映射效果得到显著提高。
附图说明
图1是本发明的总成结构图；
图2是惯性测量单元结构图；
图3是惯性测量单元工作流程图；
具体实施方式
下面结合实施例对本发明作进一步说明：
如图1所示，总成板主要由MCU微处理器和WIFI模块构成，总成板输入端与惯性测量单元输出端通过有线相连，有线连接采用的总线协议为I2C、SPI或者是RS485等；微处理器接收来自惯性测量单元的数据，将数据整理后，通过WIFI发送至电脑或者手机，电脑再将人的全部动作映射出来，虚拟角色的动作和真人无差别模拟，以达到逼真、自然的效果；
图2所示为单个惯性测量单元由微处理器、三轴陀螺仪、三轴加速度计、三轴磁场计构成，三个传感器是数据由微处理器读出，并将九轴的数据进行滤波处理、数值融合，可以解算出动捕单元自身的方向角、旋转角等信息，并通过有线将数据传输至总成板；
图3所示，惯性测量单元开机后进行自检，自检通过后，惯性测量单元读取内部九轴传感器的原始数据，并对数据进行滤波处理；滤波后将数据进行融合，得到惯性测量单元的四元数信息；将四元数通过总线发送至总成板。
在具体穿戴时，人体的主要部位穿戴好惯性测量单元，位置分别位于左上臂、左小臂、右上臂、右小臂、左大腿、左小腿、右大腿、右小腿，后背脊柱位，腰部脊柱位共10个惯性测量单元；
惯性测量单元内部通过以下步骤进行数据处理：
S1：获取惯性测量单元中的加速度一维信号x1，x2，...，xL，其中L为正整数；
S2：将将L*1的二维阵列向外在横纵方向拓宽N个长度，强行拓宽为L+2N，1+2N的矩阵，再拓宽3倍长宽，形成一个长为3*(L+2N)，宽为3*(1+2N)的阵列，降低边缘不稳定数据对中心数据的影响；其他实施例中也可以用翻折形成二维阵列函数；
Figure BDA0001849384750000051
其中二维信号阵列函数为
Figure BDA0001849384750000052
其中a为正整数，N≥0且N为正整数，L+2*N到2*(L+2*N)为原始数据；
其中Xa为惯性测量单元中的加速度一维信号，与XL一一对应；
其中g(a，b)为二维信号阵列中横纵坐标为a、b处的取值；
S3：对二维信号进行滤波；
二维信号阵列函数中对于坐标为(a1，b1)处的信号通过以下公式滤波；
Figure BDA0001849384750000053
其中y”是加速度，y”(a1，b1)为滤波后的信号，函数h(a1，b1)为传递函数；
Figure BDA0001849384750000065
其中，X和Y都是2N*2N的矩阵；
所述εr与εd为滤波参数；
Figure BDA0001849384750000061
Figure BDA0001849384750000062
L+2*N≤a1≤2*(L+2*N)；
1+2*N≤b1≤2*(1+2*N)；
a1－N≤a2≤a1+N；
b1－N≤b2≤b1+N；
S4：将滤波后的二维信号转为一维信号；
Figure BDA0001849384750000063
Figure BDA0001849384750000064
其中，(a1，b1)、(a2，b2)是g(a，b)上的点；
其中为y(t)最终滤波结果，m为滤波窗宽，max、min分别为滤波窗口内数据的最大值和最小值，w为权重值；
S5：将数据进行融合；
惯性测量单元中陀螺仪检测到的用于表示传感器姿态的三个欧拉角分别为翻滚角φ、俯仰角θ、偏航角ψ；
欧拉角表达三维空间姿态会存在一个奇点，称为万向节死锁，所以将欧拉角映射到四维，映射结果称为四元素q0、q1、q2、q3，从而避开万向节死锁的影响。
Figure BDA0001849384750000071
Figure BDA0001849384750000072
Figure BDA0001849384750000073
Figure BDA0001849384750000074
通过四元素代替欧拉角直接表达物体的空间姿态，得到方向余弦阵C：
Figure BDA0001849384750000075
从而实现本地坐标向世界坐标的转换：
Figure BDA0001849384750000076
其中,(x'，y'，z')为旧时间的世界坐标上的一点，(x，y，z)为现有时间世界坐标系上的坐标。
S6：将四元数发送至总成板，总成板汇总各个惯性测量单元的四元数并将数据通过WIFI模块发送至上位机，上位机将四元数同步至电脑中虚拟角色的预设关节点上，使虚拟角色的动作和真人无差别模拟，实现现实动作与虚拟人物动作的映射同步。本实施例中所述预设关节点为Unity3D引擎中设立的人体模型关节点，根据采集到的四元数控制相应的人体模型关节点作相应的动作。
现有技术通过单一传感器得到的值就为真实的数据，这数据存在着偏差，导致姿态数据跑偏。本发明加速度的变量是通过几个传感器的数据进行比较以及滤波得到的可靠加速度，能够保证姿态不会变形。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种基于惯性测量单元的人体动作映射方法，包括若干个惯性测量单元以及与其相连的总成板；其特征在于：
包括以下步骤：
S1：获取惯性测量单元中的加速度一维信号x1，x2，...，xL，其中L为正整数；
S2：将一维信号转化为二维信号；
其中二维信号阵列函数为
Figure FDA0003219789420000011
其中a为正整数，N≥0且N为正整数；
其中g(a，b)为二维信号阵列中横纵坐标为a、b处的取值；
S3：对二维信号进行滤波；
二维信号阵列函数中对于坐标为(a1，b1)处的信号通过以下公式滤波；
Figure FDA0003219789420000012
其中y”(a1，b1)为滤波后的信号，函数h(a1，b1)为传递函数；
Figure FDA0003219789420000013
所述εr与εd为滤波参数；
Figure FDA0003219789420000014
Figure FDA0003219789420000015
L+2*N≤a1≤2*(L+2*N)；
1+2*N≤b1≤2*(1+2*N)；
a1－N≤a2≤a1+N；
b1－N≤b2≤b1+N；
S4：将滤波后的二维信号转为一维信号；
Figure FDA0003219789420000021
Figure FDA0003219789420000022
其中为y(t)最终滤波结果，m为滤波窗宽，max、min分别为滤波窗口内数据的最大值和最小值，w为权重值，i为预设滤波窗宽；
S5：将滤波后的一维信号进行融合，得到惯性测量单元的四元数q0、q1、q2、q3；
S6：将四元数发送至总成板，总成板汇总各个惯性测量单元的四元数并将数据发送至上位机，上位机将四元数与预设关节点进行匹配。
2.基于权利要求1所述的一种基于惯性测量单元的人体动作映射方法，其特征在于：步骤S2中通过翻折将一维信号转化为二维信号。
3.基于权利要求1所述的一种基于惯性测量单元的人体动作映射方法，其特征在于：步骤S2中通过代替补0将一维信号转化为二维信号。
4.基于权利要求1所述的一种基于惯性测量单元的人体动作映射方法，其特征在于：
惯性测量单元中检测翻滚角φ、俯仰角θ、偏航角ψ；
步骤S5中的四元数q0、q1、q2、q3计算如下：
Figure FDA0003219789420000031
CN201811287486.6A 2018-10-31 2018-10-31 一种基于惯性测量单元的人体动作映射方法 Active CN109343713B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811287486.6A CN109343713B (zh) 2018-10-31 2018-10-31 一种基于惯性测量单元的人体动作映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811287486.6A CN109343713B (zh) 2018-10-31 2018-10-31 一种基于惯性测量单元的人体动作映射方法

Publications (2)

Publication Number Publication Date
CN109343713A CN109343713A (zh) 2019-02-15
CN109343713B true CN109343713B (zh) 2022-02-11

Family

ID=65313118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811287486.6A Active CN109343713B (zh) 2018-10-31 2018-10-31 一种基于惯性测量单元的人体动作映射方法

Country Status (1)

Country Link
CN (1) CN109343713B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112704491B (zh) * 2020-12-28 2022-01-28 华南理工大学 基于姿态传感器和动捕模板数据的下肢步态预测方法
CN112767767B (zh) * 2021-01-29 2022-12-23 重庆子元科技有限公司 一种虚拟训练系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101865693A (zh) * 2010-06-03 2010-10-20 天津职业技术师范大学 航空用多传感器组合导航系统
CN104461013A (zh) * 2014-12-25 2015-03-25 中国科学院合肥物质科学研究院 一种基于惯性传感单元的人体动作重构与分析系统及方法
CN105068654A (zh) * 2015-08-14 2015-11-18 济南中景电子科技有限公司 基于can总线和惯性传感器的动作捕获系统及方法
CN106679648A (zh) * 2016-12-08 2017-05-17 东南大学 一种基于遗传算法的视觉惯性组合的slam方法
CN106886288A (zh) * 2017-03-24 2017-06-23 苏州创捷传媒展览股份有限公司 一种姿态动态捕捉方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8745541B2 (en) * 2003-03-25 2014-06-03 Microsoft Corporation Architecture for controlling a computer using hand gestures

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101865693A (zh) * 2010-06-03 2010-10-20 天津职业技术师范大学 航空用多传感器组合导航系统
CN104461013A (zh) * 2014-12-25 2015-03-25 中国科学院合肥物质科学研究院 一种基于惯性传感单元的人体动作重构与分析系统及方法
CN105068654A (zh) * 2015-08-14 2015-11-18 济南中景电子科技有限公司 基于can总线和惯性传感器的动作捕获系统及方法
CN106679648A (zh) * 2016-12-08 2017-05-17 东南大学 一种基于遗传算法的视觉惯性组合的slam方法
CN106886288A (zh) * 2017-03-24 2017-06-23 苏州创捷传媒展览股份有限公司 一种姿态动态捕捉方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多维MEMS惯性传感器的姿态解算算法的研究;刘星;《中国优秀硕士学位论文全文数据库信息科技辑》;20140415(第04期);正文第7-55页 *

Also Published As

Publication number Publication date
CN109343713A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
CN103267524B (zh) 一种穿戴式的人员步态检测室内定位系统及方法
CN106445130B (zh) 一种用于手势识别的动作捕捉手套及其校准方法
CN107856014B (zh) 基于手势识别的机械臂位姿控制方法
KR101768958B1 (ko) 고품질 콘텐츠 제작을 위한 하이브리드 모션캡쳐 시스템
CN111091587B (zh) 一种基于视觉标志物的低成本动作捕捉方法
CN103279186A (zh) 融合光学定位与惯性传感的多目标运动捕捉系统
CN203039726U (zh) 人体三维空间姿态识别系统
CN106989773B (zh) 一种姿态传感器及姿态更新方法
CN107943283A (zh) 基于手势识别的机械臂位姿控制系统
CN111337037B (zh) 移动激光雷达slam制图装置及数据处理方法
CN108279773B (zh) 一种基于marg传感器和磁场定位技术的数据手套
CN106125909A (zh) 一种用于训练的动作捕捉系统
CN109343713B (zh) 一种基于惯性测量单元的人体动作映射方法
CN106227368B (zh) 一种人体关节角度解算方法及装置
WO2024094227A1 (zh) 一种基于卡尔曼滤波和深度学习的手势姿态估计方法
RU121947U1 (ru) Система захвата движения
CN106108909A (zh) 一种人体姿态检测穿戴设备、系统及控制方法
CN108734762B (zh) 运动轨迹仿真方法及系统
CN105997097B (zh) 人体下肢动作姿态再现系统及再现方法
CN109673529A (zh) 基于多传感器的警犬姿态识别数据背心及姿态识别方法
CN116443028A (zh) 头部姿态数据采集系统及方法
CN105824432A (zh) 一种动作捕捉系统
CN108801250A (zh) 基于水下机器人的实时姿态获取方法及装置
CN111158482B (zh) 一种人体动作姿态捕捉方法及系统
CN108621164A (zh) 基于深度相机的太极推手机器人

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant