CN109781104A - 运动姿态确定及定位方法、装置、计算机设备及介质 - Google Patents
运动姿态确定及定位方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN109781104A CN109781104A CN201910098073.1A CN201910098073A CN109781104A CN 109781104 A CN109781104 A CN 109781104A CN 201910098073 A CN201910098073 A CN 201910098073A CN 109781104 A CN109781104 A CN 109781104A
- Authority
- CN
- China
- Prior art keywords
- node
- coordinate
- current
- limbs
- attitude angle
- 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.)
- Granted
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种运动姿态确定及定位方法、装置、计算机设备及介质。该方法包括：确定包含有目标定位肢体的人体模型，并建立与人体模型的肢体连接关系对应的树，各肢体上设置有惯性传感器；获取惯性传感器得到的树中各节点的当前四元数姿态角；遍历树中的节点，确定各节点经过偏差纠正的当前四元数姿态角和当前空间坐标；根据各节点经过偏差纠正的当前四元数姿态角和当前空间坐标确定目标定位肢体的姿态及目标定位肢体所属对象的位移。本发明实施例解决了人的姿态确定与位移计算时，活动区域固定且对环境要求较高的问题，实现了不依赖基站设备并且无环境限制的情况下，在任意时刻任意大的空间内完成人的行走定位估测以及肢体姿态定位。
Description
技术领域
本发明实施例涉及人体运动姿态与定位技术领域，尤其涉及一种运动姿态确定及定位方法、装置、计算机设备及介质。
背景技术
室内外定位与位移估计是广泛应用于VR(虚拟现实)/AR(增强现实)/MR(混合现实)等互动体验中的一种技术，可实现与用户的动作进行交互，及头戴显示器的虚拟成像。
现有技术中，应用于VR、AR或MR中的定位技术分为两种，一种是外向内型定位，一种是内向外型定位。前者依赖于设定调试好的基站，使基站接收到用户的头戴设备以及手持控制器上发出定位点，进而分析出用户坐标位置。后者，则是基于SLAM(simultaneouslocalization and mapping，同步定位与地图构建)空间定位原理，不依赖于外部基站，而依赖于头戴装置上的摄像头，对外部环境空间建模，并根据外部环境的位移旋转情况推算自身坐标的相对变化。
但是，外向内型定位方法存在如下缺点：用户的活动空间范围很小并且固定，活动区域需要事先调校，并且存在障碍物遮挡等问题。内向外型定位的不足主要在于对环境的纹理、亮度等特征有较高要求，并且追踪手部动作有角度限制。这两种方法实现的限定条件和约束较多。
发明内容
本发明实施例提供一种运动姿态确定及定位方法、装置、计算机设备及介质，以实现在不依赖于基站以及不限定人的活动空间大小和环境条件的前提下，确定人的肢体姿态及行走定位。
第一方面，本发明实施例提供了一种运动姿态确定及定位方法，该方法包括：
确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器；
获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据；
根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标；
根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
可选的，根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标，包括：
假设所述树中的根节点的坐标为第一坐标值；
根据所述第一坐标值、所述各节点的当前四元数姿态角数据和所述预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，以先根遍历的顺序遍历所述树，确定所述各节点基于所述第一坐标值的相对坐标值和经过偏差纠正的当前四元数姿态角数据；
计算在当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值与该节点基于所述第一坐标值的相对坐标值的差值；
将所述各节点基于所述第一坐标值的相对坐标值分别加上所述差值得到所述各节点的当前空间坐标。
可选的，根据所述第一坐标值、所述各节点的当前四元数姿态角数据和所述预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，以先根遍历的顺序遍历所述树，确定所述各节点基于所述第一坐标值的相对坐标值和经过偏差纠正的当前四元数姿态角数据，包括：
基于所述第一坐标值，所述各节点的经过偏差纠正的当前四元数姿态角数据可通过如下公式确定：其中，×表示四元数乘法，*表示四元数共轭，Qi是任意节点i点的经过偏差纠正的当前四元数姿态角数据，Qmi表示任意节点i的当前四元数姿态角数据，Qsi表示任意节点i的初始四元数姿态角数据；
基于所述第一坐标值，所述各节点的相对坐标值可通过如下公式确定：Pi＝P’i+Rot(Qi,(Psi-P’si))，其中，Pi是任意节点i以所述第一坐标值为基础的相对坐标值，P’i任意节点i的父节点以所述第一坐标值为基础的相对坐标值，Psi表示任意节点i的初始空间坐标，P’si表示任意节点i的父节点的初始空间坐标，Rot(q，v)表示用四元数姿态角数据Qi转动向量(Psi-P’si)得到的向量。
可选的，所述方法还包括：
确定所述各节点的当前空间坐标中高度坐标值最低的节点是否发生变化；
若是，则将所述各节点中的最低节点的空间坐标值中的高度值设置为0。
可选的，所述方法还包括：
将当前高度值设置为0后的最低节点的空间坐标值作为当前时刻的下一时刻已知的节点空间坐标；
根据所述已知的节点空间坐标及所述各惯性传感器下一时刻的四元数姿态角数据、预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据确定所述至少一个目标定位肢体在下一时刻的姿态及所述至少一个目标定位肢体所属对象的位移。
可选的，根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及位移，包括：
将所述至少一个目标定位肢体对应的节点的过偏差纠正的当前四元数姿态角数据代入所述人体模型中，获取所述至少一个目标定位肢体的肢体姿态情况；
根据不同时刻的空间坐标中高度值最低的节点的空间坐标确定所述至少一个目标定位肢体所属对象的位移。
第二方面，本发明实施例还提供了一种运动姿态确定及定位装置，该装置包括:
模型建立模块，用于确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器；
数据获取模块，用于获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据；
数据处理模块，用于根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标；
姿态和位移确定模块，用于根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
可选的，数据处理模块，具体包括：参考值设定子模块、姿态和坐标数据计算子模块、坐标差值计算子模块和当前空间坐标确定子模块；
其中，参考值设定子模块，用于假设所述树中的根节点的坐标为第一坐标值；
姿态和坐标数据计算子模块，用于根据所述第一坐标值、所述各节点的当前四元数姿态角数据和所述预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，以先根遍历的顺序遍历所述树，确定所述各节点基于所述第一坐标值的相对坐标值和经过偏差纠正的当前四元数姿态角数据；
坐标差值计算子模块，用于计算在当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值与该节点基于所述第一坐标值的相对坐标值的差值；
当前空间坐标确定子模块，用于将所述各节点基于所述第一坐标值的相对坐标值分别加上所述差值得到所述各节点的当前空间坐标。
可选的，姿态和坐标数据计算子模块，包括：当前姿态数据偏差纠正单元和相对坐标确定单元；
其中，当前姿态数据偏差纠正单元，用于基于所述第一坐标值，所述各节点的经过偏差纠正的当前四元数姿态角数据可通过如下公式确定： 其中，×表示四元数乘法，*表示四元数共轭，Qi是任意节点i点的经过偏差纠正的当前四元数姿态角数据，Qmi表示任意节点i的当前四元数姿态角数据，Qsi表示任意节点i的初始四元数姿态角数据；
相对坐标确定单元，用于基于所述第一坐标值，所述各节点的相对坐标值可通过如下公式确定：Pi＝P’i+Rot(Qi,Psi-P’si))，其中，Pi是任意节点i以所述第一坐标值为基础的相对坐标值，P’i任意节点i的父节点以所述第一坐标值为基础的相对坐标值，Psi表示任意节点i的初始空间坐标，P’si表示任意节点i的父节点的初始空间坐标，Rot(q，v)表示用四元数姿态角数据Qi转动向量(Psi-P’si)得到的向量。
可选的，运动姿态确定及定位装置还包括：
着地点确定模块，用于确定所述各节点的当前空间坐标中高度坐标值最低的节点是否发生变化；
着地点坐标更新模块，用于在当前空间坐标中高度坐标值最低的节点发生变化时，将所述各节点中的最低节点的空间坐标值中的高度值设置为0。
可选的，运动姿态确定及定位装置还包括：循环计算模块，用于将当前高度值设置为0后的最低节点的空间坐标值作为当前时刻的下一时刻已知的节点空间坐标；根据所述已知的节点空间坐标及所述各惯性传感器下一时刻的四元数姿态角数据、预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据确定所述至少一个目标定位肢体在下一时刻的姿态及所述至少一个目标定位肢体所属对象的位移。
可选的，所述姿态和位移确定模块包括：姿态确定子模块和位移确定子模块；其中，所述姿态确定子模块，用于将所述至少一个目标定位肢体对应的节点的过偏差纠正的当前四元数姿态角数据代入所述人体模型中，获取所述至少一个目标定位肢体的肢体姿态情况；
所述位移确定子模块，用于根据不同时刻的空间坐标中高度值最低的节点的空间坐标确定所述至少一个目标定位肢体所属对象的位移。
第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的运动姿态确定及定位方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的运动姿态确定及定位方法。
本发明实施例通过在人的肢体上绑定惯性传感器并建立人物模型，以及与人物模型的肢体连接关系相对应的树，然后根据树中各节点的当前四元数姿态角数据及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标，进而在触地节点与地面间由于静摩擦无相对滑动的约束下，结合人物模型确定目标定位肢体的姿态以及该人物的位移，解决了现有技术中对人物的姿态确定与位移计算时，定位的活动区域固定且对环境要求较高的限制问题，实现了不依赖基站设备并且无环境限制的情况下，在任意时刻任意大小的活动空间内完成人的行走定位估测以及肢体姿态定位。
附图说明
图1a是本发明实施例一中的运动姿态确定及定位方法的流程图；
图1b是本发明实施例一中的与人物模型的肢体连接关系对应的树状结构示意图；
图2是本发明实施例二中的运动姿态确定及定位装置的结构示意图；
图3是本发明实施例三中的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1a为本发明实施例一提供的运动姿态确定及定位方法的流程图，本实施例可适用于VR/AR/MR等互动体验中肢体动作姿态确定与定位的情况。本实施例的方法可以由运动姿态确定及定位装置来执行，该装置可通过硬件和/或软件的方式实现。
如图1a所示，本实施例的方法具体包括：
S110、确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器。
其中，至少一个目标定位肢体可以是目标分析人物的任何一个或多个肢体部位，如头部、颈椎、手臂、大腿、小腿或脚等肢体部位中的一个或多个。人体模型即目标分析人物的全身肢体的模型，是根据测量得到的各个肢体部位的实际长度等参数所建立的模型。
进一步的，根据人物模型的肢体连接关系建立的树结构可参考图1b所示的树状结构。其中，每个圆圈表示一个节点，每条箭头指向隶属于箭头根部节点的子节点。具体的，编号0的节点表示骨盆(Pelvis)，编号1的节点表示腰椎(Spine0)，编号2的节点表示胸椎(Spine1)，编号3的节点表示左上臂(Left Upper Arm)，编号4的节点表示左前臂(LeftFore Arm)，编号5的节点表示左手(Left Hand)，编号6的节点表示右上臂(Right UpperArm)，编号7的节点表示右前臂(Right Fore Arm)，编号8的节点表示右手(Right hand)，编号9的节点表示颈椎(Neck)，编号10的节点表示头(Head)，编号11的节点表示左大腿(LeftThigh)，编号12的节点表示左小腿(Left Calf)，编号13的节点表示左脚(Left Foot)，编号14的节点表示右大腿(Right Thigh)，编号15的节点表示右小腿(Right Calf)，编号16的节点表示右脚(Right Foot)。
每个节点n有三个属性：Pn表示第n个节点的空间坐标，是在本实施例的方法中需要计算的目标参数；Ln表示第n个节点到其父节点的距离，即连接两个节点间肢体的长度，如节点2与节点3之间的距离表示左上臂的长度，节点3和节点4之间的距离表示左前臂的长度，节点4与节点5之间的距离表示左手的长度，Ln是在建立人物模型时预先测量的结果；Qn表示第n个节点的空间姿态角数据，Qn是由绑定在目标分析人物肢体上的惯性传感器的感应数据经过姿态角融合算法后获得的四元数姿态角。一个惯性传感器包括三轴加速度计、三轴陀螺仪以及三轴磁场传感器。这里需要说明的是，绑定在目标分析人物肢体上的惯性传感器的数量可以根据需求进行设置。可以在目标分析人物的全部肢体上绑定惯性传感器，也可以仅在目标定位肢体上绑定惯性传感器。惯性传感器数量决定了姿态测算的精度。例如，一个只包含了两只脚，两条小腿，两条大腿，骨盆的测量组，只能解算两条腿以及骨盆位置以及姿态。随着惯性传感器绑定肢体部位的增加，可计算的肢体姿态也越多。一个包含了两只脚，两条小腿，两条大腿，骨盆，腰，胸部，两条上臂，两条前臂，两只手，两个肩骨，以及头部的测量组，将可以测算全身大部分肢体节点的位置以及姿态。
在本实施例中，为了描述的完整性及统一性，以全身肢体均被绑定惯性传感器为标准方案为说明对象。
S120、获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据。
具体的，在目标分析人物完成绑定惯性传感器之后，便可以开始进行该目标人物肢体动作的捕捉和定位。首先要完成各个惯性传感器模块的上电初始化，使其进入工作准备阶段。然后，在接收到记录初始化信息的指令时获取目标分析人物的初始化姿态及各节点的初始化空间坐标。在一种实施方式中，在初始时刻，为了去除穿戴偏差，可以以一种约定的动作姿态开始初始化记录，比如目标分析人物可以摆成一个“大”字，当约定姿势被识别到时，所有惯性传感器的数据计算得到的四元数姿态角数据被记录下来，作为各节点的初始四元数姿态角数据。并且将人的左脚节点空间坐标设为原点(0，0，0)，其他节点的空间坐标可根据各节点的姿态角数据和肢体长度数据，利用三角函数等方法计算得到，由此获得各个节点的初始空间坐标值。
这里需要说明的是，人的肢体是由关节组合起来的，假设人的肢体都为刚体，而关节部分只存在转动关系。此外，目标分析人物的行走可以在任意一个环境之中发生，为简化计算，在本实施例中，将环境设为无穷大的平地，平地高度坐标为0。人在行走时，触地的节点(如双脚)假设为无相对滑动的静摩擦行为。
在获取到各节点的初始四元数姿态角数据和初始空间坐标数据之后，绑定有惯性传感器的目标分析人物在运动的过程中，惯性传感器的数据便会以一定的频率，比如100hz，记录每个肢体在时间轴上的四元数姿态角数据，并将其实时传输到数据汇总和计算单元。各节点的当前四元数姿态角数据可以是在任意时刻获取的各节点的四元数姿态角数据。
S130、根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标。
具体的，首先假设树中的根节点(即编号为0的节点)的坐标为第一坐标值。其中，第一坐标值仅是作为参考的一个值，可以是(0，0，0)，也可以是任意的坐标值(x，y，z)，x、y、z为任意数值。其中，y表示空间中高度值。
然后，根据第一坐标值、各节点的当前四元数姿态角数据和预先获取的各节点的初始四元数姿态角数据和初始空间坐标数据，以先根遍历的顺序遍历树，确定各节点基于第一坐标值的相对坐标值和经过偏差纠正的当前四元数姿态角数据。
具体的，基于所述第一坐标值，所述各节点的经过偏差纠正的当前四元数姿态角数据可通过如下公式确定：其中，×表示四元数乘法，*表示四元数共轭，Qi是任意节点i点的经过偏差纠正的当前四元数姿态角数据，Qmi表示任意节点i的当前四元数姿态角数据，Qsi表示任意节点i的初始四元数姿态角数据；基于所述第一坐标值，所述各节点的相对坐标值可通过如下公式确定：Pi＝P’i+Rot(Qi,Psi-P’si))，其中，Pi是任意节点i以所述第一坐标值为基础的相对坐标值，P’i任意节点i的父节点以所述第一坐标值为基础的相对坐标值，Psi表示任意节点i的初始空间坐标，P’si表示任意节点i的父节点的初始空间坐标，Rot(q,v)表示用四元数姿态角数据Qi转动向量(Psi-P’si)得到的向量。
在得到了各节点的相对空间坐标后，可根据各节点中已知当前空间节点坐标的节点的当前空间坐标与相对空间坐标差值，计算得到其余各节点的当前空间坐标。具体的，计算在当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值与该节点基于所述第一坐标值的相对坐标值的差值；将所述各节点基于所述第一坐标值的相对坐标值分别加上所述差值得到所述各节点的当前空间坐标。其中，当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值即为该节点在当前时刻的空间坐标值。因为高度坐标值最低的节点为触地的节点，触地的节点在走路的过程中与地面间为无相对滑动的静摩擦行为，坐标是不变的。
若当前时刻为初始时刻的下一时刻，那么前一时刻高度坐标值最低的节点即为预设为(0，0，0)的左脚节点。若当前时刻为除了初始时刻的下一时刻的任意时刻，那么当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值也是可以根据多次计算而确定的空间坐标值。
S140、根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
具体的，在获取到目标分析人物的全部肢体的当前四元数姿态角数据和当前空间坐标值之后，即可确定至少一个目标定位肢体的姿态情况。可以将所述至少一个目标定位肢体对应的节点的过偏差纠正的当前四元数姿态角数据代入所述人体模型中，获取所述至少一个目标定位肢体的肢体姿态情况。在一种实施方式中，可通过建立的人物模型同步目标分析人物定位动作姿态，即实时计算出各节点在连续时刻内的姿态角数据。
进一步的，根据不同时刻的空间坐标中高度值最低的节点的空间坐标确定所述至少一个目标定位肢体所属对象的位移。在预设时间段内的各个时刻中，根据触地的节点的空间坐标的变化即可确定，目标分析人物的位移。
进一步的，若连续计算每一个时刻各节点的经过偏差纠正的四元数姿态角数据和空间坐标数据，需要确定所述各节点的当前空间坐标中高度坐标值最低的节点是否发生变化，即判断目标分析人物是否在走动，如左脚向前迈出一步，触地点由左脚切换到了右脚。当触地节点发生变化时，则将所述各节点中的最低节点的空间坐标值中的高度值设置为0。
将当前高度值设置为0后的最低节点的空间坐标值作为当前时刻的下一时刻已知的节点空间坐标；根据所述已知的节点空间坐标及所述各惯性传感器下一时刻的四元数姿态角数据、预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据确定所述至少一个目标定位肢体在下一时刻的姿态及所述至少一个目标定位肢体所属对象的位移。即更新在一个时刻未经过数据计算时，已知的空间坐标的节点的坐标值，重复上述各个步骤，完成任意时刻各节点的属性参数计算和确定。
本实施例的技术方案，通过在人的肢体上绑定惯性传感器并建立人物模型，以及与人物模型的肢体连接关系相对应的树，然后根据树中各节点的当前四元数姿态角数据及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标，进而在触地节点与地面间由于静摩擦无相对滑动的约束下，结合人物模型确定目标定位肢体的姿态以及该人物的位移，解决了现有技术中对人物的姿态确定与位移计算时，定位的活动区域固定且对环境要求较高的限制问题，实现了不依赖基站设备并且无环境限制的情况下，在任意时刻任意大小的活动空间内完成人的行走定位估测以及肢体姿态定位。
实施例二
图2为本发明实施例二提供的运动姿态确定及定位装置的结构示意图，本实施例可适用于VR/AR/MR等互动体验中肢体动作姿态确定与定位的情况。该装置可通过硬件和/或软件的方式实现。
如图2所示，运动姿态确定及定位装置具体包括：模型建立模块210、数据获取模块220、数据处理模块230和姿态和位移确定模块240。
其中，模型建立模块210，用于确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器；数据获取模块220，用于获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据；数据处理模块230，用于根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标；姿态和位移确定模块240，用于根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
本实施例的技术方案，通过在人的肢体上绑定惯性传感器并建立人物模型，以及与人物模型的肢体连接关系相对应的树，然后根据树中各节点的当前四元数姿态角数据及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标，进而在触地节点与地面间由于静摩擦无相对滑动的约束下，结合人物模型确定目标定位肢体的姿态以及该人物的位移，解决了现有技术中对人物的姿态确定与位移计算时，定位的活动区域固定且对环境要求较高的限制问题，实现了不依赖基站设备并且无环境限制的情况下，在任意时刻任意大小的活动空间内完成人的行走定位估测以及肢体姿态定位。
可选的，数据处理模块230，具体包括：参考值设定子模块、姿态和坐标数据计算子模块、坐标差值计算子模块和当前空间坐标确定子模块；
其中，参考值设定子模块，用于假设所述树中的根节点的坐标为第一坐标值；
姿态和坐标数据计算子模块，用于根据所述第一坐标值、所述各节点的当前四元数姿态角数据和所述预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，以先根遍历的顺序遍历所述树，确定所述各节点基于所述第一坐标值的相对坐标值和经过偏差纠正的当前四元数姿态角数据；
坐标差值计算子模块，用于计算在当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值与该节点基于所述第一坐标值的相对坐标值的差值；
当前空间坐标确定子模块，用于将所述各节点基于所述第一坐标值的相对坐标值分别加上所述差值得到所述各节点的当前空间坐标。
可选的，姿态和坐标数据计算子模块，包括：当前姿态数据偏差纠正单元和相对坐标确定单元；
其中，当前姿态数据偏差纠正单元，用于基于所述第一坐标值，所述各节点的经过偏差纠正的当前四元数姿态角数据可通过如下公式确定： 其中，×表示四元数乘法，*表示四元数共轭，Qi是任意节点i点的经过偏差纠正的当前四元数姿态角数据，Qmi表示任意节点i的当前四元数姿态角数据，Qsi表示任意节点i的初始四元数姿态角数据；
相对坐标确定单元，用于基于所述第一坐标值，所述各节点的相对坐标值可通过如下公式确定：Pi＝P’i+Rot(Qi，(Psi-P’si))，其中，Pi是任意节点i以所述第一坐标值为基础的相对坐标值，P’i任意节点i的父节点以所述第一坐标值为基础的相对坐标值，Psi表示任意节点i的初始空间坐标，P’si表示任意节点i的父节点的初始空间坐标，Rot(q，v)表示用四元数姿态角数据Qi转动向量(Psi-P’si)得到的向量。
可选的，运动姿态确定及定位装置还包括：
着地点确定模块，用于确定所述各节点的当前空间坐标中高度坐标值最低的节点是否发生变化；
着地点坐标更新模块，用于在当前空间坐标中高度坐标值最低的节点发生变化时，将所述各节点中的最低节点的空间坐标值中的高度值设置为0。
可选的，运动姿态确定及定位装置还包括：循环计算模块，用于将当前高度值设置为0后的最低节点的空间坐标值作为当前时刻的下一时刻已知的节点空间坐标；根据所述已知的节点空间坐标及所述各惯性传感器下一时刻的四元数姿态角数据、预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据确定所述至少一个目标定位肢体在下一时刻的姿态及所述至少一个目标定位肢体所属对象的位移。
可选的，所述姿态和位移确定模块240包括：姿态确定子模块和位移确定子模块；其中，所述姿态确定子模块，用于将所述至少一个目标定位肢体对应的节点的过偏差纠正的当前四元数姿态角数据代入所述人体模型中，获取所述至少一个目标定位肢体的肢体姿态情况；
所述位移确定子模块，用于根据不同时刻的空间坐标中高度值最低的节点的空间坐标确定所述至少一个目标定位肢体所属对象的位移。
本发明实施例所提供的运动姿态确定及定位装置可执行本发明任意实施例所提供的运动姿态确定及定位方法，具备执行方法相应的功能模块和有益效果。
实施例三
图3是本发明实施例三中的计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备312的框图。图3显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器或者处理单元316，系统存储器328，连接不同系统组件(包括系统存储器328和处理单元316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储器328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块342的程序/实用工具340，可以存储在例如存储器328中，这样的程序模块342包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块342通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图3中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元316通过运行存储在系统存储器328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的运动姿态确定及定位方法，该方法主要包括：
确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器；
获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据；
根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标；
根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
实施例四
本发明实施例四还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的运动姿态确定及定位方法，该方法主要包括：
确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器；
获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据；
根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标；
根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种运动姿态确定及定位方法，其特征在于，包括：
确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器；
获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据；
根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标；
根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
2.根据权利要求1所述的方法，其特征在于，根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标，包括：
假设所述树中的根节点的坐标为第一坐标值；
根据所述第一坐标值、所述各节点的当前四元数姿态角数据和所述预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，以先根遍历的顺序遍历所述树，确定所述各节点基于所述第一坐标值的相对坐标值和经过偏差纠正的当前四元数姿态角数据；
计算在当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值与该节点基于所述第一坐标值的相对坐标值的差值；
将所述各节点基于所述第一坐标值的相对坐标值分别加上所述差值得到所述各节点的当前空间坐标。
3.根据权利要求2所述的方法，其特征在于，根据所述第一坐标值、所述各节点的当前四元数姿态角数据和所述预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，以先根遍历的顺序遍历所述树，确定所述各节点基于所述第一坐标值的相对坐标值和经过偏差纠正的当前四元数姿态角数据，包括：
基于所述第一坐标值，所述各节点的经过偏差纠正的当前四元数姿态角数据可通过如下公式确定：其中，×表示四元数乘法，*表示四元数共轭，Qi是任意节点i点的经过偏差纠正的当前四元数姿态角数据，Qmi表示任意节点i的当前四元数姿态角数据，Qsi表示任意节点i的初始四元数姿态角数据；
基于所述第一坐标值，所述各节点的相对坐标值可通过如下公式确定：Pi＝P′i+Rot(Qi，(Psi-P’si))，其中，Pi是任意节点i以所述第一坐标值为基础的相对坐标值，P′i任意节点i的父节点以所述第一坐标值为基础的相对坐标值，Psi表示任意节点i的初始空间坐标，P’si表示任意节点i的父节点的初始空间坐标，Rot(q，v)表示用四元数姿态角数据Qi转动向量(Psi-P’si)得到的向量。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
确定所述各节点的当前空间坐标中高度坐标值最低的节点是否发生变化；
若是，则将所述各节点中的最低节点的空间坐标值中的高度值设置为0。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
将当前高度值设置为0后的最低节点的空间坐标值作为当前时刻的下一时刻已知的节点空间坐标；
根据所述已知的节点空间坐标及所述各惯性传感器下一时刻的四元数姿态角数据、预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据确定所述至少一个目标定位肢体在下一时刻的姿态及所述至少一个目标定位肢体所属对象的位移。
6.根据权利要求1所述的方法，其特征在于，根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及位移，包括：
将所述至少一个目标定位肢体对应的节点的过偏差纠正的当前四元数姿态角数据代入所述人体模型中，获取所述至少一个目标定位肢体的肢体姿态情况；
根据不同时刻的空间坐标中高度值最低的节点的空间坐标确定所述至少一个目标定位肢体所属对象的位移。
7.一种运动姿态确定及定位装置，其特征在于，包括：
模型建立模块，用于确定包含有至少一个目标定位肢体的人体模型，并建立与所述人体模型的肢体连接关系对应的树，所述树中相连接的两个节点间距离为该相连接的两个节点间对应的肢体长度，其中，所述人体模型中对应的肢体上设置有惯性传感器；
数据获取模块，用于获取所述惯性传感器得到的所述树中各节点的当前四元数姿态角数据；
数据处理模块，用于根据所述各节点的当前四元数姿态角数据、当前时刻的前一时刻所述树中高度坐标值最低的节点的空间坐标值及预先获取的所述各节点的初始四元数姿态角数据和初始空间坐标数据，遍历所述树中的节点，确定所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标；
姿态和位移确定模块，用于根据所述各节点经过偏差纠正的当前四元数姿态角数据和当前空间坐标确定所述至少一个目标定位肢体的姿态及所述至少一个目标定位肢体所属对象的位移。
8.根据权利要求7所述的装置，其特征在于，所述姿态和位移确定模块包括：姿态确定子模块和位移确定子模块；其中，所述姿态确定子模块，用于将所述至少一个目标定位肢体对应的节点的过偏差纠正的当前四元数姿态角数据代入所述人体模型中，获取所述至少一个目标定位肢体的肢体姿态情况；
所述位移确定子模块，用于根据不同时刻的空间坐标中高度值最低的节点的空间坐标确定所述至少一个目标定位肢体所属对象的位移。
9.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的运动姿态确定及定位方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的运动姿态确定及定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910098073.1A CN109781104B (zh) | 2019-01-31 | 2019-01-31 | 运动姿态确定及定位方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910098073.1A CN109781104B (zh) | 2019-01-31 | 2019-01-31 | 运动姿态确定及定位方法、装置、计算机设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109781104A true CN109781104A (zh) | 2019-05-21 |
| CN109781104B CN109781104B (zh) | 2021-06-08 |
Family
ID=66504014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910098073.1A Active CN109781104B (zh) | 2019-01-31 | 2019-01-31 | 运动姿态确定及定位方法、装置、计算机设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109781104B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110400365A (zh) * | 2019-07-02 | 2019-11-01 | 东南大学 | 基于动作增量模型的动作重定向方法 |
| CN111274990A (zh) * | 2020-02-11 | 2020-06-12 | 广东同天投资管理有限公司 | 对脊柱形态进行分类的计算机设备和存储介质 |
| CN111382701A (zh) * | 2020-03-09 | 2020-07-07 | 北京字节跳动网络技术有限公司 | 动作捕捉方法、装置、电子设备及计算机可读存储介质 |
| CN113012232A (zh) * | 2021-03-01 | 2021-06-22 | 重庆工程职业技术学院 | 一种用于矿井内的定位系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100164862A1 (en) * | 2008-12-31 | 2010-07-01 | Lucasfilm Entertainment Company Ltd. | Visual and Physical Motion Sensing for Three-Dimensional Motion Capture |
| WO2012161407A1 (en) * | 2011-05-25 | 2012-11-29 | Korea Institute Of Science And Technology | Method of motion tracking |
| CN108253954A (zh) * | 2016-12-27 | 2018-07-06 | 大连理工大学 | 一种人体姿态捕捉系统 |
| CN109284006A (zh) * | 2018-11-09 | 2019-01-29 | 中科数字健康科学研究院（南京）有限公司 | 一种人体运动捕获装置和方法 |
-
2019
- 2019-01-31 CN CN201910098073.1A patent/CN109781104B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100164862A1 (en) * | 2008-12-31 | 2010-07-01 | Lucasfilm Entertainment Company Ltd. | Visual and Physical Motion Sensing for Three-Dimensional Motion Capture |
| WO2012161407A1 (en) * | 2011-05-25 | 2012-11-29 | Korea Institute Of Science And Technology | Method of motion tracking |
| CN108253954A (zh) * | 2016-12-27 | 2018-07-06 | 大连理工大学 | 一种人体姿态捕捉系统 |
| CN109284006A (zh) * | 2018-11-09 | 2019-01-29 | 中科数字健康科学研究院（南京）有限公司 | 一种人体运动捕获装置和方法 |
Non-Patent Citations (4)
| Title |
|---|
| GUANHONG TAO 等: "Human modeling and real-time motion reconstruction for micro-sensor motion capture", 《2011 IEEE INTERNATIONAL CONFERENCE ON VIRTUAL ENVIRONMENTS, HUMAN-COMPUTER INTERFACES AND MEASUREMENT SYSTEMS PROCEEDINGS》 * |
| MARTIN SCHEPERS 等: "Xsens MVN: Consistent Tracking of Human Motion Using Inertial Sensing", 《RESEARCHGATE》 * |
| 杨波: "基于MEMS惯性传感器动作捕捉系统与轨迹追踪的研究设计", 《中国优秀硕士论文全文数据库》 * |
| 汪俊: "基于惯性传感单元的动作捕捉系统研究与设计", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110400365A (zh) * | 2019-07-02 | 2019-11-01 | 东南大学 | 基于动作增量模型的动作重定向方法 |
| CN110400365B (zh) * | 2019-07-02 | 2023-06-20 | 东南大学 | 基于动作增量模型的动作重定向方法 |
| CN111274990A (zh) * | 2020-02-11 | 2020-06-12 | 广东同天投资管理有限公司 | 对脊柱形态进行分类的计算机设备和存储介质 |
| CN111274990B (zh) * | 2020-02-11 | 2024-01-12 | 广东同天科技产业发展有限公司 | 对脊柱形态进行分类的计算机设备和存储介质 |
| CN111382701A (zh) * | 2020-03-09 | 2020-07-07 | 北京字节跳动网络技术有限公司 | 动作捕捉方法、装置、电子设备及计算机可读存储介质 |
| CN111382701B (zh) * | 2020-03-09 | 2023-09-22 | 抖音视界有限公司 | 动作捕捉方法、装置、电子设备及计算机可读存储介质 |
| CN113012232A (zh) * | 2021-03-01 | 2021-06-22 | 重庆工程职业技术学院 | 一种用于矿井内的定位系统及方法 |
| CN113012232B (zh) * | 2021-03-01 | 2023-10-27 | 重庆工程职业技术学院 | 一种用于矿井内的定位系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109781104B (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109781104A (zh) | 运动姿态确定及定位方法、装置、计算机设备及介质 | |
| JP5657216B2 (ja) | モーションキャプチャー装置及びモーションキャプチャー方法 | |
| KR20160096473A (ko) | 동작 평가 시스템 및 방법 | |
| JPH09330424A (ja) | ３次元骨格構造の動き変換装置 | |
| CN112041785A (zh) | 跟踪手姿势的方法及其电子设备 | |
| Chen et al. | Real-time human motion capture driven by a wireless sensor network | |
| CN110609621B (zh) | 姿态标定方法及基于微传感器的人体运动捕获系统 | |
| CN104050702A (zh) | 直接操纵计算机生成角色的受限模型的方法和系统 | |
| CN110327048A (zh) | 一种基于可穿戴式惯性传感器的人体上肢姿态重建系统 | |
| JP2015186531A (ja) | 動作情報処理装置、及びプログラム | |
| CN109144252A (zh) | 对象确定方法、装置、设备和存储介质 | |
| Paris et al. | Acquisition of survey knowledge using walking in place and resetting methods in immersive virtual environments | |
| Schönauer et al. | Wide area motion tracking using consumer hardware | |
| Young et al. | Distributed estimation of linear acceleration for improved accuracy in wireless inertial motion capture | |
| US9652879B2 (en) | Animation of a virtual object | |
| JP2021122736A (ja) | 関節の回転中心を見つける方法 | |
| Ji et al. | Motion trajectory of human arms based on the dual quaternion with motion tracker | |
| Zhang et al. | Ubiquitous human body motion capture using micro-sensors | |
| CN109003300A (zh) | 一种基于人体质心位移计算算法的虚拟现实系统 | |
| JP7370198B2 (ja) | 処理システム、情報処理装置、プログラム及び処理方法 | |
| CN113315963A (zh) | 扩展现实显示方法、装置、系统和存储介质 | |
| CN112527109A (zh) | 基于坐姿的vr全身动作控制方法、系统及计算机可读介质 | |
| KR102239957B1 (ko) | 가상 관절 구(sphere)를 이용한 모션 모델링 방법 및 그 장치 | |
| JP2915846B2 (ja) | ３次元映像作成装置 | |
| CN117503120B (zh) | 人体姿态估计方法及系统 |
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 |