CN111798574A - 一种用于三维场域的转角定位方法 - Google Patents

一种用于三维场域的转角定位方法 Download PDF

Info

Publication number
CN111798574A
CN111798574A CN202010527708.8A CN202010527708A CN111798574A CN 111798574 A CN111798574 A CN 111798574A CN 202010527708 A CN202010527708 A CN 202010527708A CN 111798574 A CN111798574 A CN 111798574A
Authority
CN
China
Prior art keywords
data
corner
track
point
dimensional
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.)
Pending
Application number
CN202010527708.8A
Other languages
English (en)
Inventor
黄志青
余俊
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.)
Guangzhou Hengsha Digital Technology Co ltd
Original Assignee
Guangzhou Hengsha Digital 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 Guangzhou Hengsha Digital Technology Co ltd filed Critical Guangzhou Hengsha Digital Technology Co ltd
Priority to CN202010527708.8A priority Critical patent/CN111798574A/zh
Publication of CN111798574A publication Critical patent/CN111798574A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2004—Aligning objects, relative positioning of parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及一种用于三维场域的转角定位方法，包括以下步骤：S1：得到物体运动轨迹点的三维坐标数据；S2：通过三维坐标数据，推算出物体运动的转角数据；S3：对三维坐标数据进行轨迹平滑处理；S4：对转角数据进行平滑处理；S5：将轨迹平滑处理后的三维坐标数据和平滑处理后的转角数据输出展示。本发明提供的一种用于三维场域的转角定位方法，在三维坐标系中，获取三维坐标数据和转角数据，将三维坐标数据和转角数据平滑处理，使运动模型拥有转角，仿真出原始运动模型的转角位置，提高展示的仿真度。

Description

一种用于三维场域的转角定位方法
技术领域
本发明涉及三维交互领域，更具体地，涉及一种用于三维场域的转角定位方法。
背景技术
三维交互技术应用广泛，在各行各业都有其应用的场景。三维交互展示技术动态比传统的视频图像演示模式来更直观、更形象。在很多行业应用中，仿真机械运动、建立房子、建立设备模型是最基本的要求。
任何需要展示的物体，在展示的虚拟空间中可以理解为一个对象模型。在许多展示一个运动的物体的三维交互设计方案中，通常都把这个运动的物体所对应的对象模型设计为一个点、或一个圆。这样的好处就是，对象模型不管向任何方向运动，自身都不需要做改变。也就是说，对象模型的运动方向跟自身的状态、表现没任何关系，不管对象模型向哪个方向运动，看起来都是一样的。
而现实中的物体的常规运动不是这样的，人、动物向前运动时基本都是面向前的；汽车在公路上跑，也是车头朝前开的；飞机在天上飞，也是机头朝着运动的方向的。物体的常规运动，总是会产生一个三维转角，使其头部与运动方向保持一致的。如果三维交互技术不能把这些细节展示出来，就会让客户体验感觉不好，三维展示也就失去了其仿真的意义。
现有的解决办法是在客户端把代表方向的转角数据和空间坐标一起送过来，这些数据由作为数据源的应用终端来搜集、整合并计算得到。应用终端要得到这些数据，通常要根据需求，安装更多的定位芯片，来换算出转角数据。有的应用终端计算能力有限，就会把原始数据直接送到服务端，而不同的应用终端的原始数据的格式有可能会不一样，这样就导致增大服务端的运算难度，还会让产品兼容性降低。更多的定位芯片，会使一个展示实体，在逻辑上分割为多个展示模型。这样会使服务端增加服务压力，使展示终终降低展示效率，使客户增加经济压力。
现有的一种求解任意旋转角三维坐标转换参数的方法，专利号为CN201710979751.6，公开日为20180309，其步骤为：一、获取两个坐标系下公共点的三维坐标；二、建立布尔沙转换模型；三、建立约束方程；四、建立误差方程；五、误差方程求解；六、计算单位权中误差；七、根据方差、协方差阵估算旋转矩阵、尺度因子和三维平移分量的有效性；八、旋转矩阵的结果显示。其得到转角数据是运用建立布尔沙转换模型，且并没有对转角数据与三维坐标数据进行平滑处理。
发明内容
本发明为解决现有的运动模型没有转角方向，或是体现转角时分割成多个展示模型，运动不连贯的技术缺陷，提供了一种用于三维场域的转角定位方法。
为实现以上发明目的，采用的技术方案是：
一种用于三维场域的转角定位方法，包括以下步骤：
S1：得到物体运动轨迹点的三维坐标数据；
S2：通过三维坐标数据，推算出物体运动的转角数据；
S3：对三维坐标数据进行轨迹平滑处理；
S4：对转角数据进行平滑处理；
S5：将轨迹平滑处理后的三维坐标数据和平滑处理后的转角数据输出展示。
上述方案中，在三维坐标系中，获取三维坐标数据和转角数据，将三维坐标数据和转角数据平滑处理，使运动模型拥有转角，仿真出原始运动模型的转角位置，提高展示的仿真度。
在步骤S1中，在三维直角坐标系中，用X、Y和Z分别代表横向、高度、纵向3个方位，X轴朝右为正，Y轴朝上为正，Z轴朝前为正，反之为负，将物体运动轨迹附在三维直角坐标系中，设定位置从P1(X1，Y1，Z1)运动到P2(X2， Y2，Z2)。
在步骤S2中，依据从P1(X1，Y1，Z1)运动到P2(X2，Y2，Z2)的行动轨迹，转角数据∠rx由以下算法得出tan∠rx＝(Z2-Z1)/(X2-X1)，∠rx＝ arctan((Z2-Z1)/(X2-X1))。
在步骤S3中，运用滑动平滑平均法和基于局域多项式最小二乘法拟合的滤波方法对三维坐标数据进行轨迹平滑处理。
所述滑动平滑平均法包括以下公式：
Figure BDA0002534235230000031
ys(1)＝y(1)
Figure BDA0002534235230000032
Figure BDA0002534235230000033
Figure BDA0002534235230000034
N是常数，代表需要处理的单位时间内的轨迹点数；i为变量，代表每个轨迹点索引，取值为1至N。则每个轨迹点可表示为[X(i),Y(i),Z(i)]，使邻域内的数据点做平均代替邻域的中心点值。
所述基于局域多项式最小二乘法拟合的滤波方法包括以下步骤：
S31：通过拟合多项式求出轨迹点的拟合效果；
S32：调用拟合结果，求出最小二乘残差；
S33：根据最小二乘残差，通过卷积运算的方式求出原始轨迹点转换后的结果。
所述步骤S31中，拟合多项式为
Figure BDA0002534235230000035
N是常数，代表需要处理的单位时间内的轨迹点数；k为变量，代表每个轨迹点索引，取值为1至N，则每个轨迹点可表示为[X(k),Y(k),Z(k)]，n代表第 k个点的值X(k),Y(k)或Z(k)，即不同维度的坐标值，a代表系数，a的下标代表第k个点的系数，p(n)为轨迹点的拟合结果。
所述步骤S32中，最小二乘残差公式为：
Figure BDA0002534235230000041
最小二乘残差公式调用了上述的拟合结果，其中，x[n]为第k个实际的点值， x[-M]为第1个点，x[0]为中间点，x[M]为最后1个点，ε代表残差，下标N 代表所有轨迹点的残差。
所述步骤S33中，包括以下公式：
Figure BDA0002534235230000042
n为从0开始的为轨迹点索引,m为小于n轨迹点索引，-M是第一个，M是最后一个,x[m]为某个轨迹点，h为匹配x的卷积核,y[n]是原始轨迹点转换后的结果。
在步骤S4中，对转角数据运用加权平权法进行平滑处理所述加权平权法设单位时间内的坐标的轨迹点为n，经过n个轨迹点后，其最大转角变化达到或超过了预设值,对n个轨迹点的转角做平均加权处理，平均值为：∠x＝((∠x1+ ∠x2+…+∠xn)％360)/n，权值为：r＝f(∠x,i)，i＝1～n，f为加权函数，得到的结果为由小变大再变小，用结果替换原始值。
上述方案中，本发明是一种算法模型，采用后置处理的方式，通过一段时间内，物体运动的轨迹点的三维坐标数据，推算出运动中物体本身的转角数据，同时还可以对三维坐标数据进行轨迹平滑等优化处理。算法输出优化后的坐标数据和转角数据，传送到三维展示平台，很大程度提高了展示仿真度，使展示效果更加良好，用户更易于接受。
在三维交互与展示中，对象模型的运动一般都会有10帧/秒的速度以上，即 10个轨迹点每秒。而相连的2个轨迹点的三维坐标，已经可以基本确定物体的运动方向，按照物体转角与运动方向的一致性，也就可以确定物体转角数据。如果是有转角与运动方向不一致的，也可以通过参数校正、对象类型、学习系统等方法和手段来达到目的。
使用三维直角坐标系来描述物体运动过程中的转角与轨迹点之间的关系，从而理清物体运动的转角是如何由轨变点运动产生的。坐标系分为3个轴，用X、 Y、Z表示，分别代表横向、高度、纵向3个方位，X轴朝右为正，Y轴朝上为正， Z轴朝前为正，反之为负。3个坐标轴共定1原点，把立体空间分割成8个象限，其中定义第1象限为朝右、朝上、朝外，坐标值全是正值。
任一静态轨迹点在坐标系当中，都具有3个位置参数，表示为p1(X1,Y1,Z1)。当有许多轨迹点按时间顺序做为输入输出，且它们的坐标值(Xn,Yn,Zn)都不相同的话，在人的肉眼观察中就会产生运动的效果。因此，运动的本质就是物体单位时间内，三个维度中有坐标值发生了改变，三个维度的坐标值只要有两个以上发生改变，就会产生运动转角。3个坐标轴，可以组成3个平面坐标系，即XY、XZ、 YZ。因此，只要计算出两个轨迹点在这3个平面坐标系中的平面转角，就会得到 3个转角值，而这3个转角值确定了轨迹点运动的方向。
在实际环境中，物体的运动并不是很有规律的，有的数据适合于优化处理，有的数据不适合于优化处理。对于不适合于优化处理的数据执行优化动作，反而会浪费系统资源。因此，本发明的算法会做优化前做数据检测处理，对于一些变化不大的数据，按原始数据输出。此外，本算法还会结合数据库存储，对一些模型类型、运动轨迹、算法匹配做记录，便于展示终端进一步扩展功能。
本发明作为一种算法模块，是通过对原始数据的采集、存储和挖掘，利用人工智能的统计学原理，输出优化的展示数据，仿真出原始展示对象的转角位置，提高了展示质量。因此，本算法模块对原始数据的采集、分析处理方法和输出结果数据这一系列算法逻辑是需要保护的技术关键点。
与现有技术相比，本发明的有益效果是：
本发明提供的一种用于三维场域的转角定位方法，在三维坐标系中，获取三维坐标数据和转角数据，将三维坐标数据和转角数据平滑处理，使运动模型拥有转角，仿真出原始运动模型的转角位置，提高展示的仿真度。
附图说明
图1为本发明的方法流程图；
图2为本发明的对象模型运动示意图；
图3为本发明的转角数据平滑效果图；
图4为本发明的三维坐标数据平滑效果图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
如图1、图3和图4所示，一种用于三维场域的转角定位方法，包括以下步骤：
S1：得到物体运动轨迹点的三维坐标数据；
S2：通过三维坐标数据，推算出物体运动的转角数据；
S3：对三维坐标数据进行轨迹平滑处理；
S4：对转角数据进行平滑处理；
S5：将轨迹平滑处理后的三维坐标数据和平滑处理后的转角数据输出展示。
上述方案中，在三维坐标系中，获取三维坐标数据和转角数据，将三维坐标数据和转角数据平滑处理，使运动模型拥有转角，仿真出原始运动模型的转角位置，提高展示的仿真度。
在步骤S1中，在三维直角坐标系中，用X、Y和Z分别代表横向、高度、纵向3个方位，X轴朝右为正，Y轴朝上为正，Z轴朝前为正，反之为负，将物体运动轨迹附在三维直角坐标系中，设定位置从P1(X1，Y1，Z1)运动到P2(X2， Y2，Z2)。
在步骤S2中，依据从P1(X1，Y1，Z1)运动到P2(X2，Y2，Z2)的行动轨迹，转角数据∠rx由以下算法得出tan∠rx＝(Z2-Z1)/(X2-X1)，∠rx＝ arctan((Z2-Z1)/(X2-X1))。
在步骤S3中，运用滑动平滑平均法和基于局域多项式最小二乘法拟合的滤波方法对三维坐标数据进行轨迹平滑处理。
所述滑动平滑平均法包括以下公式：
Figure BDA0002534235230000061
ys(1)＝y(1)
Figure BDA0002534235230000071
Figure BDA0002534235230000072
Figure BDA0002534235230000073
N是常数，代表需要处理的单位时间内的轨迹点数；i为变量，代表每个轨迹点索引，取值为1至N。则每个轨迹点可表示为[X(i),Y(i),Z(i)]，使邻域内的数据点做平均代替邻域的中心点值。
所述基于局域多项式最小二乘法拟合的滤波方法包括以下步骤：
S31：通过拟合多项式求出轨迹点的拟合效果；
S32：调用拟合结果，求出最小二乘残差；
S33：根据最小二乘残差，通过卷积运算的方式求出原始轨迹点转换后的结果。
所述步骤S31中，拟合多项式为
Figure BDA0002534235230000074
N是常数，代表需要处理的单位时间内的轨迹点数；k为变量，代表每个轨迹点索引，取值为1至N，则每个轨迹点可表示为[X(k),Y(k),Z(k)]，n代表第k个点的值X(k),Y(k)或Z(k)，即不同维度的坐标值，a代表系数，a的下标代表第k个点的系数，p(n)为轨迹点的拟合结果。
所述步骤S32中，最小二乘残差公式为：
Figure BDA0002534235230000075
最小二乘残差公式调用了上述的拟合结果，其中，x[n]为第k个实际的点值， x[-M]为第1个点，x[0]为中间点，x[M]为最后1个点，ε代表残差，下标N 代表所有轨迹点的残差。
所述步骤S33中，包括以下公式：
Figure BDA0002534235230000081
n为从0开始的为轨迹点索引,m为小于n轨迹点索引，-M是第一个，M是最后一个,x[m]为某个轨迹点，h为匹配x的卷积核,y[n]是原始轨迹点转换后的结果。
在步骤S4中，对转角数据运用加权平权法进行平滑处理所述加权平权法设单位时间内的坐标的轨迹点为n，经过n个轨迹点后，其最大转角变化达到或超过了预设值,对n个轨迹点的转角做平均加权处理，平均值为：∠x＝((∠x1+ ∠x2+…+∠xn)％360)/n，权值为：r＝f(∠x,i)，i＝1～n，f为加权函数，得到的结果为由小变大再变小，用结果替换原始值。
实施例2
如图1和图2所示，本发明是一种算法模型，采用后置处理的方式，通过一段时间内，物体运动的轨迹点的三维坐标数据，推算出运动中物体本身的转角数据，同时还可以对三维坐标数据进行轨迹平滑等优化处理。算法输出优化后的坐标数据和转角数据，传送到三维展示平台，很大程度提高了展示仿真度，使展示效果更加良好，用户更易于接受。
在三维交互与展示中，对象模型的运动一般都会有10帧/秒的速度以上，即 10个轨迹点每秒。而相连的2个轨迹点的三维坐标，已经可以基本确定物体的运动方向，按照物体转角与运动方向的一致性，也就可以确定物体转角数据。如果是有转角与运动方向不一致的，也可以通过参数校正、对象类型、学习系统等方法和手段来达到目的。
使用三维直角坐标系来描述物体运动过程中的转角与轨迹点之间的关系，从而理清物体运动的转角是如何由轨变点运动产生的。坐标系分为3个轴，用X、 Y、Z表示，分别代表横向、高度、纵向3个方位，X轴朝右为正，Y轴朝上为正， Z轴朝前为正，反之为负。3个坐标轴共定1原点，把立体空间分割成8个象限，其中定义第1象限为朝右、朝上、朝外，坐标值全是正值。
任一静态轨迹点在坐标系当中，都具有3个位置参数，表示为p1(X1,Y1,Z1)。当有许多轨迹点按时间顺序做为输入输出，且它们的坐标值(Xn,Yn,Zn)都不相同的话，在人的肉眼观察中就会产生运动的效果。因此，运动的本质就是物体单位时间内，三个维度中有坐标值发生了改变，三个维度的坐标值只要有两个以上发生改变，就会产生运动转角。3个坐标轴，可以组成3个平面坐标系，即XY、XZ、 YZ。因此，只要计算出两个轨迹点在这3个平面坐标系中的平面转角，就会得到 3个转角值，而这3个转角值确定了轨迹点运动的方向。
在实际环境中，物体的运动并不是很有规律的，有的数据适合于优化处理，有的数据不适合于优化处理。对于不适合于优化处理的数据执行优化动作，反而会浪费系统资源。因此，本发明的算法会做优化前做数据检测处理，对于一些变化不大的数据，按原始数据输出。此外，本算法还会结合数据库存储，对一些模型类型、运动轨迹、算法匹配做记录，便于展示终端进一步扩展功能。
本发明作为一种算法模块，是通过对原始数据的采集、存储和挖掘，利用人工智能的统计学原理，输出优化的展示数据，仿真出原始展示对象的转角位置，提高了展示质量。因此，本算法模块对原始数据的采集、分析处理方法和输出结果数据这一系列算法逻辑是需要保护的技术关键点。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种用于三维场域的转角定位方法，其特征在于，包括以下步骤：
S1：得到物体运动轨迹点的三维坐标数据；
S2：通过三维坐标数据，推算出物体运动的转角数据；
S3：对三维坐标数据进行轨迹平滑处理；
S4：对转角数据进行平滑处理；
S5：将轨迹平滑处理后的三维坐标数据和平滑处理后的转角数据输出展示。
2.根据权利要求1所述的一种用于三维场域的转角定位方法，其特征在于，在步骤S1中，在三维直角坐标系中，用X、Y和Z分别代表横向、高度、纵向3个方位，X轴朝右为正，Y轴朝上为正，Z轴朝前为正，反之为负，将物体运动轨迹附在三维直角坐标系中，设定位置从P1(X1，Y1，Z1)运动到P2(X2，Y2，Z2)。
3.根据权利要求2所述的一种用于三维场域的转角定位方法，其特征在于，在步骤S2中，依据从P1(X1，Y1，Z1)运动到P2(X2，Y2，Z2)的行动轨迹，转角数据∠rx由以下算法得出tan∠rx＝(Z2-Z1)/(X2-X1)，∠rx＝arctan((Z2-Z1)/(X2-X1))。
4.根据权利要求3所述的一种用于三维场域的转角定位方法，其特征在于，在步骤S3中，运用滑动平滑平均法和基于局域多项式最小二乘法拟合的滤波方法对三维坐标数据进行轨迹平滑处理。
5.根据权利要求4所述的一种用于三维场域的转角定位方法，其特征在于，所述滑动平滑平均法包括以下公式：
Figure FDA0002534235220000011
ys(1)＝y(1)
Figure FDA0002534235220000021
Figure FDA0002534235220000022
Figure FDA0002534235220000023
N是常数，代表需要处理的单位时间内的轨迹点数；i为变量，代表每个轨迹点索引，取值为1至N，则每个轨迹点可表示为[X(i),Y(i),Z(i)]，使邻域内的数据点做平均代替邻域的中心点值。
6.根据权利要求5所述的一种用于三维场域的转角定位方法，其特征在于，所述基于局域多项式最小二乘法拟合的滤波方法包括以下步骤：
S31：通过拟合多项式求出轨迹点的拟合效果；
S32：调用拟合结果，求出最小二乘残差；
S33：根据最小二乘残差，通过卷积运算的方式求出原始轨迹点转换后的结果。
7.根据权利要求6所述的一种用于三维场域的转角定位方法，其特征在于，所述步骤S31中，拟合多项式为
Figure FDA0002534235220000024
N是常数，代表需要处理的单位时间内的轨迹点数；k为变量，代表每个轨迹点索引，取值为1至N，则每个轨迹点可表示为[X(k),Y(k),Z(k)]，n代表第k个点的值X(k),Y(k)或Z(k)，即不同维度的坐标值，a代表系数，a的下标代表第k个点的系数，p(n)为轨迹点的拟合结果。
8.根据权利要求7所述的一种用于三维场域的转角定位方法，其特征在于，所述步骤S32中，最小二乘残差公式为：
Figure FDA0002534235220000031
最小二乘残差公式调用了上述的拟合结果，其中，x[n]为第k个实际的点值，x[-M]为第1个点，x[0]为中间点，x[M]为最后1个点，ε代表残差，下标N代表所有轨迹点的残差。
9.根据权利要求6所述的一种用于三维场域的转角定位方法，其特征在于，所述步骤S33中，包括以下公式：
Figure FDA0002534235220000032
n为从0开始的为轨迹点索引,m为小于n轨迹点索引，-M是第一个，M是最后一个,x[m]为某个轨迹点，h为匹配x的卷积核,y[n]是原始轨迹点转换后的结果。
10.根据权利要求7所述的一种用于三维场域的转角定位方法，其特征在于，在步骤S4中，对转角数据运用加权平权法进行平滑处理所述加权平权法设单位时间内的坐标的轨迹点为n，经过n个轨迹点后，其最大转角变化达到或超过了预设值,对n个轨迹点的转角做平均加权处理，平均值为：∠x＝((∠x1+∠x2+…+∠xn)％360)/n，权值为：r＝f(∠x,i)，i＝1～n，f为加权函数，得到的结果为由小变大再变小，用结果替换原始值。
CN202010527708.8A 2020-06-11 2020-06-11 一种用于三维场域的转角定位方法 Pending CN111798574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010527708.8A CN111798574A (zh) 2020-06-11 2020-06-11 一种用于三维场域的转角定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010527708.8A CN111798574A (zh) 2020-06-11 2020-06-11 一种用于三维场域的转角定位方法

Publications (1)

Publication Number Publication Date
CN111798574A true CN111798574A (zh) 2020-10-20

Family

ID=72804278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010527708.8A Pending CN111798574A (zh) 2020-06-11 2020-06-11 一种用于三维场域的转角定位方法

Country Status (1)

Country Link
CN (1) CN111798574A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120047193A1 (en) * 2010-08-19 2012-02-23 Chip Goal Electronics Corporation, R.O.C. Locus smoothing method
CN106556395A (zh) * 2016-11-17 2017-04-05 北京联合大学 一种基于四元数的单目视觉系统的导航方法
CN111199075A (zh) * 2019-12-30 2020-05-26 四川函钛科技有限公司 一种基于时序qar参数的飞行轨迹自适应平滑的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120047193A1 (en) * 2010-08-19 2012-02-23 Chip Goal Electronics Corporation, R.O.C. Locus smoothing method
CN106556395A (zh) * 2016-11-17 2017-04-05 北京联合大学 一种基于四元数的单目视觉系统的导航方法
CN111199075A (zh) * 2019-12-30 2020-05-26 四川函钛科技有限公司 一种基于时序qar参数的飞行轨迹自适应平滑的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐玉发;张合;徐国泰;刘建敬;: "基于加权移动平均的姿态角测量技术实现" *

Similar Documents

Publication Publication Date Title
CN110827342B (zh) 三维人体模型重建方法及存储设备、控制设备
CN108898676B (zh) 一种虚实物体之间碰撞及遮挡检测方法及系统
CN106600709A (zh) 基于装修信息模型的vr虚拟装修方法
CN111062326B (zh) 一种基于几何驱动的自监督人体3d姿态估计网络训练方法
CN108510520B (zh) 一种图像处理方法、装置及ar设备
CN109591013A (zh) 一种柔性装配仿真系统及其实现方法
CN112200157A (zh) 一种降低图像背景干扰的人体3d姿态识别方法及其系统
Bandouch et al. Accurate human motion capture using an ergonomics-based anthropometric human model
CN112657176A (zh) 一种结合人像行为信息的双目投影人机交互方法
CN111311664A (zh) 一种深度、位姿与场景流的联合无监督估计方法及系统
CN112917516A (zh) 用于自主装配机器人的知识学习与推理执行系统
CN113808047A (zh) 一种人体运动捕捉数据去噪方法
CN116342782A (zh) 生成虚拟形象渲染模型的方法和装置
CN115761905A (zh) 一种基于骨骼关节点的潜水员动作识别方法
US20050185834A1 (en) Method and apparatus for scene learning and three-dimensional tracking using stereo video cameras
Yuan et al. Presim: A 3d photo-realistic environment simulator for visual ai
Shen et al. Fast adaptive optimization of weighted vector median filters
CN110490165B (zh) 一种基于卷积神经网络的动态手势跟踪方法
CN111798574A (zh) 一种用于三维场域的转角定位方法
CN111553954A (zh) 一种基于直接法单目slam的在线光度标定方法
CN113326751B (zh) 一种手部3d关键点的标注方法
CN115294265A (zh) 基于图骨架注意力利用二维人体姿态重建三维人体网格的方法和系统
Jagersand Image based view synthesis of articulated agents
CN114758205A (zh) 用于3d人体姿态估计的多视角特征融合方法及系统
CN114029940A (zh) 机械臂的运动路径规划方法、装置、设备、介质及机械臂

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201020

RJ01 Rejection of invention patent application after publication