CN112381925B - 一种基于激光编码的全身跟踪定位方法及系统 - Google Patents
一种基于激光编码的全身跟踪定位方法及系统 Download PDFInfo
- Publication number
- CN112381925B CN112381925B CN202011267233.XA CN202011267233A CN112381925B CN 112381925 B CN112381925 B CN 112381925B CN 202011267233 A CN202011267233 A CN 202011267233A CN 112381925 B CN112381925 B CN 112381925B
- Authority
- CN
- China
- Prior art keywords
- information
- tracker
- data
- obtaining
- model
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Optics & Photonics (AREA)
- Computer Graphics (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于激光编码的全身跟踪定位方法及系统,所述方法包括:获得第一追踪者的基础信息;根据所述第一追踪者的基础信息获得第一位置信息;获得模型建立的第一预定要求标准;将所述第一位置信息和第一预定要求标准输入第一训练模型,获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;根据所述基础信息获得所述第一追踪者的位姿信息;根据所述位姿信息产生第一修正参数;根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位。解决了现有技术进行跟踪定位及模型建立的过程中存在对追踪者的细节捕捉不准确的技术问题。
Description
技术领域
本发明涉及虚拟模型的建立领域,尤其涉及一种基于激光编码的全身跟踪定位方法及系统。
背景技术
动作捕捉在影视制作、动漫制作、游戏制作等领域应用广泛,通过多做捕捉进行虚拟模型的建立,不但大大提高了拍摄效率,而且降低了后期处理的难度和成本。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术进行跟踪定位及模型建立的过程中存在对追踪者的细节捕捉不准确的技术问题。
发明内容
本申请实施例通过提供一种基于激光编码的全身跟踪定位方法及系统,解决了现有技术进行跟踪定位及模型建立的过程中存在对追踪者的细节捕捉不准确的技术问题,达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于激光编码的全身跟踪定位方法及系统。
第一方面,本申请实施例提供了一种基于激光编码的全身跟踪定位方法,所述方法包括:获得第一追踪者的基础信息;根据所述第一追踪者的基础信息获得第一位置信息;获得模型建立的第一预定要求标准;将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;根据所述基础信息获得所述第一追踪者的位姿信息;根据所述位姿信息产生第一修正参数;根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位。
另一方面,本申请还提供了一种基于激光编码的全身跟踪定位系统,所述系统包括:第一获得单元,所述第一获得单元用于获得第一追踪者的基础信息;第二获得单元,所述第二获得单元用于根据所述第一追踪者的基础信息获得第一位置信息;第三获得单元,所述第三获得单元用于获得模型建立的第一预定要求标准;第一输入单元,所述第一输入单元用于将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;第四获得单元,所述第四获得单元用于获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;第五获得单元,所述第五获得单元用于根据所述基础信息获得所述第一追踪者的位姿信息;第六获得单元,所述第六获得单元用于根据所述位姿信息产生第一修正参数;第一修正单元,所述第一修正单元用于根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位。
第三方面,本发明提供了一种基于激光编码的全身跟踪定位系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了根据第一追踪者的基础信息获得第一追踪者的追踪位置信息,将模型建立的第一预定要求标准和第一位置信息作为输入数据输入第一训练模型的方式,基于训练模型不断自我修正调整的特性,获得满足第一预定要求标准的光学跟踪器的数量信息,通过第一追踪者的位姿信息产生第一修正参数,根据所述第一修正参数对所述光学跟踪器的数量进行修正,进而达到根据实际情况,获得更加准确合理的光学跟踪器的数量排布,进而达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于激光编码的全身跟踪定位方法的流程示意图;
图2为本申请实施例一种基于激光编码的全身跟踪定位系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一输入单元14,第四获得单元15,第五获得单元16,第六获得单元17,第一修正单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种基于激光编码的全身跟踪定位方法及系统,解决了现有技术进行跟踪定位及模型建立的过程中存在对追踪者的细节捕捉不准确的技术问题,达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
动作捕捉在影视制作、动漫制作、游戏制作等领域应用广泛,通过多做捕捉进行虚拟模型的建立,不但大大提高了拍摄效率,而且降低了后期处理的难度和成本。但现有技术进行跟踪定位及模型建立的过程中存在对追踪者的细节捕捉不准确的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于激光编码的全身跟踪定位方法,所述方法包括:获得第一追踪者的基础信息;根据所述第一追踪者的基础信息获得第一位置信息;获得模型建立的第一预定要求标准;将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;根据所述基础信息获得所述第一追踪者的位姿信息;根据所述位姿信息产生第一修正参数;根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于激光编码的全身跟踪定位方法,其中,所述方法包括:
步骤S100:获得第一追踪者的基础信息;
具体而言,所述第一追踪者为进行模型建立的参考目标对象,所述第一追踪者的基础信息为所述第一追踪者的身体特征信息及根据所述第一追踪者获得的目标模型的相关信息。
步骤S200:根据所述第一追踪者的基础信息获得第一位置信息;
具体而言,所述第一位置信息为所述第一追踪者的不同的部位信息,根据所述部位的信息,为后续准确分配光学跟踪器的数量奠定了基础。
步骤S300:获得模型建立的第一预定要求标准;
具体而言,所述第一预定要求标准为对模型建立的细节相关的要求标准,所述要求标准的不同,使用的光学跟踪器的数量及分布会不同,根据所述第一预定要求标准,为后续获得更加细腻准确的建模夯实了基础。
步骤S400:将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;
步骤S500:获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;
具体而言,所述第一训练模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述第一位置信息和第一预定要求标准输入神经网络模型,则输出满足所述第一预定要求标准时所述第一位置的光学跟踪器数量信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息,将所述第一位置信息和第一预定要求标准输入到神经网络模型中,根据用来标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的光学跟踪器的数量信息更加合理、准确,进而达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
步骤S600:根据所述基础信息获得所述第一追踪者的位姿信息;
步骤S700:根据所述位姿信息产生第一修正参数;
具体而言,所述位姿信息为所述第一追踪者的不同位置的不同动作姿态信息,根据所述位姿信息的复杂程度及对位姿的细腻性等要求产生第一修正参数,根据所述第一修正参数对所述光学跟踪器的数量进行修正处理。
步骤S800:根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位。
具体而言,根据通过所述位姿信息产生的第一修正参数对所述光学跟踪器的数量信息进行修正处理,将所述修正处理后的光学跟踪器用于所述第一追踪者,对所述第一追踪者进行全身追踪定位,根据所述光学跟踪器捕捉的信息进行模型的建立。
进一步而言,本申请实施例还包括:
步骤S910:获得室内定位空间信息;
步骤S920:根据所述第一预定要求标准和所述室内定位空间信息获得发射器的位置排布信息;
步骤S930:根据所述位置排布信息排布所述发射器。
具体而言,所述室内定位空间为对所述第一追踪者进行动作捕捉的室内场地的空间相关信息,所述发射器为红外发射器,可以发射红外信号,获得所述光学跟踪器追踪到的红外发射器发射的红外信号,根据波形解算得出跟踪器的横纵坐标,从而获得所述追踪者的建模相关的坐标信息,根据所述室内空间的特殊性和第一预定要求标准,获得所述发射器的位置排布信息,根据所述排布信息,排布所述发射器。通过对所述发射器的排布根据室内定位空间信息和第一预定要求标准进行调整,进而使得所述发射器的排布更加合理和准确,进而达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
进一步而言,本申请实施例还包括:
步骤S1010:获得惯性数据采集设备信息;
步骤S1020:根据所述惯性数据采集设备信息采集所述第一追踪者的第一数据;
步骤S1030:获得第二数据,所述第二数据为对所述第一数据进行数据处理后的数据。
具体而言,所述惯性数据采集设备为一种可进行惯性动作捕捉的设备,他用无线动作姿态传感器采集身体部位的姿态方位,利用人体力学原理恢复人体运动模型,根据所述惯性数据采集设备获得所述第一追踪者的第一数据信息,将所述第一数据信息通过惯性数据处理单元进行数据处理,所述惯性数据处理单元通过惯性导航原理对采集的数据进行处理,从而完成运动目标的姿态角度测量,获得第二数据。
进一步而言,本申请实施例步骤S1030还包括:
步骤S1031:获得所述光学跟踪器的第三数据信息;
步骤S1032:获得所述第三数据信息的子数据信息;
步骤S1033:将所述子数据信息进行组合,根据组合后的子数据信息获得所述第一追踪者的二维位置信息;
步骤S1034:根据所述二维位置信息获得所述第一追踪者的实时位置;
步骤S1035:根据所述实时位置构建虚拟骨骼模型。
具体而言,所述第三数据包含所述光学跟踪器获得的所有的数据信息,其中每一个光学跟踪器对应一个数据信息,详细而言,所述第三数据的子数据和每一个光学跟踪器对应,即子数据1对应光学跟踪器1,子数据2对应光学跟踪器2,以此类推,获得子数据3,直至子数据N,根据子数据1和子数据2进行组合,获得第一追踪者的第一二维目标信息,子数据2和子数据3组合,获得第二二维目标信息,根据所述子数据的不同的排列组合,类似于多台摄像机从不同角度采集到的目标二维位置信息,再通过多视图几何的相关算法计算得出目标位置,达到构建虚拟骨骼模型的目的。
进一步而言,所述根据所述实时位置构建虚拟骨骼模型,本申请实施例步骤S1035还包括:
步骤S10351:根据所述第二数据获得第一调整指令;
步骤S10352:根据所述第一调整指令生成第一调整参数;
步骤S10353:根据所述第一调整参数对所述实时位置进行调整。
具体而言,为提高算法稳定性,在光学跟踪的基础上添加惯性跟踪系统,光学跟踪技术精度高,鲁棒性强,可扩展性强,能应用到大范围跟踪场景,但在遮挡情况下容易产生误差,因此,根据惯性数据处理单元处理后获得的第二数据和第三数据进行结合,通过所述第二数据获得第一调整指令,根据所述第一调整指令生成第一修正参数,通过所述第一修正参数对所述实时位置进行调整。获得第二数据和第三数据后,通过服务器对二者进行融合,对二者进行数据融合,计算人体的动作姿态。通过结合光学跟踪和惯性跟踪技术,获得高精度、高鲁棒性、大范围的身体捕获信息。
进一步而言,所述将所述第一位置信息和第一预定要求标准输入第一训练模型,本申请实施例步骤S400还包括:
步骤S410:获得所述第一追踪者的运动速度信息;
步骤S420:判断所述运动速度信息是否超过预定运动速度阈值;
步骤S430:当所述运动信息超过所述预定运动速度阈值时,获得第二调整参数;
步骤S440:根据所述第二调整参数对所述第一训练模型进行调整。
具体而言,所述运动速度信息为根据所述第一追踪者的位姿信息等获得的不同部位的速度信息,所述预定运动速度阈值为根据所述第一预定要求标准获得的满足所述标准时的最高运动速度信息,当所述第一追踪者的部分的部位速度超过所述预定运动速度阈值时,可能导致局部细节丢失或捕捉不到位,此时产生第二调整参数,通过所述第二调整参数对所述第一训练模型进行调整,进而使得获得的光学跟踪器的数量更加合理,进而达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
综上所述,本申请实施例所提供的一种基于激光编码的全身跟踪定位方法及系统具有如下技术效果:
1、由于采用了根据第一追踪者的基础信息获得第一追踪者的追踪位置信息,将模型建立的第一预定要求标准和第一位置信息作为输入数据输入第一训练模型的方式,基于训练模型不断自我修正调整的特性,获得满足第一预定要求标准的光学跟踪器的数量信息,通过第一追踪者的位姿信息产生第一修正参数,根据所述第一修正参数对所述光学跟踪器的数量进行修正,进而达到根据实际情况,获得更加准确合理的光学跟踪器的数量排布,进而达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
2、由于采用了对所述发射器的排布根据室内定位空间信息和第一预定要求标准进行调整的方式,进而使得所述发射器的排布更加合理和准确,进而达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
3、由于采用了通过所述第二调整参数对所述第一训练模型进行调整的方式,进而使得获得的光学跟踪器的数量更加合理,进而达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
实施例二
基于与前述实施例中一种基于激光编码的全身跟踪定位方法同样发明构思,本发明还提供了一种基于激光编码的全身跟踪定位系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一追踪者的基础信息;
第二获得单元12,所述第二获得单元12用于根据所述第一追踪者的基础信息获得第一位置信息;
第三获得单元13,所述第三获得单元13用于获得模型建立的第一预定要求标准;
第一输入单元14,所述第一输入单元14用于将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;
第四获得单元15,所述第四获得单元15用于获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;
第五获得单元16,所述第五获得单元16用于根据所述基础信息获得所述第一追踪者的位姿信息;
第六获得单元17,所述第六获得单元17用于根据所述位姿信息产生第一修正参数;
第一修正单元18,所述第一修正单元18用于根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于获得室内定位空间信息;
第八获得单元,所述第八获得单元用于根据所述第一预定要求标准和所述室内定位空间信息获得发射器的位置排布信息;
第一排布单元,所述第一排布单元用于根据所述位置排布信息排布所述发射器。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于获得惯性数据采集设备信息;
第一采集单元,所述第一采集单元用于根据所述惯性数据采集设备信息采集所述第一追踪者的第一数据;
第十获得单元,所述第十获得单元用于获得第二数据,所述第二数据为对所述第一数据进行数据处理后的数据。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于获得所述光学跟踪器的第三数据信息;
第十二获得单元,所述第十二获得单元用于获得所述第三数据信息的子数据信息;
第十三获得单元,所述第十三获得单元用于将所述子数据信息进行组合,根据组合后的子数据信息获得所述第一追踪者的二维位置信息;
第十四获得单元,所述第十四获得单元用于根据所述二维位置信息获得所述第一追踪者的实时位置;
第一构建单元,所述第一构建单元用于根据所述实时位置构建虚拟骨骼模型。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于根据所述第二数据获得第一调整指令;
第十六获得单元,所述第十六获得单元用于根据所述第一调整指令生成第一调整参数;
第一调整单元,所述第一调整单元用于根据所述第一调整参数对所述实时位置进行调整。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于获得所述第一追踪者的运动速度信息;
第一判断单元,所述第一判断单元用于判断所述运动速度信息是否超过预定运动速度阈值;
第十八获得单元,所述第十八获得单元用于当所述运动信息超过所述预定运动速度阈值时,获得第二调整参数;
第二调整单元,所述第二调整单元用于根据所述第二调整参数对所述第一训练模型进行调整。
前述图1实施例一中的一种基于激光编码的全身跟踪定位方法的各种变化方式和具体实例同样适用于本实施例的一种基于激光编码的全身跟踪定位系统,通过前述对一种基于激光编码的全身跟踪定位方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于激光编码的全身跟踪定位系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于激光编码的全身跟踪定位方法的发明构思,本发明还提供一种基于激光编码的全身跟踪定位系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于激光编码的全身跟踪定位方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种基于激光编码的全身跟踪定位方法,所述方法包括:获得第一追踪者的基础信息;根据所述第一追踪者的基础信息获得第一位置信息;获得模型建立的第一预定要求标准;将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;根据所述基础信息获得所述第一追踪者的位姿信息;根据所述位姿信息产生第一修正参数;根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位。解决了现有技术进行跟踪定位及模型建立的过程中存在对追踪者的细节捕捉不准确的技术问题,达到对追踪者的细节捕捉更加准确,进而建立更加细腻、准确的模型的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种基于激光编码的全身跟踪定位方法,其中,所述方法包括:
获得第一追踪者的基础信息,所述第一追踪者的基础信息为所述第一追踪者的身体特征信息及根据所述第一追踪者获得的目标模型的相关信息;
根据所述第一追踪者的基础信息获得第一位置信息,所述第一位置信息为所述第一追踪者的不同的部位信息;
获得模型建立的第一预定要求标准,所述第一预定要求标准为对模型建立的细节相关的要求标准;
将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型为神经网络模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;
获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;
根据所述基础信息获得所述第一追踪者的位姿信息;
根据所述位姿信息产生第一修正参数;
根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位;
其中,所述方法还包括:
获得惯性数据采集设备信息;
根据所述惯性数据采集设备信息采集所述第一追踪者的第一数据;
获得第二数据,所述第二数据为对所述第一数据进行数据处理后的数据;
获得所述光学跟踪器的第三数据信息;
获得所述第三数据信息的子数据信息;
将所述子数据信息进行组合,根据组合后的子数据信息获得所述第一追踪者的二维位置信息;
根据所述二维位置信息获得所述第一追踪者的实时位置;
根据所述实时位置构建虚拟骨骼模型;
其中,所述根据所述实时位置构建虚拟骨骼模型,包括:
根据所述第二数据获得第一调整指令;
根据所述第一调整指令生成第一调整参数;
根据所述第一调整参数对所述实时位置进行调整;
所述将所述第一位置信息和第一预定要求标准输入第一训练模型,包括:
获得所述第一追踪者的运动速度信息;
判断所述运动速度信息是否超过预定运动速度阈值;
当所述运动速度信息超过所述预定运动速度阈值时,获得第二调整参数;
根据所述第二调整参数对所述第一训练模型进行调整。
2.如权利要求1所述的方法,其中,所述方法还包括:
获得室内定位空间信息;
根据所述第一预定要求标准和所述室内定位空间信息获得发射器的位置排布信息;
根据所述位置排布信息排布所述发射器。
3.一种基于激光编码的全身跟踪定位系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一追踪者的基础信息,所述第一追踪者的基础信息为所述第一追踪者的身体特征信息及根据所述第一追踪者获得的目标模型的相关信息;
第二获得单元,所述第二获得单元用于根据所述第一追踪者的基础信息获得第一位置信息,所述第一位置信息为所述第一追踪者的不同的部位信息;
第三获得单元,所述第三获得单元用于获得模型建立的第一预定要求标准,所述第一预定要求标准为对模型建立的细节相关的要求标准;
第一输入单元,所述第一输入单元用于将所述第一位置信息和第一预定要求标准输入第一训练模型,其中,所述第一训练模型为神经网络模型,所述第一训练模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:所述第一位置信息、第一预定要求标准和标识满足所述第一预定要求标准时所述第一位置的光学跟踪器数量的标识信息;
第四获得单元,所述第四获得单元用于获得所述第一训练模型的第一输出结果,所述第一输出结果包括光学跟踪器的数量信息;
第五获得单元,所述第五获得单元用于根据所述基础信息获得所述第一追踪者的位姿信息;
第六获得单元,所述第六获得单元用于根据所述位姿信息产生第一修正参数;
第一修正单元,所述第一修正单元用于根据所述第一修正参数对所述光学跟踪器的数量信息进行修正,将经过修正处理的光学跟踪器应用于模型建立的全身追踪定位;
第九获得单元,所述第九获得单元用于获得惯性数据采集设备信息;
第一采集单元,所述第一采集单元用于根据所述惯性数据采集设备信息采集所述第一追踪者的第一数据;
第十获得单元,所述第十获得单元用于获得第二数据,所述第二数据为对所述第一数据进行数据处理后的数据;
第十一获得单元,所述第十一获得单元用于获得所述光学跟踪器的第三数据信息;
第十二获得单元,所述第十二获得单元用于获得所述第三数据信息的子数据信息;
第十三获得单元,所述第十三获得单元用于将所述子数据信息进行组合,根据组合后的子数据信息获得所述第一追踪者的二维位置信息;
第十四获得单元,所述第十四获得单元用于根据所述二维位置信息获得所述第一追踪者的实时位置;
第一构建单元,所述第一构建单元用于根据所述实时位置构建虚拟骨骼模型;
第十五获得单元,所述第十五获得单元用于根据所述第二数据获得第一调整指令;
第十六获得单元,所述第十六获得单元用于根据所述第一调整指令生成第一调整参数;
第一调整单元,所述第一调整单元用于根据所述第一调整参数对所述实时位置进行调整;
第十七获得单元,所述第十七获得单元用于获得所述第一追踪者的运动速度信息;
第一判断单元,所述第一判断单元用于判断所述运动速度信息是否超过预定运动速度阈值;
第十八获得单元,所述第十八获得单元用于当所述运动速度信息超过所述预定运动速度阈值时,获得第二调整参数;
第二调整单元,所述第二调整单元用于根据所述第二调整参数对所述第一训练模型进行调整。
4.一种基于激光编码的全身跟踪定位系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-2任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011267233.XA CN112381925B (zh) | 2020-11-13 | 2020-11-13 | 一种基于激光编码的全身跟踪定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011267233.XA CN112381925B (zh) | 2020-11-13 | 2020-11-13 | 一种基于激光编码的全身跟踪定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112381925A CN112381925A (zh) | 2021-02-19 |
CN112381925B true CN112381925B (zh) | 2023-05-26 |
Family
ID=74583771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011267233.XA Active CN112381925B (zh) | 2020-11-13 | 2020-11-13 | 一种基于激光编码的全身跟踪定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381925B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110746A (zh) * | 2021-05-08 | 2021-07-13 | 北京幻威科技有限公司 | 一种光场扫描式光惯结合动作捕捉系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722249B (zh) * | 2012-06-05 | 2016-03-30 | 上海鼎为电子科技(集团)有限公司 | 操控方法、操控装置及电子装置 |
CN104598915B (zh) * | 2014-01-24 | 2017-08-11 | 深圳奥比中光科技有限公司 | 一种手势识别方法与装置 |
CN104330804B (zh) * | 2014-11-07 | 2017-01-11 | 扬州天目光电科技有限公司 | 光斑跟踪器及利用其进行目标识别与跟踪的方法 |
CN105225270B (zh) * | 2015-09-28 | 2019-06-25 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN210109743U (zh) * | 2019-01-31 | 2020-02-21 | 陕西广电华一互动传媒有限公司 | 一种基于动作捕捉的vr互动系统 |
CN111539300A (zh) * | 2020-04-20 | 2020-08-14 | 上海曼恒数字技术股份有限公司 | 一种基于ik算法的人体运动捕捉方法、装置、介质及设备 |
CN111596767B (zh) * | 2020-05-27 | 2023-05-30 | 广州市大湾区虚拟现实研究院 | 一种基于虚拟现实的姿态捕获方法和装置 |
CN111625098B (zh) * | 2020-06-01 | 2022-11-18 | 广州市大湾区虚拟现实研究院 | 一种基于多通道信息融合的虚拟化身智能交互方法和装置 |
-
2020
- 2020-11-13 CN CN202011267233.XA patent/CN112381925B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112381925A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106803271B (zh) | 一种视觉导航无人机的摄像机标定方法及装置 | |
CN111402290B (zh) | 一种基于骨骼关键点的动作还原方法以及装置 | |
CN106845515B (zh) | 基于虚拟样本深度学习的机器人目标识别和位姿重构方法 | |
CN107481292B (zh) | 车载摄像头的姿态误差估计方法和装置 | |
CN109840500B (zh) | 一种三维人体姿态信息检测方法及装置 | |
CN103700140B (zh) | 用于单枪机‑多球机联动的空间建模方法 | |
CN106127125B (zh) | 基于人体行为特征的分布式dtw人体行为识别方法 | |
CN110598590A (zh) | 基于多视角相机的紧密交互人体姿态估计方法及装置 | |
CN107735797A (zh) | 用于确定第一坐标系与第二坐标系之间的运动的方法 | |
CN100361070C (zh) | 一种基于光学的运动捕获数据的骨骼运动提取方法 | |
CN112925223A (zh) | 基于视觉传感网络的无人机三维跟踪虚拟测试仿真系统 | |
CN109655059B (zh) | 一种基于θ-增量学习的视觉-惯性融合导航系统及方法 | |
CN111596767A (zh) | 一种基于虚拟现实的姿态捕获方法和装置 | |
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 | |
CN110763245A (zh) | 一种基于流式计算的地图创建方法及其系统 | |
CN112381925B (zh) | 一种基于激光编码的全身跟踪定位方法及系统 | |
CN112967340A (zh) | 同时定位和地图构建方法、装置、电子设备及存储介质 | |
CN110428461B (zh) | 结合深度学习的单目slam方法及装置 | |
CN109931940B (zh) | 一种基于单目视觉的机器人定位置信度评估方法 | |
CN105046691A (zh) | 一种基于正交消失点的相机自标定方法 | |
CN112258647B (zh) | 地图重建方法及装置、计算机可读介质和电子设备 | |
Do | Application of neural networks for stereo-camera calibration | |
CN111158482B (zh) | 一种人体动作姿态捕捉方法及系统 | |
CN115638788B (zh) | 语义矢量地图的构建方法、计算机设备及存储介质 | |
CN112212867A (zh) | 一种机器人自定位与导航的方法及系统 |
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 |