CN113269810A - 一种捕捉球的运动姿态识别方法及其装置 - Google Patents
一种捕捉球的运动姿态识别方法及其装置 Download PDFInfo
- Publication number
- CN113269810A CN113269810A CN202110550303.0A CN202110550303A CN113269810A CN 113269810 A CN113269810 A CN 113269810A CN 202110550303 A CN202110550303 A CN 202110550303A CN 113269810 A CN113269810 A CN 113269810A
- Authority
- CN
- China
- Prior art keywords
- ball
- points
- coordinate
- theoretical
- capture
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种捕捉球的运动姿态识别方法及其装置,获取运动空间中所有可识别的反光标记点的三维坐标,从所有反光标记点中匹配得到捕捉球上的多个匹配点,从而根据该些匹配点的三维坐标计算得到捕捉球的球心坐标,进而计算得到捕捉球在运动空间中的运动姿态信息。由于在获取捕捉球上多个匹配点的过程中加入了可识别的反光标记点与捕捉球之间的匹配方法,在获取捕捉球的球心坐标过程中引入了计算球心坐标的迭代算法,避免了因反光标记点匹配错误和球心坐标误差增大而产生的误识别情形,有利于提高系统对捕捉球的识别度。同时,采用该方法及装置时可以采用捕捉球上较少的匹配点进行运动姿态识别,从而减小计算量,提高计算速度,为实际应用带来便利。
Description
技术领域
本发明涉及光学运动捕捉技术领域,具体涉及一种捕捉球的运动姿态识别方法及其装置。
背景技术
在现有的光学运动捕捉系统中,一般通过捕捉反光标记(marker,是指表面覆盖有特殊反光材料的标记物,常见的形状有球形和半球形等,常用于运动对象的捕捉)的运动轨迹以实现目标对象的运动姿态识别与轨迹跟踪。通常情况下会将捕捉对象上已配置的多个反光标记组成一个可以捕捉的刚体(这里的刚体是指刚体是指在运动中和受力作用后形状和大小不变且内部各点的相对位置不变的物体,是一种理想的模型),每个反光标记则对应捕捉对象上的某个目标部位。在进行捕捉对象的跟踪时,主要通过识别捕捉对象上的不同刚体以区分捕捉对象的不同目标部位。这种方式能够很好地识别大多数目标对象的运动姿态,比如人体的手部头部、游戏中的各种仿真道具等。然而,捕捉有些运动方式不固定的诸如球类的目标物体,这种方式是行不通的,因为捕捉对象在空间中存在各个方向上随意运动性质,其运动方向无法控制,各个部位都可能会与接触面发生碰撞,此时将对刚体造成损坏。
目前,多通过在球类的捕捉球的表面贴一些反光贴纸的做法来将捕捉球变成一个可捕捉的刚体,以此识别球的运动姿态,达到对捕捉球的轨迹跟踪效果。这种方式存在以下缺点:
(1)以刚体方式对捕捉球进行识别时,由于捕捉球上贴有很多反光贴纸以配置出大量的反光标记,为全面地识别捕捉球的运动姿态,在后期的姿态识别以及轨迹跟踪过程中,要遍历每个反光标记的三维坐标,计算量庞大,将极大地影响捕捉球的实时运动姿态识别和轨迹跟踪效果。
(2)捕捉球的自身结构具有大小区别,直径比较大的球在运动过程中会对反光贴纸造成不可预测的遮挡,从而影响捕捉过程,带来较差的运动姿态识别效果。
发明内容
有鉴于此,本发明主要解决的技术问题是如何在捕捉球的姿态识别及轨迹跟踪过程中增强捕捉球的实时姿态识别效果,同时减少计算量。
根据第一方面,一种捕捉球的运动姿态识别方法,所述捕捉球的表面上配置有多个分布均匀的反光标记点,其特征在于,所述方法包括以下步骤:
获取所述捕捉球在运动空间中所有反光标记点的三维坐标,识别所述捕捉球的多个匹配点,所述匹配点为所述捕捉球上的反光标记点;
根据所述多个匹配点的三维坐标获取所述捕捉球的球心坐标;
根据所述多个匹配点的三维坐标和所述捕捉球的球心坐标得到所述捕捉球在运动空间中的运动姿态信息。
所述获取所述捕捉球的运动空间中所有反光标记点的三维坐标,识别所述捕捉球的多个匹配点,包括:
根据所述运动空间中所有反光标记点的二维坐标,得到所有反光标记点的三维坐标,所述运动空间中包括除所述捕捉球之外的其它可识别物;
根据所述所有反光标记点的三维坐标,计算所述所有反光标记点中任意两个反光标记点之间的距离;
当任意两个反光标记点之间的距离等于或接近于获取的距离标准值时,确定该两个反光标记点为所述捕捉球的匹配点,直到识别到所述捕捉球的匹配点达到预定数量为止。
通过以下步骤获取所述距离标准值:
获取测试阶段所述捕捉球表面上所有反光标记点的三维坐标,在所述测试阶段时所述运动空间中的可识别物仅有所述捕捉球;
根据所述捕捉球表面上所有反光标记点的三维坐标计算任意两两反光标记点之间的距离;
统计得到的所有距离值,将距离分布结果中分布集中的距离值设定为所述距离标准值。
所述根据所述多个匹配点的三维坐标获取所述捕捉球的球心坐标,包括:
获取所述捕捉球的理论球心坐标和理论半径;
根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标;
判断所述修正球心坐标和所述理论球心坐标之差是否在预设的误差范围内,以及判断所述捕捉球的修正半径与所述捕捉球的理论半径之差是否在预设的误差范围内;
若两个判断结果均为是,则将所述修正球心坐标作为所述捕捉球的球心坐标;
若任一判断结果为否,则将所述修正球心坐标更新为所述捕捉球的理论球心坐标,将所述修正半径更新为所述捕捉球的理论半径,然后进入根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标的步骤。
所述根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标,包括:
根据所述多个匹配点的三维坐标和所述捕捉球的理论球心坐标,计算每一匹配点到理论球心的距离;
计算各个匹配点到所述理论球心的距离的平均值,并将该平均值作为所述捕捉球的修正半径;
根据所述多个匹配点的三维坐标和所述捕捉球的理论球心坐标,得到每一匹配点到理论球心的坐标偏移量M;
分别计算每一匹配点到理论球心的距离与所述捕捉球的预设半径之间的差值W,所述预设半径包括所述捕捉球的理论半径或所述修正半径;
将每一匹配点到理论球心的坐标偏移量M与每一匹配点到理论球心的距离与所述捕捉球的修正半径之间的差值W求积,得到每一匹配点的修正坐标偏移量,以及计算所有匹配点的修正坐标偏移量的平均值;
根据所有匹配点的修正坐标偏移量的平均值和所述理论球心坐标,得到修正球心坐标。
所述根据所述多个匹配点的三维坐标和所述捕捉球的球心坐标得到所述捕捉球在运动空间中的运动姿态信息,包括:
将当前帧所述捕捉球的球心坐标与上一帧所述捕捉球的球心坐标进行比较,得到所述捕捉球的位移信息;
将当前帧各个匹配点的三维坐标分别与上一帧对应的匹配点的三维坐标进行比较,得到所述捕捉球的姿态信息;
将所述捕捉球的位移信息和姿态信息作为所述捕捉球在所述运动空间中的运动姿态信息。
所述捕捉球表面的各个反光标记点按照足球表面正六边形图形的各个顶点位置进行分布,或者按照足球表面两两正六边形图形相交边的边中心点位置进行分布。
根据第二方面,本申请提供了一种捕捉球的运动姿态识别装置,所述捕捉球的表面上配置有多个反光标记点,其特征在于,所述装置包括:
匹配点确定获取单元,用于识别所述捕捉球的多个匹配点,获取各个匹配点的三维坐标,所述匹配点为属于所述捕捉球的反光标记点;
球心坐标获取单元,用于根据所述多个匹配点的三维坐标获取所述捕捉球的球心坐标;
姿态信息获取单元,用于根据所述多个匹配点的三维坐标和所述捕捉球的球心坐标得到所述捕捉球在运动空间中的运动姿态信息。
根据第三方面,本申请提供了一种计算机存储介质,包括程序,所述程序能够被处理器执行以实现上述第一方面中的方法。
本申请的有益效果是:
依据上述实施例的一种捕捉球的运动姿态识别方法及其装置,获取运动空间中所有可识别的反光标记点的三维坐标,从所有反光标记点中匹配得到捕捉球上的多个匹配点,从而根据该些匹配点的三维坐标计算得到捕捉球的球心坐标,进而通过各个匹配点的三维坐标和捕捉球的球心坐标得到捕捉球在运动空间中的运动姿态信息。由于在获取捕捉球上多个匹配点的过程中,加入了可识别的反光标记点与捕捉球之间的匹配方法,使得对捕捉球进行运动姿态识别时避免了因反光标记点匹配错误而产生的误识别情形,有利于提高系统对捕捉球的识别度;而且,由于在获取捕捉球的球心坐标过程中,引入了计算球心坐标的迭代算法,使得最终获取的球心坐标能够非常接近于捕捉球的实际球心坐标,提高了获取捕捉球运动姿态信息的准确度,可进一步降低运动姿态误识别情形出现的可能性。此外,以往采用刚体的形式来识别捕捉球时,至少需要将30个反光标记点组成一个捕捉球的刚体以确保运动姿态识别过程的稳定性,这时,系统需要对每个反光标记点分别进行捕捉和跟踪,这对于刚体的捕捉和跟踪过程来说是非常大的一个计算量,耗时长且不切实际;而采用本申请公开的运动姿态识别方法及装置时,只需要捕捉球上配置10个甚至更少的匹配点即可对该捕捉球进行运动姿态识别,从而大大减小系统的计算量,提高捕捉和跟踪过程的计算速度,在增强捕捉球的实时姿态识别效果的同时,能够为实际应用带来便利。
附图说明
图1为运动姿态识别系统的结构示意图;
图2为捕捉球的球体布点方法流程图;
图3为球体表面划分子区域的流程图;
图4为捕捉球的几何图形分布示意图之一;
图5为捕捉球的几何图形分布示意图之二;
图6为运动姿态识别方法的流程图;
图7为获取匹配点的三维坐标的流程图;
图8为获取球心坐标的流程图;
图9为获取运动姿态信息的流程图;
图10为运动姿态识别装置的结构示意图;
图11为另一种运动姿态识别装置的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
本发明实施例提供了一种用于捕捉球的运动姿态识别方法及其装置,旨在解决现有技术中对捕捉球的运动姿态识别过程的计算量庞大问题。解决该问题的关键在于,一方面是均匀配置捕捉球表面上的反光标记点,以形成具有布点均匀分布状态的捕捉球,另一方面是改进运动姿态识别机制,以形成具有快速、准确识别捕捉球运动姿态的运动识别装置。为此,本发明还提供了一种运动姿态识别系统,以采用运动姿态识别装置对捕捉球进行运动姿态的识别。
请参考图1,该运动姿态识别系统包括运动姿态识别装置11、多个红外相机12和捕捉球13。红外相机12的数量可根据场地大小及实际应用进行相应调整。多个红外相机12能够分布在运动空间的多个角度,形成对捕捉球的全方位的检测效果,每个红外相机都能够高速拍摄捕捉球13在运动空间中的红外图像(该红外图像中往往包含反光标记点所对应的像素);运动姿态识别装置11与各个红外相机12通信连接,用于根据红外相机12拍摄的红外图像对捕捉球13进行运动姿态识别;捕捉球13应当采用表面配置有多个均匀分布的反光标记点的球体,优选地,捕捉球表面的各个反光标记点按照足球表面正六边形图形的各个顶点位置进行分布,或者按照足球表面正六边形两两相交边的边中心点位置进行分布。
为准确理解捕捉球13表面上的反光标记点的分布形态,将对捕捉球的球体布点方法进行说明,可参见图2,该用于运动姿态捕捉的球体布点方法包括步骤S01-S02。
步骤S01,将球体表面划分成多个子区域。具体构思说明如下:
在球体表面布设反光标记点时,为达到反光标记点易于识别、不被遮挡的效果,应当满足以下条件:(1)确保反光标记点要分布均匀;(2)反光标记点的数量要尽可能的少;(3)反光标记点之间的距离种类尽量少,或者说,任意两个反光标记点之间的距离值分布集中。为达到上述的条件,需要将球体的圆形球面划分成多个面积接近的子区域,在该多个子区域内布置反光标记点,从而可以使得任意两个反光标记点之间的距离值分布集中。这里所谓的反光标记点之间的距离值分布集中,可以通过统计点与点之间的距离值的出现次数来衡量,例如,若存在点与点之间的距离值达到一个预设的数值,则认为球上反光标记点的布置满足条件。
通过对不同几何图形的对比发现,足球的表面总是由20块正六边形和12块正五边形组成,且该些正六边形和正五边形具有均匀分布的形态,因此,可以将捕捉球13的表面按照足球表面的几何图形去划分,之后,选取捕捉球13表面的正六边形图形的各个顶点位置进行布点,或者选取正六边形非相邻边的边中心位置进行布点,如此,可实现捕捉球13表面上的反光标记点达到分布均匀、点与点之间距离种类少、距离值分布集中的目的。
因此,可选用足球表面的图案作为多个子区域的参考依据,即根据球体的尺寸,将球体表面划分为第一数量的第一几何图形和第二数量的第二几何图形的图形组合,该图形组合中的第一几何图形为正六边形,第二几何图形为正五边形,且正六边形和正五边形的边长相等,此外,该图形组合中第一数量为二十,第二数量为十二。那么,可基于该图形组合将球体表面划分成多个子区域,请参考图3,步骤S01可包括步骤S011-S015,下面具体说明。
步骤S011,为能够在球体的表面划分出多个子区域,需了解球体的表面积,以根据球体的表面积在球体的表面按照已确定的图形组合合理地划分出各个子区域。球体的表面积可通过公式4πR2得到,其中,R表示球体的半径。
步骤S012,为使得所确定的图形组合中的正六边形和正五边形能够完全覆盖待作为捕捉球13的球体,应根据球体的尺寸,计算图形组合中各几何图形的尺寸。这里严格按照足球表面的图案,将等边长的正六边形和正五边形的个数分别设定为20、12,然后,通过以下公式确定正六边形和正五边形的尺寸(即几何图形的边长):
4πR2=20*2.598*x2+12*1.72*x2
式中,R表示球体的半径,x表示正六边形或者正五边形的边长。例如,选用一半径为15cm的球体作为捕捉球13时,那么该球体表面所要布设的正六边形或正五边形的边长应当为6.24cm。
步骤S013,在球体表面确定第一个正六边形的位置区域。在一具体实施例中,参见图4,在捕捉球13的表面设定一条“赤道线”,在该赤道线上确定一个基准点,将该基准点作为第一个正六边形130的中心点,以确定第一个正六边形130的位置区域。
步骤S014,形成第一个正六边形的六条边上相间分布三个正六边形和三个正五边形的图形组合。在一具体实施例中,参见图4和图5,分别以步骤S013中的第一个正六边形130非相邻的三条边为基准划分正五边形132的区域,以正六边形另外非相邻的三条边为基准再次划分正六边形131的区域,形成一个正六边形130的六条边上相间分布三个正六边形131和三个正五边形132的图形组合。需要说明的是,第一个正六边形130和正六边形131为等边长的正六边形。
步骤S015,根据步骤S014中图形组合划分球体的整个表面,直到将球体的表面划分完,形成二十个正六边形131和十二个正五边形132。
需要说明的是,划分几何图形的过程包括印制、投影、贴纸、虚拟划分等技术手段,这里具体选择的技术手段不做限制。
步骤S02,在已划分的多个子区域内布置反光标记点,以使得任意两个反光标记点之间的距离值分布集中,该些反光标记点用于对球体进行光学运动捕捉,在一具体实施例中,在各子区域所使用的几何图形的顶点或者非邻边的边中心点处布置球体的反光标记点,则步骤S02包括以下过程:
(1)在捕捉球13表面标记出各个已划分的正六边形131的顶点(应当理解,也可以选择正五边形132的顶点,能够达到相同的标记效果);或者,标记出已划分的正六边形131非相邻边的边中点,优选地,标记出两两正六边形131相交边的边中心点。
(2)将各个已标记的顶点或者各个已标记的边中点处设定为反光标记点,将所形成的各个反光标记点设定为点集合(顶点组成点集合包括60个反光标记点,边中点组成的点集合包括30个反光标记点),该点集合用于对捕捉球13进行光学运动捕捉。这里设定反光标记点的过程可以是,在各个已标记的顶点或者各个已标记的边中点处设置反光贴纸,以形成反光标记点。
本领域的技术人员应当理解,本申请还保护一种用于光学运动捕捉的捕捉球,该捕捉球上均匀分布有60个反光标记点或者30个反光标记点。当该捕捉球上具有60个反光标记点时,各个反光标记点按照步骤S01-S02中形成的正六边形的顶点处进行分布;当该捕捉球上具有30个反光标记点时,各个反光标记点按照步骤S01-S04中所形成的正六边形的非相邻边的边中点处进行分布。
在另一个实施例中,不要求捕捉球13的球形布点方法,直接将一个足球或者类似足球的球体作为捕捉球,那么此时,只需将该捕捉球表面的各个反光标记点按照足球表面正六边形图形的各个顶点位置进行分布,或者按照足球表面两两正六边形相交边的边中心点位置进行分布即可,省却了步骤S01-S04的球形布点过程,为实际应用带来了便宜。
此外,技术人员还应当理解,利用上述球体布点方法得到的捕捉球13由于其表面分布有多个反光标记点,因此,不能将该捕捉球13简单地视为一个刚体,而将该将其视为一个具有“杂点”(即反光标记点)的捕捉体,这样对捕捉球13的捕捉与识别过程就不需要计算整个刚体,只需要计算足够多的“杂点”即可确定捕捉球的空间位置与运动姿态。但是,“杂点”的引入也带来了相应的问题,传统意义上的杂点指的是系统中不正确或者不应该存在的点,这些点在实际应用中应该被排除掉,而这里所认为的捕捉球13的“杂点”是需要被捕捉的,这就需要在对捕捉球进行识别时加入新的判定机制来判断哪些“杂点”属于对应的捕捉球并对该些点进行保留。这里的捕捉球13表面上“杂点”呈均匀分布状态,每个“杂点”与邻近“杂点”之间的距离种类比较少,例如,当该捕捉球13上具有60个“杂点”时,点与点之间的最近距离等于边长且呈密集分布情形;当该捕捉球上具有30个反光标记点时,点与点之间的最近距离为正六边形对角线与边长之和的一半,且呈密集分布情形;因此,可以根据“杂点”之间的最近距离来判断哪些点是待识别的捕捉球上的“杂点”,利用这种发明可以很好地解决本段中提及的问题。
请参考图6,本申请公开了一种捕捉球的运动姿态识别方法,其包括步骤S10-S30。
步骤S10,获取所述捕捉球的运动空间中所有反光标记点的三维坐标,识别捕捉球的多个匹配点。在一实施例中,见图7,步骤S10可以包括步骤S11-S16,下面具体说明。
步骤S11,根据运动空间中所有反光标记点的二维坐标,得到所有反光标记点的三维坐标,该运动空间中包括除捕捉球之外的其它可识别物(即运动空间中除包括捕捉球上的反光标记点之外,还包括其它可识别物上的其它反光标记点。其它反光标记点可为其它捕捉球上的反光标记点,也可为其它被捕捉物上的反光标记点)。
见图1,捕捉球13在运动空间之中自由运动时,红外相机12连续进行拍摄,优先地保持每台红外相机拍摄速率在每秒120帧以上,红外相机12对拍摄的红外图像进行处理,得到反光标记点的二维坐标,并将该二维坐标输出至运动姿态识别装置11。运动姿态识别装置11从红外相机12同时获取多张红外图像中反光标记点的二维坐标,根据获取的二维坐标进行三维重建处理,得到运动空间中所有反光标记点的三维坐标。这里的三维重建处理已是常规的图像处理手段,属于现有技术,这里不再进行详细说明。
本领域的技术人员应当理解,由于运动空间中还存在其它反光标记点,而这些其它反光标记点必定对捕捉球13的识别造成影响。因此需要对运动空间中所有可识别的反光标记点进行逐一匹配,以确定出哪些反光标记点是属于捕捉球上的(即识别捕捉球上的匹配点的过程),达到能正确地识别出捕捉球的运动轨迹的目的。那么反光标记点的匹配过程请参考步骤S12-S15。
步骤S12,将步骤S11中可识别的任意两个反光标记点的三维坐标进行比较,得到该两个反光标记点之间的距离。
步骤S13,判断步骤S12中所得的距离是否等于或接近于距离标准值(即判断所得距离与距离标准值的差值是否在一误差范围内),若是,则进入步骤S14,反之,则返回步骤S12,继续选择下一组中两个反光标记点进行判断。
本领域的技术人员还应当理解,常规地获取捕捉球上点与点之间的距离,包括三种方法:(1)根据公式推导出来,这种方法偏向理论,容易出错;(2)使用测量工具直接测量距离,这种方法精度较高,但在快速测距中将不实用;(3)在实际光学运动捕捉环境中利用距离统计方法获得点与点之间的距离,这种方法具备了前两种方法的共同有点,利于实际应用。因此,本申请为了达到更好的测距效果,采用第三种方法,即统计捕捉球在运动空间中各个反光标记点之间的空间距离,根据距离统计结果中出现次数集中的距离作为距离标准值。
需要说明的是,在采用第三种方法获取距离标准值时,过程具体包括:1)获取测试阶段捕捉球13表面上的各个反光标记点的三维坐标,在测试阶段时运动空间中的可识别物仅有捕捉球13(没有其它可识别物,相应地也就没有其他可识别物上的反光标记点);2)根据捕捉球上所有反光标记点的三维坐标计算任意两两反光标记点之间的距离;3)统计得到所有距离值,将距离分布结果中分布集中的距离值设定为距离标准值。需要说明的一点是,为保证存在分布集中的距离值,捕捉球的表面上配置的反光标记点应均匀分布,具体分布方式可参照前文中介绍的球类布点方式。需要说明的另一点是,分布集中的距离值可能有一个或多个,即距离标准值可能有一个或多个。
步骤S14,将步骤S13中的两个反光标记点确定为捕捉球13上的反光标记点,并将该两个反光标记点称为捕捉球13的匹配点。
步骤S15,判断捕捉球13上的匹配点的个数是否已经达到设定的预定数量(当反光标记点是在捕捉球13的顶点时,该预定数量可设定为20~60中的任一值,优选地设定为20;当反光标记点是在捕捉球的边中点时,该预定数量可设定为10~40中的任一值,优选地设定为10),若是,则进入步骤S16,反之,则返回步骤S12,继续选择下一组反光标记点进行判断。
步骤S20,根据步骤S10中捕捉球13上各个匹配点的三维坐标获取捕捉球13的球心坐标。在一实施例中,见图8,将各个匹配点的三维坐标输入一迭代算法,以得到捕捉球13的球心坐标,其中涉及的迭代算法可通过步骤S20的子步骤S21-S25进行说明,具体说明如下。
步骤S21,获取各个匹配点的三维坐标的平均值,得到捕捉球13的理论球心坐标。在一实施例中,设定各匹配点的三维坐标为P1(X1,Y1,Z1)、P2(X2,Y2,Z2)……Pn(Xn,Yn,Zn),设定捕捉球13的理论球心坐标为Q0(K01,K02,K03),则通过下面的公式得到Q0。
K01=(X1+X2……+Xn)/n
K02=(Y1+Y2……+Yn)/n
K03=(Z1+Z2……+Zn)/n
其中,n表示识别到的捕捉球13上匹配点的个数。
此外,还需得到捕捉球13的理论半径R0,该理论半径R0在第一次迭代计算时可认为是捕捉球13通过测量得到的实际半径。
步骤S22,根据捕捉球13的理论球心坐标Q0计算捕捉球13的修正半径和修正球心坐标,具体过程包括步骤S221-S225,下面分别说明。
步骤S221,根据步骤S10中各个匹配点的三维坐标和理论球心坐标Q0得到每个匹配点到理论球心坐标Q0的距离,取各个匹配点到理论球心坐标Q0的距离的平均值,得到所述捕捉球的修正半径R1。在一实施例中,得到P1、P2...Pi...Pn到Q0的距离分别为D1、D2...Di...Dn(i为1~n的任意整数),则R1=(D1+D2+...+Dn)/n。
步骤S222,对于每个匹配点,将该匹配点的三维坐标与理论球心坐标Q0做差,得到该匹配点的坐标偏移量Mi(i为1~n范围内的任意整数)。在一实施例中,各个反光标记点的坐标偏移量Mi可以表示为M1(X1-K01,Y1-K02,Z1-K03)、M2(X2-K01,Y2-K02,Z2-K03)、Mi(Xi-K01,Yi-K02,Zi-K03)...Mn(Xn-K01,Yn-K02,Zn-K03)。
步骤S223,对于每个匹配点,将每个匹配点到理论球心坐标Q0的距离与一预设半径做差,以得到该反光标记点的距离偏移量Wi(i为1~n范围内的任意整数),这里的预设半径包括捕捉球13的理论半径R0或者修正半径R1。在一实施例中,各个距离偏移量可表示为W1=R1-D1,W2=R1-D2,…Wi=R1-Di…,Wn=R1-Dn;那么,在另一个实施例中,各个距离偏移量可表示为W1=R0-D1,W2=R0-D2,…Wi=R0-Di…,Wn=R0-Dn。
需要说明的是,这里的理论半径R0为捕捉球13实测值,事先已录入在系统中,而且,该值在步骤S25中会被更新。
步骤S224,对于每个匹配点,将该匹配点Pi的坐标偏移量Mi和其对应的距离偏移量Wi相乘,得到该匹配点Pi的修正坐标偏移量Pi′,取各个匹配点的修正坐标偏移量的平均值,得到捕捉球13的理论球心坐标Q0的坐标偏移量C。在一实施例中,各个匹配点的修正坐标偏移量可表示为P1′=M1*W1,P2′=M2*W2,...Pi′=Mi*Wi...,Pn′=Mn*Wn,则C表示为
C=(P1′+P2′...Pi′...+PN′)/n
步骤S225,将捕捉球13的理论球心坐标Q0与该理论球心坐标的坐标偏移量C做和,得到捕捉球13的修正球心坐标Q1,具体表示为
Q1=Q0+C
步骤S23,将捕捉球13的修正半径R1与理论半径R0做比较,判断计算半径R1与实际半径R0的差值是否在用户设定的半径误差范围内;将捕捉球13的修正球心坐标Q1与理论球心坐标Q0作比较,判断修正球心坐标Q1与理论球心坐标Q0的差值是否在用户设定的坐标误差范围内。若两个判断结果均为是,则进入步骤S24,若否,则进入步骤S25。
步骤S24,将捕捉球13的修正球心坐标Q1作为捕捉球13的球心坐标,此时,认为系统完成捕捉球13的中心点优化工作。
步骤S25,将捕捉球13的理论半径R0的值更新为修正半径R1,将捕捉球13的理论球心坐标Q0的值更新为修正球心坐标Q1。然后返回步骤S21,重新计算捕捉球的修正半径和修正球心坐标,直至再次得到的捕捉球13的修正半径与已更新的理论半径R0的比较结果,以及再次得到的捕捉球13的修正球心坐标与已更新的理论球心坐标Q0的比较结果都在对应的误差范围内(即直至进入步骤S24)。
步骤S30,根据各个匹配点的三维坐标和捕捉球的球心坐标得到捕捉球在运动空间中的运动姿态信息。在一实施例中,见图9,步骤S30可以包括步骤S31-S33,下面具体说明。
步骤S31,将依据当前帧所得到的捕捉球13的球心坐标Q1(由步骤S24得到)与依据上一帧所得到的捕捉球13的球心坐标进行比较,得到捕捉球13的位移信息。在一实施例中,获取上一帧的捕捉球13的球心坐标的过程可参考步骤S20,这里不再进行赘述。
需要说明的是,球心坐标Q1是捕捉球13在运动空间中的位置表示量,当该球心坐标Q1改变时,就意味着捕捉球13的位置发生了变化,可通过球心坐标Q1在X、Y、Z方向上的改变量表示捕捉球13在运动空间中的位移距离和位移方向。
步骤S32,将依据当前帧所得到的每个匹配点的三维坐标Pi分别与依据上一帧中对应的匹配点的三维坐标进行比较,得到捕捉球13的姿态信息。在一实施例中,获取上一帧对应的匹配点的三维坐标过程可参考步骤S10,这里不再进行赘述。
需要说明的是,当前帧和上一帧之间的时间间隔非常小,甚至在1ms左右,因此,可认为捕捉球13在这个时间段内发生了非常小的姿态变化,可认为在这个时间段内每个匹配点发生了非常小的位置改变,因此,可将与当前时刻三维坐标发生微小改变的匹配点认为是上一帧对应的匹配点。
此外,任一匹配点的三维坐标Pi是该匹配点的位置表示量,当三维坐标Pi发生改变时,就意味着捕捉球13的姿态发生了变化,可通过三维坐标Pi在X、Y、Z方向上的改变量表示捕捉球13在运动空间中的姿态变化距离和姿态变化方向。
步骤S33,将捕捉球13的位移信息和姿态信息作为捕捉球13在运动空间中的运动姿态信息,该运动姿态信息包括捕捉球13的位移改变量和姿态改变量。
有鉴于此,本申请步骤S10-S30所公开的捕捉球的运动姿态识别方法具备以下优势:(1)从足球表面构造得到启发,可以确保对球类目标对象进行布点,以实现反光标记点的均匀化与实用化,方便实现对这类目标对象进行捕捉与运动姿态识别;(2)引用了“杂点”跟踪的概念,避免了只有计算整个刚体才能做到目标对象的捕捉与跟踪的问题,只要有适量的“匹配点”,我们就能确定目标对象的运动状态,极大地减少了计算量,提升了系统的运行效率。
本领域的技术人员应当理解,本申请还保护一种捕捉球的运动姿态识别装置,该运动姿态识别装置4如图10所示,包括:
匹配点坐标获取单元41,用于获取捕捉球13上的各个匹配点在运动空间中的三维坐标。该匹配点坐标获取单元41获取捕捉球13上的匹配点在运动空间中的三维坐标的过程可参考步骤S10,这里不再具体说明。
球心坐标获取单元42,用于根据各个匹配点的三维坐标获取捕捉球13的球心坐标。该球心坐标获取单元42将各个匹配点的三维坐标输入一迭代算法,以得到所述捕捉球的球心坐标,具体过程可参考步骤S20,这里不再进行具体说明。
姿态信息获取单元43,用于根据各个匹配点的三维坐标和捕捉球的球心坐标得到捕捉球13在运动空间中的运动姿态信息,具体过程可参考步骤S30。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
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。
另外,在本申请所保护的运动姿态识别装置4中的各个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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。因此,本申请还保护另外一种运动姿态识别装置4,见图11,其包括存储器401和处理器402,以及计算机程序403,该存储器401用于存储计算机程序403,该计算机程序403在被处理器402执行时能够实现上文步骤S10-30所示的方法。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种捕捉球的运动姿态识别方法,所述捕捉球的表面划分成多个子区域,在所述多个子区域内配置有多个分布均匀的反光标记点,以使得任意两个反光标记点之间的距离值分布集中且达到一预设的数值,分布集中的距离值具有一个或多个,所述多个子区域所使用的几何图形的顶点或者非邻边的边中心点处布置有反光标记点,若所使用的几何图形为正六边形或正五边形,则在所述正六边形或所述正五边形的顶点或者两两相交边的边中心点处标记出反光标记点,并将所形成的各个反光标记点设定为点集合,所述点集合用于对所述捕捉球进行光学运动捕捉;其特征在于,所述方法包括以下步骤:
获取所述捕捉球在运动空间中所有反光标记点的三维坐标,识别所述捕捉球的多个匹配点,所述匹配点为所述捕捉球上的反光标记点;所述匹配点具有设定的预定数量,当反光标记点分布在所述捕捉球的顶点时,则预定数量设定为20~60中的任一值,当反光标记点分布在所述捕捉球的边中点时,则预定数量设定为10~40中的任一值;
根据所述多个匹配点的三维坐标获取所述捕捉球的球心坐标,具体包括:获取各个匹配点的三维坐标的平均值,得到捕捉球的理论球心坐标;根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标;获取捕捉球的理论半径,判断所述修正球心坐标和所述理论球心坐标之差是否在预设的误差范围内,以及判断所述捕捉球的修正半径与所述捕捉球的理论半径之差是否在预设的误差范围内;若两个判断结果均为是,则将所述修正球心坐标作为所述捕捉球的球心坐标;根据所述多个匹配点的三维坐标和所述捕捉球的球心坐标得到所述捕捉球在运动空间中的运动姿态信息;
其中,根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标包括步骤S221-S225:
步骤S221,根据各个匹配点的三维坐标和所述理论球心坐标得到每个匹配点到所述理论球心坐标的距离,取各个匹配点到所述理论球心坐标的距离的平均值,得到所述捕捉球的修正半径;若各个匹配点的三维坐标表示为P1(X1,Y1,Z1)、P2(X2,Y2,Z2)...Pi...Pn(Xn,Yn,Zn),理论球心坐标表示为Q0(K01,K02,K03),则得到P1、P2...Pi...Pn到Q0的距离分别为D1、D2...Di...Dn,那么所述修正半径为R1=(D1+D2+...+Dn)/n;
步骤S222,对于每个匹配点,将该匹配点的三维坐标与所述理论球心坐标做差,得到该匹配点的坐标偏移量;那么各个匹配点的坐标偏移量表示为M1(X1-K01,Y1-K02,Z1-K03)、M2(X2-K01,Y2-K02,Z2-K03)、Mi(Xi-K01,Yi-K02,Zi-K03)...Mn(Xn-K01,Yn-K02,Zn-K03);
步骤S223,对于每个匹配点,将该匹配点到所述理论球心坐标的距离与一预设半径做差,以得到该匹配点的距离偏移量;所述预设半径包括理论半径且等于所述捕捉球的半径实测值R0,则各个匹配点的距离偏移量表示为W1=R0-D1,W2=R0-D2,…Wi=R0-Di…,Wn=R0-Dn;
步骤S224,对于每个匹配点,将该匹配点的坐标偏移量和其对应的距离偏移量相乘,得到该匹配点的修正坐标偏移量,取各个匹配点的修正坐标偏移量的平均值,得到所述捕捉球的理论球心坐标的坐标偏移量;若各个匹配点的修正坐标偏移量表示为P1′=M1*W1,P2′=M2*W2,...Pi′=Mi*Wi...,Pn′=Mn*Wn,则所述捕捉球的理论球心坐标的坐标偏移量表示为C=(P1′+P2′...Pi′...+PN′)/n;
步骤S225,将所述捕捉球的理论球心坐标与所述理论球心坐标的坐标偏移量做和,得到所述捕捉球的修正球心坐标,且表示为Q1=Q0+C。
2.如权利要求1所述运动姿态识别方法,其特征在于,所述获取所述捕捉球的运动空间中所有反光标记点的三维坐标,识别所述捕捉球的多个匹配点,包括:
根据所述运动空间中所有反光标记点的二维坐标,得到所有反光标记点的三维坐标,所述运动空间中包括除所述捕捉球之外的其它可识别物;
根据所述所有反光标记点的三维坐标,计算所述所有反光标记点中任意两个反光标记点之间的距离;
当任意两个反光标记点之间的距离等于或接近于获取的距离标准值时,确定该两个反光标记点为所述捕捉球的匹配点,直到识别到所述捕捉球的匹配点达到预定数量为止。
3.如权利要求2所述运动姿态识别方法,其特征在于,通过以下步骤获取所述距离标准值:
获取测试阶段所述捕捉球表面上所有反光标记点的三维坐标,在所述测试阶段时所述运动空间中的可识别物仅有所述捕捉球;
根据所述捕捉球表面上所有反光标记点的三维坐标计算任意两两反光标记点之间的距离;
统计得到的所有距离值,将距离分布结果中分布集中的距离值设定为所述距离标准值。
4.如权利要求1所述运动姿态识别方法,其特征在于,所述根据所述多个匹配点的三维坐标获取所述捕捉球的球心坐标,还包括:
若任一判断结果为否,则将所述修正球心坐标更新为所述捕捉球的理论球心坐标,将所述修正半径更新为所述捕捉球的理论半径,然后进入根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标的步骤。
5.如权利要求1所述的运动姿态识别方法,其特征在于,所述根据所述多个匹配点的三维坐标和所述捕捉球的球心坐标得到所述捕捉球在运动空间中的运动姿态信息,包括:
将当前帧所述捕捉球的球心坐标与上一帧所述捕捉球的球心坐标进行比较,得到所述捕捉球的位移信息;
将当前帧各个匹配点的三维坐标分别与上一帧对应的匹配点的三维坐标进行比较,得到所述捕捉球的姿态信息;
将所述捕捉球的位移信息和姿态信息作为所述捕捉球在所述运动空间中的运动姿态信息。
6.如权利要求5所述的运动姿态识别方法,其特征在于,任一匹配点的三维坐标表示所述匹配点的位置表示量,可通过三维坐标在X、Y、Z方向上的改变量表示捕捉球在运动空间中的姿态变化距离和姿态变化方向。
7.如权利要求1-6任一项所述的运动姿态识别方法,其特征在于,所述顶点组成的点集合包括60个反光标记点,所述边中心点组成的点集合包括30个反光标记点。
8.一种用于捕捉球的运动姿态识别装置,所述捕捉球的表面划分成多个子区域,在所述多个子区域内配置有多个分布均匀的反光标记点,以使得任意两个反光标记点之间的距离值分布集中且达到一预设的数值,分布集中的距离值具有一个或多个,所述多个子区域所使用的几何图形的顶点或者非邻边的边中心点处布置有反光标记点,若所使用的几何图形为正六边形或正五边形,则在所述正六边形或所述正五边形的顶点或者两两相交边的边中心点处标记出反光标记点,并将所形成的各个反光标记点设定为点集合,所述点集合用于对所述捕捉球进行光学运动捕捉;其特征在于,所述装置包括:
匹配点坐标获取单元,用于识别所述捕捉球的多个匹配点,获取各个匹配点的三维坐标,所述匹配点为属于所述捕捉球的反光标记点;所述匹配点具有设定的预定数量,当反光标记点分布在所述捕捉球的顶点时,则预定数量设定为20~60中的任一值,当反光标记点分布在所述捕捉球的边中点时,则预定数量设定为10~40中的任一值;
球心坐标获取单元,用于根据所述多个匹配点的三维坐标获取所述捕捉球的球心坐标,具体包括:获取各个匹配点的三维坐标的平均值,得到捕捉球的理论球心坐标;根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标;获取捕捉球的理论半径,判断所述修正球心坐标和所述理论球心坐标之差是否在预设的误差范围内,以及判断所述捕捉球的修正半径与所述捕捉球的理论半径之差是否在预设的误差范围内;若两个判断结果均为是,则将所述修正球心坐标作为所述捕捉球的球心坐标;
姿态信息获取单元,用于根据所述多个匹配点的三维坐标和所述捕捉球的球心坐标得到所述捕捉球在运动空间中的运动姿态信息;
其中,所述球心坐标获取单元根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标包括以下处理步骤S221-S225:
步骤S221,根据各个匹配点的三维坐标和所述理论球心坐标得到每个匹配点到所述理论球心坐标的距离,取各个匹配点到所述理论球心坐标的距离的平均值,得到所述捕捉球的修正半径;若各个匹配点的三维坐标表示为P1(X1,Y1,Z1)、P2(X2,Y2,Z2)...Pi...Pn(Xn,Yn,Zn),理论球心坐标表示为Q0(K01,K02,K03),则得到P1、P2...Pi...Pn到Q0的距离分别为D1、D2...Di...Dn,那么所述修正半径为R1=(D1+D2+...+Dn)/n;
步骤S222,对于每个匹配点,将该匹配点的三维坐标与所述理论球心坐标做差,得到该匹配点的坐标偏移量;那么各个匹配点的坐标偏移量表示为M1(X1-K01,Y1-K02,Z1-K03)、M2(X2-K01,Y2-K02,Z2-K03)、Mi(Xi-K01,Yi-K02,Zi-K03)...Mn(Xn-K01,Yn-K02,Zn-K03);
步骤S223,对于每个匹配点,将该匹配点到所述理论球心坐标的距离与一预设半径做差,以得到该匹配点的距离偏移量;所述预设半径包括理论半径且等于所述捕捉球的半径实测值R0,则各个匹配点的距离偏移量表示为W1=R0-D1,W2=R0-D2,…Wi=R0-Di…,Wn=R0-Dn;
步骤S224,对于每个匹配点,将该匹配点的坐标偏移量和其对应的距离偏移量相乘,得到该匹配点的修正坐标偏移量,取各个匹配点的修正坐标偏移量的平均值,得到所述捕捉球的理论球心坐标的坐标偏移量;若各个匹配点的修正坐标偏移量表示为P1′=M1*W1,P2′=M2*W2,...Pi′=Mi*Wi...,Pn′=Mn*Wn,则所述捕捉球的理论球心坐标的坐标偏移量表示为C=(P1′+P2′...Pi′...+PN′)/n;
步骤S225,将所述捕捉球的理论球心坐标与所述理论球心坐标的坐标偏移量做和,得到所述捕捉球的修正球心坐标,且表示为Q1=Q0+C。
9.如权利要求8所述的运动姿态识别装置,其特征在于,所述根据所述多个反光标记点的三维坐标获取所述捕捉球的球心坐标,包括:
若任一判断结果为否,则将所述修正球心坐标更新为所述捕捉球的理论球心坐标,将所述修正半径更新为所述捕捉球的理论半径,然后进入根据所述理论球心坐标,计算所述捕捉球的修正半径和修正球心坐标的步骤。
10.一种计算机存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110550303.0A CN113269810B (zh) | 2018-04-11 | 2018-04-11 | 一种捕捉球的运动姿态识别方法及其装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110550303.0A CN113269810B (zh) | 2018-04-11 | 2018-04-11 | 一种捕捉球的运动姿态识别方法及其装置 |
CN201810320884.7A CN108765457B (zh) | 2018-04-11 | 2018-04-11 | 一种捕捉球的运动姿态识别方法及其装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810320884.7A Division CN108765457B (zh) | 2018-04-11 | 2018-04-11 | 一种捕捉球的运动姿态识别方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269810A true CN113269810A (zh) | 2021-08-17 |
CN113269810B CN113269810B (zh) | 2023-04-25 |
Family
ID=63981349
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810320884.7A Active CN108765457B (zh) | 2018-04-11 | 2018-04-11 | 一种捕捉球的运动姿态识别方法及其装置 |
CN202110550303.0A Active CN113269810B (zh) | 2018-04-11 | 2018-04-11 | 一种捕捉球的运动姿态识别方法及其装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810320884.7A Active CN108765457B (zh) | 2018-04-11 | 2018-04-11 | 一种捕捉球的运动姿态识别方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN108765457B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830132A (zh) * | 2018-04-11 | 2018-11-16 | 深圳市瑞立视多媒体科技有限公司 | 一种用于光学运动捕捉的球体布点方法及捕捉球、系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110741413B (zh) * | 2018-11-29 | 2023-06-06 | 深圳市瑞立视多媒体科技有限公司 | 一种刚体配置方法及光学动作捕捉方法 |
CN110728754B (zh) * | 2019-10-10 | 2023-06-16 | 深圳市瑞立视多媒体科技有限公司 | 刚体标记点识别方法、装置、设备及存储介质 |
CN115414648B (zh) * | 2022-08-30 | 2023-08-25 | 北京华锐视界科技有限公司 | 一种基于动作捕捉技术的足球评测方法及足球评测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10222668A (ja) * | 1997-02-04 | 1998-08-21 | Syst Sakomu:Kk | モーションキャプチャ方法およびシステム |
CN1691916A (zh) * | 2002-12-19 | 2005-11-02 | 博士伦公司 | 球形目标的运动跟踪系统 |
CN101216949A (zh) * | 2008-01-14 | 2008-07-09 | 浙江大学 | 一种基于区域分割和分段学习的三维人脸动画制作的方法 |
CN103279186A (zh) * | 2013-05-07 | 2013-09-04 | 兰州交通大学 | 融合光学定位与惯性传感的多目标运动捕捉系统 |
WO2015037178A1 (ja) * | 2013-09-12 | 2015-03-19 | トヨタ自動車株式会社 | 姿勢推定方法及びロボット |
CN105606025A (zh) * | 2016-02-01 | 2016-05-25 | 西安交通大学 | 一种使用激光器和单目相机测量球状目标几何参数的方法 |
CN106600627A (zh) * | 2016-12-07 | 2017-04-26 | 成都通甲优博科技有限责任公司 | 一种基于标志点的刚体运动捕捉方法及系统 |
WO2018014601A1 (zh) * | 2016-07-19 | 2018-01-25 | 央数文化(上海)股份有限公司 | 方位跟踪方法、实现增强现实的方法及相关装置、设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100576908C (zh) * | 2007-11-30 | 2009-12-30 | 汤一平 | 基于全方位视觉传感器的立体化智能摄像设备 |
US20140267611A1 (en) * | 2013-03-14 | 2014-09-18 | Microsoft Corporation | Runtime engine for analyzing user motion in 3d images |
-
2018
- 2018-04-11 CN CN201810320884.7A patent/CN108765457B/zh active Active
- 2018-04-11 CN CN202110550303.0A patent/CN113269810B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10222668A (ja) * | 1997-02-04 | 1998-08-21 | Syst Sakomu:Kk | モーションキャプチャ方法およびシステム |
CN1691916A (zh) * | 2002-12-19 | 2005-11-02 | 博士伦公司 | 球形目标的运动跟踪系统 |
CN101216949A (zh) * | 2008-01-14 | 2008-07-09 | 浙江大学 | 一种基于区域分割和分段学习的三维人脸动画制作的方法 |
CN103279186A (zh) * | 2013-05-07 | 2013-09-04 | 兰州交通大学 | 融合光学定位与惯性传感的多目标运动捕捉系统 |
WO2015037178A1 (ja) * | 2013-09-12 | 2015-03-19 | トヨタ自動車株式会社 | 姿勢推定方法及びロボット |
CN105606025A (zh) * | 2016-02-01 | 2016-05-25 | 西安交通大学 | 一种使用激光器和单目相机测量球状目标几何参数的方法 |
WO2018014601A1 (zh) * | 2016-07-19 | 2018-01-25 | 央数文化(上海)股份有限公司 | 方位跟踪方法、实现增强现实的方法及相关装置、设备 |
CN106600627A (zh) * | 2016-12-07 | 2017-04-26 | 成都通甲优博科技有限责任公司 | 一种基于标志点的刚体运动捕捉方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830132A (zh) * | 2018-04-11 | 2018-11-16 | 深圳市瑞立视多媒体科技有限公司 | 一种用于光学运动捕捉的球体布点方法及捕捉球、系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113269810B (zh) | 2023-04-25 |
CN108765457A (zh) | 2018-11-06 |
CN108765457B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765457B (zh) | 一种捕捉球的运动姿态识别方法及其装置 | |
Reid et al. | Goal-directed video metrology | |
US7190826B2 (en) | Measuring the location of objects arranged on a surface, using multi-camera photogrammetry | |
EP3281599A1 (en) | Marker for optical tracking, optical tracking system, and optical tracking method | |
CN109141364A (zh) | 障碍物检测方法、系统及机器人 | |
CN102054276B (zh) | 物体三维几何重建相机定标方法和系统 | |
Karaszewski et al. | Assessment of next-best-view algorithms performance with various 3D scanners and manipulator | |
CN108830132B (zh) | 一种用于光学运动捕捉的球体布点方法及捕捉球、系统 | |
WO2019196192A1 (zh) | 基于捕捉球的球体布点方法、运动姿态识别方法及系统、装置 | |
JP4109075B2 (ja) | 球体の回転特性と飛行特性の測定方法及び球体の回転特性と飛行特性の測定装置 | |
JP2004184236A (ja) | 球体の回転特性と飛行特性の測定方法 | |
Katsuki et al. | Design of an artificial mark to determine 3D pose by monocular vision | |
Maurice et al. | Epipolar based structured light pattern design for 3-d reconstruction of moving surfaces | |
JP4109076B2 (ja) | 曲面体の回転量と回転軸方向の測定方法、及び、曲面体の回転量と回転軸方向の測定装置 | |
Gulzar et al. | See what i mean-probabilistic optimization of robot pointing gestures | |
Meger et al. | The UBC visual robot survey: A benchmark for robot category recognition | |
CN113379846B (zh) | 基于方向指示标志点标定模板的转台转轴标定方法 | |
CN115170665B (zh) | 一种基于图像的球形物体位姿确定方法及系统 | |
Wang et al. | Deep Weakly Supervised Positioning for Indoor Mobile Robots | |
US11971727B2 (en) | Performance arena for robots with position location system | |
Goll et al. | Testing of the system for estimation of mobile robotic platform displacements by the method of a marker triangle | |
CN117911472A (zh) | 点云处理方法和相机标定方法及其系统、电子设备 | |
Lengenfelder et al. | Low-cost and Retrofittable Pose Estimation of Rigid Objects Using Infrared Markers | |
Drouin et al. | Monitoring Human Activities: Flexible Calibration of a Wide Area System of Synchronized Cameras | |
Li | Building an accurate 3D model of a circular feature for robot vision |
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 |