CN114089833A - 一种虚拟现实身体所有权的量化方法、系统及电子设备 - Google Patents
一种虚拟现实身体所有权的量化方法、系统及电子设备 Download PDFInfo
- Publication number
- CN114089833A CN114089833A CN202111394318.9A CN202111394318A CN114089833A CN 114089833 A CN114089833 A CN 114089833A CN 202111394318 A CN202111394318 A CN 202111394318A CN 114089833 A CN114089833 A CN 114089833A
- Authority
- CN
- China
- Prior art keywords
- offset
- ownership
- virtual
- action
- joint
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000009471 action Effects 0.000 claims abstract description 74
- 230000000704 physical effect Effects 0.000 claims abstract description 66
- 230000033001 locomotion Effects 0.000 claims description 98
- 210000002310 elbow joint Anatomy 0.000 claims description 72
- 210000000323 shoulder joint Anatomy 0.000 claims description 72
- 210000003857 wrist joint Anatomy 0.000 claims description 26
- 238000013139 quantization Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 abstract description 7
- 238000011002 quantification Methods 0.000 abstract description 4
- 210000001364 upper extremity Anatomy 0.000 description 29
- 238000010586 diagram Methods 0.000 description 20
- 210000001503 joint Anatomy 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 208000006011 Stroke Diseases 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 210000000245 forearm Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000001145 finger joint Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种虚拟现实身体所有权的量化方法、系统及电子设备，涉及虚拟现实技术领域，基于偏移量和身体所有权量化模型，量化偏移量和身体所有权，满足不同身体所有权的要求，提升交互体验。该方法包括：获取用户的物理动作和与物理动作相对应的虚拟动作；对虚拟动作添加偏移量，基于偏移量进行相对应的物理动作，并计算相对应的身体所有权损失概率；基于偏移量和身体所有权损失概率建立偏移量和身体所有权量化关系模型；基于偏移量和身体所有权量化关系模型构建动态算法，以量化偏移量和身体所有权。所述虚拟现实身体所有权的量化系统应用于上述虚拟现实身体所有权的量化方法。所述虚拟现实身体所有权的量化方法应用于电子设备中。
Description
技术领域
本发明涉及虚拟现实技术领域，更具体的说，涉及一种虚拟现实身体所有权的量化方法、系统、电子设备及计算机可读存储介质。
背景技术
在虚拟现实中，依靠动作捕捉技术和计算机视觉技术，计算机可以在虚拟现实中完整复现用户在物理现实中的动作。同时，目前大部分虚拟现实技术依靠头戴式显示设备，用户在佩戴头戴式显示设备时，无法直接观察到自己的物理身体动作，取而代之的是看到虚拟现实中，和自己物理身体动作一致的虚拟身体，从而对虚拟现实中的虚拟身体产生身体所有权。
然而，由于用户无法直接观察到自己的物理身体动作，因此如果当虚拟动作与物理动作不一致时，会形成动作偏移量。当虚拟动作与物理动作稍微不一致时，即动作偏移量比较小时，用户仍然有可能无法发现这一区别，从而依然认为虚拟身体由自己控制，并保持身体所有权。当虚拟动作与物理动作的区别变大时，即动作偏移量比较大时，用户可能会注意到这一区别，并且丧失一部分对于虚拟身体的身体所有权。
同时，修改虚拟动作可以增强虚拟现实中的交互功能性。而保持身体所有权会提供虚拟现实交互的沉浸感。因此，这里存在一个冲突问题，即增强交互功能性会下降交互体验。由于针对不同的应用或者不同的目的，身体所有权的要求也会不同，而修改虚拟动作如何影响身体所有权，从而影响交互体验，是一个未知的问题，现有技术中没有相关的研究。以往的研究大多侧重于精确地再现和可视化用户的真实动作，因此容易引发身体所有权错觉。
发明内容
为解决上述技术问题，本发明提供一种虚拟现实身体所有权的量化方法、系统、电子设备及计算机可读存储介质，基于偏移量和身体所有权量化模型，量化偏移量和身体所有权，满足不同身体所有权的要求，提升交互体验。
一种虚拟现实身体所有权的量化方法，包括：
步骤1：获取用户的物理动作和与所述物理动作相对应的虚拟动作；
步骤2：对所述虚拟动作添加偏移量，基于所述偏移量进行相对应的所述物理动作，并计算相对应的身体所有权损失概率；
步骤3：基于所述偏移量和所述身体所有权损失概率建立偏移量和身体所有权量化关系模型；
步骤4：基于所述偏移量和身体所有权量化关系模型构建动态算法，以量化所述偏移量和所述身体所有权。
优选地，所述步骤1：获取用户的物理动作和与所述物理动作相对应的虚拟动作，包括：
步骤1.1：捕捉用户的物理动作以形成目标姿态数据集，其中，所述目标姿态数据集包括肩关节、肘关节和腕关节的三维空间位置；
步骤1.2：将所述肩关节、肘关节和腕关节的三维空间位置输入VR终端，
以形成与所述肩关节、肘关节和腕关节的三维空间位置相对应的虚拟动作。
优选地，所述步骤2：对所述虚拟动作添加偏移量，基于所述偏移量进行相对应的所述物理动作，并计算相对应的身体所有权损失概率，包括：
步骤2.1：对所述虚拟动作添加角度偏移量；
步骤2.2：基于所述角度偏移量进行相对应的所述物理动作；
步骤2.3：当用户做出相对应的所述物理动作时，根据用户对虚拟身体的身体所有权计算相对应的所述身体所有权损失概率。
进一步地，所述步骤2.1：对所述虚拟动作添加角度偏移量，包括：
步骤2.1.1：对同一虚拟动作中所述肩关节的两个自由度和肘关节的两个自由度分别添加第一角度偏移量；
步骤2.1.2：对同一虚拟动作中所述肩关节和肘关节分别添加第二角度偏移量；
步骤2.1.3：对不同虚拟动作中所述肩关节和肘关节同时添加第三角度偏移量。
优选地，所述步骤3：基于所述偏移量和所述身体所有权损失概率建立偏移量和身体所有权量化关系模型，包括：
步骤3.1：基于所述第一角度偏移量和相对应的所述身体所有权损失概率建立第一量化关系模型；
步骤3.2：基于所述第二角度偏移量和相对应的所述身体所有权损失概率建立第二量化关系模型；
步骤3.3：基于所述第三角度偏移量和相对应的所述身体所有权损失概率建立第三量化关系模型；
步骤3.4：基于所述第一量化关系模型、第二量化关系模型和第三量化关系模型形成所述偏移量和身体所有权量化关系模型。
与现有技术相比，本发明所提供的一种虚拟现实身体所有权的量化方法具有如下有益效果：首先获取用户的物理动作和与物理动作相对应的虚拟动作，然后对虚拟动作添加偏移量，根据偏移量进行相对应的物理动作，并计算相对应的身体所有权损失概率。根据上述偏移量和身体所有权损失概率建立偏移量和身体所有权量化关系模型，根据偏移量和身体所有权量化关系模型构建动态算法，以量化偏移量和身体所有权。即根据动态算法，对于任意的物理动作，根据身体所有权要求，能够计算出可选的偏移量集合，根据偏移量修改虚拟动作，并在虚拟动作上添加给定的偏移量，进而给出添加偏移量后的虚拟动作，满足不同身体所有权的要求，而且能够提升交互体验。同时，反向应用动态算法，对于任意物理动作，和与物理动作有所区别的虚拟动作，可以计算出虚拟动作相对于物理动作的偏移量，进而计算出当前偏移量对于身体所有权所造成的损失，当然，当虚拟动作相对于物理动作没有偏移量，即完全一致时，身体所有权为100％，完全不损失。
本发明还提供一种虚拟现实身体所有权的量化系统，该系统包括：
获取模块，用于获取用户的物理动作和与所述物理动作相对应的虚拟动作；
偏移量模块，用于对所述虚拟动作添加偏移量，基于所述偏移量进行相对应的所述物理动作，并计算相对应的身体所有权损失概率；
量化关系模块，用于基于所述偏移量和所述身体所有权损失概率建立偏移量和身体所有权量化关系模型；
算法模块，用于基于所述偏移量和身体所有权量化关系模型构建动态算法，以量化所述偏移量和所述身体所有权。
优选地，所述获取模块包括：
捕捉单元，用于捕捉用户的物理动作以形成目标姿态数据集，其中，所述目标姿态数据集包括肩关节、肘关节和腕关节的三维空间位置；
虚拟动作单元，用于将所述肩关节、肘关节和腕关节的三维空间位置输入VR终端，以形成与所述肩关节、肘关节和腕关节的三维空间位置相对应的虚拟动作；
所述偏移量模块包括：
角度偏移单元，用于对所述虚拟动作添加角度偏移量；
物理动作单元，用于基于所述角度偏移量进行相对应的所述物理动作；
身体所有权单元，用于当用户做出相对应的所述物理动作时，根据用户对虚拟身体的身体所有权计算相对应的所述身体所有权损失概率；
所述角度偏移单元包括：
第一角度偏移量组件，用于对同一虚拟动作中所述肩关节的两个自由度和肘关节的两个自由度分别添加第一角度偏移量；
第二角度偏移量组件，用于对同一虚拟动作中所述肩关节和肘关节分别添加第二角度偏移量；
第三角度偏移量组件，用于对不同虚拟动作中所述肩关节和肘关节同时添加第三角度偏移量。
优选地，所述量化关系模块包括：
第一量化单元，用于基于所述第一角度偏移量和相对应的所述身体所有权损失概率建立第一量化关系模型；
第二量化单元，用于基于所述第二角度偏移量和相对应的所述身体所有权损失概率建立第二量化关系模型；
第三量化单元，用于基于所述第三角度偏移量和相对应的所述身体所有权损失概率建立第三量化关系模型；
量化关系单元，用于基于所述第一量化关系模型、第二量化关系模型和第三量化关系模型形成所述偏移量和身体所有权量化关系模型。
与现有技术相比，本发明提供的一种虚拟现实身体所有权的量化系统的有益效果与上述技术方案所述一种虚拟现实身体所有权的量化方法的有益效果相同，在此不做赘述。
本发明还提供一种电子设备，包括总线、收发器(显示单元/输出单元、输入单元)、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任一项所述的一种虚拟现实身体所有权的量化方法中的步骤。
与现有技术相比，本发明提供的电子设备的有益效果与上述技术方案所述一种虚拟现实身体所有权的量化方法的有益效果相同，在此不做赘述。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的一种虚拟现实身体所有权的量化方法中的步骤。
与现有技术相比，本发明提供的一种计算机可读存储介质的有益效果与上述技术方案所述一种虚拟现实身体所有权的量化方法的有益效果相同，在此不做赘述。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种虚拟现实身体所有权的量化方法的流程图；
图2示出了本发明实施例所提供的在左上肢肩关节和肘关节建立球极坐标系的示意图；
图3示出了本发明实施例所提供的左上肢的10个示例姿势示意图；
图4A示出了本发明实施例所提供的修改后的虚拟动作与物理动作的示意图；
图4B示出了本发明实施例所提供的偏移量和身体所有权量化关系模型示意图；
图4C示出了本发明实施例所提供的动态修改动作算法的示意图；
图5A示出了本发明实施例所提供的虚拟现实中中风康复训练的应用内示意图；
图5B示出了本发明实施例所提供的虚拟现实中游戏动作和角色应用示意图；
图5C示出了本发明实施例所提供的虚拟现实中输入增强应用示意图；
图6示出了本发明实施例所提供的一种虚拟现实身体所有权的量化系统的结构示意图；
图7示出了本发明实施例所提供的一种用于执行虚拟现实身体所有权的量化方法的电子设备的结构示意图。
具体实施方式
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本实施例中提到的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况。“示例性的”或者“例如”等词用于表示作例子、例证或说明，旨在以具体方式呈现相关概念，不应被解释为比其他实施例或设计方案更优选或更具优势。
在虚拟现实体验中，由于增强交互功能性会下降交互体验，基于此，本发明实施例提供一种虚拟现实身体所有权的量化方法。
图1示出了本发明实施例所提供的一种虚拟现实身体所有权的量化方法的流程图，如图1所示，该方法包括：
步骤1：获取用户的物理动作和与物理动作相对应的虚拟动作。
需要说明的是，所述步骤1包括：步骤1.1：捕捉用户的物理动作以形成目标姿态数据集，其中，目标姿态数据集包括肩关节、肘关节和腕关节的三维空间位置。应理解的是，这里的肩关节、肘关节和腕关节可以为左上肢肩关节、肘关节和腕关节，也可以为右上肢肩关节、肘关节和腕关节，在此并不做具体限定。
在进行动作捕捉之前，首先建立三维坐标系：
a.选取左上肢：由于全身身体运动的复杂性，本发明实施例以上肢作为研究对象进行分析，比如左臂，当然也可以以右臂，或者以其它身体部位作为研究对象，在此并不做具体限定。
b.动作分解，由于左上肢肢体动作主要由肩关节和肘关节决定，出于动作的复杂性和肢体运动范围考虑，先不考虑手腕及各个手指关节。本发明实施例首先将一个左上肢的动作分解为上臂和小臂两个刚体动作的组合。应理解，上臂动作由肩关节控制，在上臂不动的情况下，小臂动作由肘关节控制。
c.坐标系建立：由于步骤b中已经将一个左上肢动作分解为上臂和小臂的动作，并分别由肩关节和肘关节控制，因此可以在肩关节和肘关节上分别建立坐标系。可以理解的是，为了描述一个三维空间动作，可以建立球极坐标系。
图2示出了本发明实施例所提供的在左上肢肩关节和肘关节建立球极坐标系的示意图。如图2所示，左图描述的是肩关节和肘关节的水平角定义，肩关节的水平角是以身体正前方和正左方建立坐标系的，肘关节的水平角是以大臂的正前方和正左方建立坐标系的。如图2所示，右图描述的是肩关节和肘关节的垂直角定义，肩关节的垂直角是以身体的正前方和正上方建立坐标系的，肘关节的垂直角是以大臂的正前方和正上方建立坐标系的。肩关节的坐标系是相对于身体的，肘关节的坐标系是相对于上臂的。
如图2所示，在两个坐标系中，可以定义水平角为φ，垂直角为θ。可以用大写字母Φ/Θ描述动作角度，用小写字母φ/θ描述偏移量角度，图2中描述的是动作角度。具体地，可以通过角坐标(Φs，Θs)定义肩关节的角度，用角坐标(Φe，Θe)定义肘关节的角度，通过一对角坐标(Φs，Θs)和(Φe，Θe)定义一个手臂姿势。肘关节和肩关节的两坐标轴与上臂正交。
在建立好上述球极坐标系后，首先利用动作捕捉系统，在虚拟现实中完整复现用户在物理世界中的动作。需要说明的是，这里的完整复现会有两种情况，一种是物理动作与虚拟动作完全一致，即身体所有权没有损失，身体所有权为100％。另一种是物理动作与虚拟动作有一定的偏移量。
捕捉用户的物理动作形成目标姿态数据集，其中，目标姿态数据集包括肩关节、肘关节和腕关节的三维空间位置。示例性的，可以使用光学追踪系统Optitrack捕捉用户左上肢肩关节，肘关节和腕关节的三维空间位置。
步骤1.2：将左上肢肩关节、肘关节和腕关节的三维空间位置输入VR终端，以形成与左上肢肩关节、肘关节和腕关节的三维空间位置相对应的虚拟动作。
需要说明的是，使用光学追踪系统Optitrack捕捉用户左上肢肩关节，肘关节和腕关节的三维空间位置后，通过网络传输实时发送到VR端。具体地，可以将虚拟现实中的人偶形象(humanoid avatar)放置在和用户重合的位置，用户进入虚拟现实后，其虚拟身体和物理身体重合。
如图2所示，在VR端接收到三个关节的空间位置后，分别用其控制虚拟现实中的人偶形象的左上肢，具体控制方法如下：通过三个关节的物理空间位置，计算上臂和小臂长度，并以此控制人偶形象的身体比例。通过肩关节和肘关节的物理空间位置，计算上臂的物理朝向角度，即计算肩关节的坐标系中的水平角Φs和垂直角Θs，并使人偶形象的左上臂角度与之一致。通过肘关节和腕关节的物理空间位置，计算小臂的物理角度，即计算肘关节的坐标系中的水平角Φe和垂直角Θe，并使人偶形象的左小臂角度与之一致。通过上述控制方法形成与左上肢肩关节、肘关节和腕关节的三维空间位置相对应的虚拟动作。
步骤2：对虚拟动作添加偏移量，基于偏移量进行相对应的物理动作，并计算相对应的身体所有权损失概率。
需要说明的是，物理动作与虚拟动作完全一致的话，可以在一致的虚拟动作上添加偏移量。如果物理动作与虚拟动作不一致，则认为物理动作与虚拟动作存在一个固有偏移量，在固有偏移量的基础上添加偏移量，其身体所有权损失概率就是固有偏移量和添加的偏移量的共同函数。
所述步骤2包括：步骤2.1：对虚拟动作添加角度偏移量。为了对整个动作空间进行建模，本发明实施例使用HDBSCAN聚类算法在目标姿态数据集上找出最常用的6个左上肢动作，以及4个特殊动作，比如左上肢向前，向左，向上和向下。应理解，所述目标姿态数据集可以是CMUMocap数据集。图3示出了本发明实施例所提供的左上肢的10个示例姿势示意图。如图3所示，用户在虚拟现实中，可以操作人偶形象的左上肢做出图3中的10个示例姿势。示例性的，图3中的最后四个动作，即第二行从左往右开始，第二个动作到第五个动作，分别对应左上肢向前，向左，向下和向上。
由于在步骤1.2中将肩关节和肘关节的物理动作角度Φ和Θ施加给人偶形象的虚拟动作，因此可以在施加过程中，手动分别在肩关节的水平角Φs和垂直角Θs，以及肘关节的水平角Φe和垂直角Θe，四个角度上添加角度偏移量。左上肢的动作参数和相应的角度偏移量见表1。
表1
由于无法确认不同关节，不同方向上，用户对于偏移量的敏感程度是否相同，并且不同关节和不同方向上的偏移量之间是否相互影响。因此，本发明实施例从下面三个方面添加角度偏移量，具体地，所述步骤2.1包括：
步骤2.1.1：对同一虚拟动作中左上肢肩关节的两个自由度和肘关节的两个自由度分别添加第一角度偏移量。
需要说明的是，对于肩关节和肘关节两个关节，以球极坐标系进行动作分解，每个关节有两个运动方向，因此可以在四个方向上进行第一角度偏移量的添加。并且之后测试不同方向，不同关节同时施加偏移量时对于身体所有权的影响，从而给出整体的偏移量和身体所有权的量化关系。
具体地，可以从单个关节上的单个方向添加角度偏移量，示例性的，在同一虚拟动作的四个方向上单独添加第一角度偏移量，比如，左上肢肩关节的两个自由度和肘关节的两个自由度，从-15度，即反方向，到+15度，以3度为步长，共10个动作，4个方向，11个点，因此一共440个数据点。假设有12名用户，每名用户随机进行这440个数据点的测试。
步骤2.1.2：对同一虚拟动作中左上肢肩关节和肘关节分别添加第二角度偏移量。
需要说明的是，可以在同一虚拟动作的两个关节上分别添加第二角度偏移量。示例性的，在同一关节上的两个自由度同时添加第二角度偏移量。
步骤2.1.3：对不同虚拟动作中左上肢肩关节和肘关节同时添加第三角度偏移量。
需要说明的是，可以对不同虚拟动作中左上肢肩关节和肘关节同时添加第三角度偏移量。示例性的，当肩关节上已有偏移量时，对肘关节添加第三角度偏移量，以测试用户对于肘关节上偏移量的敏感程度。
步骤2.2：基于角度偏移量进行相对应的物理动作。
图4A示出了本发明实施例所提供的修改后的虚拟动作与物理动作的示意图，如图4A所示，添加角度偏移量后的虚拟手臂1和物理手臂2产生了角度偏移，用户按照上述角度偏移进行相对应的物理动作。
步骤2.3：当用户做出相对应的物理动作时，根据用户对虚拟身体的身体所有权计算相对应的身体所有权损失概率。
需要说明的是，当对虚拟动作添加上述三种角度偏移量，基于三种角度偏移量要求用户做出不同的动作，即进行相对应的物理动作后，可以询问用户是否对虚拟身体动作拥有身体所有权，计算相应的身体所有权损失概率。
具体地，当用户做出相对应的物理动作时，可以询问用户是否感觉当前虚拟现实中的左上肢动作，与自己认为的左上肢动作一致。可以将认为一致的用户数量的比例定义为身体所有权，即所有用户均认为一致，则身体所有权为100％。如果不一致，则根据不一致的数量计算相对应的身体所有权损失概率。具体地，身体所有权损失概率即是在所有被试中，发现该动作不一致的数量比例，即身体所有权损失概率等于发现动作不一致的被试数量与所有被试的数量的比值。
步骤3：基于偏移量和身体所有权损失概率建立偏移量和身体所有权量化关系模型。
需要说明的是，所述步骤3包括：
步骤3.1：基于第一角度偏移量和相对应的所述身体所有权损失概率建立第一量化关系模型。
需要说明的是，针对步骤2.1.1可以使用二次函数基于第一角度偏移量和相对应的身体所有权损失概率建立第一量化关系模型，以此来描述两个关节单一方向上，身体所有权损失量和偏移量大小的关系。
步骤3.2：基于第二角度偏移量和相对应的所述身体所有权损失概率建立第二量化关系模型。
需要说明的是，针对步骤2.1.2可以使用二元二次函数基于第二角度偏移量和相对应的身体所有权损失概率建立第二量化关系模型，以此来描述单一关节上，身体所有权损失量和偏移量大小和分布的关系。
步骤3.3：基于第三角度偏移量和相对应的所述身体所有权损失概率建立第三量化关系模型。
需要说明的是，针对步骤2.1.3可以使用线性函数基于第三角度偏移量和相对应的身体所有权损失概率建立第三量化关系模型。当肩关节上已有偏移量时，对肘关节上添加偏移量，由于身体生理结构上的主从动关系，可以通过控制肩关节上的偏移量，来测量不同的肘关节偏移量时的身体所有权损失概率。以此来描述肩关节上的偏移量对于肘关节上身体所有权损失概率和偏移量大小和分布的关系的影响。
步骤3.4：基于第一量化关系模型、第二量化关系模型和第三量化关系模型形成偏移量和身体所有权量化关系模型。
需要说明的是，图4B示出了本发明实施例所提供的偏移量和身体所有权量化关系模型示意图。如图4B所示，虚拟手臂1的路径为虚拟路径4，物理手臂2的路径为物理路径3。根据步骤3.1、步骤3.2和步骤3.3中十个动作上的量化关系模型结果，可以使用如表2所述的四元线性函数基于第一量化关系模型、第二量化关系模型和第三量化关系模型形成偏移量和身体所有权量化关系模型，以此来描述在整个动作空间上，身体所有权损失量和偏移量的关系。应理解的是，其他身体部位的偏移量和身体所有权关系可以通过类似的方法研究得到。
步骤4：基于偏移量和身体所有权量化关系模型构建动态算法，以量化偏移量和身体所有权。
需要说明的是，图4C示出了本发明实施例所提供的动态修改动作算法的示意图。如图4C所示，从步骤3.4中获得偏移量和身体所有权量化关系模型后，可以对于任意物理动作，给定身体所有权要求，可以得出一个可选的偏移量集合。同时，反向应用模型，也可以对于给定物理动作和偏移量，计算出身体所有权。
具体地，依据量化模型，设计实现动态算法，可以根据身体所有权要求，给出施加偏移量后的虚拟动作，示例性的，依据身体所有权要求和量化模型，计算肩关节上，两个方向的偏移量范围；依据应用目的，物理动作方向，在肩关节上选取某一偏移量；依据身体所有权要求和肩关节偏移量，计算肘关节上，两个方向的偏移量范围；依据应用目的和物理动作方向，在肘关节上选取某一偏移量，给出在肩关节和肘关节上添加偏移量后的虚拟动作。
具体地，如表2所示，给定物理动作角度和身体所有权损失概率可以计算出添加的偏移量的集合。
表2
示例性的，如表2中步骤三所示，正向使用模型，对于任意给定物理动作和身体所有权，可以计算出肩关节和肘关节四个方向的偏移量大小。
示例性的，如表2中步骤四所示，根据同一关节上两个方向上偏移量的关系，可以给出肩关节上，所有身体所有权损失概率小于等于要求身体所有权损失概率的偏移量集合。
示例性的，如表2中步骤五所示，对于集合中的任一肩关节偏移量，可以得出肘关节上所有身体所有权损失概率小于等于要求身体所有权损失概率的偏移量集合。
需要说明的是，一个连续动作是由许多静止动作组成的，这些静止动作的偏移量，应当满足连续性，并且变化方向和动作方向一致，以此为原则，可以在表2步骤二中给出的偏移量集合中，首先选择偏移量方向和当前动作方向一致的；其次，根据当前动作相对于初始动作和极限动作的运动幅度，线性的给出当前动作的偏移量大小。应理解，初始动作可任意设定，比如设置为左臂自然垂直向下，极限动作可任意设定，可以设置为左臂自然垂直向上。
以上形成的偏移量和身体所有权量化关系模型和动态算法，实际上可以支撑一系列技术和应用，本发明实施例列举实现了三个应用实例。图5A示出了本发明实施例所提供的虚拟现实中中风康复训练的应用内示意图；图5B示出了本发明实施例所提供的虚拟现实中游戏动作和角色应用示意图；图5C示出了本发明实施例所提供的虚拟现实中输入增强应用示意图。
如图5A所示，中风患者的康复缓慢且重复度较高，患者通常由于康复缓慢而放弃康复训练。因此可以基于以上模型和技术，实现虚拟现实中，对于患者的动作进行较小的放大，同时保持较高身体所有权，使患者认为自己的肢体运动能力有了提高，从而提高其进行康复训练的积极性，从而真正提高康复效果。
如图5B所示，基于以上模型和技术，可以在虚拟现实动作游戏中，模拟不同的游戏难度或角色状态。此时要求适中的身体所有权和适中的偏移量。如游戏角色在游戏中负伤/体力耗尽，则虚拟动作相对物理动作幅度变小，移动变慢，从而给用户一种疲惫的心理暗示和反馈。反之，如果游戏角色在游戏中体力较强，则虚拟动作相对物理动作幅度变大，移动变快，从而给用户一种轻快的心理暗示和反馈。
如图5C所示，基于以上模型和技术，可以对虚拟现实中常用的虚拟手抓去任务进行增强。目的在于对于用户的手臂动作进行较大的修改，从而使之可以快速的抓去/点击虚拟现实中的物体/选项，此时用户的主要目的是完成任务，因此对于身体所有权的要求较低。
与现有技术相比，本发明实施例所提供的一种虚拟现实身体所有权的量化方法具有如下有益效果：
1、根据虚拟动作相对于物理动作的偏移量和用户对于虚拟身体所有权损失概率建立量化关系模型，此后基于这一模型，和不同的优化目标，如舒适度优化，移动距离优化等，设计实现不同的虚拟动作生成算法，并同时给出量化的虚拟身体所有权和偏移量。
2、根据动态算法，对于任意的物理动作，根据身体所有权要求，给出可选的偏移量集合，根据偏移量修改虚拟动作，在虚拟动作上添加给定的偏移量，给出添加偏移量后的虚拟动作，满足不同身体所有权的要求，而且能够提升交互体验。同时，反向应用动态算法，对于给定的物理动作和偏移量，能够计算出身体所有权。
3、设计实现三种不同身体所有权要求的应用样例：高身体所有权要求的虚拟现实中风康复训练应用样例，中度身体所有权要求的虚拟现实游戏动作和角色应用样例，较低身体所有权要求的虚拟现实输入增强应用样例。
图6示出了本发明实施例所提供的一种虚拟现实身体所有权的量化系统的结构示意图。如图6所示，该系统包括：获取模块1，用于获取用户的物理动作和与物理动作相对应的虚拟动作。偏移量模块2，用于对虚拟动作添加偏移量，基于偏移量进行相对应的物理动作，并计算相对应的身体所有权损失概率。量化关系模块3，用于基于偏移量和身体所有权损失概率建立偏移量和身体所有权量化关系模型。算法模块4，用于基于偏移量和身体所有权量化关系模型构建动态算法，以量化偏移量和身体所有权。
优选地，获取模块1包括：捕捉单元11，用于捕捉用户的物理动作以形成目标姿态数据集，其中，目标姿态数据集包括肩关节、肘关节和腕关节的三维空间位置；虚拟动作单元12，用于将肩关节、肘关节和腕关节的三维空间位置输入VR终端，以形成与肩关节、肘关节和腕关节的三维空间位置相对应的虚拟动作。偏移量模块2包括：角度偏移单元21，用于对虚拟动作添加角度偏移量；物理动作单元22，用于基于角度偏移量进行相对应的物理动作；身体所有权单元23，用于当用户做出相对应的物理动作时，根据用户对虚拟身体的身体所有权计算相对应的身体所有权损失概率。角度偏移单元21包括：第一角度偏移量组件211，用于对同一虚拟动作中肩关节的两个自由度和肘关节的两个自由度分别添加第一角度偏移量；第二角度偏移量组件212，用于对同一虚拟动作中肩关节和肘关节分别添加第二角度偏移量；第三角度偏移量组件213，用于对不同虚拟动作中肩关节和肘关节同时添加第三角度偏移量。
优选地，量化关系模块3包括：第一量化单元31，用于基于第一角度偏移量和相对应的身体所有权损失概率建立第一量化关系模型；第二量化单元32，用于基于第二角度偏移量和相对应的身体所有权损失概率建立第二量化关系模型；第三量化单元33，用于基于第三角度偏移量和相对应的身体所有权损失概率建立第三量化关系模型；量化关系单元34，用于基于第一量化关系模型、第二量化关系模型和第三量化关系模型形成偏移量和身体所有权量化关系模型。
与现有技术相比，本发明提供的一种虚拟现实身体所有权的量化系统的有益效果与上述技术方案所述一种虚拟现实身体所有权的量化方法的有益效果相同，在此不做赘述。
此外，本发明实施例还提供了一种电子设备，包括总线、收发器、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，该收发器、该存储器和处理器分别通过总线相连，计算机程序被处理器执行时实现上述一种虚拟现实身体所有权的量化方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
具体的，参见图7所示，本发明实施例还提供了一种电子设备，该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中，该电子设备还包括：存储在存储器1150上并可在处理器1120上运行的计算机程序，计算机程序被处理器1120执行时实现上述一种虚拟现实身体所有权的量化方法实施例的各个过程。
收发器1130，用于在处理器1120的控制下接收和发送数据。
本发明实施例中，总线架构(用总线1110来代表)，总线1110可以包括任意数量互联的总线和桥，总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个，包括存储器总线以及存储器控制器、外围总线、加速图形端口(Accelerate Graphical Port，AGP)、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制，这样的体系结构包括：工业标准体系结构(Industry Standard Architecture，ISA)总线、微通道体系结构(Micro Channel Architecture，MCA)总线、扩展ISA(Enhanced ISA，EISA)总线、视频电子标准协会(Video Electronics Standards Association，VESA)、外围部件互连(Peripheral Component Interconnect，PCI)总线。
处理器1120可以是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括：通用处理器、中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)、复杂可编程逻辑器件(Complex ProgrammableLogicDevice，CPLD)、可编程逻辑阵列(Programmable Logic Array，PLA)、微控制单元(Microcontroller Unit，MCU)或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如，处理器可以是单核处理器或多核处理器，处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成，或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器(Random Access Memory，RAM)、闪存(FlashMemory)、只读存储器(Read-Only Memory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
总线1110还可以将，例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起，总线接口1140在总线1110和收发器1130之间提供接口，这些都是本领域所公知的。因此，本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件，也可以是多个元件，例如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发器1130从其他设备接收外部数据，收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质，还可以提供用户接口1160，例如：触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解，在本发明实施例中，存储器1150可进一步包括相对于处理器1120远程设置的存储器，这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络(ad hoc network)、内联网(intranet)、外联网(extranet)、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、广域网(WAN)、无线广域网(WWAN)、城域网(MAN)、互联网(Internet)、公共交换电话网(PSTN)、普通老式电话业务网(POTS)、蜂窝电话网、无线网络、无线保真(Wi-Fi)网络以及两个或更多个上述网络的组合。例如，蜂窝电话网和无线网络可以是全球移动通信(GSM)系统、码分多址(CDMA)系统、全球微波互联接入(WiMAX)系统、通用分组无线业务(GPRS)系统、宽带码分多址(WCDMA)系统、长期演进(LTE)系统、LTE频分双工(FDD)系统、LTE时分双工(TDD)系统、先进长期演进(LTE-A)系统、通用移动通信(UMTS)系统、增强移动宽带(Enhance Mobile Broadband，eMBB)系统、海量机器类通信(massive Machine Type of Communication，mMTC)系统、超可靠低时延通信(UltraReliable Low Latency Communications，uRLLC)系统等。
应理解，本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器，或可包括易失性存储器和非易失性存储器两者。其中，非易失性存储器包括：只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存(Flash Memory)。
易失性存储器包括：随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如：静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中，存储器1150存储了操作系统1151和应用程序1152的如下元素：可执行模块、数据结构，或者其子集，或者其扩展集。
具体而言，操作系统1151包含各种系统程序，例如：框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序，例如：媒体播放器(Media Player)、浏览器(Browser)，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括：小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外，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，所述计算机程序被处理器执行时实现上述一种虚拟现实身体所有权的量化方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
计算机可读存储介质包括：永久性和非永久性、可移动和非可移动媒体，是可以保留和存储供指令执行设备所使用指令的有形设备。计算机可读存储介质包括：电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。计算机可读存储介质包括：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带存储、磁带磁盘存储或其他磁性存储设备、记忆棒、机械编码装置(例如在其上记录有指令的凹槽中的穿孔卡或凸起结构)或任何其他非传输介质、可用于存储可以被计算设备访问的信息。按照本发明实施例中的界定，计算机可读存储介质不包括暂时信号本身，例如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如穿过光纤电缆的光脉冲)或通过导线传输的电信号。
在本申请所提供的几个实施例中，应该理解到，所披露的装置、电子设备和方法，可以通过其他的方式实现。例如，以上描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的、机械的或其他的形式连接。
所述作为分离部件说明的单元可以是或也可以不是物理上分开的，作为单元显示的部件可以是或也可以不是物理单元，既可以位于一个位置，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或全部单元来解决本发明实施例方案要解决的问题。
另外，在本发明各个实施例中的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，也可以是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。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术作出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(包括：个人计算机、服务器、数据中心或其他网络设备)执行本发明各个实施例所述方法的全部或部分步骤。而上述存储介质包括如前述所列举的各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换的技术方案，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种虚拟现实身体所有权的量化方法，其特征在于，包括：
步骤1：获取用户的物理动作和与所述物理动作相对应的虚拟动作；
步骤2：对所述虚拟动作添加偏移量，基于所述偏移量进行相对应的所述物理动作，并计算相对应的身体所有权损失概率；
步骤3：基于所述偏移量和所述身体所有权损失概率建立偏移量和身体所有权量化关系模型；
步骤4：基于所述偏移量和身体所有权量化关系模型构建动态算法，以量化所述偏移量和所述身体所有权。
2.根据权利要求1所述的一种虚拟现实身体所有权的量化方法，其特征在于，
所述步骤1：获取用户的物理动作和与所述物理动作相对应的虚拟动作，包括：
步骤1.1：捕捉用户的物理动作以形成目标姿态数据集，其中，所述目标姿态数据集包括肩关节、肘关节和腕关节的三维空间位置；
步骤1.2：将所述肩关节、肘关节和腕关节的三维空间位置输入VR终端，以形成与所述肩关节、肘关节和腕关节的三维空间位置相对应的虚拟动作。
3.根据权利要求1所述的一种虚拟现实身体所有权的量化方法，其特征在于，
所述步骤2：对所述虚拟动作添加偏移量，基于所述偏移量进行相对应的所述物理动作，并计算相对应的身体所有权损失概率，包括：
步骤2.1：对所述虚拟动作添加角度偏移量；
步骤2.2：基于所述角度偏移量进行相对应的所述物理动作；
步骤2.3：当用户做出相对应的所述物理动作时，根据用户对虚拟身体的身体所有权计算相对应的所述身体所有权损失概率。
4.根据权利要求3所述的一种虚拟现实身体所有权的量化方法，其特征在于，
所述步骤2.1：对所述虚拟动作添加角度偏移量，包括：
步骤2.1.1：对同一虚拟动作中所述肩关节的两个自由度和肘关节的两个自由度分别添加第一角度偏移量；
步骤2.1.2：对同一虚拟动作中所述肩关节和肘关节分别添加第二角度偏移量；
步骤2.1.3：对不同虚拟动作中所述肩关节和肘关节同时添加第三角度偏移量。
5.根据权利要求4所述的一种虚拟现实身体所有权的量化方法，其特征在于，
所述步骤3：基于所述偏移量和所述身体所有权损失概率建立偏移量和身体所有权量化关系模型，包括：
步骤3.1：基于所述第一角度偏移量和相对应的所述身体所有权损失概率建立第一量化关系模型；
步骤3.2：基于所述第二角度偏移量和相对应的所述身体所有权损失概率建立第二量化关系模型；
步骤3.3：基于所述第三角度偏移量和相对应的所述身体所有权损失概率建立第三量化关系模型；
步骤3.4：基于所述第一量化关系模型、第二量化关系模型和第三量化关系模型形成所述偏移量和身体所有权量化关系模型。
6.一种虚拟现实身体所有权的量化系统，其特征在于，包括：
获取模块，用于获取用户的物理动作和与所述物理动作相对应的虚拟动作；
偏移量模块，用于对所述虚拟动作添加偏移量，基于所述偏移量进行相对应的所述物理动作，并计算相对应的身体所有权损失概率；
量化关系模块，用于基于所述偏移量和所述身体所有权损失概率建立偏移量和身体所有权量化关系模型；
算法模块，用于基于所述偏移量和身体所有权量化关系模型构建动态算法，以量化所述偏移量和所述身体所有权。
7.根据权利要求6所述的一种虚拟现实身体所有权的量化系统，其特征在于，
所述获取模块包括：
捕捉单元，用于捕捉用户的物理动作以形成目标姿态数据集，其中，所述目标姿态数据集包括肩关节、肘关节和腕关节的三维空间位置；
虚拟动作单元，用于将所述肩关节、肘关节和腕关节的三维空间位置输入VR终端，以形成与所述肩关节、肘关节和腕关节的三维空间位置相对应的虚拟动作；
所述偏移量模块包括：
角度偏移单元，用于对所述虚拟动作添加角度偏移量；
物理动作单元，用于基于所述角度偏移量进行相对应的所述物理动作；
身体所有权单元，用于当用户做出相对应的所述物理动作时，根据用户对虚拟身体的身体所有权计算相对应的所述身体所有权损失概率；
所述角度偏移单元包括：
第一角度偏移量组件，用于对同一虚拟动作中所述肩关节的两个自由度和肘关节的两个自由度分别添加第一角度偏移量；
第二角度偏移量组件，用于对同一虚拟动作中所述肩关节和肘关节分别添加第二角度偏移量；
第三角度偏移量组件，用于对不同虚拟动作中所述肩关节和肘关节同时添加第三角度偏移量。
8.根据权利要求7所述的一种虚拟现实身体所有权的量化系统，其特征在于，
所述量化关系模块包括：
第一量化单元，用于基于所述第一角度偏移量和相对应的所述身体所有权损失概率建立第一量化关系模型；
第二量化单元，用于基于所述第二角度偏移量和相对应的所述身体所有权损失概率建立第二量化关系模型；
第三量化单元，用于基于所述第三角度偏移量和相对应的所述身体所有权损失概率建立第三量化关系模型；
量化关系单元，用于基于所述第一量化关系模型、第二量化关系模型和第三量化关系模型形成所述偏移量和身体所有权量化关系模型。
9.一种电子设备，包括总线、收发器(显示单元/输出单元、输入单元)、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的一种虚拟现实身体所有权的量化方法中的步骤。
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，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的一种虚拟现实身体所有权的量化方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111394318.9A CN114089833A (zh) | 2021-11-23 | 2021-11-23 | 一种虚拟现实身体所有权的量化方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111394318.9A CN114089833A (zh) | 2021-11-23 | 2021-11-23 | 一种虚拟现实身体所有权的量化方法、系统及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114089833A true CN114089833A (zh) | 2022-02-25 |
Family
ID=80303238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111394318.9A Pending CN114089833A (zh) | 2021-11-23 | 2021-11-23 | 一种虚拟现实身体所有权的量化方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114089833A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975748A (zh) * | 2006-12-15 | 2007-06-06 | 浙江大学 | 虚拟网络马拉松的健身游戏方法 |
| CN104407701A (zh) * | 2014-11-27 | 2015-03-11 | 曦煌科技(北京)有限公司 | 一种面向个人的集群化虚拟现实交互系统 |
| KR101830793B1 (ko) * | 2016-09-07 | 2018-02-21 | 한국해양과학기술원 | 상체 상호작용을 이용한 가상훈련 시스템 |
| US20180165864A1 (en) * | 2016-12-13 | 2018-06-14 | DeepMotion, Inc. | Virtual reality system using multiple force arrays for a solver |
| CN108762495A (zh) * | 2018-05-18 | 2018-11-06 | 深圳大学 | 基于手臂动作捕捉的虚拟现实驱动方法及虚拟现实系统 |
| US20180359448A1 (en) * | 2017-06-07 | 2018-12-13 | Digital Myths Studio, Inc. | Multiparty collaborative interaction in a virtual reality environment |
| US20190065970A1 (en) * | 2017-08-30 | 2019-02-28 | P Tech, Llc | Artificial intelligence and/or virtual reality for activity optimization/personalization |
| CN110769261A (zh) * | 2019-06-28 | 2020-02-07 | 叠境数字科技（上海）有限公司 | 一种三维动态序列模型的压缩编码方法 |
| CN112000228A (zh) * | 2020-09-04 | 2020-11-27 | 李欢 | 一种沉浸式虚拟现实中控制移动的方法及系统 |
-
2021
- 2021-11-23 CN CN202111394318.9A patent/CN114089833A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1975748A (zh) * | 2006-12-15 | 2007-06-06 | 浙江大学 | 虚拟网络马拉松的健身游戏方法 |
| CN104407701A (zh) * | 2014-11-27 | 2015-03-11 | 曦煌科技(北京)有限公司 | 一种面向个人的集群化虚拟现实交互系统 |
| KR101830793B1 (ko) * | 2016-09-07 | 2018-02-21 | 한국해양과학기술원 | 상체 상호작용을 이용한 가상훈련 시스템 |
| US20180165864A1 (en) * | 2016-12-13 | 2018-06-14 | DeepMotion, Inc. | Virtual reality system using multiple force arrays for a solver |
| US20180359448A1 (en) * | 2017-06-07 | 2018-12-13 | Digital Myths Studio, Inc. | Multiparty collaborative interaction in a virtual reality environment |
| US20190065970A1 (en) * | 2017-08-30 | 2019-02-28 | P Tech, Llc | Artificial intelligence and/or virtual reality for activity optimization/personalization |
| CN108762495A (zh) * | 2018-05-18 | 2018-11-06 | 深圳大学 | 基于手臂动作捕捉的虚拟现实驱动方法及虚拟现实系统 |
| CN110769261A (zh) * | 2019-06-28 | 2020-02-07 | 叠境数字科技（上海）有限公司 | 一种三维动态序列模型的压缩编码方法 |
| CN112000228A (zh) * | 2020-09-04 | 2020-11-27 | 李欢 | 一种沉浸式虚拟现实中控制移动的方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 赵璐 等: "触觉再现技术研究进展", 计算机辅助设计与图形学学报, vol. 30, no. 11, 31 December 2018 (2018-12-31), pages 1979 - 2000 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020186935A1 (zh) | 虚拟对象的显示方法、装置、电子设备和计算机可读存储介质 | |
| US9208613B2 (en) | Action modeling device, method, and program | |
| JP2022550555A (ja) | 画像処理方法、装置、電子機器及びコンピュータプログラム | |
| CN115690382B (zh) | 深度学习模型的训练方法、生成全景图的方法和装置 | |
| CN109754464B (zh) | 用于生成信息的方法和装置 | |
| CN110568923A (zh) | 基于Unity3D的虚拟现实交互方法、装置、设备及存储介质 | |
| CN109144252B (zh) | 对象确定方法、装置、设备和存储介质 | |
| WO2024011792A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| WO2020253716A1 (zh) | 图像生成方法和装置 | |
| CN112258653A (zh) | 弹性对象的渲染方法、装置、设备及存储介质 | |
| CN111243085B (zh) | 图像重建网络模型的训练方法、装置和电子设备 | |
| CN113470112A (zh) | 图像处理方法、装置、存储介质以及终端 | |
| US20130197883A1 (en) | Creating a system equilibrium via unknown force(s) | |
| CN113296605B (zh) | 力反馈方法、力反馈装置及电子设备 | |
| Wang et al. | Multi-Kinects fusion for full-body tracking in virtual reality-aided assembly simulation | |
| CN115775310A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| US20240220406A1 (en) | Collision processing method and apparatus for virtual object, and electronic device and storage medium | |
| CN114089833A (zh) | 一种虚拟现实身体所有权的量化方法、系统及电子设备 | |
| CN109816791B (zh) | 用于生成信息的方法和装置 | |
| WO2024007496A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN111275799B (zh) | 动画的生成方法、装置和电子设备 | |
| CN112785689A (zh) | 一种三维模型构建方法、装置、系统及存储介质 | |
| CN109542210B (zh) | 基于虚拟引擎的手臂运动模拟还原方法、存储介质 | |
| CN111275813B (zh) | 数据处理方法、装置和电子设备 | |
| US20220189050A1 (en) | Synthesizing 3d hand pose based on multi-modal guided generative networks |
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 |