CN115220577A - 一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法 - Google Patents
一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法 Download PDFInfo
- Publication number
- CN115220577A CN115220577A CN202210715235.3A CN202210715235A CN115220577A CN 115220577 A CN115220577 A CN 115220577A CN 202210715235 A CN202210715235 A CN 202210715235A CN 115220577 A CN115220577 A CN 115220577A
- Authority
- CN
- China
- Prior art keywords
- gyroscope
- training
- position data
- unit
- error compensation
- 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
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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Abstract
本发明公开一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法,系统包括采集系统、训练装置和预测补偿装置;所述采集系统包括若干个姿态传感器和光学定位系统;所述姿态传感器安装在测试人员身上不同位置,所述姿态传感器上安装有陀螺仪、光学标记装置和输出装置,所述陀螺仪用于获取测试人员进行运动项目的原始位置数据;所述光学标记装置设于陀螺仪上;所述光学定位系统用于采集光学标记装置的图像数据并获得每个光学标记装置的标准位置数据;所述训练装置包括原始数据收集单元、标注数据收集单元、控制单元和内附深度循环神经网络的深度循环神经网络训练单元;所述预测补偿装置分别连接陀螺仪和输出装置。本发明对低成本陀螺仪的误差进行补偿。
Description
技术领域
本发明涉及动态无功补偿技术领域,更具体地,涉及一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法。
背景技术
三维空间姿态信息是反映物体实时所处状态的重要参数信息。陀螺仪可以让物体在运动过程中感知其水平、垂直、俯仰、航向和角速度等信息。因此姿态测量技术在国防军事、工业控制以及民用消费电子中发挥着重要的作用。MEMS技术也被称为微机电系统,该技术利用微电子技术和微机械技术将传感器的功能集成到了一个微小的芯片当中。MEMS陀螺仪也随着MEMS技术孕育而生。高精度陀螺仪的成本高,一般用于国防军事装备方面,而对于目前消费级民用领域的低成本MEMS陀螺仪存在精度低、误差高等缺点。
MEMS九轴陀螺仪是由3轴加速度计、3轴陀螺仪、3轴磁力计组成。由于低成本的MEMS九轴陀螺仪存在漂移积分累计误差,必须采用加速度计进行误差修正,才能获得较为准确的姿态信息。当用MEMS陀螺仪贴敷在人体四肢表面,进行人体姿态捕捉时,人体在运动的过程中会出现甩臂蹬腿等高加速度运动,此时机体产生的运动加速度会导致加速度计测量精度降低进而引起姿态解算算法精度下降、动态性能变差。目前的研究中,大都采用自适应的滤波算法来补偿漂移误差,但这种基于自适应的滤波算法存在在高加速度运动中加速度造成的姿态误差变大的问题。还有一些研究将三子样姿态测量模型融入卡尔曼滤波姿态估计模型中,提高了姿态解算精度和抗干扰能力,但这种基于卡尔曼的算法对高加速度运动的物体进行姿态解算的方法依然存在一定的误差。
神经网络近几年来发展迅速,神经网络与传统的算法相比,神经网络在复杂函数的拟合上表现的非常好,而且在传感器的性能补偿方面也取得了显著的效果。通过训练深度循环神经网络,用训练好的模型能够有效的补偿在高加速度运动中加速度计的误差,进而提升姿态解算的精度。循环神经网络是针对时序问题提出的深度神经网络,但是当训练的时间序列较长时,在误差反向传播中会出现梯度消失与梯度爆炸的问题。于是研究者提出了LSTM长短时记忆神经网络和GRU门控循环单元神经网络,但GRU神经网络与LSTM神经网络相比,具有训练参数更少、训练速度更快、计算量更小的优点。针对上述现有技术缺陷,本发明基于深度循环神经网络设计了新型的人体姿态补偿的系统及补偿方法,能够利用深度循环神经网络对低成本陀螺仪的误差进行补偿。
发明内容
本发明的目的在于提供一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法,成本低廉,通过利用深度循环神经网络对低成本陀螺仪的误差进行补偿,提高精度。
为达到上述目的,提供了一种用于人体姿态捕捉陀螺仪的误差补偿系统,包括采集系统、训练装置和预测补偿装置;所述采集系统包括若干个姿态传感器和光学定位系统;
所述姿态传感器安装在测试人员身上不同位置,所述姿态传感器上安装有陀螺仪、光学标记装置和输出装置,所述陀螺仪用于获取测试人员进行运动项目的原始位置数据;所述光学标记装置设于陀螺仪上;所述运动项目包括静止、行走、快跑、开合跳。
所述光学定位系统用于采集光学标记装置的图像数据并获得每个光学标记装置的标准位置数据;
所述训练装置包括原始数据收集单元、标注数据收集单元、控制单元和内附深度循环神经网络的深度循环神经网络训练单元;所述原始数据收集单元、标准数据收集单元、深度循环神经网络训练单元、输出单元分别连接控制单元;所述原始数据收集单元用于收集姿态传感器获得的原始位置数据;所述标注数据收集单元用于收集光学定位系统获得的标准位置数据;所述控制单元用于将原始位置数据和标准位置数据输入至深度循环神经网络训练单元进行训练获得误差补偿模型;所述输出单元用于输出误差补偿模型;
所述预测补偿装置分别连接陀螺仪和输出装置;所述预测补偿装置连接训练装置的输出单元;所述预测补偿装置用于存储并使用误差补偿模型。
特别的,所述预测补偿装置上设有数据传输端口;所述数据传输端口用于连接训练装置。
特别的,所述输出装置为LED显示屏。
特别的,所述陀螺仪采用MEMS九轴陀螺仪。
特别的,所述光学定位系统采用HTC Vive光学定位系统。
特别的,所述光学定位系统采用基于图像识别的三维动作捕捉分析系统MotionAnalysis。
特别的,所述光学标记装置可拆卸安装在姿态传感器上;所述预测补偿装置可拆卸安装在姿态传感器上。
特别的,所述深度循环神经网络训练单元采用GRU神经网络。
一种基于上述误差补偿系统的补偿方法,包括采集步骤、训练步骤和预测补偿步骤;
所述采集步骤包括以下步骤:将姿态传感器安装在测试人员身上不同位置;测试人员在光学定位系统能采集光学标记装置的图像数据的位置上进行运动项目;陀螺仪在获取测试人员进行运动项目的原始位置数据的同时,光学定位系统采集光学标记装置的图像数据并获得每个光学标记装置的标准位置数据;
训练步骤包括以下步骤:原始数据收集单元收集陀螺仪获得的大量原始位置数据;光学定位系统获得的大量标准位置数据;控制器单元将原始位置数据和标准位置数据按照3:7的比例划分为训练集和测试集;设计深度循环神经网络;控制器单元将训练集和测试集对深度循环神经网络进行深度训练最终获得误差补偿模型;控制器单元控制输出单元输出误差补偿模型;
预测补偿步骤包括以下步骤:使得预测补偿装置连接训练装置的输出单元获得误差补偿模型并存储;预测补偿装置接收陀螺仪获得的原始位置数据后经过误差补偿模型,向输出装置输出对原始位置数据进行补偿的位置数据。
特别的,所述训练步骤中设计深度循环神经网络的具体方法包括以下步骤:设计深度循环神经网络的输入层、隐藏层和输出层;设定神经元数量和隐藏层的层数依据特征学习能力、复杂度、训练速度的实际需要进行确定;设定以原始位置数据为输入,标准位置数据为输出的决策函数,并设定原始位置数据与标准位置数据的差值建立损失函数;设定优化器的设置。
特别的,所述训练步骤中深度训练的具体方法包括以下步骤:在训练开始前随机生成一组权值分配给训练集,随后由定义好的决策函数根据训练集的数据计算得到输出值,并根据输出值与测试集的数据之间的误差反复修正权值,直至输出值与测试集的数据之间的误差达到预先设定的限值。
本发明的有益效果:
1、本发明通过训练装置接收姿态传感器不断训练,可以在使用低成本的陀螺仪,如MEMS九轴陀螺仪,在进行人体姿态捕捉时,提高陀螺仪的姿态解算精度。
2、本发明在高加速度运动的情况下使用三轴加速度计,仍然维持加速度计的测量精度。
3、本发明在无专业设备的情况下,依然可以准确的校准设备。
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为本发明实施例一的动态无功补偿装置的结构框图;
图2为本发明实施例一的补偿方法的流程图。
图3为本发明实施例二的动态无功补偿装置的结构框图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
实例一:如图1、图2所示,为实施例的一种用于人体姿态捕捉陀螺仪的误差补偿系统,包括采集系统、训练装置和预测补偿装置。采集系统包括若干个姿态传感器和光学定位系统;
姿态传感器安装在测试人员身上不同位置,姿态传感器上安装有MEMS九轴陀螺仪、光学标记装置和输出装置,陀螺仪用于获取测试人员进行日常跑跳动作的原始位置数据;光学标记装置设于陀螺仪上。陀螺仪采用MEMS九轴陀螺仪。
光学定位系统采用较低成本的HTC Vive光学定位系统。这种光学定位系统的精度在1mm左右。光学定位系统用于采集光学标记装置的图像数据并获得每个光学标记装置的标准位置数据。
训练装置包括原始数据收集单元、标注数据收集单元、控制单元和深度循环神经网络训练单元。原始数据收集单元、标准数据收集单元、内附深度循环神经网络的深度循环神经网络训练单元、输出单元分别连接控制单元。原始数据收集单元用于收集姿态传感器获得的原始位置数据。标注数据收集单元用于收集光学定位系统获得的标准位置数据;所述控制单元用于将原始位置数据和标准位置数据输入至深度循环神经网络训练单元进行训练获得误差补偿模型。输出单元用于输出误差补偿模型。深度循环神经网络训练单元采用GRU神经网络。
预测补偿装置分别连接陀螺仪和输出装置;所述预测补偿装置连接训练装置的输出单元;所述预测补偿装置用于存储并使用误差补偿模型。输出装置为LED显示屏。光学标记装置可拆卸安装在姿态传感器上。预测补偿装置可拆卸安装在姿态传感器上。
实例二:如图3所示,除了光学定位系统,其余部分与权利要求1相同。实施例二基于图像的三维动作捕捉分析系统Motion Analysis同步采集相应位置的标准值作为更准确的理想输出,虽然这种系统昂贵,但这种定位动作捕捉分析系统精度在亚毫米级。
一种基于实施例一和实施例二的误差补偿系统的补偿方法,包括采集步骤、训练步骤和预测补偿步骤;
所述采集步骤包括以下步骤:将姿态传感器安装在测试人员身上不同位置;测试人员在光学定位系统能采集光学标记装置的图像数据的位置上进行运动项目;陀螺仪在获取测试人员进行运动项目的原始位置数据的同时,光学定位系统采集光学标记装置的图像数据并获得每个光学标记装置的标准位置数据;
训练步骤包括以下步骤:原始数据收集单元收集陀螺仪获得的大量原始位置数据;光学定位系统获得的大量标准位置数据;控制器单元将原始位置数据和标准位置数据按照3:7的比例划分为训练集和测试集;设计深度循环神经网络;控制器单元将训练集和测试集对深度循环神经网络进行深度训练最终获得误差补偿模型;控制器单元控制输出单元输出误差补偿模型;
训练步骤中设计深度循环神经网络的具体方法包括以下步骤:设计深度循环神经网络的输入层、隐藏层和输出层;设定神经元数量和隐藏层的层数依据特征学习能力、复杂度、训练速度的实际需要进行确定;设定以原始位置数据为输入,标准位置数据为输出的决策函数,并设定原始位置数据与标准位置数据的差值建立损失函数;设定优化器的设置。
训练步骤中深度训练的具体方法包括以下步骤:在训练开始前随机生成一组权值分配给训练集,随后由定义好的决策函数根据训练集的数据计算得到输出值,并根据输出值与测试集的数据之间的误差反复修正权值,直至输出值与测试集的数据之间的误差达到预先设定的限值。
预测补偿步骤包括以下步骤:使得预测补偿装置连接训练装置的输出单元获得误差补偿模型并存储;预测补偿装置接收陀螺仪获得的原始位置数据后经过误差补偿模型,向输出装置输出对原始位置数据进行补偿的位置数据。
本发明实施例一和实施例而的有益效果如下所示:
1、本发明实施例一和实施例通过训练装置接收姿态传感器不断训练,可以在使用低成本的陀螺仪,如MEMS九轴陀螺仪,在进行人体姿态捕捉时,提高陀螺仪的姿态解算精度。
2、本发明实施例一和实施例在高加速度运动的情况下使用三轴加速度计,仍然维持加速度计的测量精度。
3、本发明实施例一和实施例在无专业设备的情况下,依然可以准确的校准设备。
虽然结合附图描述了本发明的实施方式,但是专利所有者可以在所附权利要求的范围之内做出各种变形或修改,只要不超过本发明的权利要求所描述的保护范围,都应当在本发明的保护范围之内。
Claims (10)
1.一种用于人体姿态捕捉陀螺仪的误差补偿系统,包括采集系统、训练装置和预测补偿装置;所述采集系统包括若干个姿态传感器和光学定位系统;
所述姿态传感器安装在测试人员身上不同位置,所述姿态传感器上安装有陀螺仪、光学标记装置和输出装置,所述陀螺仪用于获取测试人员进行运动项目的原始位置数据;所述光学标记装置设于陀螺仪上;
所述光学定位系统用于采集光学标记装置的图像数据并获得每个光学标记装置的标准位置数据;
所述训练装置包括原始数据收集单元、标注数据收集单元、控制单元和内附深度循环神经网络的深度循环神经网络训练单元;所述原始数据收集单元、标准数据收集单元、深度循环神经网络训练单元、输出单元分别连接控制单元;所述原始数据收集单元用于收集姿态传感器获得的原始位置数据;所述标注数据收集单元用于收集光学定位系统获得的标准位置数据;所述控制单元用于将原始位置数据和标准位置数据输入至深度循环神经网络训练单元进行训练获得误差补偿模型;所述输出单元用于输出误差补偿模型;
所述预测补偿装置分别连接陀螺仪和输出装置;所述预测补偿装置连接训练装置的输出单元;所述预测补偿装置用于存储并使用误差补偿模型。
2.根据权利要求1所述的一种用于人体姿态捕捉陀螺仪的误差补偿系统,其特征在于:所述输出装置为LED显示屏。
3.根据权利要求1所述的一种用于人体姿态捕捉陀螺仪的误差补偿系统,其特征在于:所述陀螺仪采用MEMS九轴陀螺仪。
4.根据权利要求1所述的一种用于人体姿态捕捉陀螺仪的误差补偿系统,其特征在于:所述光学定位系统采用HTC Vive光学定位系统。
5.根据权利要求1所述的一种用于人体姿态捕捉陀螺仪的误差补偿系统,其特征在于:所述光学定位系统采用基于图像识别的三维动作捕捉分析系统Motion Analysis。
6.根据权利要求1所述的一种用于人体姿态捕捉陀螺仪的误差补偿系统,其特征在于:所述光学标记装置可拆卸安装在姿态传感器上;所述预测补偿装置可拆卸安装在姿态传感器上。
7.根据权利要求1所述的一种用于人体姿态捕捉陀螺仪的误差补偿系统,其特征在于:所述深度循环神经网络训练单元采用GRU神经网络。
8.一种基于权利要求1-7任意一种误差补偿系统的补偿方法,其特征在于:包括采集步骤、训练步骤和预测补偿步骤;
所述采集步骤包括以下步骤:将姿态传感器安装在测试人员身上不同位置;测试人员在光学定位系统能采集光学标记装置的图像数据的位置上进行运动项目;陀螺仪在获取测试人员进行运动项目的原始位置数据的同时,光学定位系统采集光学标记装置的图像数据并获得每个光学标记装置的标准位置数据;
训练步骤包括以下步骤:原始数据收集单元收集陀螺仪获得的大量原始位置数据;光学定位系统获得的大量标准位置数据;控制器单元将原始位置数据和标准位置数据按照3:7的比例划分为训练集和测试集;设计深度循环神经网络;控制器单元将训练集和测试集对深度循环神经网络进行深度训练最终获得误差补偿模型;控制器单元控制输出单元输出误差补偿模型;
预测补偿步骤包括以下步骤:使得预测补偿装置连接训练装置的输出单元获得误差补偿模型并存储;预测补偿装置接收陀螺仪获得的原始位置数据后经过误差补偿模型,向输出装置输出对原始位置数据进行补偿的位置数据。
9.根据权利要求8所述的一种用于人体姿态捕捉陀螺仪的误差补偿方法,其特征在于:所述训练步骤中设计深度循环神经网络的具体方法包括以下步骤:设计深度循环神经网络的输入层、隐藏层和输出层;设定神经元数量和隐藏层的层数依据特征学习能力、复杂度、训练速度的实际需要进行确定;设定以原始位置数据为输入,标准位置数据为输出的决策函数,并设定原始位置数据与标准位置数据的差值建立损失函数;设定优化器的设置。
10.根据权利要求9所述的一种用于人体姿态捕捉陀螺仪的误差补偿方法,其特征在于:所述训练步骤中深度训练的具体方法包括以下步骤:在训练开始前随机生成一组权值分配给训练集,随后由定义好的决策函数根据训练集的数据计算得到输出值,并根据输出值与测试集的数据之间的误差反复修正权值,直至输出值与测试集的数据之间的误差达到预先设定的限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210715235.3A CN115220577A (zh) | 2022-06-23 | 2022-06-23 | 一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210715235.3A CN115220577A (zh) | 2022-06-23 | 2022-06-23 | 一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115220577A true CN115220577A (zh) | 2022-10-21 |
Family
ID=83610605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210715235.3A Pending CN115220577A (zh) | 2022-06-23 | 2022-06-23 | 一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115220577A (zh) |
-
2022
- 2022-06-23 CN CN202210715235.3A patent/CN115220577A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101509472B1 (ko) | 운동파라미터 확정방법, 장치와 운동지원방법 | |
CN108939512B (zh) | 一种基于穿戴式传感器的游泳姿态测量方法 | |
CN106153077B (zh) | 一种用于m-imu人体运动捕获系统的初始化校准方法 | |
CN109579853A (zh) | 基于bp神经网络的惯性导航室内定位方法 | |
CN108338791A (zh) | 失稳运动数据的检测装置及检测方法 | |
US10126108B2 (en) | Apparatus and method for classifying orientation of a body of a mammal | |
CN109284006B (zh) | 一种人体运动捕获装置和方法 | |
CN111194122A (zh) | 一种体感互动灯光控制系统 | |
CN109597086A (zh) | 一种非接触式直升机外吊挂物的运动测量方法 | |
CN115024715A (zh) | 一种人体运动智能测量与数字训练系统 | |
CN116027905A (zh) | 基于惯性传感器的双人皮划艇上肢动作捕捉方法 | |
CN109000633A (zh) | 基于异构数据融合的人体姿态动作捕捉算法设计 | |
CN109846487A (zh) | 基于MIMU/sEMG融合的大腿运动姿态测量方法和装置 | |
CN108917755B (zh) | 一种成像导引头视线角零位误差估计方法及装置 | |
CN111307146A (zh) | 一种基于双目相机和imu的虚拟现实头戴显示设备定位系统 | |
CN108534772A (zh) | 姿态角获取方法及装置 | |
CN108827290A (zh) | 一种人体运动状态反演装置及方法 | |
CN115655265A (zh) | 一种基于惯性传感的行人导航室内定位方法 | |
CN113229806A (zh) | 可穿戴人体步态检测及导航系统及其运行方法 | |
CN112729297A (zh) | 一种基于多mems传感器的微型航姿定位装置 | |
CN115220577A (zh) | 一种用于人体姿态捕捉陀螺仪的误差补偿系统及补偿方法 | |
CN100580372C (zh) | 一种军用救生衣对人体的水中姿态控制测试系统 | |
CN208591046U (zh) | 失稳运动数据的检测装置 | |
CN114469078B (zh) | 一种基于光惯融合的人体运动检测方法 | |
CN116226727A (zh) | 一种基于ai的运动识别系统 |
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 |