CN117173382B - Vr交互中的虚拟数字人体态矫正方法、系统及存储介质 - Google Patents
Vr交互中的虚拟数字人体态矫正方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117173382B CN117173382B CN202311406092.9A CN202311406092A CN117173382B CN 117173382 B CN117173382 B CN 117173382B CN 202311406092 A CN202311406092 A CN 202311406092A CN 117173382 B CN117173382 B CN 117173382B
- Authority
- CN
- China
- Prior art keywords
- key point
- newpos
- deltaarotate
- gesture
- point data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000003993 interaction Effects 0.000 title claims abstract description 20
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 70
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了VR交互中的虚拟数字人体态矫正方法、系统及存储介质，属于虚拟与现实技术领域，该方法包括：预先录制标准姿态下虚拟人物的骨骼关键点数据保存至姿态数据库；获取虚拟人物的实时骨骼关键点数据，通过旋转矩阵将实时骨骼关键点数据转换为标准姿态下的新骨骼关键点坐标newpos；在姿态数据库对比newpos是否超出正常数值区间，若未超出则newpos不变，若超出则newpos取姿态数据库中正常数值区间的边界值；计算实时骨骼关键点数据中头部关键点与对照数据中头部关键点的高度差，将高度差与newpos相加得到最终骨骼关键点的坐标数值。利用姿态数据库校正不同角度不同高度下人物，保证虚拟人物姿态更加真实。
Description
技术领域
本发明涉及虚拟与现实技术领域，特别涉及VR交互中的虚拟数字人体态矫正方法、系统及存储介质。
背景技术
虚拟数字人是用人工智能、虚拟现实技术和先进技术打造的一系列虚拟形象，它由一个或多个计算机生成并融合了真人形象的数据和特征的人类活动过程和信息的综合表现形式。目前比较常见的实现是虚拟数字人的姿态是通过VR设备提供人物骨骼关键节点，算法来驱动肢体运动，真实反馈现实中的人的肢体动作、语言，表情等。
但是现有的虚拟数字人主要利用VR设备定位骨骼关键点实现，在VR设备定位不准确时，硬件本身存在的缺陷导致提供给算法的人物骨骼关键节点位置角度错乱，以至于数字人的展示会表现出扭曲变形，从而导致数字人给别人带来体验上的不适感。
发明内容
本发明的目的就在于为了解决上述虚拟数字人会导致姿态扭曲变形的问题提出VR交互中的虚拟数字人体态矫正方法、系统及存储介质，具有对扭曲的姿态进行矫正，计算量低，准确性高的优点。
第一方面，本发明通过以下技术方案来实现上述目的，一种VR交互中的虚拟数字人体态矫正方法，该方法包括以下步骤：
步骤S1、预先录制标准姿态下虚拟人物的骨骼关键点数据作为对照数据，并将所述对照数据保存至姿态数据库，所述骨骼关键点数据包括虚拟人物的头部及四肢关键点的位置坐标和角度；
步骤S2、获取虚拟人物的实时骨骼关键点数据，通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据，所述转换方法包括：
A、将实时骨骼关键点数据中四肢的骨骼关键点坐标与头部关键点坐标相减得到向量deltavector；
B、使用旋转矩阵与每个deltavector相乘得到新的向量newvector；
C、所述newvector与头部关键点坐标相加，得到标准姿态下的新骨骼关键点坐标newpos；
步骤S3、在所述姿态数据库对比所述newpos是否超出正常数值区间，若未超出则newpos不变，若超出则newpos取所述姿态数据库中正常数值区间的边界值；
步骤S4、计算实时骨骼关键点数据中头部关键点与对照数据中头部关键点的高度差，将所述高度差与步骤S3中的newpos相加得到最终骨骼关键点的坐标数值。
优选的，所述姿态数据库保存的骨骼关键点数据为虚拟人物以自身为坐标系头部及四肢在正常活动幅度下的所有位置坐标和角度。
优选的，所述旋转矩阵的计算方法为：
计算当前虚拟人物的骨骼关键点角度Y轴数值减去标准姿态下的虚拟人物骨骼关键点角度Y轴数值，得到角度差deltarotate；
把deltarotate转换到-180°到180°之间；
所述deltarotate取模360°，如果deltarotate大于180°，则deltarotate减去360°，如果小于-180°，则deltarotate加上360°，得到最终的deltarotate；
创建一个围绕Y轴旋转deltarotate的矩阵，即为旋转矩阵。
优选的，所述在所述姿态数据库对比所述newpos是否超出正常数值区间的方法包括：
计算newpos和姿态数据库中每个骨骼关键点的距离；
若该距离在最小球形范围内，则输出为newpos未超出正常数值区间；
若该距离超过最小球形范围，则进行一次xyz方位的校验，校验该距离是否超过xyz任意一个方位的范围，若超过，则取对应方位的边界值。
第二方面，本发明通过以下技术方案来实现上述目的，一种VR交互中的虚拟数字人体态矫正系统，其特征在于，该系统包括：
姿态数据库，用于预先录制标准姿态下虚拟人物的骨骼关键点数据作为对照数据，并将所述对照数据保存至姿态数据库，所述骨骼关键点数据包括虚拟人物的头部及四肢关键点的位置坐标和角度；
第一转换单元，用于获取虚拟人物的实时骨骼关键点数据，通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据，所述转换方法包括：
A、将实时骨骼关键点数据中四肢的骨骼关键点坐标与头部关键点坐标相减得到向量deltavector；
B、使用旋转矩阵与每个deltavector相乘得到新的向量newvector；
C、所述newvector与头部关键点坐标相加，得到标准姿态下的新骨骼关键点坐标newpos；
校验单元，用于在所述姿态数据库对比所述newpos是否超出正常数值区间，若未超出则newpos不变，若超出则newpos取所述姿态数据库中正常数值区间的边界值；
第二转换单元，计算实时骨骼关键点数据中头部关键点与对照数据中头部关键点的高度差，将所述高度差与步骤S3中的newpos相加得到最终骨骼关键点的坐标数值。
优选的，所述第一转换单元中旋转矩阵的计算方法为：
计算当前虚拟人物的骨骼关键点角度Y轴数值减去标准姿态下的虚拟人物骨骼关键点角度Y轴数值，得到角度差deltarotate；
把deltarotate转换到-180°到180°之间；
所述deltarotate取模360°，如果deltarotate大于180°，则deltarotate减去360°，如果小于-180°，则deltarotate加上360°，得到最终的deltarotate；
创建一个围绕Y轴旋转deltarotate的矩阵，即为旋转矩阵。
优选的，所述校验单元的校验方法包括：
计算newpos和姿态数据库中每个骨骼关键点的距离；
若该距离在最小球形范围内，则输出为newpos未超出正常数值区间；
若该距离超过最小球形范围，则进行一次xyz方位的校验，校验该距离是否超过xyz任意一个方位的范围，若超过，则取对应方位的边界值。
第三方面，本发明通过以下技术方案来实现上述目的，一种存储介质，其上存储有计算机程序，在所述计算机程序被处理器执行时，实现如第一方面所述的VR交互中的虚拟数字人体态矫正方法。
与现有技术相比，本发明的有益效果是：本发明通过预先录制标准姿态下的虚拟人物骨骼关键点数据作为对照数据，再根据对照数据对实时获取的虚拟人物的骨骼关键点进行矫正，有效的解决了虚拟人物的姿态扭曲问题，而且对照数据存储在姿态数据库中计算量大幅减少，准确性提高。
附图说明
图1为本发明的VR交互中的虚拟数字人体态矫正方法流程图。
图2为本发明的骨骼关键点数据的转换方法流程图。
图3为本发明的VR交互中的虚拟数字人体态矫正系统组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，一种VR交互中的虚拟数字人体态矫正方法，该方法包括以下步骤：
步骤S1、预先录制标准姿态下虚拟人物的骨骼关键点数据作为对照数据，并将所述对照数据保存至姿态数据库，所述骨骼关键点数据包括虚拟人物的头部及四肢关键点的位置坐标和角度，所述姿态数据库保存的骨骼关键点数据为虚拟人物以自身为坐标系头部及四肢在正常活动幅度下的所有位置坐标和角度。在录制时，由工作人穿戴好VR设备，标准姿势站立的工作人员在虚拟场景中显示状态即为标准姿态下的虚拟人物，VR设备的定位点为骨骼关键点，通过工作人员执行头、左手、右手、左脚、右脚在正常活动幅度下的动作，对各部位的骨骼关键点数据进行记录，从而记录的数据为对照数据，保存到姿态数据库中，该步骤属于预先准备阶段，后续的姿态矫正则需要利用姿态数据库作为参考。上述的对照数据录入一次即可，并且也可以后续补充完善，增删修改，完善对照数据使其在矫正时准确性更高，采用这种姿态数据库的方式使得整个计算量大幅减少，节约运算的资源消耗。上述所述的骨骼关键点数据是为了表示骨骼关键点的坐标和角度，以虚拟人物自身为坐标系，所有骨骼关键点的坐标可以描绘出虚拟人物的头部和四肢，而坐标与角度相结合可以准确的描绘出各部位的运动情况。
步骤S2、获取虚拟人物的实时骨骼关键点数据，通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据，由于每个使用者的身高或者站立的时的姿态是不同的，因此在进行虚拟数字人体态矫正时，还需先将当前虚拟人物转换到步骤S1中的标准姿态，才能参考姿态数据库进行矫正，而同一虚拟人物，在当前状态下的骨骼关键点数据与在标准姿态下的骨骼关键点数据是不一样的，为了避免矫正的误差，因此需要借助旋转矩阵实现当前状态骨骼关键点数据到标准姿态骨骼关键点数据的转换。
如图2所示，所述转换方法包括：
A、将实时骨骼关键点数据中四肢的骨骼关键点坐标与头部关键点坐标相减得到向量deltavector；
B、使用旋转矩阵与每个deltavector相乘得到新的向量newvector；旋转矩阵为实现坐标转换的重要手段，旋转矩阵是通过计算当前姿态下骨骼关键点与标准姿态下骨骼关键点的角度差得到的，其中的旋转矩阵中的θ则是角度差的值，所述旋转矩阵的计算方法为：
计算当前虚拟人物的骨骼关键点角度Y轴数值减去标准姿态下的虚拟人物骨骼关键点角度Y轴数值，得到角度差deltarotate；
把deltarotate转换到-180°到180°之间，在这角度区间可以方便计算矩阵，具体的转换方式如下：
所述deltarotate取模360°，如果deltarotate大于180°，则deltarotate减去360°，如果小于-180°，则deltarotate加上360°，得到最终的deltarotate；
创建一个围绕Y轴旋转deltarotate的矩阵，即为旋转矩阵。
C、所述newvector与头部关键点坐标相加，得到标准姿态下的新骨骼关键点坐标newpos；该步骤为步骤B的相反操作，将最后得到的newvector与头部关键点坐标相加可以得到在标准姿态下的头部和四肢的新骨骼关键点坐标newpos。
步骤S3、在所述姿态数据库对比所述newpos是否超出正常数值区间，若未超出则newpos不变，若超出则newpos取所述姿态数据库中正常数值区间的边界值，在步骤S2中得到的newpos虽然是转换为标准姿态下的骨骼关键点数据，但是由于存在vr设备对骨骼关键点识别不准确的情况，因此得到的newpos可能会超出虚拟人物活动范围，因此还需要对newpos进行校验，而本步骤是通过姿态数据库实现对newpos的校验，若是newpos超过姿态数据库存储的正常数值区间，那么说明姿态已经超过关节活动的正常范围，这样得到的最终骨骼关键点数据会导致虚拟人物扭曲，所以对超过正常数值区间的newpos取正常数值区间的边界值，等于利用边界值对newpos进行修正，保证最终的虚拟人物姿态正常。
步骤S4、计算实时骨骼关键点数据中头部关键点与对照数据中头部关键点的高度差，将所述高度差与步骤S3中的newpos相加得到最终骨骼关键点的坐标数值，步骤S3得到的newpos还是经过转换后的骨骼关键点数据，在步骤S2也提到了每个使用者的身高或者站立的时的姿态是不同的，所以本步骤是为了将newpos转换到实际使用者身高下的最终骨骼关键点数据作为最终的数据。
在步骤S3中，本申请newpos需要通过姿态数据库来进行修正，采用的方式也是通过对比newpos是否超出正常数值区间来进行，因此所述在所述姿态数据库对比所述newpos是否超出正常数值区间的方法包括：
计算newpos和姿态数据库中每个骨骼关键点的距离，该步骤是为了计算newpos和正常骨骼关键点之间的偏差；
若该距离在最小球形范围内，则输出为newpos未超出正常数值区间，这里的最小球形范围就是正常的骨骼关键点数据在最极限活动幅度下与正常活动幅度下的差值，本申请在坐标系下，每个骨骼关键点的坐标都需要包含xyz三轴的值，而最小球形范围就是将上述的差值按照xyz三轴的值划分出一个范围，只要计算出的偏差的xyz三轴没有一个超过这一范围，那么说明它是在最小球形范围内，属于满足正常数值区间的情况；相反的在不满足正常数值区间的情况如下：
若该距离超过最小球形范围，则进行一次xyz方位的校验，校验该距离是否超过xyz任意一个方位的范围，若超过，则取对应方位的边界值，这里取边界值是为了对newpos进行修正。
实施例2
如图3所示，一种VR交互中的虚拟数字人体态矫正系统，该系统包括：
姿态数据库，用于预先录制标准姿态下虚拟人物的骨骼关键点数据作为对照数据，并将所述对照数据保存至姿态数据库，所述骨骼关键点数据包括虚拟人物的头部及四肢关键点的位置坐标和角度；所述姿态数据库保存的骨骼关键点数据为虚拟人物以自身为坐标系头部及四肢在正常活动幅度下的所有位置坐标和角度；
第一转换单元，用于获取虚拟人物的实时骨骼关键点数据，通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据，所述转换方法包括：
A、将实时骨骼关键点数据中四肢的骨骼关键点坐标与头部关键点坐标相减得到向量deltavector；
B、使用旋转矩阵与每个deltavector相乘得到新的向量newvector；
C、所述newvector与头部关键点坐标相加，得到标准姿态下的新骨骼关键点坐标newpos；
校验单元，用于在所述姿态数据库对比所述newpos是否超出正常数值区间，若未超出则newpos不变，若超出则newpos取所述姿态数据库中正常数值区间的边界值；
第二转换单元，计算实时骨骼关键点数据中头部关键点与对照数据中头部关键点的高度差，将所述高度差与步骤S3中的newpos相加得到最终骨骼关键点的坐标数值。
所述第一转换单元中旋转矩阵的计算方法为：
计算当前虚拟人物的骨骼关键点角度Y轴数值减去标准姿态下的虚拟人物骨骼关键点角度Y轴数值，得到角度差deltarotate；
把deltarotate转换到-180°到180°之间；
所述deltarotate取模360°，如果deltarotate大于180°，则deltarotate减去360°，如果小于-180°，则deltarotate加上360°，得到最终的deltarotate；
创建一个围绕Y轴旋转deltarotate的矩阵，即为旋转矩阵。
所述校验单元的校验方法包括：
计算newpos和姿态数据库中每个骨骼关键点的距离；
若该距离在最小球形范围内，则输出为newpos未超出正常数值区间；
若该距离超过最小球形范围，则进行一次xyz方位的校验，校验该距离是否超过xyz任意一个方位的范围，若超过，则取对应方位的边界值。
实施例2与实施例1本质相同，因此不再赘述各个单元之间的运行原理。
实施例3
本实施例提出了一种存储介质，存储介质包括存储程序区和存储数据区，其中存储程序区可存储操作系统，以及运行即时通讯功能所需的程序等；存储数据区可存储各种即时通讯信息和操作指令集等。计算机程序存储在存储程序区，在所述计算机程序被处理器执行时，实现如实施例1所述的VR交互中的虚拟数字人体态矫正方法。处理器可以包括一个或多个中央处理单元（centrNlprocessingunit，CPU）或者为数字处理单元等等。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种VR交互中的虚拟数字人体态矫正方法，其特征在于，该方法包括以下步骤：
步骤S1、预先录制标准姿态下虚拟人物的骨骼关键点数据作为对照数据，并将所述对照数据保存至姿态数据库，所述骨骼关键点数据包括虚拟人物的头部及四肢关键点的位置坐标和角度；
步骤S2、获取虚拟人物的实时骨骼关键点数据，通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据，所述通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据的方法包括：
A、将实时骨骼关键点数据中四肢的骨骼关键点坐标与头部关键点坐标相减得到向量deltavector；
B、使用旋转矩阵与每个deltavector相乘得到新的向量newvector，旋转矩阵中θ是当前姿态下骨骼关键点与标准姿态下骨骼关键点的角度差的值；
C、所述newvector与头部关键点坐标相加，得到标准姿态下的新骨骼关键点坐标newpos；
步骤S3、在所述姿态数据库对比所述newpos是否超出正常数值区间，若未超出则newpos不变，若超出则newpos取所述姿态数据库中正常数值区间的边界值；
步骤S4、计算实时骨骼关键点数据中头部关键点与对照数据中头部关键点的高度差，将所述高度差与步骤S3中的newpos相加得到最终骨骼关键点的坐标数值。
2.根据权利要求1所述的VR交互中的虚拟数字人体态矫正方法，其特征在于，所述姿态数据库保存的骨骼关键点数据为虚拟人物以自身为坐标系头部及四肢在正常活动幅度下的所有位置坐标和角度。
3.根据权利要求1所述的VR交互中的虚拟数字人体态矫正方法，其特征在于，所述旋转矩阵的计算方法为：
计算当前虚拟人物的骨骼关键点角度Y轴数值减去标准姿态下的虚拟人物骨骼关键点角度Y轴数值，得到角度差deltarotate；
把deltarotate转换到-180°到180°之间；
所述deltarotate取模360°，如果deltarotate大于180°，则deltarotate减去360°，如果小于-180°，则deltarotate加上360°，得到最终的deltarotate；
创建一个围绕Y轴旋转deltarotate的矩阵，即为旋转矩阵。
4.根据权利要求1所述的VR交互中的虚拟数字人体态矫正方法，其特征在于，所述在所述姿态数据库对比所述newpos是否超出正常数值区间的方法包括：
计算newpos和姿态数据库中每个骨骼关键点的距离；
若该距离在最小球形范围内，则输出为newpos未超出正常数值区间；
若该距离超过最小球形范围，则进行一次xyz方位的校验，校验该距离是否超过xyz任意一个方位的范围，若超过，则取对应方位的边界值。
5.一种VR交互中的虚拟数字人体态矫正系统，其特征在于，该系统包括：
姿态数据库，用于预先录制标准姿态下虚拟人物的骨骼关键点数据作为对照数据，并将所述对照数据保存至姿态数据库，所述骨骼关键点数据包括虚拟人物的头部及四肢关键点的位置坐标和角度；
第一转换单元，用于获取虚拟人物的实时骨骼关键点数据，通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据，所述通过旋转矩阵将所述实时骨骼关键点数据转换为标准姿态下的新骨骼关键点数据的方法包括：
A、将实时骨骼关键点数据中四肢的骨骼关键点坐标与头部关键点坐标相减得到向量deltavector；
B、使用旋转矩阵与每个deltavector相乘得到新的向量newvector，旋转矩阵中θ是当前姿态下骨骼关键点与标准姿态下骨骼关键点的角度差的值；
C、所述newvector与头部关键点坐标相加，得到标准姿态下的新骨骼关键点坐标newpos；
校验单元，用于在所述姿态数据库对比所述newpos是否超出正常数值区间，若未超出则newpos不变，若超出则newpos取所述姿态数据库中正常数值区间的边界值；
第二转换单元，计算实时骨骼关键点数据中头部关键点与对照数据中头部关键点的高度差，将所述高度差与步骤S3中的newpos相加得到最终骨骼关键点的坐标数值。
6.根据权利要求5所述的VR交互中的虚拟数字人体态矫正系统，其特征在于，所述第一转换单元中旋转矩阵的计算方法为：
计算当前虚拟人物的骨骼关键点角度Y轴数值减去标准姿态下的虚拟人物骨骼关键点角度Y轴数值，得到角度差deltarotate；
把deltarotate转换到-180°到180°之间；
所述deltarotate取模360°，如果deltarotate大于180°，则deltarotate减去360°，如果小于-180°，则deltarotate加上360°，得到最终的deltarotate；
创建一个围绕Y轴旋转deltarotate的矩阵，即为旋转矩阵。
7.根据权利要求5所述的VR交互中的虚拟数字人体态矫正系统，其特征在于，所述校验单元的校验方法包括：
计算newpos和姿态数据库中每个骨骼关键点的距离；
若该距离在最小球形范围内，则输出为newpos未超出正常数值区间；
若该距离超过最小球形范围，则进行一次xyz方位的校验，校验该距离是否超过xyz任意一个方位的范围，若超过，则取对应方位的边界值。
8.一种存储介质，其特征在于，其上存储有计算机程序，在所述计算机程序被处理器执行时，实现如权利要求1-4任一项所述的VR交互中的虚拟数字人体态矫正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311406092.9A CN117173382B (zh) | 2023-10-27 | 2023-10-27 | Vr交互中的虚拟数字人体态矫正方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311406092.9A CN117173382B (zh) | 2023-10-27 | 2023-10-27 | Vr交互中的虚拟数字人体态矫正方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117173382A CN117173382A (zh) | 2023-12-05 |
| CN117173382B true CN117173382B (zh) | 2024-01-26 |
Family
ID=88939710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311406092.9A Active CN117173382B (zh) | 2023-10-27 | 2023-10-27 | Vr交互中的虚拟数字人体态矫正方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117173382B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117456611B (zh) * | 2023-12-22 | 2024-03-29 | 拓世科技集团有限公司 | 一种基于人工智能的虚拟人物训练方法及系统 |
| CN117788775B (zh) * | 2024-02-28 | 2024-05-07 | 广州趣丸网络科技有限公司 | 一种数字人手掌骨骼姿态校正方法、装置、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018234470A1 (en) * | 2017-06-22 | 2018-12-27 | Asana Weartech S.L.U. | POSTURE DETECTION SYSTEM AND METHODS OF USE |
| CN112132955A (zh) * | 2020-09-01 | 2020-12-25 | 大连理工大学 | 人体骨骼的数字孪生体构建方法 |
| WO2021052016A1 (zh) * | 2019-09-18 | 2021-03-25 | 华为技术有限公司 | 一种人体姿态检测方法及电子设备 |
| KR20220084642A (ko) * | 2020-12-14 | 2022-06-21 | 김영범 | 딥러닝기술을 이용해 신체의 pose 를 2D 영상에서 3D 화면 으로 변환 방법 및 Display 상에 표시 하고 요약하는 방법 |
| CN114998983A (zh) * | 2022-04-12 | 2022-09-02 | 长春大学 | 一种基于增强现实技术和姿态识别技术的肢体康复方法 |
| CN115018962A (zh) * | 2022-06-30 | 2022-09-06 | 电子科技大学 | 一种基于虚拟人物模型的人体运动姿态数据集生成方法 |
| WO2022206639A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 人体关键点检测方法及相关装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220207831A1 (en) * | 2020-12-23 | 2022-06-30 | Facebook Technologies, Llc | Simulated control for 3- dimensional human poses in virtual reality environments |
| US11644890B2 (en) * | 2021-02-11 | 2023-05-09 | Qualcomm Incorporated | Image capturing in extended reality environments |
| CN114283229A (zh) * | 2021-11-19 | 2022-04-05 | 腾讯科技（深圳）有限公司 | 虚拟角色的行走动画生成方法、装置、设备及存储介质 |
-
2023
- 2023-10-27 CN CN202311406092.9A patent/CN117173382B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018234470A1 (en) * | 2017-06-22 | 2018-12-27 | Asana Weartech S.L.U. | POSTURE DETECTION SYSTEM AND METHODS OF USE |
| WO2021052016A1 (zh) * | 2019-09-18 | 2021-03-25 | 华为技术有限公司 | 一种人体姿态检测方法及电子设备 |
| CN112132955A (zh) * | 2020-09-01 | 2020-12-25 | 大连理工大学 | 人体骨骼的数字孪生体构建方法 |
| KR20220084642A (ko) * | 2020-12-14 | 2022-06-21 | 김영범 | 딥러닝기술을 이용해 신체의 pose 를 2D 영상에서 3D 화면 으로 변환 방법 및 Display 상에 표시 하고 요약하는 방법 |
| WO2022206639A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 人体关键点检测方法及相关装置 |
| CN114998983A (zh) * | 2022-04-12 | 2022-09-02 | 长春大学 | 一种基于增强现实技术和姿态识别技术的肢体康复方法 |
| CN115018962A (zh) * | 2022-06-30 | 2022-09-06 | 电子科技大学 | 一种基于虚拟人物模型的人体运动姿态数据集生成方法 |
Non-Patent Citations (4)
| Title |
|---|
| Interactive animation of virtual humans based on motion capture data;Franck Multon等;《Computer Animation and Virtual World》;第20卷;491-500 * |
| On Study of 1D Depth Scans as an Alternative Feature for Human Pose Detection in a Sensor Network;Maryamsadat Rasoulidanesh等;《Journal of Sensor》;1-20 * |
| Preventing Work-Related Musculoskeletal Disorders in Manufacturing by Digital Human Modeling;Jerzy Grobelny;《International Journal of Environmental Research and Public Health》;第17卷(第22期);1-13 * |
| 基于隐式关键点互联的人体姿态估计矫正器算法;才华等;《吉林大学学报》;1-13 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117173382A (zh) | 2023-12-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117173382B (zh) | Vr交互中的虚拟数字人体态矫正方法、系统及存储介质 | |
| CN111402290B (zh) | 一种基于骨骼关键点的动作还原方法以及装置 | |
| Mora et al. | Gaze estimation from multimodal kinect data | |
| CN111161395B (zh) | 一种人脸表情的跟踪方法、装置及电子设备 | |
| US11992768B2 (en) | Enhanced pose generation based on generative modeling | |
| JP2017523487A (ja) | 適応ホモグラフィ写像に基づく視線追跡 | |
| US11605192B2 (en) | Skeleton model update apparatus, skeleton model update method, and program | |
| CN112766027A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN110837294A (zh) | 一种基于眼球追踪的面部表情控制方法及系统 | |
| US11845006B2 (en) | Skeleton model updating apparatus, skeleton model updating method, and program | |
| CN112101247A (zh) | 一种人脸姿态估计方法、装置、设备及存储介质 | |
| CN112597612B (zh) | 机器人优化方法、装置、终端设备及计算机可读存储介质 | |
| CN116597056B (zh) | 一种动画处理方法、装置、设备和存储介质 | |
| US11410402B2 (en) | Computer-implemented method for making a skeleton of a modeled body take a posture | |
| CN113524201A (zh) | 机械臂位姿主动调节方法、装置、机械臂和可读存储介质 | |
| CN112562048A (zh) | 三维模型的控制方法、装置、设备以及存储介质 | |
| CN112714337A (zh) | 视频处理方法、装置、电子设备和存储介质 | |
| CN115847449A (zh) | 基于路径规划的智能按摩方法、装置、设备及存储介质 | |
| AU2022241513A1 (en) | Transformer-based shape models | |
| CN112562047B (zh) | 三维模型的控制方法、装置、设备以及存储介质 | |
| JP2023005567A (ja) | 機械学習プログラム、機械学習方法及び表情認識装置 | |
| CN113496168A (zh) | 手语数据采集方法、设备、存储介质 | |
| CN113103239B (zh) | 一种机器人姿态轨迹生成方法、装置及存储介质 | |
| CN116485954A (zh) | 虚拟骨骼的修型方法和装置、存储介质及电子设备 | |
| JP2014215678A (ja) | 動きデータセグメント決定装置、動きデータセグメント決定方法およびコンピュータプログラム |
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 |