CN207008541U - 一种vr/ar交互头盔的控制臂环 - Google Patents
一种vr/ar交互头盔的控制臂环 Download PDFInfo
- Publication number
- CN207008541U CN207008541U CN201720812427.0U CN201720812427U CN207008541U CN 207008541 U CN207008541 U CN 207008541U CN 201720812427 U CN201720812427 U CN 201720812427U CN 207008541 U CN207008541 U CN 207008541U
- Authority
- CN
- China
- Prior art keywords
- helmet
- armlet
- processor
- sensor
- interactions
- 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
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本实用新型提供了一种VR/AR交互头盔的控制臂环,包括弹性连接体和多个壳体,多个壳体分别通过弹性连接体连接起来构成臂环本体,所述的弹性连接体可进行弹性伸缩以使得臂环本体适戴于不同的手臂;所述多个壳体上分别对应设置表面肌电传感器,至少一个壳体上设置惯性传感器,至少一个壳体上设置处理器,所述各表面肌电传感器、惯性传感器分别与处理器电连接;所述的处理器与VR/AR交互头盔通讯连接,交互头盔获取表面肌电传感器、惯性传感器的检测信息识别手臂、手指动作变化进行实时渲染显示。本实用新型的控制臂环使得用户在VR/AR交互头盔时可在其视角中看到自己的肢体,以及肢体的真实动作反应,增强了VR/AR交互头盔使用的互动性,具有更强的“沉浸感”。
Description
技术领域
本实用新型涉及VR/AR设备技术领域,具体地,涉及一种VR/AR交互头盔的控制臂环。
背景技术
VR,即虚拟现实技术,是一种可以创建和体验虚拟世界的计算机仿真系统,它利用计算机生成一种模拟环境,是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真使用户沉浸到该环境中。
AR,即增强现实技术,是一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术,这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动。
VR/AR交互头盔是一种可实现VR、AR技术的产品,现有的VR/AR交互头盔能够在一定程度上将用户代入到虚拟世界中并进行互动,但是现有VR/AR交互头盔的用户视角中不会出现用户的肢体,或者即使出现有用户的肢体也并不会随着用户的真实动作而动作,在某种程度上缺乏一定的互动性,降低了用户的“沉浸感”。
有鉴于此,特提出本实用新型。
实用新型内容
本实用新型的目的是提供一种VR/AR交互头盔的控制臂环,为了达到上述目的,本实用新型采用如下技术方案:
一种VR/AR交互头盔的控制臂环,包括弹性连接体和多个壳体,多个壳体分别通过弹性连接体连接起来构成臂环本体,所述的弹性连接体可进行弹性伸缩以使得臂环本体适戴于不同的手臂;
所述多个壳体上分别对应设置表面肌电传感器,至少一个壳体上设置惯性传感器,至少一个壳体上设置处理器,所述各表面肌电传感器、惯性传感器分别与处理器电连接;
所述的处理器与VR/AR交互头盔通讯连接,交互头盔获取表面肌电传感器、惯性传感器的检测信息识别手臂、手指动作变化进行实时渲染显示。
进一步地,所述的VR/AR交互头盔包括运算处理模块,所述处理器与运算处理模块通讯连接;所述处理器将表面肌电传感器、惯性传感器的检测信息发送给运算处理模块,运算处理模块识别手臂、手指动作变化进行3D建模和实时渲染显示。
进一步地,包括数据通讯模块,所述的处理器与VR/AR交互头盔通过通讯模块进行通讯连接,处理器将表面肌电传感器、惯性传感器采集的信号通过通讯信号传输给VR/AR交互头盔,VR/AR交互头盔采用卷积神经网络技术作为算法基础,辅以降噪处理算法和特征提取算法,进行手臂、手指动作变化识别,进行3D建模和实时渲染显示。
进一步地,所述的数据通讯模块为蓝牙4.0模块。
进一步地,包括差模放大器,所述的表面肌电传感器的信号输出端接入差模放大器进行信号放大。
进一步地,包括A/D转换器,A/D转换器的输入端与差模放大器的信号输出端连接,A/D转换器将表面肌电传感器采集的电信号转换为数字信号;所述A/D转换器的输出端连接处理器。
进一步地,所述的惯性传感器的信号输出端连接A/D转换器的输入端,A/D转换器将惯性传感器采集的电信号转换为数字信号。
进一步地,包括电池和与电池电连接的充电接口。
进一步地,所述的弹性连接体为橡胶带,每两个壳体之间通过至少一条橡胶带连接。
进一步地,所述的壳体包括至少八个,所述的表面肌电传感器包括八个,分别对应设置在八个壳体上,所述的惯性传感器包括一个,可设置在任一壳体上。
本实用新型的惯性传感器可以获得小臂宏观的物理动作,包括:平移,旋转;表面肌电传感器采集小臂肌肉变化信号,可以推测获得综合手指的弯曲与伸张的状态;VR/AR交互头盔将处理器传输的两种信号进行结合分析,可以最终得到确定的用户的手臂、手指动作变化,进行3D建模和实时渲染显示,用户在VR/AR交互头盔时可在其视角中看到自己的肢体,以及肢体的真实动作反应,增强了VR/AR交互头盔使用的互动性,具有更强的“沉浸感”。
附图说明
图1本实用新型VR/AR交互头盔的控制臂环的立体结构示意图;
图2本实用新型VR/AR交互头盔的控制臂环与交互头盔的交互原理图。
具体实施方式
下面结合附图对本实用新型的一种VR/AR交互头盔的控制臂环进行详细描述:
如图1所示,本实用新型的一种VR/AR交互头盔的控制臂环,包括弹性连接体1和多个壳体3,多个壳体3分别通过弹性连接体1连接起来构成臂环本体,所述的弹性连接体1可进行弹性伸缩以使得臂环本体适戴于不同的手臂;
所述多个壳体3上分别对应设置表面肌电传感器2,至少一个壳体3上设置惯性传感器,至少一个壳体3上设置处理器,所述各表面肌电传感器、惯性传感器分别与处理器电连接;
所述的处理器与VR/AR交互头盔通讯连接,交互头盔获取表面肌电传感器、惯性传感器的检测信息识别手臂、手指动作变化进行实时渲染显示。
在手部、手臂的运动中,小臂肌肉将会收缩和舒张。因此,可以通过检测肌肉的运动信息从而获取人体手臂和手指运动的状态,而肌肉运动会产生肌电信号,因此可以通过测量小臂EMG信号来获取手臂及手指运动的特征。肌电信号有两种采集方式,针电极肌电信号和表面肌电信号,表面肌电信号(sEMG)具有无创性和测量方便的特点,应用广泛。
本实施例的VR/AR交互头盔的控制臂环通过表面肌电传感器2采集VR/AR交互头盔用户在进行相应操作时的肌肉运动信息。本实施例表面肌电传感器2的电极极片的基体用铜制作,表面镀银,双极型,在两个电极中间存在一个对比参考电极,即无关电极,用于降低噪声,提高了对共模信号的抑制能力。通过差分放大法减小电线上噪声。
EMG信号由两个铜镀银电极检测,两个输入信号做差,相同的“共模”分量会被去除,只有不同的“差模”分量被放大。远离检测点的任何噪声将在检测点显示为“共模”信号;而检测表面附近的信号表现为不同,将被放大。所以,相对距离较远的电力线噪声将被消除殆尽,而相对较近的EMG信号将被放大。其准确性由共模抑制比(CMRR)来衡量。
EMG信息在体内组织(体积导体)内传播时,随传输距离增加而迅速衰减。所以电极应放在EMU最强的肌肉腹部,以减少邻近肌肉的EMG干扰(串扰)。使用较小的电极提高了选择灵活性,但带来了较大的皮肤接触电阻。传感器为INA128芯片,用来测量肌肉产生的电信号。由于肌肉本身有很大的阻抗,输入的两端相当于一个内阻很大(几千欧姆)的电源。本芯片采集频率很高,能够达到200Hz,可以实时动态的采集人体肌肉的运动情况。
本实施例的VR/AR交互头盔的控制臂环的惯性传感器为九轴惯性传感器。
本实施例的VR/AR交互头盔的控制臂环的处理器为ARM处理芯片,可以完成简单多通道信号的滤波功能,在信号采集放大后用于去除随机噪声。同时在手臂运动过程中产生肌肉抖动,导致信号的高频抖动,也需要通过滤波器消除。
进一步地,本实施例所述的VR/AR交互头盔包括运算处理模块,所述处理器与运算处理模块通讯连接;所述处理器将表面肌电传感器、惯性传感器的检测信息发送给运算处理模块,运算处理模块识别手臂、手指动作变化进行3D建模和实时渲染显示。
进一步地,本实施例的VR/AR交互头盔的控制臂环包括数据通讯模块,所述的处理器与VR/AR交互头盔通过通讯模块进行通讯连接,处理器将表面肌电传感器、惯性传感器采集的信号通过通讯信号传输给VR/AR交互头盔,VR/AR交互头盔采用卷积神经网络技术作为算法基础,辅以降噪处理算法和特征提取算法,进行手臂、手指动作变化识别,进行3D建模和实时渲染显示。
优选地,所述的数据通讯模块为蓝牙4.0模块。
进一步地,本实施例的VR/AR交互头盔包括差模放大器,所述的表面肌电传感器的信号输出端接入差模放大器进行信号放大。
进一步地,本实施例的VR/AR交互头盔包括A/D转换器,A/D转换器的输入端与差模放大器的信号输出端连接,A/D转换器将表面肌电传感器采集的电信号转换为数字信号;所述A/D转换器的输出端连接处理器。
进一步地,本实施例的VR/AR交互头盔所述的惯性传感器的信号输出端连接A/D转换器的输入端,A/D转换器将惯性传感器采集的电信号转换为数字信号。
进一步地,本实施例的VR/AR交互头盔包括电池和与电池电连接的充电接口。
本实施例的VR/AR交互头盔的控制臂环还包括设置在壳体外侧的显示模块,显示时间信息、电量信息、状态信息等本机信息,所述的显示模块为显示屏。
本实施例的显示屏下部设置有操作按键,用于用户操作。
本实施例的VR/AR交互头盔的控制臂环具有如下的特点:
1、VR/AR交互头盔的控制臂环包括,一对(两只)臂环,分配佩戴在左右小臂,打开臂环电源后预热30s,同时双手、手臂做动作,可对双手、手臂动作进行采集并在VR/AR交互头盔的视角中进行实时显示。
2、双手臂控制臂环可以通过无线网热点连接到手机,在手机上有对应的软件可以对臂环进行设置和软件升级。还可以将用于习惯性的语句与动作信息同步到软件上,作为常用词汇储备。
3、对于控制臂环未能识别的动作,控制臂环上数据由网络发送到运算服务器上,通过服务器进行动作特征分析,返回最可能的词语结果到VR/AR交互头盔或者臂环上。
4、臂环也可以单独一只使用,通过识别单臂信号对动作进行识别。
5、臂环通过micro-usb接口进行充电,内置锂电池。能够待机一星期,连续使用可使用10小时。
6、臂环的弹性连接体由橡胶制作,可以根据佩戴者的小臂粗细调整松紧。
7、臂环采集的数据分为两大类,惯性传感器与表面肌电传感器:惯性传感器可以获得小臂宏观的物理动作,包括:平移,旋转;表面肌电传感器采集小臂肌肉变化信号,可以推测获得综合手指的弯曲与伸张的状态;结合两种信号,可以最终得到确定的手臂、手指动作。
8、识别过程通过深度学习网络,手臂、手部动作由不同年龄、性别的成年人采集1万次以上,以提高识别率。
以上所述仅是本实用新型的较佳实施例而已,并非对本实用新型作任何形式上的限制,虽然本实用新型已以较佳实施例揭露如上,然而并非用以限定本实用新型,任何熟悉本专利的技术人员在不脱离本实用新型技术方案范围内,当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本实用新型技术方案的内容,依据本实用新型的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本实用新型方案的范围内。
Claims (10)
1.一种VR/AR交互头盔的控制臂环,其特征在于,包括弹性连接体和多个壳体,多个壳体分别通过弹性连接体连接起来构成臂环本体,所述的弹性连接体可进行弹性伸缩以使得臂环本体适戴于不同的手臂;
所述多个壳体上分别对应设置表面肌电传感器,至少一个壳体上设置惯性传感器,至少一个壳体上设置处理器,所述各表面肌电传感器、惯性传感器分别与处理器电连接;
所述的处理器与VR/AR交互头盔通讯连接,交互头盔获取表面肌电传感器、惯性传感器的检测信息识别手臂、手指动作变化进行实时渲染显示。
2.根据权利要求1所述的一种VR/AR交互头盔的控制臂环,其特征在于,所述的VR/AR交互头盔包括运算处理模块,所述处理器与运算处理模块通讯连接;所述处理器将表面肌电传感器、惯性传感器的检测信息发送给运算处理模块,运算处理模块识别手臂、手指动作变化进行3D建模和实时渲染显示。
3.根据权利要求2所述的一种VR/AR交互头盔的控制臂环,其特征在于,包括数据通讯模块,所述的处理器与VR/AR交互头盔通过通讯模块进行通讯连接,处理器将表面肌电传感器、惯性传感器采集的信号通过通讯信号传输给VR/AR交互头盔,VR/AR交互头盔采用卷积神经网络技术作为算法基础,辅以降噪处理算法和特征提取算法,进行手臂、手指动作变化识别,进行3D建模和实时渲染显示。
4.根据权利要求3所述的一种VR/AR交互头盔的控制臂环,其特征在于,所述的数据通讯模块为蓝牙4.0模块。
5.根据权利要求1所述的一种VR/AR交互头盔的控制臂环,其特征在于,包括差模放大器,所述的表面肌电传感器的信号输出端接入差模放大器进行信号放大。
6.根据权利要求5所述的一种VR/AR交互头盔的控制臂环,其特征在于,包括A/D转换器,A/D转换器的输入端与差模放大器的信号输出端连接,A/D转换器将表面肌电传感器采集的电信号转换为数字信号;所述A/D转换器的输出端连接处理器。
7.根据权利要求6所述的一种VR/AR交互头盔的控制臂环,其特征在于,所述的惯性传感器的信号输出端连接A/D转换器的输入端,A/D转换器将惯性传感器采集的电信号转换为数字信号。
8.根据权利要求1-7任意一项所述的一种VR/AR交互头盔的控制臂环,其特征在于,包括电池和与电池电连接的充电接口。
9.根据权利要求1-7任意一项所述的一种VR/AR交互头盔的控制臂环,其特征在于,所述的弹性连接体为橡胶带,每两个壳体之间通过至少一条橡胶带连接。
10.根据权利要求9所述的一种VR/AR交互头盔的控制臂环,其特征在于,所述的壳体包括至少八个,所述的表面肌电传感器包括八个,分别对应设置在八个壳体上,所述的惯性传感器包括一个,可设置在任一壳体上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720812427.0U CN207008541U (zh) | 2017-07-06 | 2017-07-06 | 一种vr/ar交互头盔的控制臂环 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201720812427.0U CN207008541U (zh) | 2017-07-06 | 2017-07-06 | 一种vr/ar交互头盔的控制臂环 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN207008541U true CN207008541U (zh) | 2018-02-13 |
Family
ID=61452401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201720812427.0U Active CN207008541U (zh) | 2017-07-06 | 2017-07-06 | 一种vr/ar交互头盔的控制臂环 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN207008541U (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345873A (zh) * | 2018-03-22 | 2018-07-31 | 哈尔滨工业大学 | 一种基于多层卷积神经网络的多自由度人体运动信息解析方法 |
CN108453736A (zh) * | 2018-03-22 | 2018-08-28 | 哈尔滨工业大学 | 一种基于深度学习的多自由度同步肌电控制方法 |
CN110537758A (zh) * | 2019-09-24 | 2019-12-06 | 北京海益同展信息科技有限公司 | 一种臂环结构 |
CN111752137A (zh) * | 2020-07-06 | 2020-10-09 | 诺百爱(杭州)科技有限责任公司 | 一种肌电智能手表和智能手表的肌电控制方法、电子设备 |
CN116450018A (zh) * | 2023-06-16 | 2023-07-18 | 西安交通大学城市学院 | 面向虚拟现实应用的文物修复数据处理方法 |
-
2017
- 2017-07-06 CN CN201720812427.0U patent/CN207008541U/zh active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345873A (zh) * | 2018-03-22 | 2018-07-31 | 哈尔滨工业大学 | 一种基于多层卷积神经网络的多自由度人体运动信息解析方法 |
CN108453736A (zh) * | 2018-03-22 | 2018-08-28 | 哈尔滨工业大学 | 一种基于深度学习的多自由度同步肌电控制方法 |
CN110537758A (zh) * | 2019-09-24 | 2019-12-06 | 北京海益同展信息科技有限公司 | 一种臂环结构 |
CN111752137A (zh) * | 2020-07-06 | 2020-10-09 | 诺百爱(杭州)科技有限责任公司 | 一种肌电智能手表和智能手表的肌电控制方法、电子设备 |
CN116450018A (zh) * | 2023-06-16 | 2023-07-18 | 西安交通大学城市学院 | 面向虚拟现实应用的文物修复数据处理方法 |
CN116450018B (zh) * | 2023-06-16 | 2023-08-15 | 西安交通大学城市学院 | 面向虚拟现实应用的文物修复数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN207008541U (zh) | 一种vr/ar交互头盔的控制臂环 | |
US20230088533A1 (en) | Detecting and Using Body Tissue Electrical Signals | |
CN109620185B (zh) | 基于多模态信息的自闭症辅助诊断系统、设备及介质 | |
Milosevic et al. | Design challenges for wearable EMG applications | |
WO2019228174A1 (zh) | 一种基于面目表情识别的智能vr眼镜 | |
Yu et al. | Surface electromyography image-driven torque estimation of multi-DoF wrist movements | |
CN106406534A (zh) | 一种脑波参与控制的虚拟现实游戏设计技术 | |
CN207037600U (zh) | 一种手语识别翻译臂环 | |
Huang et al. | A simulation platform for the brain-computer interface (BCI) based smart wheelchair | |
Zhou et al. | A survey of the development of wearable devices | |
CN211536496U (zh) | 基于游戏的虚拟现实系统 | |
CN111312363B (zh) | 一种基于虚拟现实的双手协调性增强系统 | |
CN205692125U (zh) | 手势判别设备 | |
CN208421417U (zh) | 一种基于面目表情识别的智能vr眼镜 | |
CN202154691U (zh) | 生理数据采集设备 | |
Han et al. | A Convolutional Neural Network With Multi-scale Kernel and Feature Fusion for sEMG-based Gesture Recognition | |
Lu et al. | Channel-distribution hybrid deep learning for sEMG-based gesture recognition | |
Carrino et al. | Gesture segmentation and recognition with an EMG-based intimate approach-an accuracy and usability study | |
Li et al. | MyoTac: Real-time recognition of Tactical sign language based on lightweight deep neural network | |
Rodriguez et al. | Wearable devices: Concepts and applications | |
Muñoz et al. | Dynamic systems theory in human movement exploring coordination patterns by angle-angle diagrams using Kinect | |
CN112684890A (zh) | 一种体检引导的方法、装置、存储介质及电子设备 | |
CN111590600A (zh) | 一种基于多模态数据情感交互的抱枕机器人系统 | |
CN112947762A (zh) | 一种基于脑识别表情的互动装置及方法 | |
Fang et al. | Exploration on the negative effects of sensor shifts in photoplethysmography-based gesture recognition and a solution based on transfer learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |