TWI784305B - 透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法 - Google Patents

透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法 Download PDF

Info

Publication number
TWI784305B
TWI784305B TW109129157A TW109129157A TWI784305B TW I784305 B TWI784305 B TW I784305B TW 109129157 A TW109129157 A TW 109129157A TW 109129157 A TW109129157 A TW 109129157A TW I784305 B TWI784305 B TW I784305B
Authority
TW
Taiwan
Prior art keywords
data
virtual space
degree
trajectory
similarity
Prior art date
Application number
TW109129157A
Other languages
English (en)
Other versions
TW202209148A (zh
Inventor
林棋瀚
劉記顯
Original Assignee
財團法人資訊工業策進會
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW109129157A priority Critical patent/TWI784305B/zh
Priority to CN202010935745.2A priority patent/CN114202001A/zh
Priority to US17/067,022 priority patent/US11392218B2/en
Publication of TW202209148A publication Critical patent/TW202209148A/zh
Application granted granted Critical
Publication of TWI784305B publication Critical patent/TWI784305B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06V10/7747—Organisation of the process, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Image Analysis (AREA)

Abstract

一種資料篩選裝置與資料篩選方法被揭露於此。該資料篩選裝置儲存一標準軌跡資料以及一目標軌跡資料。該標準軌跡資料對應到由複數個虛擬空間單元所組成的一六自由度虛擬空間中的一標準軌跡，而該目標軌跡資料則對應到該六自由度虛擬空間中的一目標軌跡。該資料篩選裝置判斷該標準軌跡與該目標軌跡的一相似度是否低於一相似度臨界值。當判斷該相似度低於該相似度臨界值時，該資料篩選裝置將該目標軌跡資料歸類為一無效資料。

Description

透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法
本揭露是關於一種資料篩選裝置以及資料篩選方法。更具體而言，本揭露是關於一種透過六自由度虛擬空間中的軌跡篩選資料的資料篩選裝置以及資料篩選方法。
為了建立適合的軌跡識別模型，使其有能力識別目標軌跡與標準軌跡是否相似，通常需要收集大量的軌跡資料來進行機器學習。然而，由於收集到的原始軌跡資料可能涵蓋多種不同的軌跡類型，且不見得全都有益於目前所要建立的軌跡識別模型，而這些情況都可能導致在該機器學習的過程中參考了過多錯誤或不適合的軌跡資料，進而降低軌跡識別模型的效率與性能。有鑑於此，如何有效地針對收集到的原始軌跡資料進行篩選，正是本發明所屬技術領域中亟需解決的問題。
為了至少解決上述問題，本揭露提供一種資料篩選裝置。該資料篩選裝置可包含一儲存器以及與該儲存器電性連接的一處理器。該儲存器可儲存一標準軌跡資料以及一目標軌跡資料。該標準軌跡資料可對應 到由複數個虛擬空間單元所組成的一六自由度虛擬空間中的一標準軌跡。該目標軌跡資料可對應到該六自由度虛擬空間中的一目標軌跡。該處理器可判斷該標準軌跡與該目標軌跡的一相似度是否低於一相似度臨界值。當判斷該相似度低於該相似度臨界值，該處理器還可將該目標軌跡資料歸類為一無效資料。
為了至少解決上述問題，本揭露還提供一種資料篩選方法。該資料篩選方法可用於一計算裝置。該計算裝置可儲存一標準軌跡資料以及一目標軌跡資料。該標準軌跡資料可對應到由複數個虛擬空間單元所組成的一六自由度虛擬空間中的一標準軌跡。該目標軌跡資料可對應到該六自由度虛擬空間中的一目標軌跡。該資料篩選方法可包含：由該計算裝置判斷該標準軌跡與該目標軌跡的一相似度是否低於一相似度臨界值；以及當判斷該相似度低於該相似度臨界值，由該計算裝置將該目標軌跡資料歸類為一無效資料。
綜上所述，本揭露提供的資料篩選裝置以及資料篩選方法透過比對每一筆目標軌跡資料於一六自由度虛擬空間中所呈現的目標軌跡以及另一標準軌跡之間的相似度，來判斷目標軌跡資料是否為一無效資料，藉以篩除掉相似度低於一相似度臨界值的目標軌跡資料。透過這樣的資料篩選，能夠有效地避免在機器學習的過程中參考到過多錯誤或不適合的軌跡資料，進而提升軌跡識別模型的效率與性能。
發明內容整體地敘述了本發明的核心概念，並涵蓋了本發明可解決的問題、可採用的手段以及可達到的功效，以提供本發明所屬技術領 域中具有通常知識者對本發明的基本理解。然而，應理解，發明內容並非有意概括本發明的所有實施例，而僅是以一簡單形式來呈現本發明的核心概念，以作為隨後詳細描述的一個引言。
1:資料篩選裝置
11:儲存器
111:標準軌跡資料
112:目標軌跡資料
12:處理器
2:六自由度虛擬空間
21:虛擬空間單元
22:標準軌跡
231、232、233:目標軌跡
234:局部軌跡
3:資料篩選方法
301、302:步驟
X、Y、Z:座標軸
第1圖例示了根據本發明的一或多個實施例的資料篩選裝置。
第2A圖例示了根據本發明的一或多個實施例的六自由度虛擬空間。
第2B圖例示了根據本發明的一或多個實施例的標準軌跡。
第2C圖-第2E圖例示了根據本發明的一或多個實施例的目標軌跡。
第3圖例示了根據本發明的一或多個實施例的資料篩選方法。
以下所述各種實施例並非用以限制本發明只能在所述的環境、應用、結構、流程或步驟方能實施。於圖式中，與本發明非直接相關的元件皆已省略。於圖式中，各元件的尺寸以及各元件之間的比例僅是範例，而非用以限制本發明。除了特別說明之外，在以下內容中，相同(或相近)的元件符號可對應至相同(或相近)的元件。
第1圖例示了根據本發明的一或多個實施例的資料篩選裝置。第1圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。
參照第1圖，一資料篩選裝置1基本上可包含一儲存器11以及一處理器12，且儲存器11可與處理器12電性連接。儲存器11與處理器12之間的電性連接可以是直接的(即沒有透過其他元件而彼此連接)或是間接的(即透過其他元件而彼此連接)。資料篩選裝置1可以是各種計算裝置，例如 桌上型電腦、可攜式電腦、行動電話、可攜式電子配件(眼鏡、手錶等等)等等。
處理器12可以是具備訊號處理功能的微處理器(microprocessor)或微控制器(microcontroller)等。微處理器或微控制器是一種可程式化的特殊積體電路，其具有運算、儲存、輸出/輸入等能力，且可接受並處理各種編碼指令，藉以進行各種邏輯運算與算術運算，並輸出相應的運算結果。處理器12可被編程以解釋各種指令，以處理資料篩選裝置1中的資料並執行各項運算程序或程式。
儲存器11可用以儲存資料篩選裝置1所產生的資料、外部裝置傳入的資料、或使用者自行輸入的資料。儲存器11可包含第一級記憶體(又稱主記憶體或內部記憶體)，且處理器12可直接讀取儲存在第一級記憶體內的指令集，並在需要時執行這些指令集。儲存器11可選擇性地包含第二級記憶體(又稱外部記憶體或輔助記憶體)，且此記憶體可透過資料緩衝器將儲存的資料傳送至第一級記憶體。舉例而言，第二級記憶體可以是但不限於：硬碟、光碟等。儲存器11可選擇性地包含第三級記憶體，亦即，可直接插入或自電腦拔除的儲存裝置，例如隨身硬碟。儲存器11可用以儲存一筆標準軌跡資料111以及一筆或多筆不同的目標軌跡資料112。
標準軌跡資料111與目標軌跡資料112可以是一目標物在一虛擬空間進行平移及/或旋轉所產生的資訊(也就是，「六自由度資料」)。舉例而言，標準軌跡資料111可包含在一六自由度(six degrees-of-freedom，6 DoF)的虛擬空間中表示一標準軌跡的六自由度資料，而目標軌跡資料112可包含在該六自由度的虛擬空間中表示一目標軌跡的六自由度資料。六自 由度是指該目標物可以在該六自由度的虛擬空間內的前後、上下、左右三個互相垂直的坐標軸上平移，也可以在這三個垂直軸上旋轉其方向，這三種旋轉方向稱為俯仰(pitch)、偏擺(yaw)及翻滾(Roll)。
每一筆六自由度資料可區分為三自由度平移資料與三自由度旋轉資料。在某些實施例中，標準軌跡資料111與目標軌跡資料112各自可以是直接透過某種六自由度空間感測裝置感測一目標物的平移與旋轉來產生。在某些其他實施例中，標準軌跡資料111與目標軌跡資料112各自也可以是透過某種三自由度空間感測裝置感測一目標物的平移所產生的三自由度平移資料以及透過別種三自由度空間感測裝置感測該目標物的旋轉所產生的三自由度旋轉資料二者的組合而產生。又在某些其他實施例中，標準軌跡資料111與目標軌跡資料112各自也可以是透過某種三自由度空間感測裝置感測一目標物的平移所產生的三自由度平移資料，然後對該三自由度平移資料進行各種已知用於三自由度至六自由度轉換(three DoF to six DoF transformation)的演算法或數學趨近式而產生。
在某些實施例中，一目標物的三自由度平移資料可以透過一慣性測量單元(inertial measurement unit，IMU)來產生。舉例而言，在一使用者移動裝設有該慣性測量單元的一目標物後，設置在該慣性測量單元內的三軸的陀螺儀和三個方向的加速度計將測出該目標物在三維空間中的角速度和加速度，並以此解算出該目標物的姿態，進而產生該目標物的三自由度平移資訊。在某些實施例中，可將該慣性測量單元設置在資料篩選裝置1上，以使資料篩選裝置1能夠自行產生自身之三自由度平移資料，此時資料篩選裝置1就是該目標物。
第2A圖例示了根據本發明的一或多個實施例的六自由度虛擬空間。第2A圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。
同時參照第1圖與第2A圖，於一六自由度虛擬空間2中之軌跡皆可對應至一六自由度資料(即，包含上下、左右、前後三種方向的移動以及旋轉)。標準軌跡資料111與目標軌跡資料112分別對應到六自由度虛擬空間2當中的一標準軌跡與一目標軌跡。該標準軌跡可作為一軌跡標準，並透過比較該標準軌跡與該目標軌跡的相似性，來判斷該目標軌跡是否滿足該軌跡標準。舉例而言，可由一專家產生一標準軌跡(對應到標準軌跡資料111)，且由一普通人產生的一目標軌跡(對應到目標軌跡資料112)，然後判斷該目標軌跡與該標準軌跡之間的相似性，並根據判斷結果決定是否篩除目標軌跡資料112。
六自由度虛擬空間2基本上可為透過虛擬實境技術所建構的一虛擬空間。六自由度虛擬空間2可由複數個虛擬空間單元21所組成，亦即，可將虛擬空間單元21之體積資訊(例如：長度、寬度、高度等等)做為六自由度虛擬空間2中的座標軸X、座標軸Y及/或座標軸Z之單位長度(例如：各為一公尺)。須說明的是，儘管虛擬空間單元21於本案圖式中被繪示為立方體之形式，然而此態樣並非限制。亦即，在某些實施例中，虛擬空間單元21可以是如球體、柱體、多方體或其他類型的立體虛擬空間單元。另外，虛擬空間單元21於本案圖式中的尺寸只是舉例，且虛擬空間單元21於第2A圖中之數量亦只是舉例，虛擬空間單元21的大小及數量可依據使用者的需求而有不同的配置。舉例而言，倘若使用者對於資料篩選的精準度有較高的要 求，虛擬空間單元21的大小可被相應地縮小(例如，小於一立方公尺)，此時六自由度虛擬空間2當中虛擬空間單元21的密度將相應地提高。另一方面，倘若使用者對於資料篩選精準度的要求較低，虛擬空間單元21的大小可被相應地放大(例如：大於一立方公尺)，此時六自由度虛擬空間2當中虛擬空間單元21的密度將相應地降低。
在一目標物包含一慣性量測單元的情況下，六自由度虛擬空間2的原點可以設置為該慣性量測單元被啟動時之位置。當不同使用者移動該目標物時，該慣性量測單元將會產生相應的三自由度平移資料。接著，處理器12可對該三自由度平移資料進行上述之自由度轉換，以產生標準軌跡資料111與目標軌跡資料112。在某些實施例中，標準軌跡資料111可以表示為六自由度虛擬空間2中的一條標準軌跡所觸及的多個虛擬空間單元21，而目標軌跡資料112可以表示為六自由度虛擬空間2中的一條目標軌跡所觸及的虛擬空間單元21。
第2B圖例示了根據本發明的一或多個實施例的標準軌跡。第2C圖-第2E圖例示了根據本發明的一或多個實施例的目標軌跡。第2B-2E圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。
同時參照第1圖與第2A-2E圖，在某些實施例中，標準軌跡資料111可對應至六自由度虛擬空間2中之標準軌跡22，且標準軌跡22涵蓋了在虛擬空間單元21中呈現類圓形的十二個虛擬空間單元21。另外，如第2C-2E圖所示，目標軌跡資料112所對應的目標軌跡可以分別對應到六自由度虛擬空間2中的不同目標軌跡231、232、233。處理器12可針對標準軌跡22與不同的目標軌跡231、232、233各自進行比較，以判斷標準軌跡22與各個目標 軌跡231、232、233之間的一相似度是否低於一相似度臨界值。在某些實施例中，除了相似度臨界值之外，處理器12還同時判斷標準軌跡22與各個目標軌跡231、232、233之間的一相異度是否低於一相異度臨界值。標準軌跡22與各個目標軌跡231、232、233之間的相似度可以看成是被比較的該二條軌跡對應到相同的虛擬空間單元21(於第2C-2E圖中是以深灰色繪示)的一數量，而標準軌跡22與各個目標軌跡231、232、233之間的相異度可以看成被比較的該二條軌跡對應到不同的虛擬空間單元21的一數量。須說明，於第2C-2E圖中，對應至標準軌跡22但未對應至目標軌跡231、232或233之虛擬空間單元21是以虛線之形式繪示。
因標準軌跡資料111與目標軌跡資料112可能是在不同的環境空間內所產生，故為了消彌環境空間的差異，於判斷標準軌跡22與各個目標軌跡231、232、233之間的相似度及/或相異度之前，處理器12可先計算出標準軌跡22的中心點以及各個目標軌跡231、232、233的中心點，並將該二個中心點於六自由度虛擬空間2中對齊。另外，於判斷標準軌跡22與各個目標軌跡231、232、233之間的相似度及/或相異度之前，除了中心點對齊之外，處理器12還可先計算出標準軌跡22的一法向量與各個目標軌跡231、232、233的一法向量，並將該二個法向量於六自由度虛擬空間2中對齊。在某些實施例中，處理器12於判斷該相似度及該相異度時，還可針對標準軌跡22與各個目標軌跡231、232、233進行各種常見的平移、旋轉、等比例縮放等處理，以盡可能地找出該二個軌跡之間相似度最高的情形，進而避免誤判。在某些實施例中，於前述各種處理中獲得該二個軌跡之間的不同程度的相似度時，選擇相似度最高的態樣作為後續判斷無效資料或有效資料之相 似度依據。在某些實施例中，當處理器12於針對標準軌跡22與各目標軌跡231、232、233進行旋轉時，倘若針對標準軌跡22與各目標軌跡231、232、233所做之旋轉之角度間之差異超過一角度差異臨界值(例如：正、負45度)而標準軌跡22與各目標軌跡231、232、233之間的相似度及/或卻仍未符合要求，則處理器12可相應地汰除該目標軌跡。在某些實施例中，倘若使用者對於資料篩選精準度有較高的要求，則該角度差異臨界值可被相應地減少(例如：正、負30度)，表示可容許的旋轉角度差異較小。另一方面，倘若使用者對於資料篩選精準度的要求較低，則該角度差異臨界值也可被相應地增加(例如：正、負90度)，表示可容許的旋轉角度差異較大。
為便於敘述，於以下之敘述中，除非另有說明，否則標準軌跡22與各個目標軌跡231、232、233之間的相似度臨界值與相異度臨界值皆分別被假設為「8」與「4」。惟本發明所屬技術領域中具有通常知識者應可理解，該相似度臨界值與該相異度臨界值可視使用者對於資料篩選精準度的需求而被變更為其他的數值。舉例而言，倘若使用者對於資料篩選精準度的要求較高，則該相似度臨界值可被相應地增加(例如：增加為「12」)，且/或該相異度臨界值也可被相應地減少(例如：減少為「2」)，以更嚴謹地篩選軌跡資料。另一方面，倘若使用者對於資料篩選精準度的要求較低，則該相似度臨界值可被相應地減少(例如：減少為「6」)，且/或該相異度臨界值也可被相應地增加(例如：增加為「6」)，以更寬鬆地篩選軌跡資料。
在某些實施例中，如第2C圖所示，目標軌跡資料112可對應到目標軌跡231，且目標軌跡231涵蓋了在虛擬空間單元21中呈現反C形狀的十三個虛擬空間單元21。透過比對標準軌跡22與目標軌跡231的重疊程度， 處理器12可確定標準軌跡22與目標軌跡231的相似度為「11」，其間之相異度則為「2」。
接著，處理器12將確定標準軌跡22與目標軌跡231的該相似度不低於(即，高於或等於)該相似度臨界值，並據以將目標軌跡231所對應的目標軌跡資料112歸類為可用於訓練一軌跡辨識模型的一有效資料。換言之，目標軌跡資料112將不會被資料篩選裝置1所汰除。在某些實施例中，除了判斷該相似度是否不低於該相似度臨界值之外，處理器12還可進一步判斷該相異度是否低於該相異度臨界值，並根據此二個判斷結果來決定是否將目標軌跡資料112歸類為有效資料。
在某些實施例中，如第2D圖所示，目標軌跡資料112可對應到目標軌跡232，且目標軌跡232涵蓋了在虛擬空間單元21中呈現S形狀的十九個虛擬空間單元21。透過比對標準軌跡22與目標軌跡232的重疊程度，處理器12可確定標準軌跡22與目標軌跡232的相似度為「6」，其間之相異度則為「16」。
接著，處理器12將確定標準軌跡22與目標軌跡232的該相似度低於該相似度臨界值，並據以將目標軌跡232所對應的目標軌跡資料112歸類為一無效資料。換言之，目標軌跡資料112將被資料篩選裝置1所汰除。
在某些實施例中，如第2E圖所示，目標軌跡資料112可對應到目標軌跡233，且目標軌跡232涵蓋了在虛擬空間單元21中呈現2形狀的二十個虛擬空間單元21。透過比對標準軌跡22與目標軌跡233的重疊程度，處理器12可確定標準軌跡22與目標軌跡233的相似度為「11」，其間之相異度則為「9」。
接著，處理器12將確定標準軌跡22與目標軌跡233的該相似度不低於該相似度臨界值。然而，儘管該等軌跡之間的相似度達到該相似度臨界值所規範，惟其間之該相異度卻亦已超出該相異度臨界值所容忍之範圍。因此，處理器12可將目標軌跡233中與標準軌跡22相符的一局部軌跡234(即，第2E圖中的深灰色區塊的集合)視為仍可用於訓練該軌跡識別模型的有效軌跡，並將局部軌跡234所對應到目標軌跡資料112的部份歸類為一有效資料。亦即，目標軌跡資料112的該部份將被資料篩選裝置1保留，而剩餘的其他部份則將被資料篩選裝置1汰除。
完成有效資料與無效資料之區分後，目標軌跡資料112中被歸類為有效資料的部份可用於訓練該軌跡識別模型。具體而言，若目標軌跡資料112之整體被歸類為有效資料，則其可用以增強該軌跡識別模型對於軌跡整體的識別能力。若是目標軌跡資料112之一部份被歸類為有效資料，則該部份可用以增強該軌跡識別模型針對與該標準軌跡相符的一局部軌跡(例如：上述之局部軌跡234)之識別能力(例如：增加該軌跡識別模型中相關參數的權重)。更進一步而言，該軌跡識別模型可應用於動作識別之技術領域，此時本揭露的資料篩選方法則可用以篩選相關之動作資料。
第3圖例示了根據本發明的一或多個實施例的資料篩選方法。第3圖所示內容僅是為了說明本發明的實施例，而非為了限制本發明。
第3圖呈現了一種資料篩選方法3，資料篩選方法3可用於一計算裝置，且該計算裝置可儲存一標準軌跡資料以及一目標軌跡資料。該標準軌跡資料可對應到由複數個虛擬空間單元所組成的一六自由度虛擬空間 中的一標準軌跡。該目標軌跡資料可對應到該六自由度虛擬空間中的一目標軌跡。資料篩選方法3可包含以下步驟：由該計算裝置判斷該標準軌跡與該目標軌跡的一相似度是否低於一相似度臨界值(標示為301)；以及當判斷該相似度低於該相似度臨界值，由該計算裝置將該目標軌跡資料歸類為一無效資料(標示為302)。
在某些實施例中，資料篩選方法3還可包含以下步驟：當判斷該相似度不低於該相似度臨界值，由該計算裝置將該目標軌跡資料歸類為一有效資料。
在某些實施例中，資料篩選方法3還可包含以下步驟：當判斷該相似度不低於該相似度臨界值，由該計算裝置將該目標軌跡中與該標準軌跡相符的一局部軌跡所對應到該目標軌跡資料的一部份歸類為一有效資料。
在某些實施例中，資料篩選方法3還可包含以下步驟：由該計算裝置判斷該標準軌跡與該目標軌跡的一相異度是否低於一相異度臨界值；其中，當判斷該相似度不低於該相似度臨界值且該相異度低於該相異度臨界值時，才由該計算裝置將該目標軌跡資料歸類為一有效資料。
在某些實施例中，關於資料篩選方法3，該相似度可以是該標準軌跡與該目標軌跡在該六自由度虛擬空間中對應至相同的虛擬空間單元之一數量。
在某些實施例中，關於資料篩選方法3，該六自由度虛擬空間的原點可對應到一慣性測量單元的一位置。
在某些實施例中，資料篩選方法3還可包含以下步驟：由該計算裝置分別針對一慣性測量單元所產生的一三自由度資料進行一自由度轉換，以產生該標準軌跡資料與該目標軌跡資料。
在某些實施例中，資料篩選方法3還可包含以下步驟：在判斷該相似度是否低於該相似度臨界值之前，由該計算裝置針對該目標軌跡與該標準軌跡進行一中心點對齊以及一法向量對齊。
資料篩選方法3的每一個實施例基本上都會與資料篩選裝置1的某一個實施例相對應。因此，僅根據上文針對資料篩選裝置1的說明，本發明所屬技術領域中具有通常知識者即已能充分瞭解且實現資料篩選方法3的所有相應的實施例，即使上文未針對資料篩選方法3的每一個實施例進行詳述。
以上所揭露的實施例並非為了限制本發明。針對以上所揭露的實施例的改變或調整，只要是本發明所屬技術領域中具有通常知識者可輕易思及的，也都落於本發明的範圍內。本發明的範圍以申請專利範圍所載內容為準。
3:資料篩選方法
301、302:步驟

Claims (16)

  1. 一種透過六自由度虛擬空間中的軌跡篩選資料之裝置，包含：一儲存器，用以儲存一標準軌跡資料以及一目標軌跡資料，該標準軌跡資料對應到由複數個虛擬空間單元所組成的一六自由度虛擬空間中的一標準軌跡，該目標軌跡資料對應到該六自由度虛擬空間中的一目標軌跡；以及一處理器，電性連接到該儲存器，且用以：判斷該標準軌跡與該目標軌跡的一相似度是否低於一相似度臨界值；以及當判斷該相似度低於該相似度臨界值，將該目標軌跡資料歸類為一無效資料。
  2. 如請求項1所述之透過六自由度虛擬空間中的軌跡篩選資料之裝置，其中該處理器還用以：當判斷該相似度不低於該相似度臨界值，將該目標軌跡資料歸類為一有效資料。
  3. 如請求項1所述之透過六自由度虛擬空間中的軌跡篩選資料之裝置，其中該處理器還用以：當判斷該相似度不低於該相似度臨界值，將該目標軌跡中與該標準軌跡相符的一局部軌跡所對應到該目標軌跡資料的一部份歸類為一有效資料。
  4. 如請求項1所述之透過六自由度虛擬空間中的軌跡篩選資料之裝置，其中該處理器還用以判斷該標準軌跡與該目標軌跡的一相異度 是否低於一相異度臨界值，且當判斷該相似度不低於該相似度臨界值且該相異度低於該相異度臨界值時，將該目標軌跡資料歸類為一有效資料。
  5. 如請求項1所述之透過六自由度虛擬空間中的軌跡篩選資料之裝置，其中該相似度是該標準軌跡與該目標軌跡在該六自由度虛擬空間中對應至相同的虛擬空間單元之一數量。
  6. 如請求項1所述之透過六自由度虛擬空間中的軌跡篩選資料之裝置，其中該六自由度虛擬空間的原點對應到一慣性測量單元的一位置。
  7. 如請求項1所述之透過六自由度虛擬空間中的軌跡篩選資料之裝置，其中該處理器還用以分別針對一慣性測量單元所產生的一三自由度資料進行一自由度轉換，以產生該標準軌跡資料與該目標軌跡資料。
  8. 如請求項1所述之透過六自由度虛擬空間中的軌跡篩選資料之裝置，其中在判斷該相似度是否低於該相似度臨界值之前，該處理器還用以針對該目標軌跡與該標準軌跡進行一中心點對齊以及一法向量對齊。
  9. 一種透過六自由度虛擬空間中的軌跡篩選資料之方法，用於一計算裝置，該計算裝置儲存一標準軌跡資料以及一目標軌跡資料，該標準軌跡資料對應到由複數個虛擬空間單元所組成的一六自由度虛擬空間中的一標準軌跡，該目標軌跡資料對應到該六自由度虛擬空間中的一目標軌跡，該資料篩選方法包含：由該計算裝置判斷該標準軌跡與該目標軌跡的一相似度是否低於一相似度臨界值；以及 當判斷該相似度低於該相似度臨界值，由該計算裝置將該目標軌跡資料歸類為一無效資料。
  10. 如請求項9所述之透過六自由度虛擬空間中的軌跡篩選資料之方法，還包含：當判斷該相似度不低於該相似度臨界值，由該計算裝置將該目標軌跡資料歸類為一有效資料。
  11. 如請求項9所述之透過六自由度虛擬空間中的軌跡篩選資料之方法，還包含：當判斷該相似度不低於該相似度臨界值，由該計算裝置將該目標軌跡中與該標準軌跡相符的一局部軌跡所對應到該目標軌跡資料的一部份歸類為一有效資料。
  12. 如請求項9所述之透過六自由度虛擬空間中的軌跡篩選資料之方法，還包含：由該計算裝置判斷該標準軌跡與該目標軌跡的一相異度是否低於一相異度臨界值；其中，當判斷該相似度不低於該相似度臨界值且該相異度低於該相異度臨界值時，才由該計算裝置將該目標軌跡資料歸類為一有效資料。
  13. 如請求項9所述之透過六自由度虛擬空間中的軌跡篩選資料之方法，其中該相似度是該標準軌跡與該目標軌跡在該六自由度虛擬空間中對應至相同的虛擬空間單元之一數量。
  14. 如請求項9所述之透過六自由度虛擬空間中的軌跡篩選資料之方法，其中該六自由度虛擬空間的原點對應到一慣性測量單元的一位置。
  15. 如請求項9所述之透過六自由度虛擬空間中的軌跡篩選資料之方法，還包含：由該計算裝置分別針對一慣性測量單元所產生的一三自由度資料進行一自由度轉換，以產生該標準軌跡資料與該目標軌跡資料。
  16. 如請求項9所述之透過六自由度虛擬空間中的軌跡篩選資料之方法，還包含：在判斷該相似度是否低於該相似度臨界值之前，由該計算裝置針對該目標軌跡與該標準軌跡進行一中心點對齊以及一法向量對齊。
TW109129157A 2020-08-26 2020-08-26 透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法 TWI784305B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW109129157A TWI784305B (zh) 2020-08-26 2020-08-26 透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法
CN202010935745.2A CN114202001A (zh) 2020-08-26 2020-09-08 数据筛选装置及数据筛选方法
US17/067,022 US11392218B2 (en) 2020-08-26 2020-10-09 Data filtering device and data filtering method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109129157A TWI784305B (zh) 2020-08-26 2020-08-26 透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法

Publications (2)

Publication Number Publication Date
TW202209148A TW202209148A (zh) 2022-03-01
TWI784305B true TWI784305B (zh) 2022-11-21

Family

ID=80358517

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109129157A TWI784305B (zh) 2020-08-26 2020-08-26 透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法

Country Status (3)

Country Link
US (1) US11392218B2 (zh)
CN (1) CN114202001A (zh)
TW (1) TWI784305B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992189A (zh) * 2017-09-22 2018-05-04 深圳市魔眼科技有限公司 一种虚拟现实六自由度交互方法、装置、终端及存储介质
CN108604119A (zh) * 2016-05-05 2018-09-28 谷歌有限责任公司 在增强和/或虚拟现实环境中的虚拟项的共享
US10089789B2 (en) * 2014-06-12 2018-10-02 Faro Technologies, Inc. Coordinate measuring device with a six degree-of-freedom handheld probe and integrated camera for augmented reality
TW201842431A (zh) * 2017-05-01 2018-12-01 美商谷歌有限責任公司 虛擬實境系統中之位置追蹤及物體定向
US10146335B2 (en) * 2016-06-09 2018-12-04 Microsoft Technology Licensing, Llc Modular extension of inertial controller for six DOF mixed reality input
CN109448835A (zh) * 2018-12-07 2019-03-08 西安科技大学 一种残疾人生活脑控辅助系统及方法
CN109766569A (zh) * 2018-11-23 2019-05-17 中国船舶重工集团公司第七一九研究所 潜艇运动模型简化方法及装置
JP6531228B2 (ja) * 2016-02-22 2019-06-12 グーグル エルエルシー 拡張／仮想現実環境においてペアリングする装置
US10345925B2 (en) * 2016-08-03 2019-07-09 Google Llc Methods and systems for determining positional data for three-dimensional interactions inside virtual reality environments

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201516953D0 (en) * 2015-09-25 2015-11-11 Umajin Ltd Ghost hands
US10592002B2 (en) * 2018-06-14 2020-03-17 Dell Products, L.P. Gesture sequence recognition using simultaneous localization and mapping (SLAM) components in virtual, augmented, and mixed reality (xR) applications

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10089789B2 (en) * 2014-06-12 2018-10-02 Faro Technologies, Inc. Coordinate measuring device with a six degree-of-freedom handheld probe and integrated camera for augmented reality
JP6531228B2 (ja) * 2016-02-22 2019-06-12 グーグル エルエルシー 拡張／仮想現実環境においてペアリングする装置
CN108604119A (zh) * 2016-05-05 2018-09-28 谷歌有限责任公司 在增强和/或虚拟现实环境中的虚拟项的共享
US10146335B2 (en) * 2016-06-09 2018-12-04 Microsoft Technology Licensing, Llc Modular extension of inertial controller for six DOF mixed reality input
US10345925B2 (en) * 2016-08-03 2019-07-09 Google Llc Methods and systems for determining positional data for three-dimensional interactions inside virtual reality environments
TW201842431A (zh) * 2017-05-01 2018-12-01 美商谷歌有限責任公司 虛擬實境系統中之位置追蹤及物體定向
CN107992189A (zh) * 2017-09-22 2018-05-04 深圳市魔眼科技有限公司 一种虚拟现实六自由度交互方法、装置、终端及存储介质
CN109766569A (zh) * 2018-11-23 2019-05-17 中国船舶重工集团公司第七一九研究所 潜艇运动模型简化方法及装置
CN109448835A (zh) * 2018-12-07 2019-03-08 西安科技大学 一种残疾人生活脑控辅助系统及方法

Also Published As

Publication number Publication date
TW202209148A (zh) 2022-03-01
US20220066574A1 (en) 2022-03-03
CN114202001A (zh) 2022-03-18
US11392218B2 (en) 2022-07-19

Similar Documents

Publication Publication Date Title
US8269842B2 (en) Camera gestures for user interface control
US8941587B2 (en) Method and device for gesture recognition diagnostics for device orientation
JP6171615B2 (ja) 情報処理装置及びプログラム
JP2014531688A (ja) 全方向ジェスチャー入力
TWI475422B (zh) 手勢辨識方法與電子裝置
US10809807B2 (en) Information processing apparatus and associated methodology for performing functions based on gestures
CN109933190B (zh) 一种头戴显示设备及其交互方法
TWI784305B (zh) 透過六自由度虛擬空間中的軌跡篩選資料之裝置及方法
Van Laerhoven et al. Using an autonomous cube for basic navigation and input
CN114360047A (zh) 举手手势识别方法、装置、电子设备及存储介质
US20130249807A1 (en) Method and apparatus for three-dimensional image rotation on a touch screen
CN105308540A (zh) 触摸事件处理方法及用于其的装置
US9158380B2 (en) Identifying a 3-D motion on 2-D planes
WO2021147897A1 (en) Apparatus and method for controlling a vehicle-mounted device, and vehicle-mounted device
CN114170620A (zh) 手掌位置确定方法、装置、电子设备及存储介质
JP2013077180A (ja) 認識装置およびその制御方法
JP5867554B2 (ja) 情報処理装置及び情報処理装置の操作方法
KR102346904B1 (ko) 제스처 인식 장치 및 방법
CN113496165B (zh) 用户手势识别方法、装置、手部智能穿戴设备及存储介质
US20240135582A1 (en) Plane Detection and Identification for City-Scale Localization
CN108646931B (zh) 一种终端控制方法及终端
KR101861325B1 (ko) 터치 패널 제어 장치, 전자 장치 및 터치 입력 식별 방법
KR20200111075A (ko) 회전 반지름을 이용한 모션 인식 방법 및 장치
Mitri et al. Sky Writer: Towards an Intelligent Smart-phone Gesture Tracing and Recognition Framework
CN117289792A (zh) Ar交互方法、装置和电子设备