[发明专利]一种光学式人体运动捕捉中手臂信息补偿方法

说明书

技术领域

本发明属于虚拟现实环境中虚拟人运动控制技术领域，涉及一种光学式人体运动捕捉数据缺失情况下的信息补偿方法，尤其涉及一种基于空间位置跟踪装置的手臂运动信息补偿方法。

背景技术

当前，常用的运动捕捉技术可分为机械式、声学式、电磁式和光学式。光学式运动捕捉方法简单，与其它技术相比具有装置结构简单、使用方便、实时性好、准确度高及环境要求低等特点，因此是目前应用相对广泛的一种人体运动捕捉系统。但是由于采集到的光学特征点(Marker)的三维坐标信息，数据以散乱无序的形式存在，并存在缺少点的情况，所以数据后续处理运算难度较大，因此如何设计高效准确的处理方法或算法对散乱数据进行处理，并对缺失点进行预测成为了近年来研究的热点和难点。为此，大连理工大学的魏小鹏、张强教授及肖伯祥、刘瑞、方小勇和吴升等博士及硕士研究生进行了深入研究，发表在2008年1月第20卷第2期的《系统仿真学报》上的《光学运动捕捉散乱数据处理的一种方法》、2008年11月第25卷第11期的《计算机应用研究》上的《人体运动数据重构方法进展》、2009年5月第26卷第5期的《计算机应用研究》上的《一种新的光学运动捕捉数据处理方法》、2009年10月第17卷第5期的《应用基础与工程科学学报》上的《一种有效的光学运动捕捉数据处理方法》、2010年10月第22卷第10期的《系统仿真学报》上的《基于模板匹配的人体运动捕捉数据处理方法》等文章，对光学人体运动捕捉数据的处理主要先采用刚性结构匹配的方法，然后通过采用运动轨迹追踪及缺失点自回归模型(AutoRegressive，AR)、人体结构特征关联性或Newton插值算法等不同原理和算法对缺失点进行预测，其基本方法是：根据人体骨骼结构对捕获数据进行刚性结构匹配；然后对捕获数据中所存在的缺失点进行预测，包括：轨迹追踪及缺失点AR模型预测、根据人体结构特征关联性对缺失点进行预测、基于Newton插值算法的缺失点运动数据预测。

以上数据处理及缺失点信息预测方法中，轨迹追踪及缺失点AR模型预测法实时性较好，但在多个Marker点重合在一起或者距离过小时容易造成累积误差，导致追踪错误，并不易用于单个Marker点在连续多帧数据缺失情况下的预测；人体结构特征关联性预测法可以用于长时间丢失的单独点不多的情况下的预测，但是必须有一段时间的骨架信息做保证；基于Newton插值算法的预测法可以在很短时间内(小于0.5s)对缺失点进行预测，在一定条件下可以对多点进行预测，但是要求具备一定数量的数据信息，计算量大。此外，在采用光学式人体运动捕捉系统的多人协同式虚拟维修训练系统中，维修训练人员由于道具、动作或相互遮挡等原因，Marker点的捕捉数据容易出现缺失的现象。在人体上粘连的Marker点中，身体主要躯干部位(头部、肩部、背部、胸部等)上的Marker点被遮挡的可能性较小，而且这些部位具有一定的相对固定性和约束性，可以通过上述的方法进行预测补偿；两个手臂部位由于维修操作动作模拟以及协同配合的需要，被遮挡的机率较大，而且每个手臂上有5个标记点，涉及手臂运动7个自由度信息，在仅有肩部关节连接处标记点信息的情况下，即便将上述预测方法与正向运动学相结合，也较难实现对Marker点空间位置的准确预测。

发明内容

针对上述现有技术状况，本发明的目的在于：在手臂Marker点捕捉数据缺失的情况下，通过采用空间位置跟踪装置获取手腕的空间坐标系统信息，并结合大小臂的长度，补偿出手臂在运动过程中缺失的Marker点空间位置信息。

现将本发明构思及技术解决方案叙述如下：

本发明方法的基本构思是，利用空间位置跟踪装置获取到的手腕位置信息和角度信息，结合手臂上各Marker点的初始位置信息及大小臂的长度，根据人体运动学方程，求解得出手臂运动过程中的各Marker点空间位置信息，具体步骤如下：

步骤1：将空间位置跟踪装置中的信号源发射器固定在某物体表面，在虚拟维修环境(Virtual Maintenance Environment，VME)中以世界坐标系(World Coordinate System，WCS)某坐标点为原点形成参考坐标系(Reference Coordinate System，RCS)，即位置跟踪坐标系(Position Tracking Coordinate System，PTCS)：