[发明专利]用于使用电阻抗测量追踪手部运动的臂带

说明书

一种系统包括可佩戴设备，该可佩戴设备包括布置在可佩戴设备上的不同位置处的传感器。每个传感器测量从用户的手腕或手臂传输的电信号。位置计算电路耦合到传感器。位置计算电路利用机器学习模型使用从电信号中导出的信息来计算描述用户的手腕或手臂的手的手部位置的输出。

背景

公开领域

本公开总体上涉及使用传感器进行对身体运动的追踪，并且具体涉及使用电阻抗测量对人的手部位置(hand position)的追踪。

相关技术的描述

诸如手势的身体运动对用户来说是与计算设备交互的一种吸引人的方式，因为手势已经是人们交流方式的自然部分。手势追踪设备可以使用户能够控制计算设备或与计算设备交互，而无需物理上触摸它们。例如，用户可以使用手势追踪设备来控制本地或远程环境中的存储器或显示设备。

手势识别系统可能使用起来难掌握、受到限制并且不舒适。例如，使用机械信号来追踪手部运动的手套状设备可能会干扰手的触觉。它们也可能很难针对具有不同的手部尺寸的不同用户进行定制。基于相机的手势追踪系统从捕获的图像中检测用户的手部区域，但是通常要求用户的整只手都在相机视野范围内。当图像中存在物体遮挡时，它们还可能遭受失败。

因此，手势追踪器使用不便、难以管理，并且受到来自系统布置或周围环境的失真。传统手势追踪器的成本还可能很高，因此限制了用户的采用率。此外，手势识别系统限于一小组预定义的手势。由于这些和其他原因，这样的手势识别系统不适用于头戴式显示器(HMD)的有效手部追踪。

概述

实施例涉及一种使用对用户的手臂的电阻抗测量来追踪人手部运动的可佩戴设备。位于可佩戴设备上的传感器从用户的手腕或手臂接收对应于用户的手部位置的电信号。从电信号中提取信息(例如，指示用户的手臂结构(例如肌腱)的状态的阻抗值，从而也指示用户的手部位置或姿势的阻抗值)。阻抗值或从电信号中提取的其他值可以用作实现机器学习模型的位置计算电路的输入。位置计算电路使用机器学习模型从输入中确定用户的手部位置。在一些实施例中，可佩戴设备包括惯性测量单元(IMU)，该惯性测量单元测量用户的手臂的运动，并且向位置计算电路提供惯性信号作为用于确定手部位置的输入。在一些实施例中，使用从与电子信号的捕获同时拍摄的用户的手的视频图像中提取的真实事实(ground truth)手部位置来训练机器学习模型。

在一个实施例中，系统包括可佩戴设备，该可佩戴设备包括布置在该可佩戴设备上的传感器。每个传感器测量从用户的手腕或手臂传输的电信号。位置计算电路耦合到传感器。位置计算电路利用机器学习模型使用从电信号中导出的信息来计算描述用户的手腕或手臂的手的手部位置的输出。

在一个实施例中，位置计算电路位于可佩戴设备中。

在一个实施例中，位置计算电路位于可佩戴设备外部的主机系统或其他计算设备中。

在一个实施例中，每个传感器包括电极和位于电极和用户的手腕或手臂之间的导电剂。每个传感器可以将交流(AC)信号、直流(DC)信号或优选地包括多个频率的宽带宽AC信号传输到用户的手腕或手臂中。

在一个实施例中，每个电信号可以包括以下之一：电压和电压的相位；电流和电流的相位；或者DC信号的幅度。

在一个实施例中，传感器以网格阵列或棋盘格(checkerboard)图案布置。

在一个实施例中，从电信号导出的信息包括基于每对传感器之间测量的电阻抗的合计值。电阻抗是基于由一对传感器传输到用户的手腕或手臂中的探测信号和测量到的电信号来确定的。在一个实施例中，导出的信息可以包括电信号的波形、电信号的频域表示或电信号的时域样本。