[发明专利]一种头部运动姿态预测方法、装置及磁共振系统

权利要求书

1.一种头部运动姿态预测方法，其特征在于，包括：

获取头部运动姿态数据；

基于所述头部运动姿态数据构建头部运动的状态空间模型；

对所述状态空间模型进行滤波估计，得到头部运动姿态数据的预测值，其中，在对所述状态空间模型进行滤波估计的过程中，对系统噪声和观测噪声进行实时在线修正。

2.根据权利要求1所述的头部运动姿态预测方法，其特征在于，所述获取头部运动姿态数据，包括：

获取图像采集设备采集的多个连续第一头部运动图像；

提取所述第一头部运动图像中预设特征点的像素坐标；

根据所述预设特征点之间的预设空间几何约束关系，将所述预设特征点的像素坐标转换为所述头部运动姿态数据。

3.根据权利要求1所述的头部运动姿态预测方法，其特征在于，所述头部运动的状态空间模型包括模型的状态方程和模型的观测方程；所述基于所述头部运动姿态数据构建头部运动的状态空间模型，包括：

将描述头部运动姿态的平移量、旋转角和头部运动的速度、加速度作为状态变量，并引入系统噪声，构建模型的状态方程；

将在采样时刻的姿态测量值作为观测量，并引入观测噪声，构建模型的观测方程。

4.根据权利要求1所述的头部运动姿态预测方法，其特征在于，所述对所述状态空间模型进行滤波估计，得到头部运动姿态数据的预测值，包括：

获取历史状态变量，并根据所述模型的状态方程对所述历史状态变量进行状态更新，得到头部运动姿态数据的初始预测值；

计算所述头部运动姿态数据的初始预测值的先验估计误差；

根据所述先验估计误差计算卡尔曼增益；

根据所述卡尔曼增益对所述初始预测值进行修正，估计所述头部运动姿态数据的预测值。

5.根据权利要求4所述的头部运动姿态预测方法，其特征在于，所述方法还包括：

计算所述头部运动姿态数据的预测值的后验估计误差；

基于预设的卡尔曼滤波算法对所述卡尔曼增益、先验估计误差和后验估计误差进行迭代优化。

6.根据权利要求1所述的头部运动姿态预测方法，其特征在于，所述对系统噪声和观测噪声进行实时在线修正，包括：

根据采样时刻的状态变量、观测矩阵及采样时刻的观测量确定测量误差；

基于所述测量误差引入中间变量；

基于所述中间变量与卡尔曼增益确定系统噪声协方差；

基于所述中间变量、观测矩阵与卡尔曼增益确定观测噪声协方差；

分别基于所述系统噪声协方差和所述观测噪声协方差对所述系统噪声和观测噪声进行实时在线修正。

7.根据权利要求1所述的头部运动姿态预测方法，其特征在于，在对所述状态空间模型进行滤波估计的过程中，所述方法还包括：

将多个头部运动姿态数据的预测值作为历史状态变量重新输入状态空间模型，迭代输出头部运动姿态数据的多步预测值。

8.根据权利要求1所述的头部运动姿态预测方法，其特征在于，在得到头部运动姿态数据的预测值后，所述方法还包括：

根据头部运动姿态数据的预测值进行渲染，得到第二头部运动图像。

9.一种头部运动姿态预测装置，其特征在于，包括：

获取模块，用于获取头部运动姿态数据；

构建模块，用于基于所述头部运动姿态数据构建头部运动的状态空间模型；

预测模块，用于对所述状态空间模型进行滤波估计，得到头部运动姿态数据的预测值，其中，在对所述状态空间模型进行滤波估计的过程中，对系统噪声和观测噪声进行实时在线修正。

10.一种磁共振系统，其特征在于，包括：

图像采集设备，用于采集第一头部运动图像；

头显设备，用于显示第二头部运动图像；

服务器，用于与所述图像采集设备和头显设备通信连接，其中包括计算机程序，用于在执行所述计算机程序时实现上述权利要求1至8中任意一项所述的头部运动姿态预测方法中的步骤。