[发明专利]一种头部运动姿态预测方法、装置及磁共振系统

说明书

本发明涉及一种头部运动姿态预测方法、装置及磁共振系统，其方法包括：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。本发明通过引入卡尔曼预测框架，减少了预测过程的延时，使得画面延迟问题得到了有效的解决。

技术领域

本发明涉及运动预测技术领域，尤其涉及一种头部运动姿态预测方法、装置及磁共振系统。

背景技术

虚拟显示系统需要能够实时响应用户的头部运动。虽然用户的头部运动可以通过多种传感器进行测量，但是受传输和计算等时间的限制，头盔显示器并不能立即把相应画面显示给用户，从而会产生画面延时该延时会造成视觉运动感知与前庭运动感知的差异，不仅会降低虚拟现实系统的临场感，还会加重大脑负担并引起眩晕与恶心。

现有技术在做实时、前瞻性运动矫正过程中，通过不断调整图像切片定位以实时跟踪对象，从而保持空间图像信息与对象解剖结构之间的关系，需要精确对齐来自不同时间点的图像，以便在整个扫描过程中可靠地量化大脑活动，然而由于运算、通讯以及系统等原因，画面延迟问题并未得到有效的解决。

发明内容

有鉴于此，有必要提供一种头部运动姿态预测方法、装置及磁共振系统，用以解决在虚拟/增强现实中的画面延时问题。

为了解决上述问题，第一方面，本发明提供一种头部运动姿态预测方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，所述对系统噪声和观测噪声进行实时在线修正，包括：