基于少量惯性传感器的实时运动捕捉方法研究

With the increasing demands, the financal cost has restricted the application of motion capture techniques. To balance the contradictions between cost, application environment and accuracy, we plan to propose a method of real-time motion capture with less inertial sensors. This method can reduce the system cost by decreasing the number of inertial sensors, guarantee the accuracy based on data-driven motion generation, and achieve the adjustable number by adopting single type of sensors. We present multi-classifier based feature analysis, dimension reduction of motion data, feature based sensor decreasing rules,and motion knowledge database. To model nonliner motion data，the distribution of local dynamics is used to represent global dynamics of motions. We also build a temporal-spatial prior model to perform motion reconstruction with low-dimension control signals. For evaluation, we design and implement a prototype of motion capture. Our research target is to design a low-cost device for motion capture, and discuss the influences on modeling efficiency and construction accuracy by adjusting parameters (number and position) of inertial sensors.

随着运动捕捉需求的日益增加，高成本已经成为运动捕捉技术进一步应用和发展的瓶颈。为了解决运动捕捉成本、应用环境和捕捉效果之间的矛盾，本研究提出基于少量惯性传感器的实时运动捕捉方法。该方法通过减少传感器数量降低系统成本，通过数据驱动的运动生成方法保证捕捉结果的准确性，通过选择单一类型传感器使系统传感器数量可调。主要研究内容包括：基于多分类器的运动数据特征分析、运动数据降维、基于特征分析的惯性传感器精简、运动知识库组织和查询方法、基于局部动态特性集合的实时运动建模方法、建立考虑运动时间和空间特性的先验概率模型、基于低维采样点的运动重建方法。同时，设计和实现原型系统，对所提出方法进行评价。本研究主要目标是降低运动捕捉成本，探讨惯性传感器参数（数量、位置等）对运动建模复杂度和重建准确性的影响。

低成本的运动捕捉技术具有重要的应用前景和广泛的应用需求。本研究面向新一代虚拟现实与人机交互技术的广泛应用，以降低运动捕捉系统成本、兼顾效率和效果为目的，研究基于少量惯性传感器的实时运动捕捉方法，探讨惯性传感器参数（数量、位置等）在运动捕捉技术中对运动建模复杂度和重建准确性的影响。在对已有运动数据进行特征分析和建模的基础上，使用少量惯性传感器获得低维运动数据作为交互控制信息，对三维空间中人体运动进行联机重建和合成，从而实现实时运动捕捉。.主要研究内容包括：运动数据特征分析方法研究、联机运动建模方法研究、基于低维采样点的运动重建方法研究、运动捕捉原型系统的设计实现及性能评估；开展的关键技术研究包括：运动特征分析、运动数据降维、传感器精简原则与参数选取、运动知识库构建及参数选择、联机运动建模方法框架、姿态相似性模型构建、联机方法重建误差率分析、传感器数量对姿态重建误差的影响、基于偏最小二乘回归法的相似动作模型、建立考虑运动时间和空间特性的先验概率模型、基于低维采样点的运动重建方法等。.本课题研究达到预期研究目标，实现了两种运动重建方法：1）在改进OLNG方法的基础上，提出了姿态相似性模型构建，达到了时间-空间-逻辑相似的统一，实现了局部动态特性集合的建模；2）针对低维采样点，提出了基于偏最小二乘回归法的运动相似性度量方法，建立低维加速度数据和高维加速度数据之间的定量关系模型，通过模型的回归方程预测与低维加速度数据相似动作的高维加速度数据，进而作为相似动作检索的条件；最终构建了基于少量传感器的运动捕捉原型系统。.本课题方法与可查文献最优方法Kruger方法相比，联机动作重建时间降低了91.7%，其中相似动作检索时间降低了41.6%，动作重建方法平均重建时间是36.61ms，小于惯性传感器最快的采样周期（40ms），满足联机的动作重建方法的时间要求，平均重建误差降低约2cm，同时对少量传感器数量（少于6个惯性传感器）进行重建实验分析，平均误差率控制在5.5cm左右。.本方法的主要贡献在于减少惯性捕捉系统中传感器的数量以降低系统成本，在保证了动作重建的准确性的基础上，较大幅度的提高了动作重建的速度，通过数据驱动的运动生成方法确保运动捕捉的准确性，传感器类型单一、数目可调。