融合数据差异特征的人体动作捕捉策略研究

The human motion capture method based on inertial sensing has many defects which restrict its popularization and application.. According to the existing dependence characteristics and coupling law between human skeletons, using the sensor node data difference characteristics in human motion capture process, task decomposition and behavior classification of human motion capture process has been conducted in this proposal. By designing a low power consumption, network and wearable human action capture system prototype and conducting a large number of motion capture experiment, a set of key skeleton nodes of various types of human body movements has been sought and different forms of expression of the different forms of data has been mapped accurately. According to the research results, human body 3D model reconstruction method based on partial captured results will be researched, matching strategy for 3D human model and capture object in the process of motion capture will be explored, and dynamic adjustment scheme of solution period in attitude computation during capture process will be studied, the correction strategies of cumulative error will be proposed. The proposal plans to build many type experimental platform to test the proposed algorithm strategy and the prototype system of the designed human motion capture system and evaluate the cycle.. The results of the research can improve the speed, accuracy and stability of the human motion capture method based on inertial sensors, and can provide reference for the motion detection of moving objects.

基于惯性传感的人体动作捕捉方法中存在的缺陷制约了其推广应用。. 课题根据人体骨骼间存在的依附特性和耦合规律，利用人体动作捕捉过程中传感节点数据之间的差异特征，对人体动作捕捉过程进行任务分解和行为分类。通过设计一种低功耗、网络化、穿戴式的人体动作捕捉系统原型，进行大量动作捕捉实验，寻求形成各类人体动作的关键骨骼节点集合及准确映射人体各类姿态行为的数据差异特征表达形式；以其为基础，研究基于局部捕捉结果的人体三维模型重构方法，探索捕捉对象与人体模型之间的匹配理论，设计姿态解算计算周期的动态调整方案，提出累计误差修正策略。在项目研究过程中，课题通过构建多类验证平台，对设计的动作捕捉系统原型及提出的算法策略进行测试评估及循环优化。. 课题研究结果可以提高基于惯性传感的人体动作捕捉方法的捕捉速度、精度与稳定性，研究结果还可为基于惯性传感的运动目标跟踪检测提供方法参考。

课题针对研究目标，根据研究计划开展了研究工作，并取得了良好的研究结果。.课题通过设计一种低功耗、网络化、穿戴式的人体动作捕捉系统原型，进行大量动作捕捉实验，形成了各类人体动作的关键骨骼节点集合及准确映射人体各类姿态行为的数据差异特征表达形式；并以其为基础，研究了基于局部捕捉结果的人体三维模型重构方法，探索了捕捉对象与人体模型之间的匹配理论，设计了姿态解算计算周期的动态调整方案，提出累计误差修正策略。.课题根据人体运动的对称性特点提出一种误差自主矫正的室内动态定位方法，快速获得人体运动过程的界定依据，并在该方法基础上引入UWB（Ultra Wide Band）定位，利用UKF（unscented kalman filter）融合惯性传感数据和UWB（Ultra Wide Band）数据的结果，利用惯性定位弥补UWB定位信号易受阻挡的缺陷，并通过UWB定位克服惯性定位误差累积的弱点，利用上述方法不仅可以提高定位精度，而且可以提高定位结果的动态响应。.课题针对人体动作捕捉系统的网络特点，提出了一种具有全局性的拥塞控制策略，并研究了系统的无线网络节点的拓扑结构、网络层的主动管理队列机制以及传输控制层的TCP拥塞控制算法等相关内容。采用星型拓扑结构作为系统的网络组成，并且针对该拓扑结构的特点，在网络中心节点的网络层采用了一种自适应调整的主动队列管理机制—ARED算法，更灵活的管理来自不同发送节点的数据；然后在网络的发送节点中提出了一种改进的TCP拥塞控制算法—TCP-NewIllinois算法，通过该算法实时检测网络拥塞级别来调整发送节点的发送速率，从而避免网络拥塞产生。.在项目研究过程中，课题通过构建多类验证平台，对设计的动作捕捉系统原型及提出的算法策略进行测试评估及循环优化。课题研究结果能够提高基于惯性传感的人体动作捕捉方法的捕捉速度、降低动作捕捉系统能耗、减少捕捉过程中的累计误差、延长动作捕捉过程的持续时间，研究成果将完善基于分布式惯性传感人体动作捕捉的理论与方法，使人体动作捕捉技术得到更为广泛的应用。