CN105303201B - 一种基于动作感应进行手写识别的方法和*** - Google Patents
一种基于动作感应进行手写识别的方法和*** Download PDFInfo
- Publication number
- CN105303201B CN105303201B CN201510743029.3A CN201510743029A CN105303201B CN 105303201 B CN105303201 B CN 105303201B CN 201510743029 A CN201510743029 A CN 201510743029A CN 105303201 B CN105303201 B CN 105303201B
- Authority
- CN
- China
- Prior art keywords
- axle sensor
- displacement
- group
- euler angle
- acceleration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000006698 induction Effects 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000033001 locomotion Effects 0.000 title claims abstract description 47
- 238000006073 displacement reaction Methods 0.000 claims abstract description 159
- 230000009471 action Effects 0.000 claims abstract description 63
- 230000001133 acceleration Effects 0.000 claims description 125
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000002156 mixing Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 6
- 230000005389 magnetism Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000005484 gravity Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
- G06V30/2455—Discrimination between machine-print, hand-print and cursive writing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及一种基于动作感应进行手写识别的方法和基于动作感应在终端设备上进行手写识别的***,包括:获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组;根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得第一九轴传感器的第一位移和第二九轴传感器的第二位移及两者的相对位移,最终识别出的手写轨迹。该方法和***,通过使用两个九轴传感器,检测各自的位移变化和角度变化造成的相对位移,无需依赖底部或者侧边的感应装置就能够进行准确的手写轨迹识别,实用性强,使用方便。
Description
技术领域
本发明涉及手写识别技术领域,尤其涉及一种基于动作感应进行手写识别的方法和基于动作感应在终端设备上进行手写识别的***。
背景技术
一般基于动作感应的技术由于精度等问题,一直仅被用于手势感应设备,无法适用于精度要求较高的手写识别领域。后来新研发的技术由于配合使用传感器和各类手写算法,可以实现书写笔画的检测,却依然无法使书写笔自身准确地检测到书写轨迹,而需要借助底部或者侧边的大量传感器。可见,如何使书写笔可以准确的检测到书写轨迹,是工程师需要解决的一大问题。
发明内容
本发明的目的在于提出一种基于动作感应进行手写识别的方法和基于动作感应在终端设备上进行手写识别的***,无需依赖底部或者侧边的感应装置就能够进行准确的手写轨迹识别,实用性强,使用方便。
为达此目的,本发明采用以下技术方案:
第一方面,提供一种基于动作感应进行手写识别的方法,包括:
获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值;
根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移;
根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。
其中,所述根据所述相对位移、第一位移和第二位移获得最终位移,包括:
获得所述第一位移和第二位移的平均位移,获得所述平均位移和所述相对位移的总和,该总和为所述最终位移。
其中,所述相对位移=所述相对距离值*tan(所述角度差值)。
其中,所述根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,包括:
根据所述移动信号,获得所述第一九轴传感器的第一加速度、第一角速度和第一地磁感应值,并获得所述第二九轴传感器的第二加速度、第二角速度和第二地磁感应值;
将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项,计算得到所述第一九轴传感器的第一欧拉角度组,并将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项,计算得到所述第二九轴传感器的第二欧拉角度组。
其中,所述将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项之前,还包括:对所述第一地磁感应值作有效性判断和归一化处理;
所述将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项之前,还包括:对所述第二地磁感应值作有效性判断和归一化处理。
其中,所述计算得到所述第一九轴传感器的第一欧拉角度组,包括:通过融合算法,计算得到所述第一九轴传感器的第一欧拉角度组;
所述计算得到所述第二九轴传感器的第二欧拉角度组,包括:通过融合算法,计算得到所述第二九轴传感器的第二欧拉角度组。
其中,所述根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,包括:
将所述第一欧拉角度组转换为第一旋转矩阵组,将所述第一旋转矩阵组与所述第一加速度的矢量相乘,得到转换到东北天坐标系的第一加速度值组;
对所述第一加速度值组进行去趋势计算,获得所述第一九轴传感器的第一位移;
所述根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,包括:
将所述第二欧拉角度组转换为第二旋转矩阵组,将所述第二旋转矩阵组与所述第二加速度的矢量相乘,得到转换到东北天坐标系的第二加速度值组;
对所述第二加速度值组进行去趋势计算,获得所述第二九轴传感器的第二位移。
其中,所述去趋势计算为频域积分计算。
其中,所述获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,包括:
当接收到用于启动手写识别功能的压力信号时,采集相对设置的第一九轴传感器和第二九轴传感器的移动信号。
其中,所述获得最终位移之后,还包括:通过有线网络连接或无线网络连接,发送所述最终位移。
第二方面,提供一种基于动作感应在终端设备上进行手写识别的***,包括以下单元:
获得移动单元,用于获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值;
获得位移单元,用于根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移;
轨迹识别单元,用于根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。
其中,所述根据所述相对位移、第一位移和第二位移获得最终位移,包括:
获得所述第一位移和第二位移的平均位移,获得所述平均位移和所述相对位移的总和,该总和为所述最终位移。
其中,所述相对位移=所述相对距离值*tan(所述角度差值)。
其中,所述根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,包括:
根据所述移动信号,获得所述第一九轴传感器的第一加速度、第一角速度和第一地磁感应值,并获得所述第二九轴传感器的第二加速度、第二角速度和第二地磁感应值;
将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项,计算得到所述第一九轴传感器的第一欧拉角度组,并将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项,计算得到所述第二九轴传感器的第二欧拉角度组。
其中,所述***还包括第一预处理单元和第二预处理单元;
所述第一预处理单元,用于对所述第一地磁感应值作有效性判断和归一化处理;
所述第二预处理单元,用于对所述第二地磁感应值作有效性判断和归一化处理。
其中,所述计算得到所述第一九轴传感器的第一欧拉角度组,包括:通过融合算法,计算得到所述第一九轴传感器的第一欧拉角度组;
所述计算得到所述第二九轴传感器的第二欧拉角度组,包括:通过融合算法,计算得到所述第二九轴传感器的第二欧拉角度组。
其中,所述根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,包括:
将所述第一欧拉角度组转换为第一旋转矩阵组,将所述第一旋转矩阵组与所述第一加速度的矢量相乘,得到转换到东北天坐标系的第一加速度值组;
对所述第一加速度值组进行去趋势计算,获得所述第一九轴传感器的第一位移;
所述根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,包括:
将所述第二欧拉角度组转换为第二旋转矩阵组,将所述第二旋转矩阵组与所述第二加速度的矢量相乘,得到转换到东北天坐标系的第二加速度值组;
对所述第二加速度值组进行去趋势计算,获得所述第二九轴传感器的第二位移。
其中,所述去趋势计算为频域积分计算。
其中,所述获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,包括:
当接收到用于启动手写识别功能的压力信号时,采集相对设置的第一九轴传感器和第二九轴传感器的移动信号。
其中,所述***还包括发送单元,所述发送单元,用于通过有线网络连接或无线网络连接,发送所述最终位移。
本发明的有益效果在于:一种基于动作感应进行手写识别的方法和基于动作感应在终端设备上进行手写识别的***,包括获得移动单元、获得位移单元和轨迹识别单元;所述获得移动单元,用于获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值;所述获得位移单元,用于根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移;所述轨迹识别单元,用于根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。可见,该基于动作感应进行手写识别的方法和基于动作感应在终端设备上进行手写识别的***,通过使用两个相对设置的九轴传感器,检测各自的位移变化和角度变化造成的相对位移,无需依赖底部或者侧边的感应装置就能够进行准确的手写轨迹识别,实用性强,使用方便。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明提供的基于动作感应进行手写识别的方法第一个实施例的方法流程图。
图2是本发明提供的基于动作感应进行手写识别的方法第二个实施例的方法流程图。
图3是本发明提供的基于动作感应在终端设备上进行手写识别的***第一个实施例的结构方框图。
图4是本发明提供的基于动作感应在终端设备上进行手写识别的***第二个实施例的结构方框图。
图5是应用本发明提供的***进行基于动作感应的手写识别的终端设备的结构示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,其是本发明提供的基于动作感应进行手写识别的方法第一个实施例的方法流程图。本发明实施例的基于动作感应进行手写识别的方法,可应用于各类需要进行手写轨迹检测的终端设备,如手写笔等。
该基于动作感应进行手写识别的方法,包括:
步骤S101、获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值。
需要说明的是,所述移动信号包括的加速度、角速度和地磁感应值,分别为三轴加速度、三轴角速度和三轴地磁感应值。
九轴传感器包括用于检测加速度的三轴加速度传感器、用于检测角速度的三轴陀螺仪和用于检测地磁感应值的三轴地磁感应器。
三轴加速度传感器是一种能够测量加速力的电子设备。加速力就是物体在加速过程中作用在物体上的力。三轴加速度传感器通过测量由牵引力和重力引起的加速度矢量和,牵引力由手写传递,而重力由地球的万有引力产生,其中静止状态下的单重力值,可以计算出三轴加速度传感器相对于水平面的倾斜角度,矢量中去除重力值后分析动态加速度,还可以得出三轴加速度传感器移动的速度和位移。
三轴陀螺仪是角运动检测装置,不同于传统的机械陀螺仪,低成本高精度的MEMS陀螺仪使用两个振动却做反向运动的音叉结构,科里奥效应使角速度产生相反的力从而引起电容变化,电容差值与角束度成正比,封装的陀螺仪内部电路将该差值转换成数字量,以表示该角速度。
三轴地磁感应器,又称电子罗盘,是利用地磁场来定北极的一种仪器。一般的三轴地磁感应器是用磁阻传感器和磁通门加工而成,通过检测地磁的大小,反应在三个正交轴上,从而计算出绝对方位。地磁仪容易受磁铁影响,因此需要对地磁仪的数据作有效分析,即地磁矢量和应在合理范围内,且陀螺仪角度的变化范围与地磁所决定的角度变化范围应在合理范围内。
欧拉角度组是用来唯一地确定定点转动刚***置的三个一组的独立角参量,由章动角θ、进动角ψ和自转角φ组成。获得欧拉角度组的大致过程为,将三轴陀螺仪检测到的角速度乘以时间后,再进行积分得到角度,该角度在三轴坐标系的x方向、y方向、z方向上分别表示章动角θ,进动角ψ和自转角φ。三轴陀螺仪的累加过程及由于器件本身的问题,都会对测量的最终角度产生一定误差。而三轴加速度传感器测量的加速度在静止时和三轴地磁感应器测量的地磁感应值能指向绝对方向,那么结合三轴加速度传感器和三轴地磁感应器就可以用于修正上述角度的误差,使后续的角度计算结果更加准确。
优选地,三轴加速度传感器测量的加速度去除重力后积分还可以获得速度值。
步骤S102、根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移。
优选地,所述相对距离值为10cm。当然在实际应用的过程中,可以根据终端设备的具体规格,灵活的选择第一九轴传感器和第二九轴传感器的相对距离值。相对位移可以根据角度差值和相对距离值,依据三角函数的原理计算而得到。
步骤S103、根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。
优选地,通过整合第一位移、第二位移和相对位移,可以得到最终位移,如对第一位移、第二位移作曲线拟合,用相对位移作为误差修正因子。
通过所述第一九轴传感器和第二九轴传感器,可以分别求出两个九轴传感器在三轴坐标系里的姿态,并得到加速度在这个三轴坐标系里的三方向的分量,通过加速度分量进一步得到运动位移,辅以相对位移的修正,就可以获得准确的手写轨迹。
设置两个相对的九轴传感器不同于传统的仅在底部装有九轴传感器的技术方案,设置两个共轴的九轴传感器,可以获得更准确的手写轨迹。
优选地,所述三轴坐标系为东北天坐标系,东北天坐标系也叫站心坐标系,常用于需了解以观察者为中心的其他物体运动规律,即物体相对于地平面的东西南北方位的运动和相对于地心的高度的变化。东北天坐标系与三轴坐标系(x,y,z)的性质基本一样,即x方向代表东方向,y方向代表北方向,z方向代表天方向,三个方向相互垂直,通过该正交坐标系可以直接使用类似三角函数的原理求得各方向的分量。
获得在东北天坐标系里的姿态的过程大致为:
由三轴地磁感应器获得南北方向,由三轴加速度传感器在静止时获得重力方向,由于九轴传感器固定安装在终端设备的内部,参考的方向可以人为设定,由以上两个矢量方向与该人为设定方向获得相互垂直的三个方向,使用类似三角函数的原理求得各方向的分量即可获得姿态。由于终端设备本身可能存在移动,即产生移动的加速度,当获得静止的重力方向后,通过三轴陀螺仪的积分(将三轴陀螺仪检测的角速度乘以时间,并进行累加即可获得角度),就可以获得连续姿态。
本发明实施例提供的基于动作感应进行手写识别的方法,通过使用两个相对设置的九轴传感器,检测各自的位移变化和角度变化造成的相对位移,无需依赖底部或者侧边的感应装置就能够进行准确的手写轨迹识别,实用性强,使用方便。
请参考图2,其是本发明提供的基于动作感应进行手写识别的方法第二个实施例的方法流程图。本发明实施例基于动作感应进行手写识别的方法的第一个实施例的基础上,对手写识别的情况进行了具体说明。
该基于动作感应进行手写识别的方法,包括:
步骤S201、当接收到用于启动手写识别功能的压力信号时,采集相对设置的第一九轴传感器和第二九轴传感器的移动信号,所述移动信号包括加速度、角速度和地磁感应值。
优选地,该压力信号用于启动手写识别功能,获得该压力信号即表示有用户进行手写,终端设备感应到进行书写的向上的压力。
步骤S202、根据所述移动信号,获得所述第一九轴传感器的第一加速度、第一角速度和第一地磁感应值,并获得所述第二九轴传感器的第二加速度、第二角速度和第二地磁感应值。
步骤S203a、对所述第一地磁感应值作有效性判断和归一化处理,将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项,通过融合算法,计算得到所述第一九轴传感器的第一欧拉角度组。
归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,转化为无量纲的表达式,成为标量。在多种计算中都经常用到这种方法。
所述融合算法,就是将三轴加速度、三轴角速度和三轴磁场强度(地磁感应值)融合转化为欧拉角,最后将欧拉角转为控制量的计算方法。
步骤S203b、对所述第二地磁感应值作有效性判断和归一化处理,将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项,通过融合算法,计算得到所述第二九轴传感器的第二欧拉角度组。
通过融合算法,以三轴陀螺仪测量的角度为主要依据,将加速度和地磁感应值作为误差项,可以得到准确的欧拉角度组。优选地,具体的计算过程会涉及到卡尔曼滤波等算法,但是其核心思路还是使用三轴陀螺仪的角度积分,使用有绝对指向的加速度和地磁感应值进行修正。
需要说明的是,步骤S203a和步骤S203b并没有先后顺序关系,两者并行实施。
步骤S204、根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移。
优选地,所述相对位移=所述相对距离值*tan(所述角度差值)。
将预先已知的两个九轴传感器的间隔距离(即相对距离值)作为垂直三角形的斜边,结合两组欧拉角度组的角度差值,就可以通过三角函数计算得到相对位移。
步骤S205a、将所述第一欧拉角度组转换为第一旋转矩阵组,将所述第一旋转矩阵组与所述第一加速度的矢量相乘,得到转换到东北天坐标系的第一加速度值组;对所述第一加速度值组进行去趋势计算,获得所述第一九轴传感器的第一位移。
优选地,所述去趋势计算为频域积分计算。其中一种简单的办法是使用FFT((FastFourier Transformation,即为快速傅氏变换,是离散傅氏变换DFT的快速算法,它是根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进的计算方法)对加速度FFT后积分,去掉低频分量,再逆FFT。
步骤S205b、将所述第二欧拉角度组转换为第二旋转矩阵组,将所述第二旋转矩阵组与所述第二加速度的矢量相乘,得到转换到东北天坐标系的第二加速度值组;对所述第二加速度值组进行去趋势计算,获得所述第二九轴传感器的第二位移。
需要说明的是,步骤S205a和步骤S205b并没有先后顺序关系,两者并行实施。
通过第一欧拉角度组得到第一旋转矩阵组,与第一九轴传感器的加速度矢量相乘得到转换坐标的第一加速度值组,如转换到东北天坐标系里。优选地,其数学计算方法为:
1、解四元数微分方程(龙格库塔法)
龙格库塔法公式:
其中
代码如下:
q0=q0+(-q1*gx-q2*gy-q3*gz)*halfT;
q1=q1+(q0*gx+q2*gz-q3*gy)*halfT;
q2=q2+(q0*gy-q1*gz+q3*gx)*halfT;
q3=q3+(q0*gz+q1*gy-q2*gx)*halfT;
2、求姿态矩阵
T[0][0]=q0*q0+q1*q1+q2*q2+q3*q3;
T[0][1]=2*(q1*q2-q0*q3);
T[0][2]=2*(q1*q3+q0*q1);
T[1][0]=2*(q1*q2+q0*q3);
T[1][1]=q0*q0-q1*q1+q2*q2-q3*q3;
T[1][2]=2*(q2*q3-q0*q1);
T[2][0]=2*(q1*q3-q0*q2);
T[2][1]=2*(q2*q3+q0*q1);
3、求加速度分量
fb[0]=T[0][0]*ax+T[0][1]*ay+T[0][2]*az;
fb[1]=T[1][0]*ax+T[1][1]*ay+T[1][2]*az;
fb[2]=T[2][0]*ax+T[2][1]*ay+T[2][2]*az;
其中,q是欧拉角度组的四元数表示方法。
获得第一加速度值组后,可以进一步获得转换到东北天坐标系的第一加速度分量。同理还可以获得第二加速度值组和转换到东北天坐标系的第二加速度分量。
步骤S206、获得所述第一位移和第二位移的平均位移,获得所述平均位移和所述相对位移的总和,该总和为所述最终位移,所述最终位移为识别出的手写轨迹。
步骤S207、通过有线网络连接或无线网络连接,发送所述最终位移。
优选地,通过有线网络连接或者无线网络连接的方式可以将最终位移上报给主机设备,以便主机设备根据识别出的最终位移,做出相应的响应。
本发明实施例提供的基于动作感应进行手写识别的方法,是一种全新的手写识别方案,使用两组九轴传感器,通过各自的位移检测和角度变化造成的相对位移,可以获得更准确的位移,即书写轨迹。
以下为本发明实施例提供的基于动作感应在终端设备上进行手写识别的***的实施例。基于动作感应在终端设备上进行手写识别的***的实施例与上述的基于动作感应进行手写识别的方法的实施例属于同一构思,基于动作感应在终端设备上进行手写识别的***的实施例中未详尽描述的细节内容,可以参考上述基于动作感应进行手写识别的方法的实施例。该***是用计算机程序来实现的,该***是用计算机程序实现的功能软件架构。
请参考图3,其是本发明提供的基于动作感应在终端设备上进行手写识别的***第一个实施例的结构方框图。所述基于动作感应在终端设备上进行手写识别的***,可应用于各类需要进行手写轨迹检测的终端设备,如手写笔等。
该基于动作感应在终端设备上进行手写识别的***,包括以下单元:
获得移动单元,用于获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值。
获得位移单元,用于根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移。
轨迹识别单元,用于根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。
本发明实施例提供的基于动作感应在终端设备上进行手写识别的***,通过使用两个相对设置的九轴传感器,检测各自的位移变化和角度变化造成的相对位移,无需依赖底部或者侧边的感应装置就能够进行准确的手写轨迹识别,实用性强,使用方便。
请参考图4,是本发明提供的基于动作感应在终端设备上进行手写识别的***第二个实施例的结构方框图。本发明实施例基于动作感应在终端设备上进行手写识别的***的第一个实施例的基础上,增加了第一预处理单元、第二预处理单元和发送单元。
该基于动作感应在终端设备上进行手写识别的***,包括以下单元:
获得移动单元,用于获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值;
获得位移单元,用于根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移;
轨迹识别单元,用于根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。
其中,所述根据所述相对位移、第一位移和第二位移获得最终位移,包括:
获得所述第一位移和第二位移的平均位移,获得所述平均位移和所述相对位移的总和,该总和为所述最终位移。
其中,所述相对位移=所述相对距离值*tan(所述角度差值)。
其中,所述根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,包括:
根据所述移动信号,获得所述第一九轴传感器的第一加速度、第一角速度和第一地磁感应值,并获得所述第二九轴传感器的第二加速度、第二角速度和第二地磁感应值;
将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项,计算得到所述第一九轴传感器的第一欧拉角度组,并将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项,计算得到所述第二九轴传感器的第二欧拉角度组。
其中,所述***还包括第一预处理单元和第二预处理单元;
所述第一预处理单元,用于对所述第一地磁感应值作有效性判断和归一化处理;
所述第二预处理单元,用于对所述第二地磁感应值作有效性判断和归一化处理。
其中,所述计算得到所述第一九轴传感器的第一欧拉角度组,包括:通过融合算法,计算得到所述第一九轴传感器的第一欧拉角度组;
所述计算得到所述第二九轴传感器的第二欧拉角度组,包括:通过融合算法,计算得到所述第二九轴传感器的第二欧拉角度组。
其中,所述根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,包括:
将所述第一欧拉角度组转换为第一旋转矩阵组,将所述第一旋转矩阵组与所述第一加速度的矢量相乘,得到转换到东北天坐标系的第一加速度值组;
对所述第一加速度值组进行去趋势计算,获得所述第一九轴传感器的第一位移;
所述根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,包括:
将所述第二欧拉角度组转换为第二旋转矩阵组,将所述第二旋转矩阵组与所述第二加速度的矢量相乘,得到转换到东北天坐标系的第二加速度值组;
对所述第二加速度值组进行去趋势计算,获得所述第二九轴传感器的第二位移。
其中,所述去趋势计算为频域积分计算。
其中,所述获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,包括:
当接收到用于启动手写识别功能的压力信号时,采集相对设置的第一九轴传感器和第二九轴传感器的移动信号。
其中,所述***还包括发送单元,所述发送单元,用于通过有线网络连接或无线网络连接,发送所述最终位移。
请参考图5,其是应用本发明提供的***进行基于动作感应的手写识别的终端设备的结构示意图。优选地,该终端设备为手写笔,在手写笔的笔身装有两个九轴传感器,其安装的中心距离为10cm,通过两个九轴传感器可以解决以下两种情况:
1、当笔身发生了水平或者垂直方向的旋转,由于两个九轴传感器的中心距离为10cm,那么将该中心距离作为直角三角形的斜边,笔身发生的水平或者垂直方向的旋转角度作为角度差,通过三角函数运算可以得到相对位移。该相对位移可以作为误差补偿项,修正加速度的积分值;
2、当笔身未发生水平或者垂直方向的旋转,即相对位移为0。
本发明实施例提供的基于动作感应在终端设备上进行手写识别的***,是一种全新的手写识别***,使用两组九轴传感器,通过各自的位移检测和角度变化造成的相对位移,可以获得更准确的位移,即书写轨迹。
一种基于动作感应进行手写识别的方法和基于动作感应在终端设备上进行手写识别的***,无需依赖底部或者侧边的感应装置就能够进行准确的手写轨迹识别,实用性强,使用方便。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括存储器、磁盘或光盘等。
以上内容仅为本发明的较佳实施例,对于本领域的普通技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,本说明书内容不应理解为对本发明的限制。
Claims (20)
1.一种基于动作感应进行手写识别的方法,其特征在于,包括:
获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值;
根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移;
根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。
2.根据权利要求1所述的基于动作感应进行手写识别的方法,其特征在于,所述根据所述相对位移、第一位移和第二位移获得最终位移,包括:
获得所述第一位移和第二位移的平均位移,获得所述平均位移和所述相对位移的总和,该总和为所述最终位移。
3.根据权利要求1所述的基于动作感应进行手写识别的方法,其特征在于,所述相对位移=所述相对距离值*tan(所述角度差值)。
4.根据权利要求1所述的基于动作感应进行手写识别的方法,其特征在于,所述根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,包括:
根据所述移动信号,获得所述第一九轴传感器的第一加速度、第一角速度和第一地磁感应值,并获得所述第二九轴传感器的第二加速度、第二角速度和第二地磁感应值;
将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项,计算得到所述第一九轴传感器的第一欧拉角度组,并将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项,计算得到所述第二九轴传感器的第二欧拉角度组。
5.根据权利要求4所述的基于动作感应进行手写识别的方法,其特征在于:
所述将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项之前,还包括:对所述第一地磁感应值作有效性判断和归一化处理;
所述将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项之前,还包括:对所述第二地磁感应值作有效性判断和归一化处理。
6.根据权利要求5所述的基于动作感应进行手写识别的方法,其特征在于:
所述计算得到所述第一九轴传感器的第一欧拉角度组,包括:通过融合算法,计算得到所述第一九轴传感器的第一欧拉角度组;
所述计算得到所述第二九轴传感器的第二欧拉角度组,包括:通过融合算法,计算得到所述第二九轴传感器的第二欧拉角度组。
7.根据权利要求4或5所述的基于动作感应进行手写识别的方法,其特征在于:
所述根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,包括:
将所述第一欧拉角度组转换为第一旋转矩阵组,将所述第一旋转矩阵组与所述第一加速度的矢量相乘,得到转换到东北天坐标系的第一加速度值组;
对所述第一加速度值组进行去趋势计算,获得所述第一九轴传感器的第一位移;
所述根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,包括:
将所述第二欧拉角度组转换为第二旋转矩阵组,将所述第二旋转矩阵组与所述第二加速度的矢量相乘,得到转换到东北天坐标系的第二加速度值组;
对所述第二加速度值组进行去趋势计算,获得所述第二九轴传感器的第二位移。
8.根据权利要求7所述的基于动作感应进行手写识别的方法,其特征在于,所述去趋势计算为频域积分计算。
9.根据权利要求1所述的基于动作感应进行手写识别的方法,其特征在于,所述获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,包括:
当接收到用于启动手写识别功能的压力信号时,采集相对设置的第一九轴传感器和第二九轴传感器的移动信号。
10.根据权利要求1所述的基于动作感应进行手写识别的方法,其特征在于,所述获得最终位移之后,还包括:通过有线网络连接或无线网络连接,发送所述最终位移。
11.一种基于动作感应在终端设备上进行手写识别的***,其特征在于,包括以下单元:
获得移动单元,用于获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,所述移动信号包括加速度、角速度和地磁感应值;
获得位移单元,用于根据所述第一欧拉角度组和第二欧拉角度组的角度差值,以及所述第一九轴传感器和第二九轴传感器的相对距离值,获得所述第一九轴传感器和第二九轴传感器的相对位移;
轨迹识别单元,用于根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,根据所述相对位移、第一位移和第二位移获得最终位移,所述最终位移为识别出的手写轨迹。
12.根据权利要求11所述的基于动作感应在终端设备上进行手写识别的***,其特征在于,所述根据所述相对位移、第一位移和第二位移获得最终位移,包括:
获得所述第一位移和第二位移的平均位移,获得所述平均位移和所述相对位移的总和,该总和为所述最终位移。
13.根据权利要求11所述的基于动作感应在终端设备上进行手写识别的***,其特征在于,所述相对位移=所述相对距离值*tan(所述角度差值)。
14.根据权利要求11所述的基于动作感应在终端设备上进行手写识别的***,其特征在于,所述根据所述移动信号,获得所述第一九轴传感器的第一欧拉角度组和第二九轴传感器的第二欧拉角度组,包括:
根据所述移动信号,获得所述第一九轴传感器的第一加速度、第一角速度和第一地磁感应值,并获得所述第二九轴传感器的第二加速度、第二角速度和第二地磁感应值;
将所述第一角速度作为主要项,所述第一加速度和第一地磁感应值作为误差项,计算得到所述第一九轴传感器的第一欧拉角度组,并将所述第二角速度作为主要项,所述第二加速度和第二地磁感应值作为误差项,计算得到所述第二九轴传感器的第二欧拉角度组。
15.根据权利要求14所述的基于动作感应在终端设备上进行手写识别的***,其特征在于,所述***还包括第一预处理单元和第二预处理单元;
所述第一预处理单元,用于对所述第一地磁感应值作有效性判断和归一化处理;
所述第二预处理单元,用于对所述第二地磁感应值作有效性判断和归一化处理。
16.根据权利要求15所述的基于动作感应在终端设备上进行手写识别的***,其特征在于:
所述计算得到所述第一九轴传感器的第一欧拉角度组,包括:通过融合算法,计算得到所述第一九轴传感器的第一欧拉角度组;
所述计算得到所述第二九轴传感器的第二欧拉角度组,包括:通过融合算法,计算得到所述第二九轴传感器的第二欧拉角度组。
17.根据权利要求14或15所述的基于动作感应在终端设备上进行手写识别的***,其特征在于:
所述根据所述第一欧拉角度组和第一九轴传感器的加速度获得所述第一九轴传感器的第一位移,包括:
将所述第一欧拉角度组转换为第一旋转矩阵组,将所述第一旋转矩阵组与所述第一加速度的矢量相乘,得到转换到东北天坐标系的第一加速度值组;
对所述第一加速度值组进行去趋势计算,获得所述第一九轴传感器的第一位移;
所述根据所述第二欧拉角度组和第二九轴传感器的加速度获得所述第二九轴传感器的第二位移,包括:
将所述第二欧拉角度组转换为第二旋转矩阵组,将所述第二旋转矩阵组与所述第二加速度的矢量相乘,得到转换到东北天坐标系的第二加速度值组;
对所述第二加速度值组进行去趋势计算,获得所述第二九轴传感器的第二位移。
18.根据权利要求17所述的基于动作感应在终端设备上进行手写识别的***,其特征在于,所述去趋势计算为频域积分计算。
19.根据权利要求11所述的基于动作感应在终端设备上进行手写识别的***,其特征在于,所述获得相对设置的第一九轴传感器和第二九轴传感器的移动信号,包括:
当接收到用于启动手写识别功能的压力信号时,采集相对设置的第一九轴传感器和第二九轴传感器的移动信号。
20.根据权利要求11所述的基于动作感应在终端设备上进行手写识别的***,其特征在于,所述***还包括发送单元,所述发送单元,用于通过有线网络连接或无线网络连接,发送所述最终位移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510743029.3A CN105303201B (zh) | 2015-11-03 | 2015-11-03 | 一种基于动作感应进行手写识别的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510743029.3A CN105303201B (zh) | 2015-11-03 | 2015-11-03 | 一种基于动作感应进行手写识别的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105303201A CN105303201A (zh) | 2016-02-03 |
CN105303201B true CN105303201B (zh) | 2018-08-24 |
Family
ID=55200443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510743029.3A Active CN105303201B (zh) | 2015-11-03 | 2015-11-03 | 一种基于动作感应进行手写识别的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303201B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106775060A (zh) * | 2016-11-23 | 2017-05-31 | 广州视源电子科技股份有限公司 | 一种远程同步书写显示的方法与装置 |
CN107643840B (zh) * | 2017-09-21 | 2020-12-04 | 上海电机学院 | 基于惯性器件的手写笔文字自动识别方法及*** |
CN107976559A (zh) * | 2017-10-11 | 2018-05-01 | 常州信息职业技术学院 | 基于静止点检测的滤除重力加速度方法 |
CN110569800B (zh) * | 2019-09-10 | 2022-04-12 | 武汉大学 | 一种手写信号的检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915130A (zh) * | 2011-08-04 | 2013-02-06 | 王振兴 | 移动轨迹校正方法及移动轨迹产生方法 |
CN103135765A (zh) * | 2013-02-20 | 2013-06-05 | 兰州交通大学 | 一种基于微机械传感器的人体动作信息捕捉*** |
CN103413078A (zh) * | 2013-07-25 | 2013-11-27 | 武汉汉德瑞庭科技有限公司 | 基于用户标识和笔迹的两层在线认证***及认证方法 |
CN203673431U (zh) * | 2013-10-15 | 2014-06-25 | 顾捷 | 一种运动轨迹虚拟装置 |
CN104793728A (zh) * | 2014-01-22 | 2015-07-22 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
-
2015
- 2015-11-03 CN CN201510743029.3A patent/CN105303201B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915130A (zh) * | 2011-08-04 | 2013-02-06 | 王振兴 | 移动轨迹校正方法及移动轨迹产生方法 |
US9098123B2 (en) * | 2011-08-04 | 2015-08-04 | National Cheng Kung University | Moving trajectory generation method |
CN103135765A (zh) * | 2013-02-20 | 2013-06-05 | 兰州交通大学 | 一种基于微机械传感器的人体动作信息捕捉*** |
CN103413078A (zh) * | 2013-07-25 | 2013-11-27 | 武汉汉德瑞庭科技有限公司 | 基于用户标识和笔迹的两层在线认证***及认证方法 |
CN203673431U (zh) * | 2013-10-15 | 2014-06-25 | 顾捷 | 一种运动轨迹虚拟装置 |
CN104793728A (zh) * | 2014-01-22 | 2015-07-22 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105303201A (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100533106B1 (ko) | 지자계 센서의 자세 오차 보상장치 및 방법 | |
CN106979780B (zh) | 一种无人车实时姿态测量方法 | |
CN102289306B (zh) | 姿态感知设备及其定位、鼠标指针的控制方法和装置 | |
CN102915130B (zh) | 移动轨迹校正方法及移动轨迹产生方法 | |
CN105303201B (zh) | 一种基于动作感应进行手写识别的方法和*** | |
CN106679649A (zh) | 一种手部运动追踪***及追踪方法 | |
CN108458714B (zh) | 一种姿态检测***中不含重力加速度的欧拉角求解方法 | |
CN106647791A (zh) | 三维姿态测控装置、机械设备及三维姿态的测控方法 | |
CN105509740A (zh) | 一种农业机械车辆姿态测量方法及测量模块 | |
CN1833157A (zh) | 将2轴磁传感器用于3轴指南针解决方案的*** | |
CN103175502A (zh) | 一种基于数据手套低速运动的姿态角检测方法 | |
CN103874904B (zh) | 偏移估计装置、偏移估计方法、偏移估计程序以及信息处理装置 | |
CN102980577A (zh) | 一种微型捷联航姿***及其工作方法 | |
CN110174121A (zh) | 一种基于地磁场自适应修正的航姿***姿态解算方法 | |
CN103837157A (zh) | 一种运动测量方法及装置 | |
CN106323334A (zh) | 一种基于粒子群优化的磁力计校准方法 | |
CN106885566A (zh) | 一种可穿戴式运动传感器及其抗磁场干扰的方法 | |
CN108225370A (zh) | 一种运动姿态传感器的数据融合与解算方法 | |
CN105910593B (zh) | 一种校准终端的地磁传感器的方法及装置 | |
CN109540135A (zh) | 水田拖拉机位姿检测和偏航角提取的方法及装置 | |
CN105371846A (zh) | 载体姿态检测方法及其*** | |
CN107830861A (zh) | 基于自适应增益互补滤波运动物体姿态测量方法及装置 | |
CN102778965B (zh) | 3d指示装置与补偿3d指示装置的转动的方法 | |
CN106370178A (zh) | 移动终端设备的姿态测量方法及装置 | |
CN106813679A (zh) | 运动物体的姿态估计的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |