CN108734762B - 运动轨迹仿真方法及*** - Google Patents

运动轨迹仿真方法及*** Download PDF

Info

Publication number
CN108734762B
CN108734762B CN201810481419.1A CN201810481419A CN108734762B CN 108734762 B CN108734762 B CN 108734762B CN 201810481419 A CN201810481419 A CN 201810481419A CN 108734762 B CN108734762 B CN 108734762B
Authority
CN
China
Prior art keywords
motion
human body
node
face
simulated
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
Application number
CN201810481419.1A
Other languages
English (en)
Other versions
CN108734762A (zh
Inventor
史卫亚
邵建
郑冬霞
姚尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Hengkang Weiye Intelligent Technology Co ltd
Original Assignee
Henan Hengkang Weiye Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan Hengkang Weiye Intelligent Technology Co ltd filed Critical Henan Hengkang Weiye Intelligent Technology Co ltd
Priority to CN201810481419.1A priority Critical patent/CN108734762B/zh
Publication of CN108734762A publication Critical patent/CN108734762A/zh
Application granted granted Critical
Publication of CN108734762B publication Critical patent/CN108734762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供一种运动轨迹仿真方法及***，涉及运动轨迹仿真技术领域。所述方法应用于运动轨迹仿真***，所述***包括通信连接的运动传感器及终端设备；所述方法包括：终端设备显示待仿真人体的人体模型，所述人体模型包括根节点和多个子节点，每个运动节点在待仿真人体上对应一佩戴有所述运动传感器的运动关节；运动传感器采集运动节点的运动数据，并将采集的运动数据发送给终端设备；终端设备根据运动数据计算得到子节点相对于根节点的位置变化参数，并根据该位置变化参数更新人体模型中运动节点的位置，同时将人体模型的运动轨迹进行显示。运用本方法及***，可准确捕捉到人体运动轨迹并获得仿真动画，解决仿真动画失真的问题。

Description

运动轨迹仿真方法及***
技术领域
本发明涉及运动轨迹仿真技术领域，具体而言，涉及一种运动轨迹仿真方法及***。
背景技术
目前，动作捕捉技术作为虚拟现实的关键技术，已越来越多地应用到人体仿真、影视制作和游戏设计等领域。现有技术中，应用于人体运动仿真的动作捕捉技术主要通过传感器检测追踪点的位置和方向变化进行动作捕捉。
然而，在现有技术中，仅仅对数据采集设备采集的数据进行了简单的处理，没有根据人体运动学原理和空间几何学原理对人体的姿态数据进行分析和优化，从而导致在仿真过程中存在动作失真的问题。同时，在数据采集过程中随着时间的增长会导致采集的数据产生累计偏差，因此，在仿真过程中还可能存在动作姿态不准确的问题。
发明内容
为了克服现有技术中的上述不足，本发明的目的在于提供一种运动轨迹仿真方法及***，其中，所述方法运用时可有效解决仿真过程中动作失真的问题。
为了实现上述目的，本发明较佳实施例采用的技术方案如下：
本发明实施例提供一种运动轨迹仿真方法，应用于运动轨迹仿真***，所述***包括通信连接的运动传感器及终端设备，所述运动传感器佩戴在人体的不同运动关节上，所述方法包括：
所述终端设备显示待仿真人体的人体模型，所述人体模型包括以髋关节为根节点以及以其余人体运动关节为子节点的多个运动节点，每个运动节点在所述待仿真人体上对应一佩戴有所述运动传感器的运动关节；
所述运动传感器采集各个运动节点的运动数据，并将采集的运动数据发送给终端设备；
终端设备根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数；
所述终端设备根据各个子节点相对于所述根节点的位置变化参数更新所述人体模型中运动节点的位置，并将更新前后所述人体模型的运动轨迹进行显示。
进一步地，在所述终端设备显示待仿真人体的人体模型之前，所述方法还包括，创建人体模型的步骤，该步骤包括：
根据所述待仿真人体的体型数据及面部图像创建人体轮廓；
根据待仿真人体佩戴运动传感器的运动关节的位置，在人体轮廓的对应位置上确定运动节点，得到人体模型。
进一步地，所述根据所述待仿真人体的体型数据及面部图像创建人体轮廓的步骤包括：
获取待仿真人体的体型数据及面部图像，其中，所述体型数据包括人体尺寸，所述面部图像包括人脸正面图像、左斜侧面图像和右斜侧面图像；
通过人体骨骼模型算法对所述人体尺寸进行处理，获得骨架模型参数；
从所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取特征点，获得特征点的坐标向量并根据所述坐标向量生成人脸样本；
通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸；
根据所述骨架模型参数及所述三维人脸创建人体轮廓。
可选地，所述通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸的步骤包括：
对人脸样本进行归一化处理，将所述人脸样本中各特征点的坐标向量按照同一预设尺寸比例进行转换。
进一步地，所述运动数据包括运动加速度及旋转角速度，所述终端设备根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数的步骤包括:
通过优化算法对运动传感器采集的运动加速度和旋转角速度进行修正；
对所述运动加速度进行积分运算，得到相邻采集时刻同一运动节点相对的平移参数；
对所述旋转角速度进行积分运算，得到相邻采集时刻同一运动节点相对的旋转角度；
根据相邻采集时刻同一运动节点相对的平移参数及旋转角度，得到各个子节点相对于所述根节点的位置变化参数。
本发明实施例还提供一种运动轨迹仿真***，所述***包括通信连接的运动传感器及终端设备，所述运动传感器佩戴在人体的不同运动关节上；
所述终端设备，用于显示待仿真人体的人体模型，其中，所述人体模型包括以髋关节为根节点以及以其余人体运动关节为子节点的多个运动节点，每个运动节点对应一佩戴有所述运动传感器的运动关节；
所述运动传感器，用于采集各个运动节点的运动数据，并将采集的运动数据发送给终端设备；
所述终端设备，还用于根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数；
所述终端设备，还用于根据各个子节点相对于所述根节点的位置变化参数更新所述人体模型中运动节点的位置，并将更新前后所述人体模型的运动轨迹进行显示。
进一步地，所述终端设备还用于创建人体模型，在创建人体模型时所述终端设备具体用于：
根据所述待仿真人体的体型数据及面部图像创建人体轮廓，以及根据待仿真人体佩戴运动传感器的运动关节的位置，在人体轮廓的对应位置上确定运动节点，得到人体模型。
进一步地，所述终端设备在根据所述待仿真人体的体型数据及面部图像创建人体轮廓时具体用于：
获取待仿真人体的体型数据及面部图像，其中，所述体型数据包括人体尺寸，所述面部图像包括人脸正面图像、左斜侧面图像和右斜侧面图像；
通过人体骨骼模型算法对所述人体尺寸进行处理，获得骨架模型参数；
从所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取特征点，获得特征点的坐标向量并根据所述坐标向量生成人脸样本；
通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸；
根据所述骨架模型参数及所述三维人脸创建人体轮廓。
可选地，所述终端设备在通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸时还用于：
对人脸样本进行归一化处理，将所述人脸样本中各特征点的坐标向量按照同一预设尺寸比例进行转换。
进一步地，所述终端设备在根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数时具体用于:
通过优化算法对运动传感器采集的运动加速度和旋转角速度进行修正；
对所述运动加速度进行积分运算，得到相邻采集时刻同一运动节点相对的平移参数；
对所述旋转角速度进行积分运算，得到相邻采集时刻同一运动节点相对的旋转角度；
根据相邻采集时刻同一运动节点相对的平移参数及旋转角度，得到各个子节点相对于所述根节点的位置变化参数。
本发明实施例提供的运动轨迹仿真方法及***与现有技术相比，具有以下有益效果：
1.本发明实施例提供的运动轨迹仿真方法及***采用运动传感器采集人体运动节点的运动加速度和旋转角速度，经过对所述运动加速度和旋转角速度进行计算后准确得到人体运动节点的位姿参数，从而准确得到待仿真人体的动作姿态，可克服人体动作仿真过程中动作失真的问题。
2.本发明实施例提供的运动轨迹仿真方法及***通过航向角动量优化技术对所述运动传感器采集的运动加速度和旋转角速度进行去噪和补偿，提高了运动传感器采集的运动数据的准确性，进一步避免了由于运动传感器采集的运动数据不准确而导致的仿真动作不准确的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的部分实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其它相关的附图。
图1为本发明实施例提供的运动轨迹仿真***的连接示意图；
图2为本发明实施例提供的人体运动节点连接示意图；
图3为本发明实施例提供的运动轨迹仿真方法的步骤示意图；
图4为本发明实施例提供的创建人体模型的步骤示意图；
图5为本发明实施例提供的创建人体轮廓的步骤示意图；
图6为本发明实施例提供的运动节点位置变化参数计算步骤示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，为本发明实施例提供的运动轨迹仿真***的连接示意图，该***包括运动传感器100及终端设备200，所述运动传感器100与所述终端设备200通信连接。所述运动传感器100用于采集人体运动关节的运动数据，同时将采集的运动数据发送至终端设备200进行处理，然后所述终端设备200根据人体运动节点的运动数据控制终端设备200中预先创建的人体模型进行人体仿真运动。其中，所述运动传感器100可以是，但不限于MEMS九轴传感器；所述终端设备200可以是，但不限于个人计算机(personal computer，PC)、服务器、智能手机、平板电脑、个人数字助理(personaldigital assistant，PDA)、移动上网设备(mobile Internet device，MID)等。
第一实施例
请参阅图2，在本发明实施例中，将人体划分为18个运动节点分别进行运动数据采集，其中，以人体髋关节的中心作为根节点，其余运动节点按照人体结构分为左臂、右臂、左腿、右腿以及头部五个肢体部分。
具体地，所述左臂包括左肩节点、左上臂节点、左前臂节点以及左手节点；所述左腿包括左大腿节点、左小腿节点以及左脚节点；所述右腿包括右大腿节点、右小腿节点以及右脚节点；所述右臂包括右肩节点、右上臂节点、右前臂节点以及右手节点；所述头部包括腰部节点、颈部节点以及头部节点。在人体模型的同一肢体当中，对于任意运动节点Bi，定义与运动节点Bi相邻并且靠近所述根节点一端的节点Bi-1为运动节点Bi的父节点，当父节点运动时子节点随着父节点运动，但子节点运动时不带动父节点运动。
在本实施例中，通过在待仿真人体上每一个运动节点的对应位置佩戴运动传感器100，检测待仿真人体上各个运动节点的运动数据，从而捕捉到人体肢体的运动轨迹。
请参阅图3，本实施例提供一种运动轨迹仿真方法，应用于运动轨迹仿真***，所述***包括通信连接的运动传感器100及终端设备200，所述运动传感器100佩戴在人体的不同运动节点上，所述方法包括:
步骤S10，运动传感器100采集各个运动节点的运动数据，并将采集的运动数据发送给终端设备200。
在本发明较佳实施例中，采用MEMS九轴传感器采集待仿真人体各个运动节点的运动数据，其包括三轴加速度传感器、三轴陀螺仪和三轴地磁传感器。其中，所述三轴加速度传感器用于检测人体运动节点的运动加速度；所述三轴陀螺仪用于采集人体运动节点的旋转角速度；所述三轴地磁传感器用于通过检测地球磁场的绝对指向，从而对所述加速度传感器和三轴陀螺仪检测的数据进行修正和补偿，提高运动数据的准确性。
步骤S20，终端设备200显示待仿真人体的人体模型。
在本发明较佳实施例中，所述终端设备200为计算机，并且在计算机中显示有待仿真人体的人体模型，所述运动传感器100采集的运动数据传输至所述终端设备200，并通过所述终端设备200将所述运动数据关联到待仿真人体的人体模型。
在本实施例中，所述人体模型包括以髋关节为根节点以及以其余人体运动关节为子节点的多个运动节点，每个运动节点在所述待仿真人体上对应一佩戴有所述运动传感器100的运动关节。
步骤S30，终端设备200根据采集的运动数据计算各个子节点相对于根节点的位置变化参数。
在本实施例中，所述运动传感器100将采集的运动数据发送给终端设备200后，通过终端设备200对所述运动传感器100采集的运动数据进行计算，从而得到待仿真人体中各个子节点相对于根节点的位置变化参数。其中，所述运动传感器100可以通过，但不限于ZigBee、蓝牙、NB-IoT等无线通讯模块与终端设备200进行数据传输，所述运动传感器100也可以采用有线连接的方式与终端设备200进行通讯。此外，在本实施例中，采用无线充电技术为所述运动传感器100的电源进行充电，从而避免了运动传感器100多次拆装的问题。
可选地，为了提高运动传感器100与终端设备200之间的通讯安全，在本实施例中，所述运动传感器100采集的运动数据采用加密传输的方式将运动数据传输至终端设备200，终端设备200在接收到加密数据包之后通过数字证书中的密钥对加密数据包进行解密，然后再对其进行进一步的处理。
步骤S40，终端设备200根据各个子节点相对于根节点的位置变化参数更新人体模型中运动节点的位置，并将更新前后所述人体模型的运动轨迹进行显示。
在本实施例中，通过终端设备200对运动传感器100采集的运动数据进行计算，得到待仿真人体中各个子节点相对于根节点的位置变化参数后，终端设备200根据所述位置变化参数更新人体模型中运动节点的位置，从而驱动人体模型运动，并将更新前后人体模型的运动轨迹进行显示。
请参阅图4，在终端设备200显示待仿真人体的人体模型之前，本发明实施例提供的运动轨迹仿真方法还包括创建人体模型的步骤，该步骤包括：
步骤S01，根据待仿真人体的体型数据及面部图像创建人体轮廓。
在本实施例中，所述待仿真人体的体型数据包括待仿真人体的立位身高、立位肩高、立位肘高、伸手上举高度、伸手侧展长度、伸手前展长度、肩肘间高度、肩宽、肘宽、臂宽以及腹深等人体尺寸；所述面部图像包括人脸正面图像、左斜侧面图像和右斜侧面图像。
步骤S02，根据待仿真人体佩戴运动传感器100的运动关节的位置，在人体轮廓的对应位置上确定运动节点，得到人体模型。
在本实施例中，通过步骤S01得到待仿真人体的人体轮廓之后，根据待仿真人体上佩戴运动传感器100的位置在所述人体轮廓中对应位置确定与所述运动传感器100一一对应的运动节点，从而完成人体模型的创建。
具体地，如图5所示，在创建人体轮廓时，上述步骤S01具体包括以下子步骤：
步骤S011，获取待仿真人体的体型数据及面部图像。
在本实施例中，可以采用MAYA等软件进行人体模型的创建，在创建过程中可将待仿真人体的体型数据及面部图像输入终端设备200。由此，用户可根据自己的体型数据和面部图像建立自己的三维人体模型。
步骤S012，通过人体骨骼模型算法对人体体型数据中的人体尺寸进行处理，获得骨架模型参数。
在本实施例中，将待仿真人体的体型数据输入至终端设备200后，由终端设备200对所述体型数据进行人体结构分析、人体尺度和百分位数的选择，最后得到待仿真人体的骨架模型参数。
步骤S013，从所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取特征点，获得特征点的坐标向量并根据所述坐标向量生成人脸样本。
在本实施例中，将待仿真人体的面部图像输入至终端设备200后，由终端设备200对所述面部图像进行处理，从所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取人脸轮廓和人脸面部器官等特征点，然后获得特征点的坐标向量，并根据所述坐标向量生成人脸样本。
步骤S014，通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸。
在本实施例中，经过上述步骤S013获得人脸样本后，通过仿射变换将人脸样本映射到标准人脸模板上，从而得到待仿真人体的三维人脸。
步骤S015，根据所述骨架模型参数及所述三维人脸创建人体轮廓。
在本实施例中，将上述步骤S012获得骨架模型参数以及步骤S014获得的三维人脸结合，然后通过MAYA软件进行处理即可得到最终的人体轮廓画面。此外，在本发明的较佳实施例中，以终端设备200中显示屏幕的左上角为原点定义一终端局部坐标系，使人体模型在仿真运动过程中始终处于显示屏幕的总部，并且进行旋转平移运动。
可选地，当所述人脸正面图像、左斜侧面图像和右斜侧面图像的尺度(即图像尺寸比例)不一致时，所述步骤S014还包括：
对人脸样本进行归一化处理，将所述人脸样本中各特征点的坐标向量按照同一预设尺寸比例进行转换。
在本实施例中，将瞳孔之间的距离视为单位1对所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取的特征点坐标向量进行归一化处理，所述归一化处理方法可以表示为：
Figure BDA0001665624470000111
其中，X’为归一化处理后得到的形状，A为人脸样本中各特征点坐标向量构成的矩阵，xn和yn(n＝1,2,3,…)分别表示第n个特征点的横坐标和纵坐标，Z为仿射变换系数矩阵，s为缩放系数，θ为所述特征点的旋转角度，tx和ty分别为所述特征点相对于x轴和y轴的平移参数。
进一步地，在本实施例中，所述运动传感器100采集的运动数据包括运动加速度及旋转角速度，所述终端设备200根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数的步骤S30具体包括:
步骤S301，通过优化算法对运动传感器100采集的运动加速度和旋转角速度进行修正。
在本发明较佳实施例中，为了降低地磁作用与环境因素对运动传感器100检测数据的影响，采用航向角动量优化技术对运动传感器100采集的运动数据进行降噪处理，即利用Allan方差分析法构造方差曲线，并依据Allan方差曲线作相应的对数变换，确定噪声的误差系数，以此作出零值偏移误差补偿和随机漂移误差补偿，克服运动传感器100采集的运动数据的累计偏差，从而提高所述运动数据的准确性，避免了由运动传感器100采集的数据不准确而导致的人体模型仿真姿态不准确的问题。
步骤S302，对所述运动加速度进行积分运算，得到相邻采集时刻同一运动节点相对的平移参数；
步骤S303，对所述旋转角速度进行积分运算，得到相邻采集时刻同一运动节点相对的旋转角度。
在本实施例中，步骤S302通过将运动传感器100采集的运动加速度对时间求二次积分得到运动节点的平移参数，步骤S303通过将运动传感器100采集的旋转角速度对时间求积分得到运动节点的旋转角度。并且，上述步骤S302和S303的先后顺序不限，可以是先经过步骤S302得到平移参数再经过步骤S303得到旋转角度，也可以是先经过S303得到旋转角度再经过步骤S302得到平移参数，还可以是步骤S302和步骤S303同时进行。
步骤S304，根据相邻采集时刻同一运动节点相对的平移参数及旋转角度，得到各个子节点相对于所述根节点的位置变化参数。
在本实施例中，以每一个运动节点为原点定义了18个运动节点坐标系，通过步骤S302和步骤S303获得相邻采集时刻同一运动节点相对的平移参数及旋转角度后，通过坐标系变换的方式得到各个子节点相对于根节点的位置变化参数，即各个子节点相对于根节点的旋转参数和平移参数。
当各个子节点相对于根节点进行坐标系变换时，其矢量矩阵方程可以表示为：
Figure BDA0001665624470000131
其中，M(i)为运动节点i进行坐标系变换后得到的位置变换参数，R(i)为运动节点i相对于根节点坐标系的旋转矩阵，T(i)为运动节点i相对于根节点坐标系的平移矩阵，txX(i)、tyY(i)、tzZ(i)分别表示运动节点i相对于根节点坐标系X轴、Y轴和Z轴的平移参数,rxX(i)表示运动节点i的旋转角速度在原坐标系中x轴上的轴向量相对于根节点坐标系X轴的旋转参数，rxY(i)表示运动节点i的旋转角速度在原坐标系中x轴上的轴向量相对于根节点坐标系Y轴的旋转参数，rxZ(i)表示运动节点i的旋转角速度在原坐标系中x轴上的轴向量相对于根节点坐标系Z轴的旋转参数，ryX(i)、ryY(i)、ryZ(i)、rzX(i)、rzY(i)及rzZ(i)以此类推，在此不进行赘述。
通过上述坐标系变换得到各个子节点相对于根节点的位置变换参数后，将所述位置变换参数与人体模型对应的运动节点匹配，从而根据该位置变换参数更新人体模型中各个子节点相对于根节点的位置关系，实现对人体运动轨迹的捕捉和仿真。
第二实施例
请再次参阅图1，本发明实施例还提供一种运动轨迹仿真***，所述***包括通信连接的运动传感器100及终端设备200，所述运动传感器100佩戴在人体的不同运动关节上；
所述终端设备200，用于显示待仿真人体的人体模型，其中，所述人体模型包括以髋关节为根节点以及以其余人体运动关节为子节点的多个运动节点，每个运动节点对应一佩戴有所述运动传感器100的运动关节；
所述运动传感器100，用于采集各个运动节点的运动数据，并将采集的运动数据发送给终端设备200；
所述终端设备200，还用于根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数；
所述终端设备200，还用于根据各个子节点相对于所述根节点的位置变化参数更新所述人体模型中运动节点的位置，并将更新前后所述人体模型的运动轨迹进行显示。
进一步地，所述终端设备200还用于创建人体模型，在创建人体模型时所述终端设备200具体用于：
根据所述待仿真人体的体型数据及面部图像创建人体轮廓，以及根据待仿真人体佩戴运动传感器100的运动关节的位置，在人体轮廓的对应位置上确定运动节点，得到人体模型。
进一步地，所述终端设备200在根据所述待仿真人体的体型数据及面部图像创建人体轮廓时具体用于：
获取待仿真人体的体型数据及面部图像，其中，所述体型数据包括人体尺寸，所述面部图像包括人脸正面图像、左斜侧面图像和右斜侧面图像；
通过人体骨骼模型算法对所述人体尺寸进行处理，获得骨架模型参数；
从所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取特征点，获得特征点的坐标向量并根据所述坐标向量生成人脸样本；
通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸；
根据所述骨架模型参数及所述三维人脸创建人体轮廓。
可选地，所述终端设备200在通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸时还用于：
对人脸样本进行归一化处理，将所述人脸样本中各特征点的坐标向量按照同一预设尺寸比例进行转换。
进一步地，所述终端设备200在根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数时具体用于:
通过优化算法对运动传感器100采集的运动加速度和旋转角速度进行修正；
对所述运动加速度进行积分运算，得到相邻采集时刻同一运动节点相对的平移参数；
对所述旋转角速度进行积分运算，得到相邻采集时刻同一运动节点相对的旋转角度；
根据相邻采集时刻同一运动节点相对的平移参数及旋转角度，得到各个子节点相对于所述根节点的位置变化参数。
应当理解的是，所述终端设备能够实现上述功能，但不限于某一种终端设备，在不同的实施例中，所述终端设备可以不同。
综上所述，本发明实施例提供一种运动轨迹仿真方法及***，通过运动传感器采集人体运动节点的运动加速度和旋转角速度，并通过航向角动量优化技术对所述运动传感器采集的运动加速度和旋转角速度进行去噪和补偿，经过去噪和补偿后对各个运动节点的运动加速度和旋转角速度进行计算，从而得到人体中各个子节点相对于根节点的位置变换参数，同时根据该运动变化参数控制人体模型中的对应运动节点进行相应的仿真运动，实现人体运动捕捉和仿真。由于本发明实施例通过采集人体运动节点的运动加速度和旋转角速度，准确获得人体的动作姿态，可克服人体运动仿真失真的问题。此外，本发明实施例采用航向角动量优化技术对所述运动加速度和旋转角速度进行去噪和补偿，可提高运动节点的运动数据的准确性，进一步避免了由于运动传感器采集的运动数据不准确而导致的仿真动作不准确的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种运动轨迹仿真方法，其特征在于，应用于运动轨迹仿真***，所述***包括通信连接的运动传感器及终端设备，所述运动传感器佩戴在人体的不同运动关节上，所述方法包括：
所述终端设备显示待仿真人体的人体模型，所述人体模型包括以髋关节为根节点以及以其余人体运动关节为子节点的多个运动节点，每个运动节点在所述待仿真人体上对应一佩戴有所述运动传感器的运动关节；
所述运动传感器采集各个运动节点的运动数据，并将采集的运动数据发送给终端设备；
终端设备根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数；
所述终端设备根据各个子节点相对于所述根节点的位置变化参数更新所述人体模型中运动节点的位置，并将更新前后所述人体模型的运动轨迹进行显示；
其中，所述运动数据包括运动加速度及旋转角速度，所述终端设备根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数的步骤包括:
通过优化算法对运动传感器采集的运动加速度和旋转角速度进行修正；对所述运动加速度进行积分运算，得到相邻采集时刻同一运动节点相对的平移参数；
对所述旋转角速度进行积分运算，得到相邻采集时刻同一运动节点相对的旋转角度；
根据相邻采集时刻同一运动节点相对的平移参数及旋转角度，得到各个子节点相对于所述根节点的位置变化参数；
其中，所述通过优化算法对运动传感器采集的运动加速度和旋转角速度进行修正的步骤，包括：
利用Allan方差分析法构造方差曲线；
将所述方差曲线作相应的对数变换，确定噪声的误差系数；
基于所述误差系数，作出零值偏移误差补偿和随机漂移误差补偿；
基于所述零值偏移误差补偿和所述随机漂移误差补偿，对运行加速度和旋转角速度进行修正。
2.如权利要求1所述的方法，其特征在于，在所述终端设备显示待仿真人体的人体模型之前，所述方法还包括，创建人体模型的步骤，该步骤包括：
根据所述待仿真人体的体型数据及面部图像创建人体轮廓；
根据待仿真人体佩戴运动传感器的运动关节的位置，在人体轮廓的对应位置上确定运动节点，得到人体模型。
3.如权利要求2所述的方法，其特征在于，所述根据所述待仿真人体的体型数据及面部图像创建人体轮廓的步骤包括：
获取待仿真人体的体型数据及面部图像，其中，所述体型数据包括人体尺寸，所述面部图像包括人脸正面图像、左斜侧面图像和右斜侧面图像；
通过人体骨骼模型算法对所述人体尺寸进行处理，获得骨架模型参数；
从所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取特征点，获得特征点的坐标向量并根据所述坐标向量生成人脸样本；
通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸；
根据所述骨架模型参数及所述三维人脸创建人体轮廓。
4.如权利要求3所述的方法，其特征在于，所述通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸的步骤包括：
对人脸样本进行归一化处理，将所述人脸样本中各特征点的坐标向量按照同一预设尺寸比例进行转换。
5.一种运动轨迹仿真***，所述***包括通信连接的运动传感器及终端设备，所述运动传感器佩戴在人体的不同运动关节上，其特征在于：
所述终端设备，用于显示待仿真人体的人体模型，其中，所述人体模型包括以髋关节为根节点以及以其余人体运动关节为子节点的多个运动节点，每个运动节点对应一佩戴有所述运动传感器的运动关节；
所述运动传感器，用于采集各个运动节点的运动数据，并将采集的运动数据发送给终端设备；
所述终端设备，还用于根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数；
所述终端设备，还用于根据各个子节点相对于所述根节点的位置变化参数更新所述人体模型中运动节点的位置，并将更新前后所述人体模型的运动轨迹进行显示；
其中，所述终端设备在根据采集的运动数据计算得到各个子节点相对于所述根节点的位置变化参数时具体用于:
通过优化算法对运动传感器采集的运动加速度和旋转角速度进行修正；
对所述运动加速度进行积分运算，得到相邻采集时刻同一运动节点相对的平移参数；
对所述旋转角速度进行积分运算，得到相邻采集时刻同一运动节点相对的旋转角度；
根据相邻采集时刻同一运动节点相对的平移参数及旋转角度，得到各个子节点相对于所述根节点的位置变化参数；
所述终端设备在通过优化算法对运动传感器采集的运动加速度和旋转角速度进行修正时具体用于：
利用Allan方差分析法构造方差曲线；
将所述方差曲线作相应的对数变换，确定噪声的误差系数；
基于所述误差系数，作出零值偏移误差补偿和随机漂移误差补偿；
基于所述零值偏移误差补偿和所述随机漂移误差补偿，对运行加速度和旋转角速度进行修正。
6.如权利要求5所述的运动轨迹仿真***，其特征在于，所述终端设备还用于创建人体模型，在创建人体模型时所述终端设备具体用于：
根据所述待仿真人体的体型数据及面部图像创建人体轮廓，以及根据待仿真人体佩戴运动传感器的运动关节的位置，在人体轮廓的对应位置上确定运动节点，得到人体模型。
7.如权利要求6所述的运动轨迹仿真***，其特征在于，所述终端设备在根据所述待仿真人体的体型数据及面部图像创建人体轮廓时具体用于：
获取待仿真人体的体型数据及面部图像，其中，所述体型数据包括人体尺寸，所述面部图像包括人脸正面图像、左斜侧面图像和右斜侧面图像；
通过人体骨骼模型算法对所述人体尺寸进行处理，获得骨架模型参数；
从所述人脸正面图像、左斜侧面图像和右斜侧面图像中提取特征点，获得特征点的坐标向量并根据所述坐标向量生成人脸样本；
通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸；
根据所述骨架模型参数及所述三维人脸创建人体轮廓。
8.如权利要求7所述的运动轨迹仿真***，其特征在于，所述终端设备在通过仿射变换将所述人脸样本映射到标准人脸模板，得到三维人脸时还用于：
对人脸样本进行归一化处理，将所述人脸样本中各特征点的坐标向量按照同一预设尺寸比例进行转换。
CN201810481419.1A 2018-05-18 2018-05-18 运动轨迹仿真方法及*** Active CN108734762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810481419.1A CN108734762B (zh) 2018-05-18 2018-05-18 运动轨迹仿真方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810481419.1A CN108734762B (zh) 2018-05-18 2018-05-18 运动轨迹仿真方法及***

Publications (2)

Publication Number Publication Date
CN108734762A CN108734762A (zh) 2018-11-02
CN108734762B true CN108734762B (zh) 2022-12-13

Family

ID=63937513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810481419.1A Active CN108734762B (zh) 2018-05-18 2018-05-18 运动轨迹仿真方法及***

Country Status (1)

Country Link
CN (1) CN108734762B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020133447A1 (zh) * 2018-12-29 2020-07-02 深圳市瑞立视多媒体科技有限公司 一种三维轨迹数据的异常值处理方法及光学动作捕捉方法
CN110942007B (zh) * 2019-11-21 2024-03-05 北京达佳互联信息技术有限公司 手部骨骼参数确定方法、装置、电子设备和存储介质
CN111968205A (zh) * 2020-07-31 2020-11-20 深圳市木愚科技有限公司 一种仿生三维模型的驱动方法和***
CN112634415B (zh) * 2020-12-11 2023-11-10 北方信息控制研究院集团有限公司 一种基于人体骨骼模型的人员动作实时仿真方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101579238B (zh) * 2009-06-15 2012-12-19 吴健康 人体运动捕获三维再现***及其方法
GB2484355B (en) * 2010-11-18 2012-09-26 Masar Scient Ltd Company System and method
CN104680582B (zh) * 2015-03-24 2016-02-24 中国人民解放军国防科学技术大学 一种面向对象定制的三维人体模型创建方法
CN106679649B (zh) * 2016-12-12 2020-01-10 浙江大学 一种手部运动追踪***及追踪方法
CN107330967B (zh) * 2017-05-12 2020-07-24 武汉商学院 基于惯性传感技术的骑师运动姿态捕捉及三维重建***
CN107833271B (zh) * 2017-09-30 2020-04-07 中国科学院自动化研究所 一种基于Kinect的骨骼重定向方法及装置

Also Published As

Publication number Publication date
CN108734762A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN108734762B (zh) 运动轨迹仿真方法及***
CN108762495B (zh) 基于手臂动作捕捉的虚拟现实驱动方法及虚拟现实***
CN108627153B (zh) 一种基于惯性传感器的刚体运动追踪***及其工作方法
CN107833271B (zh) 一种基于Kinect的骨骼重定向方法及装置
JP5920352B2 (ja) 情報処理装置、情報処理方法及びプログラム
Tian et al. Upper limb motion tracking with the integration of IMU and Kinect
CN101579238B (zh) 人体运动捕获三维再现***及其方法
CN107330967B (zh) 基于惯性传感技术的骑师运动姿态捕捉及三维重建***
Tao et al. A novel sensing and data fusion system for 3-D arm motion tracking in telerehabilitation
CN110327048B (zh) 一种基于可穿戴式惯性传感器的人体上肢姿态重建***
KR101768958B1 (ko) 고품질 콘텐츠 제작을 위한 하이브리드 모션캡쳐 시스템
CN111091587B (zh) 一种基于视觉标志物的低成本动作捕捉方法
JP2024045724A (ja) 電磁追跡のための周囲電磁歪み補正
CN113793360B (zh) 基于惯性传感技术的三维人体重构方法
CN109243575B (zh) 一种基于移动交互和增强现实的虚拟针灸方法及***
Chen et al. Real‐time human motion capture driven by a wireless sensor network
JP2015186531A (ja) 動作情報処理装置、及びプログラム
CN108733206A (zh) 一种坐标对齐方法、***和虚拟现实***
WO2024094227A1 (zh) 一种基于卡尔曼滤波和深度学习的手势姿态估计方法
CN109000633A (zh) 基于异构数据融合的人体姿态动作捕捉算法设计
CN106227368B (zh) 一种人体关节角度解算方法及装置
CN114022556A (zh) 定位初始化方法、装置和计算机可读存储介质
CN110197531A (zh) 基于深度学习的角色骨骼点映射技术
Hwang et al. Motion data acquisition method for motion analysis in golf
CN111158482B (zh) 一种人体动作姿态捕捉方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant