专利名称：人体运动捕获装置的制作方法
技术领域：
本发明涉及一种人体运动捕获装置、人体各肢体运动参数估计、人体运动捕获装置的初始化方法及人体相对于大地的位移估计，属于人体运动感知获取技术领域。
背景技术：
现在，通过感知和获取准确的人体姿态和位置运动信息，能够根据运动员各肢体的运动轨迹分析存在的问题并改进训练，能够根据人体步态的变化推断可能存在的疾�。� 能够根据人体运动信息的跟踪建立高水平的3D游戏，能够根据人体运动姿态的跟踪为数字电影、虚拟世界构建栩栩如生的角色。但是，人体运动的随意性和复杂性，人体周围所在环境的多样性，都给实时准确的人体运动感知和获取带来了巨大的挑战。因此，目前急需一种不受时空限制并能克服外界环境干扰的人体运动感知和获取技术，实现人体姿态和位置运动信息的获取和重现，为健康监测、康复训练、舞蹈训练、体育运动分析、电影数字特技、 虚拟现实、游戏和人机交互等领域的应用提供关键技术。目前，常用的运动捕获技术大致可以分为两类。一类主要使用高精度摄像机阵列。 这类系统利用多个高精度高采样率的摄像头捕捉运动者关节上的反射标志，如市场上的产品Vicon0这方面的专利技术有申请号为20080192116的美国专利Real-time objects tracking andmotion capture in sports event是——个实时运动目标足艮踪系统,它使用多个摄像机来检测和跟踪运动目标，但不涉及目标本身的运动细节；专利号为7457439的美国专利System and method for motion capture使用摄像机所获得的运动者身上标志的位置信息以及运动者三维运动模型，恢复出身体的三维运动信息，并利用三维运动模型，比对运动状态；中国专利“基于运动获取的彩色紧身衣”，申请号0(^64404，设计了一种用色块来编码人体部位的运动获取衣；中国专利“处理被动光学运动获取数据的方法”，申请号 03120688，是一种处理被动光学运动获取数据的方法，包括获取带有被动光学标记的被摄体的同步多摄像机图像，从获取的数据获得标记的一组三维坐标，确定连续获取中各标记之间在时间上的对应，从而确定附有标记的被摄体的身体部分的位置，以一组所作的标记为基�。范ū簧闾逶硕队暗降脑硕Ｐ偷拿扛隽拥慕嵌龋⑶壹扑惚簧闾宓淖耸疲恢泄ɡ耙恢侄远嘞嗷低车谋甓ǚ椒白爸谩保昵牒�20071006^25，是一种多摄像机基于标志点的三维运动信息重建的新方法。这类系统的缺陷是，它们需要有固定的实验室，存在光线和遮挡问题，使用时受到场地和应用场景的限制；这类系统使用多个高精度高采样率的摄像头，不仅造价极其昂贵，而且结构非常复杂，使用起来不方便；并且，这类系统处理的数据量巨大，不能实时地捕获人体运动信息。另一类使用微型传感器，附着在人体肢体上，测量和估计各肢体的三维方位角等运动信息。这类微型传感器体积小、能耗低、测量直接、穿戴方便，同时不受时空限制，非常适合做成穿戴的运动分析装置。这方面的专利技术有美国专利System and Method for Motion Capturein Natural Environments，IPC8 类AG01C2300FI，使用放在身体各部位的超声发射源和接收器，测出相应部位的位置，再用惯性传感器测量出的转角来校准位置测量，从而得出身体的运动参数。但是，由于使用了超声传感器和惯性传感器(加速度传感器和陀螺仪)，使整个运动获取系统变得复杂；中国专利200920108961. 9人体运动捕获三维再现系统提出一种仅用或主要使用微型传感器的运动获取系统，整个系统以人体运动模型为基�。舜衅鞯姆胖么┐�、运动参数的估计、运动参数之间的约束、人体三维形象的运动再现。这类系统目前存在的技术挑战包括，微型传感器有其固有问题，如测量噪声大，存在系统偏置；惯性传感器只能测量变化率，如加速度计测量的是加速度，陀螺仪测量的是角速度，直接对之进行积分估计位置和角度运动信息，会产生运动量估值的偏移；微型传感器进行人体运动估计是分布式测量，即把传感器单元分别附着在人体的各个肢体上， 无法直接得到人体的整体姿态和位置。
发明内容
为了解决已有基于摄像机阵列的运动捕获技术需要专用的实验室、应用受到场地限制，存在光线和遮挡问题，造价极其昂贵，数据量巨大、难于实时处理；及已有基于微型传感器的运动捕获技术测量噪声大，存在系统偏置，直接对惯性传感器测量数据进行积分估值会产生运动量估值偏移，分布式测量无法直接得到人体的整体姿态和位置信息，因此应用有限的技术问题和技术挑战，本发明的目的是利用自适应传感器数据融合技术估计人体运动参数，利用人体运动捕获装置的初始化技术以及位移估计技术进行融合和估计出人体整体运动的姿态和位置信息，为此而提供一种便携式人体运动捕获装置。为了实现本发明的目的，本发明提供人体运动捕获装置的技术方案包括运动测量单元、运动参数估计单元、初始化单元、位移估计单元和整体融合单元，其中所述运动测量单元中的多个微型传感器节点附着在人体各肢体上，用于测量并得到各肢体运动数据和环境数据；所述运动参数估计单元，是对运动测量单元的运动数据和环境数据进行融合，推导出各肢体的运动参数和环境参数，所述推导中还采用自适应抗干扰的三维角度估计方法对各肢体运动数据和环境数据进行融合，推导出各肢体运动参数中的三维角度估值；所述运动参数包括三维加速度估值、三维速度估值、三维位置估值、三维角速度估值和三维角度估值，所述环境参数包括三维磁场强度估值；所述初始化单元，用于接收各肢体的运动参数和环境参数，并将各肢体之间的相互限制条件和运动边界条件融合进来，推导出人体运动捕获装置的初始运行参数；所述位移估计单元，用于接收各肢体的运动参数、环境参数及人体运动捕获装置的初始运行参数，并将各肢体的长度、各肢体之间的相互限制条件和运动边界条件融合进来，根据步态分析方法和人体运动学，推导出人体相对于大地的位移；所述整体融合单元，用于接收并对各肢体的运动参数、人体运动捕获装置的初始运行参数及人体相对于大地的位移进行融合，推导出并输出人体的整体运动的姿态和位置 fn息ο本发明的有益效果本发明采用附着在人体各肢体上的多个微型传感器节点，分别测量各肢体的运动数据和环境数据。这种微型传感器，体积小、能耗低，测量直接，造价经济；使用方便，不受时空控制；数据量�。芄唤惺菔凳贝砗头治觯徊⑶也淮嬖诠庀吆驼诘参侍猓哂斜阈院褪涤眯缘奶氐悖浅Ｊ屎献龀纱┐魇降脑硕痘窈头治鲎爸茫谥疃嗔煊蚓哂泄惴河τ茫哂薪锨康氖涤眉壑岛陀τ们熬�。本发明的直接应用之一是实时三维动画动作设计。由演员穿上本发明的人体运动捕获装置，该装置即能将演员各肢体的运动参数及其全身的整体姿态和位置信息输出，该输出数据能够用来输入到普通动画制作软件，如Autodesk MotionBuilder,并驱动动画软件中的角色，使得该角色完全按照演员的动作而动。由于是数据实时处理，并直接看到效果，使得动画的制作时间大大缩短，制作成本大大降低。本发明的直接应用之二是交互试游戏、模拟训练和舞蹈定量化教学。游戏方或被训练方穿上本发明的人体运动捕获装置，该装置即能将人体各肢体的运动参数及其全身的整体姿态和位置信息输出，该输出数据能够用来输入到混合现实游戏或模拟训练中的游戏方或被训练方的虚拟角色，使得该虚拟角色完全按照的真人的动作而动作。由于真人的运动肢体的运动参数包括了角度、位移、速度和加速度，如果是拳击，由此可以推出出拳的位置、速度和力量，并可以进而根据对方的动作，确定该拳的结果。也可以对该拳的动作做出评述和演示，达到训练的目的。本发明的直接应用之三是混合现实(Mixed Reality)及其应用，如沉浸式学习 (Immersive Learning) 0学习者穿上本发明的人体运动捕获装置，与其它真实或虚拟的学习者一起参与真实的、远程的、微观的、不可及的、或虚拟的学习场景。该装置即能将学习者各肢体的运动参数及其全身的整体姿态和位置信息输出，该输出数据能够用来输入到交互式学习软件系统中，学习者的虚拟形象即可出现在场景之中，他们的肢体语言和话语一起被理解，共同构成真实的学习体验。
图1是本发明所述人体运动捕获装置的整体逻辑结构方框图；图2是本发明运动测量单元的结构框图；图3是本发明中人体各重要肢体多个微型传感器节点分布图；图4是本发明运动参数估计单元对运动参数估计的结构框图；图5是本发明人体运动捕获装置中的三个坐标系及它们之间的关系；图6是本发明位移估计单元的位移估计流程图；图7是本发明位移估计单元所用的下肢结构图。
具体实施例方式为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。图1是本发明人体运动捕获装置的整体逻辑结构方框图，如图1中所示，本发明由运动测量单元110、运动参数估计单元120、初始化单元200、位移估计单元300和整体融合单元400组成，其中所述运动测量单元110中的多个微型传感器节点附着在人体各肢体上，用于测量并得到各肢体运动数据和环境数据；所述运动测量单元110的结构包括多个微型传感器节点，以及一个或几个控制单元，每一个微型传感器节点具有一唯一地址，由数据总线将所有微型传感器节点和控制单元连接到一起，控制单元通过地址总线选择不同的微型传感器节点，向各微型传感器节点发布控制命令，获取每个微型传感器节点的各路测量数据，此后控制单元通过无线或有线方式与运动参数估计单元120连接，将所获取数据统一发往运动参数估计单元120。所述微型传感器节点包括微型传感器和微控制器，其中微型传感器是微型三维加速度计、微型三维陀螺仪、微型三维磁力计、微型超声测距仪或微型超宽带测距仪一种或多种组合，用于采样及测量各肢体运动数据和环境数据；所述运动数据包括三维加速度测量数据、三维角速度测量数据和三维位置测量数据，所述环境数据是三维磁场强度测量数据；微控制器，控制所述微型传感器采样及测量各肢体运动数据和环境数据，并将测量的运动数据和环境数据打包送往控制单元。所述运动参数估计单元120，是对运动测量单元110的运动数据和环境数据进行融合，推导出各肢体的运动参数和环境参数，所述推导中还采用自适应抗干扰的三维角度估计方法对各肢体运动数据和环境数据进行融合，推导出各肢体运动参数中的三维角度估值；所述各肢体的运动参数包括三维加速度估值、三维速度估值、三维位置估值、三维角速度估值和三维角度估值，所述环境参数包括三维磁场强度估值。所述自适应抗干扰的三维角度估计方法是将各肢体的三维加速度测量数据、三维角速度测量数据和三维磁场强度测量数据进行融合，利用三维加速度测量数据和三维磁场强度测量数据计算出初步的三维角度估值，并将初步的三维角度估值与三维角速度测量数据进一步融合，采用多模型Kalman滤波，使三维加速度测量数据和三维磁场强度测量数据分别受到不同程度干扰时自动切换到相对应的滤波模式，得到准确的三维角度估值。所述初始化单元200，用于接收各肢体的运动参数和环境参数，并将各肢体之间的相互限制条件和运动边界条件融合进来，推导出人体运动捕获装置的初始运行参数；所述初始化单元200推导人体运动捕获装置初始运行参数的步骤是人体根据运动边界条件做出初始化姿态，同时初始化单元200接收运动参数估计单元120实时发送的初始化姿态条件下各肢体的运动参数和环境参数；根据各肢体之间的相互限制条件，建立附着在人体各肢体上的多个微型传感器节点之间的拓扑关系映射，再将运动边界条件、初始化姿态条件下人体各肢体的运动参数和环境参数融合进来，并再采用贝叶斯网络动态系统进行滤波，推导出人体运动捕获装置的初始运行参数。所述初始运行参数包括运动测量单元110的每个微型传感器节点的传感器坐标系210相对于各肢体的身体坐标系220的三维角度偏差和三维位置偏差；身体坐标系220 相对于全局坐标系230的初始三维角度和初始三维位置；其中所述传感器坐标系210是运动测量单元110中的每一个微型传感器节点自身的坐标系；所述身体坐标系220是人体各肢体的坐标系；所述全局坐标系230是大地坐标系。所述运动边界条件包括人体在水平地面上运动时，肢体着地部分的位置的竖直分量是零；人体在水平地面上做走路、侧步、滑步、踏步、跑步和跳跃运动时，肢体着地部分的三维速度及三维角速度是零；人体在水平地面上自然站立，两眼目视前方，则人体后背所在平面与水平地面近似垂直并与人体视线方向近似垂直；人体双手合十后，若运动时两手掌心始终相对，十根手指始终相对，则两手位置近似相等。所述位移估计单元300，用于接收各肢体的运动参数、环境参数及人体运动捕获装置的初始运行参数，并将各肢体的长度、各肢体之间的相互限制条件和运动边界条件融合进来，根据步态分析方法和人体运动学，推导出人体相对于大地的位移；位移估计单元300推导人体相对于大地的位移使用两种方案第一种方案是基于步态分析获得人体相对于的大地位移，其步骤包括首先检测人体支撑点，即确定人体的着地脚；根据所述运动边界条件，检测步态时间参数；并对人体各肢体的运动参数和环境参数，人体运动捕获装置的初始运行参数，各肢体的长度、各肢体之间的相互限制条件，进行进一步融合，通过以上参数，利用人体运动学将运动边界条件的数据传导到人体各个肢体， 从而求得人体相对于大地的位移；第二种方案是基于积分方法获得人体相对于大地的位移，其步骤包括对人体各肢体的运动参数和环境参数及人体运动捕获装置的初始运行参数进行信息融合，对三维加速度估值去除重力加速度之后进行二次积分，得到各肢体的位移；利用人体运动边界条件，积分开始时各肢体的初始位置为支撑点消失时前一刻的肢体在全局坐标系230的位置，对积分得到的位移进行校正，从而提高位移估计的精确性；再利用人体运动学，将各肢体的位移数据传导到人体各个肢体，对位移估计进行进一步校正，从而求得人体相对于大地的准确位移。所述整体融合单元400，用于接收并对各肢体的运动参数、人体运动捕获装置的初始运行参数及人体相对于大地的位移进行融合，推导出并输出人体的整体运动的姿态和位
直fe息。所述整体融合单元400推导人体整体运动的姿态和位置信息的步骤是利用人体运动捕获装置的初始运行参数将人体各肢体的运动参数从传感器坐标系210转换到身体坐标系220下，得到身体坐标系220下的各肢体运动参数，并与人体相对于大地的位移一起生成并输出人体的整体运动的姿态和位置信息。这里，我们以三维微型加速度计、三维微型陀螺仪和三维微型磁力计组成的微型传感器节点作为例子。下面详细介绍本发明人体运动捕获装置的工作流程及系统结构。图2是人体运动捕获装置运动测量单元110的详细构成图，它同时给出了信号采集、处理流程。运动测量单元110由多个微型传感器节点和一个或数个控制单元组成。微型传感器节点可以数据总线的有线方式与控制单元相连，控制单元进而以无线或有线的方式与主计算机相连，所述主计算机为台式或便携式。运动参数估计单元120以软件形式在主计算机上实现。假设装置有一组多个微型传感器节点，它们采集的往往是模拟信号，有些是微弱信号。因此，需要有一组相应的前置放大和模数转换器，对模拟信号进行前置放大，使之满足模数转换器的输入电平的要求，然后获得数字信号。控制单元以数据总线的方式与所有的微型传感器节点相联，并为每一个微型传感器节点分配一个地址，通过地址总线选择不同的微型传感器。控制单元通过数据接口，给微型传感器节点上的微控制器传送指令，控制所有微型传感器节点的工作方式，如激活、同步、设定采样率等，控制微型传感器节点采集数据，接收来自微型传感器节点的数据，将接收到的数据进行缓存打包后发送至通信接口。控制单元的所有操作都由逻辑控制单元触发，并以时分方法读取各微型传感器节点的数据，例如，当控制单元需要读取某一微型传感器节点的数据时，首先通过地址总线发送一条选择命令，各个微型传感器节点接收到这条命令后，与系统分配的地址做比较，如果地址匹配，则将数据以通过数据总线发送到控制单元。控制单元接收到数据后，将数据进行缓存打包后发送至通信接口。通信接口可以选择有线通信，如USB 口，或者无线通信，如蓝牙、无线保真(Wi-Fi)，发送到主计算机中的运动参数估计单元120。运动测量单元110 —个完整的数据测量流程是假设采样率为fs赫兹，在每一个 i/fs秒的时隙内，运动测量单元110会完成如下动作，首先由控制单元发送一个数据采集指令，微型传感器节点上的微控制器收到指令之后开始采集数据；采集完成后，控制单元通过数据接口依次接收各个微型传感器节点的数据；收集完所有微型传感器节点的数据后，控制单元将这些数据压缩打包，发送给通信接口。在上述方法中，所述三维微型磁力计、三维加速度传感器和三维陀螺仪都是可选的。根据应用的不同，可以选择其中的一种或两种，甚至不选择其中的任何一种，删减相应的硬件，构成新的实现方法。本发明人体运动捕获装置，如图3示出人体各重要肢体多个微型传感器节点分布图，所述肢体包括头、上腰、中腰、下腰、左上臂、左前臂、左手、右上臂、右前臂、右手、左大腿、左小腿、左脚、右大腿和右脚，需要16-20个微型传感器节点。微型传感器节点的个数， 可以根据应用需要进行增加或者删减；每个微型传感器节点的放置位置和方向也不是固定不变的，可以根据应用需要进行调整。在本实例中，每个微型传感器节点都包括微控制器、 三维加速度计、三维陀螺仪和三维磁力计。将所述微型传感器节点标记为Mi，i = 1,2,'", n，其中η代表节点个数。如果人体各肢体均佩戴上运动测量单元110，那么，人体各肢体运动参数都可以测量和估计到。如果我们已经建立了人体的骨骼模型，则人体运动的实时捕获和重现就是可能的。然而，将运动测量单元110佩戴到各肢体上，如果不做人体运动捕获装置的初始化， 那么，每一次穿戴部位的不同都会影响测量和估计结果，同时，分布式测量也无法直接得到人体的整体姿态和位置。对于使用高精度摄像机的人体运动捕获装置来说，一切均在大地坐标系下进行。 如图5示出人体运动捕获装置中的三个坐标系及它们之间的关系，包括传感器坐标系 210、身体坐标系220和全局坐标系230。传感器坐标系210是运动测量单元110中的每一个微型传感器节点自身的坐标系，运动测量单元110中的每一个微型传感器节点，都有一个与其他节点相独立的坐标系，每个节点的测量数据都是在其自身的传感器坐标系下获得的，运动参数估计单元120估计出的各肢体的运动参数也是相对于各肢体上所附着微型传感器节点的坐标系的；身体坐标系220是人体每个肢体的坐标系；全局坐标系230是大地坐标系。为了将分布式测量的、在各自传感器坐标系下的、运动测量单元110中的每一个微型传感器节点所测量的运动数据和环境数据统一起来，将所有肢体的运动参数统一到一个坐标系框架下，以获得人体的整体运动，并去除运动测量单元110穿戴位置不同对运动捕获和估值的影响，本发明的初始化单元200依据人体各肢体的相互限制条件和运动边界条件，设定人体运动捕获装置的初始值和初始参数。人体各肢体之间的相互限制条件，是各肢体之间的相互连接和联动关系，如左大腿连接着左小腿，左小腿连接着左脚，左大腿运动能够带动左小腿和左脚的运动，但是左大腿和左脚并不直接连接在一起，左大腿的运动只能通过左小腿而带动脚一起运动。另外，人的运动存在于大地坐标系中，人体运动包括两部分，一是在身体坐标系220中各肢体的运动，二是人体在全局坐标系230中的三维位移，也就是身体坐标系220相对于全局坐标系230的运动。本发明以步态为线索，推导人体相对于大地坐标系的三维位移。下面详细介绍运动参数估计单元120、初始化单元200、位移估计单元300和整体融合单元400 ；在介绍运动参数估计单元120时，本发明仅以自适应抗干扰的三维角度估计方法为例进行阐述如上所述，每个微型传感器节点都包括微控制器和三维加速度计、三维陀螺仪及三维磁力计这三种微型传感器。利用本发明提供的自适应抗干扰的三维角度估计方法，可以估计出各微型传感器节点所测肢体在传感器坐标系210下的精确三维角度。以下描述以某一微型传感器节点Si为例阐明自适应抗干扰的三维角度估计的基本方法三维微型加速计测量的是三维加速度测量数据，在静止情况下测量得到的是重力加速度测量数据，能够提供所述微型传感器节点相对于水平面的旋转角度为倾斜角 (Pitch)和滚动角(Roll)；三维磁力计测量的是三维磁场强度测量数据，能够提供所述微型传感器节点绕竖直方向旋转的角度为偏航角(Yaw)，原理类似罗盘；三维陀螺仪测量的是三维角速度测量数据，对三维角速度测量数据积分能够得到三维的旋转角度。所述微型传感器节点测量得到的三种微型传感器数据的精确度受到多个方面的影响，首先是三种微型传感器的测量精度和误差，微型传感器在将物理信息转换为数字信号的过程中不可避免的会有误差。其次，由于微型传感器测量的数据会受到干扰，例如三维微型加速计测量得到的是三维加速度测量数据，在静态或者准静态的情况下测得的是重力加速度测量数据，但是在人体快速运动时会引入较大的人体运动加速度；三维微型磁力计测量的是三维地球磁场强度测量数据，但是实际测量得到的数据会受到周围铁磁性物质的磁场干扰。另外，在对三维角速度测量数据进行积分求角度的时候，数字信号误差的累积会产生一个随着时间逐渐累积的漂移误差。所以，在对这三种数据进行信息融合得到角度信息的过程中，首先需要对这些微型传感器数据做去噪、校准和温度补偿预处理，然后需要考虑各种可能的干扰情况，尽量提取其中的可用信息。另一方面，系统的实时性要求我们的融合方法，在保证估计的准确性的情况下，尽量能有低的计算复杂度。基于以上的分析，本发明运动参数估计单元120提供的自适应抗干扰的角度估计方法，其流程图如图4所示，首先对运动测量单元110测量得到的原始观测数据进行预处理操作，预处理包括去噪、校准和温度补偿。经过预处理之后，得到的三维角速度数据为2" = [ZxwZ; Zjf，其中，T代表三维角速度数据，上标w代表角速度，下标x、y和ζ分别代表χ轴、χ轴和χ轴，上标T代表向量转置；得到的三维加速度数据为P =^ Zf Zff，其中，Zg代表三维加速度数据，上标g代表加速度，其他符号意义同上；得到的三维磁场强度数据为广=RmZ;" Zff， 其中，Zm代表三维磁场强度数据，上标m代表磁场强度，其他符号意义同上。之后，将三维加速度数据Ρ =陀Z^ Zf f和三维磁场强度数据广=RmZ;" zrf进行信息融合，计算出初步的三维角度，即观测角度Za =[ZxflZ； Z;f，其中上标a代表观测角度，其他符号意义同上。然后，将所述三维加速度数据、三维磁场强度数据和观测角度与三维角速度数据采用多模型Kalman滤波进行融合，融合之后得到更精确的三维角度信息，即精确的三维角度估值A= [Ax Ay AJt，其中，符号x、y、z和T的意义同上。Kalman滤波器被广泛地应用于多微型传感器信息融合中，它提供了一种高效可计算的方法来估计过程的状态，适用于实时处理和计算机运算。根据模型在不同情况下受到干扰程度的不同，本发明采用了多模型方法进行滤波来适应不同的干扰，共采用了四种模型1、在三维加速度测量数据和三维磁场强度测量数据都不受到影响的时候，采用三维角速度数据和观测角度来估计三维角度，得到三维角度估值，如下表示A = F1 (Zw, Za)，2、在三维加速度测量数据受到影响的时候，采用三维角速度数据和三维磁场强度数据来估计三维角度，得到三维角度估值，如下表示A = F2 (Zw, Zm),3、在三维磁场强度测量数据受到影响的时候，采用三维角速度数据和三维加速度数据来估计三维角度，得到三维角度估值，如下表示A = F3 (Zw, Zg),4、在三维加速度测量数据和三维磁场强度测量数据都受到影响的时候，只采用三维角速度数据来估计三维角度，得到三维角度估值，如下表示A = F4 (Zw)，其中，F1-F4代表四种模型下的滤波方法。在经过多模型Kalman滤波融合之后，就可以获得精确地三维角度信息，A = [Ax Ay Αζ]τ。运动参数估计单元120估计其他运动参数的方法与此同理，此处不再赘述。记运动参数估计单元120估计的运动参数为X^3，它代表微型传感器节点Mi所测肢体在时刻t 在传感器坐标系210下的运动参数和环境参数，其中，下标t代表时刻，上标Mi代表微型传感器节点，下标S代表传感器坐标系210，也即Xi^3是传感器坐标系210下的运动参数和环境参数，它可以包括三维角度，即由上述自适应抗干扰的三维角度估计方法估计出的精确三维角度，还可以包括三维位置估值、三维速度估值、三维加速度估值、三维角度估值和三维磁场强度估值。如果人体各肢体均佩戴上运动测量单元110中的η个微型传感器节点， 那么，各肢体的三维方位角度都可以采用所述自适应抗干扰的三维角度估计方法得出。然而，运动参数估计单元120估计出的各肢体的三维方位角度是相对于各肢体上所附着微型传感器节点的传感器坐标系下的，必须将所有肢体的方位角度统一到一个坐标系框架下， 才能获得人体的整体运动姿态和位置信息。另外，将运动测量110佩戴到各肢体上，每一次穿戴部位的不同都会影响测量和估计结果，因此人体运动捕获装置的初始化就是一个非常重要，而且非解决不可的问题。同上所述，本发明运动测量单元110中的多个微型传感器节点记为Mi，i = 1， 2，…，n，其中η代表节点个数。由运动参数估计单元120推导计算出的运动参数和环境参数为Xts={x(^l)\i = \---,n},其中，Xt,s代表运动参数和环境参数，下标t代表时刻，上标Mi代表微型传感器节点Mi，η代表微型传感器节点个数；X^3代表微型传感器节点Mi所测肢体在时刻t在传感器坐标系210下的运动参数和环境参数，下标S代表传感器坐标系210，也即运动参数和环境参数是传感器坐标系210下的参数，它可以包括三维角度，即由上述自适应抗干扰的三维角度估计方法估计出的精确三维角度，还可以包括三维位置估值、三维速度估值、三维加速度估值、三维角度估值和三维磁场强度估值。为将传感器坐标系210下的运动参数和环境参数Xt, s转换到身体坐标系220下， 初始化单元200需进行以下两步操作。第一步操作，初始化姿态。在人体佩戴上η个微型传感器节点之后，进行实时运动捕获之前，人体需要按照若干预定姿势静止或运动一段时间，此时，运动参数估计单元120 估计出在预定姿势条件下人体各肢体的运动参数和环境参数。这些预定姿势称为人体的 “初始化姿态”，它们分为静止姿态和运动姿态两种；这些预定姿势都利用了相关所述运动边界条件。在静止姿态，根据预先设定，人体所有关节都按照预定约束条件，保持静止一段时间。可选的静止初始化姿态包括“十”型姿态和“I”型姿态，还可以包括其他姿态。“十” 型姿态特点为人体自然站立，目视前方，双臂侧平举，双手掌心竖直向下，双腿竖直，双脚平行。“I”型姿态特点为人体自然站立，目视前方，双臂侧垂，双手手心紧贴双腿，双腿竖直，双脚平行。与“十”型姿态和“ I，，型姿态相关的运动边界条件是，人体后背所在平面与水平地面近似垂直，并与人体视线方向近似垂直。在运动姿态，根据预先设定，人体若干个关节都按照预定约束条件，保持运动一段时间。可选的运动初始化姿态包括“0”型姿态，还可以包括其他姿态。“0”型姿态为人体自然站立，目视前方，双腿竖直，双脚与肩同宽；双手合十后，保持两手掌心始终相对，10根手指始终相对，两手在胸前做绕圈运动。与“0”型姿态相关的运动边界条件是，两手位置近似相等。在初始化时，可以选取一个或多个初始化姿态。记初始化时所用初始化姿态相关的运动边界条件为C(ρ)，其中，ρ代表初始化姿态， C(P)代表与初始化姿态P相关的运动边界条件。假定初始化姿态时运动参数估计单元120估计出各肢体运动参数和环境参数的总时刻数为N，则运动参数估计单元120估计出的η个微型传感器节点所测肢体的运动参数和环境参数为
权利要求
1.人体运动捕获装置，其特征在于，所述装置包括运动测量单元(110)、运动参数估计单元(120)、初始化单元000)、位移估计单元(300)和整体融合单元G00)，其中所述运动测量单元(110)中的多个微型传感器节点附着在人体各肢体上，用于测量并得到各肢体运动数据和环境数据；所述运动参数估计单元(120)，是对运动测量单元(110)的运动数据和环境数据进行融合，推导出各肢体的运动参数和环境参数，所述推导中还采用自适应抗干扰的三维角度估计方法对各肢体运动数据和环境数据进行融合，推导出各肢体运动参数中的三维角度估值；所述运动参数包括三维加速度估值、三维速度估值、三维位置估值、三维角速度估值和三维角度估值，所述环境参数包括三维磁场强度估值；所述初始化单元000)，用于接收各肢体的运动参数和环境参数，并将各肢体之间的相互限制条件和运动边界条件融合进来，推导出人体运动捕获装置的初始运行参数；所述位移估计单元(300)，用于接收各肢体的运动参数、环境参数及人体运动捕获装置的初始运行参数，并将各肢体的长度、各肢体之间的相互限制条件和运动边界条件融合进来，根据步态分析方法和人体运动学，推导出人体相对于大地的位移；所述整体融合单元G00)，用于接收并对各肢体的运动参数、人体运动捕获装置的初始运行参数及人体相对于大地的位移进行融合，推导出并输出人体的整体运动的姿态和位置 fn息ο
2.根据权利要求1所述的人体运动捕获装置，其特征在于所述运动测量单元(110) 的结构包括多个微型传感器节点，以及一个或几个控制单元，每一个微型传感器节点具有一唯一地址，由数据总线将所有微型传感器节点和控制单元连接到一起，控制单元通过地址总线选择不同的微型传感器节点，向各微型传感器节点发布控制命令，获取每个微型传感器节点的各路测量数据，此后控制单元通过无线或有线方式与运动参数估计单元(120) 连接，将所获取数据统一发往运动参数估计单元(120)。
3.根据权利要求1所述的人体运动捕获装置，其特征在于所述微型传感器节点包括微型传感器和微控制器，其中微型传感器是微型三维加速度计、微型三维陀螺仪、微型三维磁力计、微型超声测距仪或微型超宽带测距仪一种或多种组合，用于采样及测量各肢体运动数据和环境数据；所述运动数据包括三维加速度测量数据、三维角速度测量数据和三维位置测量数据，所述环境数据是三维磁场强度测量数据；微控制器，控制所述微型传感器采样及测量各肢体运动数据和环境数据，并将测量的运动数据和环境数据打包送往控制单元。
4.根据权利要求3所述的人体运动捕获装置，其特征在于自适应抗干扰的三维角度估计方法是将各肢体的三维加速度测量数据、三维角速度测量数据和三维磁场强度测量数据进行融合，利用三维加速度测量数据和三维磁场强度测量数据计算出初步的三维角度估值，并将初步的三维角度估值与三维角速度测量数据进一步融合，采用多模型Kalman滤波，使三维加速度测量数据和三维磁场强度测量数据分别受到不同程度干扰时自动切换到相对应的滤波模式，得到准确的三维角度估值。
5.根据权利要求1所述的人体运动捕获装置，其特征在于所述初始化单元(200)推导人体运动捕获装置初始运行参数的步骤是人体根据运动边界条件做出初始化姿态，同时初始化单元(200)接收运动参数估计单元(120)实时发送的初始化姿态条件下各肢体的运动参数和环境参数；根据各肢体之间的相互限制条件，建立附着在人体各肢体上的多个微型传感器节点之间的拓扑关系映射，再将运动边界条件、初始化姿态条件下人体各肢体的运动参数和环境参数融合进来，并采用贝叶斯网络动态系统进行滤波，推导出人体运动捕获装置的初始运行参数。
6.根据权利要求1所述的人体运动捕获装置，其特征在于所述初始运行参数包括运动测量单元(110)的每个微型传感器节点的传感器坐标系(210)相对于各肢体的身体坐标系O20)的三维角度偏差和三维位置偏差；身体坐标系(220)相对于全局坐标系Q30)的初始三维角度和初始三维位置；其中所述传感器坐标系(210)是运动测量单元(110)中的每一个微型传感器节点自身的坐标系；所述身体坐标系(220)是人体各肢体的坐标系； 所述全局坐标系(230)是大地坐标系。
7.根据权利要求1所述的人体运动捕获装置，其特征在于所述运动边界条件包括人体在水平地面上运动时，肢体着地部分的位置的竖直分量是零；人体在水平地面上做走路、侧步、滑步、踏步、跑步和跳跃运动时，肢体着地部分的三维速度及三维角速度是零；人体在水平地面上自然站立，两眼目视前方，则人体后背所在平面与水平地面近似垂直并与人体视线方向近似垂直；人体双手合十后，若运动时两手掌心始终相对，十根手指始终相对，则两手位置近似相寸。
8.根据权利要求1所述的人体运动捕获装置，其特征在于位移估计单元(300)推导人体相对于大地的位移使用两种方案第一种方案是基于步态分析推导出人体相对于的大地位移，其步骤包括首先检测人体支撑点，即确定人体的着地脚；根据所述运动边界条件，检测步态时间参数；并对人体各肢体的运动参数和环境参数，人体运动捕获装置的初始运行参数，各肢体的长度、各肢体之间的相互限制条件，进行进一步融合，通过以上参数，利用人体运动学将运动边界条件的数据传导到人体各个肢体，从而求得人体相对于大地的位移；第二种方案是基于积分方法推导出人体相对于大地的位移，其步骤包括对人体各肢体的运动参数和环境参数及人体运动捕获装置的初始运行参数进行信息融合，对三维加速度估值去除重力加速度之后进行二次积分，得到各肢体的位移；利用人体运动边界条件，积分开始时各肢体的初始位置为支撑点消失时前一刻的肢体在全局坐标系O30)的位置，对积分得到的位移进行校正，从而提高位移估计的精确性；再利用人体运动学，将各肢体的位移数据传导到人体各个肢体，对位移估计进行进一步校正，从而求得人体相对于大地的准确位移。
9.根据权利要求1所述的人体运动捕获装置，其特征在于所述整体融合单元(400) 推导人体整体运动的姿态和位置信息的步骤是利用人体运动捕获装置的初始运行参数将人体各肢体的运动参数从传感器坐标系(210)转换到身体坐标系(220)下，得到身体坐标系(220)下的各肢体运动参数，并与人体相对于大地的位移一起生成并输出人体的整体运动的姿态和位置信息。
全文摘要
本发明是人体运动捕获装置，包括运动测量单元、运动参数估计单元、初始化单元、位移估计单元和整体融合单元；运动测量单元附着在人体各肢体上，用于测量各肢体运动数据和环境数据；运动参数估计单元推导出各肢体的运动参数和环境参数，所述推导中还采用自适应抗干扰的三维角度估计方法，推导出各肢体的三维角度估值；初始化单元，用于接收并融合各肢体运动参数和环境参数，推导出人体运动捕获装置的初始运行参数；位移估计单元，用于接收和融合各肢体运动参数和环境参数及人体运动捕获装置的初始运行参数，推导出人体相对于大地的位移；这些参数与人体相对于大地的位移，最终被整体融合单元融合到一起，得到并输出人体整体运动的位置和姿态。
文档编号G06F3/01GK102323854SQ20111006007
公开日2012年1月18日 申请日期2011年3月11日 优先权日2011年3月11日
发明者吴健康, 孙树岩, 孟小利, 陈江 申请人:中国科学院研究生院
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
