论文部分内容阅读
人体运动捕获技术应用范围广泛，包括医疗和健康监测、舞蹈和体育运动分析、电影动画特效和虚拟现实游戏、士兵训练和战场模拟等。基于微型传感器的人体运动捕获技术，由于其不受环境限制、实时性好、价格便宜等特点，正越来越受到关注。该技术将人体结构简化为由若干个刚体通过关节铰接而成的多刚体结构，通过对各个刚体运动的正确实时估计进而描述出整体的实时运动。所以，融合多个微型传感器数据的运动估计单元的运动参数估计，是整个人体运动捕获系统的关键，它既能够应用于人体运动捕获系统，也能够应用在三维交互和导航等场景中。
微型传感运动估计单元一般包括三维微型加速度计、三维微型磁力计和三维微型陀螺仪。这里，三维加速计测量传感器坐标系下的重力向量，用于确定相对于水平面的方向；三维磁力计测量得到传感器坐标系下的磁场强度向量，用来确定垂直轴上的方位角；三维陀螺仪测量角速度，通过积分可以得到方位角。微型传感器运动估计面临的挑战有；刚体单元的运动是一个随机的非线性的过程；微型传感器容易受到外界环境的干扰，伴随着比较大的测量噪声，测量值的可靠性不高；重力向量受人体运动加速度的干扰，磁场强度受周围环境磁感物质的干扰，而角速度在积分过程中也会引入随时间增长的漂移，以上三种传感器均无法单独估计出准确的三维运动。为了获取准确的三维运动估值，需要融合这三种观测量。迄今为止，并没有满意的数据融合和运动估计方法。
文本提出了一种自适应多模型运动估计方法(AdaptiveMulti-modelMotionEstimation，AMME)，通过加速度与磁场强度计算得到的方位角来做观测量与角速度融合，将非线性观测方程线性化，降低计算复杂度，引入自适应多模型卡尔曼滤波来抑制不同运动环境下的干扰，用以得到不带有漂移的三维运动估值。算法的稳定性和精确性在自己设计的硬件平台中得到了有效验证。
本文的主要工作和创新性在于：
(1)提出以加速度和磁场强度数据计算得到的运动信息作为观测值与角速度进行融合，将非线性观测方程线性化，降低计算复杂度。
(2)首次提出自适应多模型运动估计方法AMME。引入多模型卡尔曼滤波，根据加速度和磁场强度受到的不同的干扰程度，将观测模型分成四种模式，每种模式下都有对应的观测量和观测方程，使得模型更加接近实际情况。设计对比实验验证算法的稳定性和精确性。
(3)研发了基于微型传感器的人体运动捕获系统的硬件平台。采用微型惯性测量单元(加速计和陀螺仪)和磁传感器作为微型传感运动估计单元，用主控制板控制单元采集数据，并将数据通过无线通信协议实时发送给计算机。该硬件平台在数据精度、稳定性、功耗、可穿戴性等各方面都达到了较高的水平。