一种融合室内定位数据与动作捕捉数据的方法技术

一种融合室内定位数据与动作捕捉数据的方法，包括动作捕捉数据采集步骤；通过UWB室内定位系统采集室内定位数据步骤；采用卡尔曼滤波算法进行融合，获得融合位移；位移纠偏步骤：解析各个骨骼姿态数据，计算各个骨骼相对位移坐标；对虚拟现实综合系统中各个动作捕捉传感器进行位移纠偏，形成姿态重组位移；形成最终输出位移步骤：获取的融合位移与形成的姿态重组位移构成初步输出位移，将该初步输出位移进行卡尔曼滤波，去除位移纠偏过程中产生的闪跳点，形成平滑的各个动作捕捉传感器的最终输出位移。本发明专利技术利用UWB室内定位系统提供实时精确的位移数据，对惯性动作捕捉装置实时纠偏，使惯性动作捕捉装置能输出精确的姿态与位移数据。

【技术实现步骤摘要】
一种融合室内定位数据与动作捕捉数据的方法
本专利技术涉及微机械(MEMS)以及虚拟现实领域，特别是一种融合室内定位数据与动作捕捉数据的方法。
技术介绍
随着MEMS传感器的高速发展，微型惯性传感器的技术越发成熟，已经开始有将微型惯性传感器用于动作捕捉系统中。具体方法是：把惯性测量单元(IMU)连接到待测物体上，让其随待测物体一起运动。对多个传感器节点数据进行采集并处理，通过无线通讯技术传输至上位机系统，经过上位机进行姿态还原。惯性动作捕捉技术的优点在于，系统相对简洁，不怕遮挡，对光、环境要求比光学式动作捕捉低，适用范围广，同时惯性动作捕捉系统成本相对于光学普遍低。惯性测量单元包括加速度计、陀螺仪、地磁传感器，通过对加速度信号进行二重积分以及陀螺仪信号的积分，可以测得待测物体的信息以及方位信息。但是，上述陀螺仪测量运动物体的姿态数据有误差，必须修正后才能真实反映出运动物体的姿态。陀螺仪测量姿态数据时，误差产生的过程如下：首先，陀螺仪测量的数据为角速度，该角速度为瞬间值，大多数情况下不能直接适用，需要对该角速度进行时间积分，得到角度变化量。然后，将得到的角度变化量加上初始角度后，计算得到的角度值才是物体运动的姿态数据。在对上述角速度进行时间积分时，积分过程时间(dt)越小，得到的角度值也越准确。然而，由于陀螺仪的测量基准是自身而非外在的绝对参照物；加之，积分过程时间(dt)不可能无限小，因而，积分的累积误差会随时间推移而逐渐增加，进而导致测量的运动姿态数据与实际的数据发生偏差。动作捕捉系统主要用于对人体动作的采集，偏重于人体姿态的还原，当人体穿戴惯性动作捕捉系统行走并产生位移时，由于上述惯性传感器的误差以及姿态计算的参数等原因，动作捕捉系统输出的位移坐标随使用时间的增加会产生明显的偏差。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，而提供一种融合室内定位数据与动作捕捉数据的方法，该融合室内定位数据与动作捕捉数据的方法利用UWB室内定位系统提供实时精确的位移数据，并将该实时精确的位移数据对惯性动作捕捉系统进行实时纠偏，使虚拟现实综合系统中的惯性动作捕捉装置能输出精确的姿态与位移数据。为解决上述技术问题，本专利技术采用的技术方案是：一种融合室内定位数据与动作捕捉数据的方法，包括如下步骤：步骤1，动作捕捉数据采集：通过虚拟现实综合系统中的动作捕捉传感器获得人体的动作捕捉数据；虚拟现实综合系统中设置有惯性动作捕捉装置，惯性动作捕捉装置包括若干个均能固定在人体上的动作捕捉传感器，动作捕捉传感器将能自动捕捉与采集人体接触部位的动作数据，也即骨骼姿态数据。步骤2，室内定位数据采集：通过UWB室内定位系统获得室内定位数据。步骤3，获取融合位移：采用卡尔曼滤波算法将步骤1采集的动作捕捉数据与步骤2采集的室内定位数据进行融合，获得融合位移。步骤4，位移纠偏：解析虚拟现实综合系统中各个动作捕捉传感器所捕捉的各个骨骼姿态数据，计算各个骨骼相对位移坐标；根据步骤3获取的融合位移与骨骼相对位移坐标对虚拟现实综合系统中各个动作捕捉传感器进行位移纠偏，形成姿态重组位移；步骤5，形成最终输出位移：步骤3获取的融合位移与步骤4形成的姿态重组位移构成初步输出位移，将该初步输出位移进行卡尔曼滤波，去除位移纠偏过程中产生的闪跳点，形成平滑的各个动作捕捉传感器的最终输出位移。所述步骤3中，假设骤1采集的动作捕捉数据中的坐标数据与步骤2采集的室内定位数据均是一个二维坐标点(x，y)的集合，其中，x和y分别表示该点的横纵坐标，则融合位移的具体获取方法包括如下步骤：步骤31，状态方程建立：将步骤1采集的动作捕捉数据的位移增量作为状态量，建立如下所示的状态方程：上式中，向量为k时刻动作捕捉数据的先验估计，A取单位矩阵为k-1时刻动作捕捉数据的后验估计，为步骤1采集的动作捕捉数据的位移增量，wk为过程噪声的协方差矩阵，由实验测得，为可调参数。步骤32，观测方程建立：将步骤2采集的室内定位数据作为观测量，建立如下所示的观测方程：上式中，向量为k时刻室内定位数据的后验估计，C为观测矩阵，优选取单位矩阵表示UWB室内定位系统的输入坐标数据；rk为观测噪声矩阵，由实验测得，为可调参数。步骤33，计算融合位移：通过步骤31建立的状态方程与步骤32建立的观测方程进行求解，获得融合位移。所述步骤4中，位移纠偏时，为使步骤3中获取的融合位移与原有骨骼姿态相匹配，以人体是否有着地点为依据进行判断；在人体有着地的情况下，以着地点为原点计算全身各骨骼位置；如果纠偏过程中没有新的着地点产生，则保持原点不变；如果纠偏过程中产生新的着地点，原点变为当前时刻的融合位移。所述步骤4中，在人体有着地的情况下，以着地点为原点，采用位姿矩阵来计算全身各骨骼位置；其中，位姿矩阵T表示如下：其中，O＝[000]，I＝1上式中，T表示位姿矩阵，n表示法线矢量，o表示方向矢量，a表示接近矢量，p表示平移矢量，R表示旋转矩阵，P表示位置矩阵，O表示透视矩阵，I表示比例变换；x,y,z表示三个坐标轴方向。所述步骤5，将初步输出位移进行卡尔曼滤波时，卡尔曼滤波状态方程为：上式中，为k时刻初步输出位移的状态量；为的一阶导数；为状态矩阵；ts表示动作捕捉传感器的采样频率，为固定参数；为k-1时刻初步输出位移的状态量；卡尔曼滤波观测方程：上式中，为初步输出位移的后验估计，为的一阶导数；C为观测矩阵，取为观测量。本专利技术采用上述方法后，具有如下有益效果：1.通过UWB室内定位系统的实时精确位移坐标对虚拟现实综合系统中动作捕捉传感器的位移进行实时纠偏，使系统具有准确的姿态和位移数据输出。2.通过姿态解算，在姿态关键帧(也即以着地点判定对应的帧)对位移进行纠正，保持了姿态的连贯性。2.初步输出位移经过了卡尔曼滤波，故使最终输出位移无闪跳点、平滑。附图说明图1显示了本专利技术一种基于动作捕捉的虚拟现实综合系统的示意图。图2显示了本专利技术一种融合室内定位数据与动作捕捉数据的方法的示意图。具体实施方式下面结合附图和具体较佳实施方式对本专利技术作进一步详细的说明。如图1所示，一种基于动作捕捉的虚拟现实综合系统，包括惯性动作捕捉装置、室内定位装置、虚拟现实装置、数据手套装置、电子仿真枪装置和背负式计算机装置。惯性动作捕捉装置、室内定位装置、虚拟现实装置、数据手套装置和电子仿真枪装置均与背负式计算机装置无线连接。无线连接通讯方式包括但不限于蓝牙、Zegibee、WIFI、2.4Ghz通讯。惯性动作捕捉装置包括若干个均能固定在人体上的动作捕捉模块。动作捕捉模块的个数可以根据情况，任意选择，可以为3个、6个、9个、11个、15个、或17个等。当动作捕捉模块的个数为3个时，3个动作捕捉模块分别通过绑带或者专用动捕服装固定在用户的三个不同部位，三个不同部位优选为：1.头部、躯干以及臀部；2.头部、双上臂(左上臂及右上臂)之一，以及双前臂(左前臂以及右前臂)之一。当动作捕捉模块的个数为6个时，6个运动捕捉模块优选分别通过绑带或者专业动作捕捉服装固定在头部、躯干、臀部、双大腿、双小腿、双脚(左脚以及右脚)、双上臂之一以及双前臂之一，或者分别固定在头部、躯干、臀部、双上臂之一、双前臂之一以及双手(左手及右手)之一。当动作捕捉模块的个数为9本文档来自技高网...

【技术保护点】
一种融合室内定位数据与动作捕捉数据的方法，其特征在于：包括如下步骤：步骤1，动作捕捉数据采集：通过虚拟现实综合系统中的动作捕捉传感器获得人体的动作捕捉数据；虚拟现实综合系统中设置有惯性动作捕捉装置，惯性动作捕捉装置包括若干个均能固定在人体上的动作捕捉传感器，动作捕捉传感器将能自动捕捉与采集人体接触部位的动作数据，也即骨骼姿态数据；步骤2，室内定位数据采集：通过UWB室内定位系统获得室内定位数据；步骤3，获取融合位移：采用卡尔曼滤波算法将步骤1采集的动作捕捉数据与步骤2采集的室内定位数据进行融合，获得融合位移；步骤4，位移纠偏：解析虚拟现实综合系统中各个动作捕捉传感器所捕捉的各个骨骼姿态数据，计算各个骨骼相对位移坐标；根据步骤3获取的融合位移与骨骼相对位移坐标对虚拟现实综合系统中各个动作捕捉传感器进行位移纠偏，形成姿态重组位移；步骤5，形成最终输出位移：步骤3获取的融合位移与步骤4形成的姿态重组位移构成初步输出位移，将该初步输出位移进行卡尔曼滤波，去除位移纠偏过程中产生的闪跳点，形成平滑的各个动作捕捉传感器的最终输出位移。

【技术特征摘要】
1.一种融合室内定位数据与动作捕捉数据的方法，其特征在于：包括如下步骤：步骤1，动作捕捉数据采集：通过虚拟现实综合系统中的动作捕捉传感器获得人体的动作捕捉数据；虚拟现实综合系统中设置有惯性动作捕捉装置，惯性动作捕捉装置包括若干个均能固定在人体上的动作捕捉传感器，动作捕捉传感器将能自动捕捉与采集人体接触部位的动作数据，也即骨骼姿态数据；步骤2，室内定位数据采集：通过UWB室内定位系统获得室内定位数据；步骤3，获取融合位移：采用卡尔曼滤波算法将步骤1采集的动作捕捉数据与步骤2采集的室内定位数据进行融合，获得融合位移；步骤4，位移纠偏：解析虚拟现实综合系统中各个动作捕捉传感器所捕捉的各个骨骼姿态数据，计算各个骨骼相对位移坐标；根据步骤3获取的融合位移与骨骼相对位移坐标对虚拟现实综合系统中各个动作捕捉传感器进行位移纠偏，形成姿态重组位移；步骤5，形成最终输出位移：步骤3获取的融合位移与步骤4形成的姿态重组位移构成初步输出位移，将该初步输出位移进行卡尔曼滤波，去除位移纠偏过程中产生的闪跳点，形成平滑的各个动作捕捉传感器的最终输出位移。2.根据权利要求1所述的融合室内定位数据与动作捕捉数据的方法，其特征在于：所述步骤3中，假设骤1采集的动作捕捉数据中的坐标数据与步骤2采集的室内定位数据均是一个二维坐标点(x，y)的集合，其中，x和y分别表示该点的横纵坐标，则融合位移的具体获取方法包括如下步骤：步骤31，状态方程建立：将步骤1采集的动作捕捉数据的位移增量作为状态量，建立如下所示的状态方程：上式中，向量为k时刻动作捕捉数据的先验估计，A取单位矩阵为k-1时刻动作捕捉数据的后验估计，为步骤1采集的动作捕捉数据的位移增量，wk为过程噪声的协方差矩阵，由实验测得，为可调参数；步骤32，观测方程建立：将步骤2采集的室内定位数据作为观测量，建立如下所示的观测方程：上式中，向量为k时刻室内定位数据的后验估计；C为观测矩阵；表示UW...

【专利技术属性】
技术研发人员：隋文涛，周清，马乐圣，孔令涛，
申请(专利权)人：隋文涛，南京睿辰欣创网络科技股份有限公司，
类型：发明
国别省市：江苏,32