【技术实现步骤摘要】
一种多节点无线动作捕捉节点扩充方法
本专利技术涉及基于射频无线传感技术的动作捕捉方法,尤其是涉及一种多节点无线动作捕捉节点扩充方法。
技术介绍
动作捕捉是一种利用数字信息技术测量使用者在三维空间运动信息的技术,其实质是通过设备对使用者的肢体运动数据甚至是面部表情数据进行采集和处理,并利用这些肢体动作或者面部表情数据驱动虚拟的三维人物模型,实现各种动作的仿真模拟,已经被广泛应用于虚拟现实、生物力学、医疗康复、游戏、动画制作、体育竞技等人机交互领域。目前无线动作捕捉主要分为两类:基于光学的动作捕捉方法和基于惯性传感的射频无线动作捕捉方法。基于光学的动作捕捉方法需要事先在捕捉对象身上设置光学标识,然后通过高速摄像机来捕捉对象身上的特定光点的空间位置来完成动作捕捉的任务,其捕获精度较高、实时性较强、可以同时对多个目标进行动作捕捉,但成本高昂、携带不方便、易受光照条件、视角、阴影、遮挡、场景等因素的干扰与影响。大多数商业动作捕捉系统的设备成本高、开发接口难以控制,大大提高了研究平台的构建成本,增加了研究的难度。而基于惯性传感的动作捕捉方法是将惯性传感器布置在使用者各个标定关节点,通过对动作过程中各肢体部位的惯性数据进行融合与推算得到动作捕捉结果。这种方法不怕遮挡、无光照影响、室内室外均可使用,易于实现全天候、无限制的动作捕捉。惯性式动作捕捉系统的研究发展时间短,技术生涩,尚处于在探索阶段,达到应用级别的惯性动作捕捉系统屈指可数,性价比也不高,且其捕捉精度相对于商业动作捕捉系统也有待提高。从现阶段的研究上 ...
【技术保护点】
1.一种多节点无线动作捕捉节点扩充方法,其特征在于:包括多个传感器节点、无线网关节点(2)、数据实时处理平台(3);每一个传感器节点均包含电池和供电电路(4)、加速度传感器(5)、传感器节点的微处理器(6)、传感器节点的无线发送模块(7),固定结构(8);原始数据由加速度传感器(5)采集后,经传感器节点的微处理器(6)进行压缩,压缩后的数据经传感器节点的无线发送模块(7)发送出去,固定结构(8)的两端分别连接在传感器节点的两端,便于根据使用者不同部位的佩戴需要对传感器节点进行固定;无线网关节点(2)包含无线接收模块、无线网关节点的微处理器、无线网关节点的无线发送模块,用于接收来自传感器节点发送的数据,并对这些数据进行恢复处理,再将恢复后的数据通过无线网关节点的无线发送模块发送至数据实时处理平台(3);数据实时处理平台(3)接收来自无线网关节点(2)的数据,进行存储以方便后续处理、分析和使用。/n
【技术特征摘要】
1.一种多节点无线动作捕捉节点扩充方法,其特征在于:包括多个传感器节点、无线网关节点(2)、数据实时处理平台(3);每一个传感器节点均包含电池和供电电路(4)、加速度传感器(5)、传感器节点的微处理器(6)、传感器节点的无线发送模块(7),固定结构(8);原始数据由加速度传感器(5)采集后,经传感器节点的微处理器(6)进行压缩,压缩后的数据经传感器节点的无线发送模块(7)发送出去,固定结构(8)的两端分别连接在传感器节点的两端,便于根据使用者不同部位的佩戴需要对传感器节点进行固定;无线网关节点(2)包含无线接收模块、无线网关节点的微处理器、无线网关节点的无线发送模块,用于接收来自传感器节点发送的数据,并对这些数据进行恢复处理,再将恢复后的数据通过无线网关节点的无线发送模块发送至数据实时处理平台(3);数据实时处理平台(3)接收来自无线网关节点(2)的数据,进行存储以方便后续处理、分析和使用。
2.根据权利要求1所述的一种多节点无线动作捕捉节点扩充方法,其特征在于:所述固定结构(8)根据使用者设定部位的特点对传感器节点进行固定,用于人体设定部位多点变化的动作捕捉,或用于动物的动作捕捉。
3.根据权利要求1所述的一种多节点无线动作捕捉节点扩充方法,其特征在于:所述多个传感器节点数为S个传感器节点(1),设每个传感器节点发送数据时占用相同的带宽资源为bp,则节点承载个数S的理论上界为S=B/bp,实验数据表明该方法将节点数量成倍扩展,在有限的传输带宽B为2.4GHzISMBand、传感器节点采样率为27.5Hz的条件下,S的理论上界能达到50个;该方法对于传输条件的改善主要体现在将原始数据压缩后再发送出去,降低了数据量而又保留了有效动作特征信息,所以在相同传输带宽条件下能支持更多的传感器节点同时发送数据。
4.根据权利要求1所述的一种多节点无线动作捕捉节点扩充方法,其特征在于,该方法具体的步骤如下:
1)多节点无线传感系统中的S个传感器节点(1)进行动作特征信息的采集过程具体包含如下步骤:
1.1)加标签:设置加速度传感器采样率为f,单位/Hz,同时采集d个维度的原始数据,每一个传感器节点在单位/秒的工作时间t内采集到的原始数据x具有(f*t)×d的大小,对来自S个传感器节点采集到的S个原始数据x分别加上标签后得到数据xs,s=1,2,…,S;加标签的方法为:对于x的(f*t)个行向量加(f*t)个标签,即一行d个数据为一组,在一组数据头部加上字母作为标签,相同字母的不同大小写表示不同标签;
1.2)归一化:设置尺寸归一化参数α,取α为10%,对每一个xs的每个维度的数据进行相同的归一化处理后得到x1s,归一化过程表示如下:
x1si=xsi(α*(f*t)+1:(1-α)*(f*t))
其中角码“i”表示每个维度的数据信息,i=1,2,…,d;分节号“:”表示取从该符号左边数字开始,到该符号右边数字截止的一段数据;则尺寸归一化后的数据x1s具有n×d的尺寸大小,其中n=((1-2α)*(f*t));
对x1s进行幅度归一化处理的公式如下:
其中角码“i”表示每个维度的数据信息,i=1,2,…,d,median()表示中值函数,max()表示最大值函数,min()表示最小值函数;则幅度归一化后的数据x2s也具有n×d的尺寸大小;
根据实际佩戴部位的不同,考虑加入或省去幅度归一化处理;如果需要进行幅度归一化处理,则在正常工作之前应在传感器节点和无线网关节点(2)之间进行预发收操作,从而使无线网关节点(2)保留归一化参数,包含数据x1s的中值median(x1s)、最大值max(x1s)、最小值min(x1s),三者均为d维数据;
1.3)特征提取:以经过归一化处理之后的数据x2s作为输入,定义零值特征描述子k,表示数据x2s中平均每个维度具有的零值数据的个数,这里的零值数据不仅仅包括数值刚好等于0的数据,还包括绝对值低于给定阈值β,取0.005,根据不同x2s的情况灵活调整β的大小数据;定义特征提取矩阵Φ:
<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。