一种基于光学的运动捕获数据的骨骼运动提取方法技术

本发明专利技术公开一种基于光学的运动捕获数据的骨骼运动提取方法，含以下步骤：由标志点位置估计关节中心位置，构造与捕获对象粗糙匹配的骨骼系统；在骨骼系统上建立骨骼局部坐标系；由骨骼局部坐标计算初始的骨骼运动数据，建立与运动捕获对象匹配的骨骼系统和虚拟标志点系统；在骨骼系统上划分骨骼链，建立真实与虚拟标志点的距离函数，并逐链逐帧进行距离最小优化，不断更新虚拟标志点坐标，当虚拟标志点与真实标志点距离稳定后，所得到的骨骼运动数据就是结果。采用本发明专利技术的方法能够提取出与基于光学的运动捕获数据精确匹配的骨骼运动；降低对标志点所贴位置的准确性要求，且不影响运动捕获数据的精确度；不局限于某一种特定的标志点贴法。

【技术实现步骤摘要】

本专利技术主要涉及到一种运动捕获数据的骨骼运动提取方法，特别是涉及。
技术介绍
运动捕获技术是一种能够直接捕捉运动对象的动作，用数字表示这些动作，并利用计算机对结果运动数据进行处理的技术。有关运动捕获技术的相关信息可参考参考文献1，中国为“获取运动捕获数据的方法”，专利申请号的申请，文中指出运动捕获技术是利用标志点或传感器以三维的形式记录真实人或动物的动作，比较典型的运动捕获设备有四大类声学型，光学式、电磁式和机械式；其中实用范围最广，精度最高的是光学式的运动捕获设备。基于光学的运动捕获数据是指用光学捕获设备捕捉到的运动数据，实际上是运动过程中贴在人或动物身体上的标志点每一时刻在三维空间中的位置信息的数字化表示，更进一步来说，一个被捕获的运动的时间可能长几秒到几十秒钟不等，而每一秒钟进行捕获的相机要联合拍摄30张到120张三维照片，每一张三维照片表示的就是某一个时刻贴在人或动物身体上的所有标志点的三维空间位置，也被称为一个基于光学的运动捕获数据帧。而一个基于光学的运动捕获数据是由一组连续的基于光学的运动捕获数据帧构成的，实际上就是一组连续的三维坐标值。目前基于光学的物体运动过程的捕获技术已经非常成熟，标志物体的三维空间坐标值已达到亚毫米级精度。然而在计算机人体运动仿真的过程中，人体是依靠皮肤下的骨骼系统来驱动的，人体的骨骼系统由关节和骨骼构成，只有通过输入关节角度旋转相应的关节来带动骨骼，才能驱动人体做出各种运动。但是基于光学的运动捕获数据只是一组连续的三维坐标置，输入计算机后，必须要有一个数据处理程序，即基于光学的运动捕获数据的骨骼运动提取程序，来将输入的三维坐标值转换成关节角度值也就是骨骼运动数据，才能驱动人体做出相应的动作。目前实现基于光学的运动捕获数据的骨骼运动提取程序所用的方法，基本上都针对各自相应的标志点贴法，并且要求贴的位置非常准确，当标志点贴的位置有稍有偏移时就得不到正确的结果；另一方面在处理过程中采用一种被称为逆运动学的关节角度求解技术，这种技术对一些关节的灵活度做了人为的限制，使得他们只能绕一个或两个轴旋转，而实际上这些关节是绕三个轴旋转，因此这些骨骼运动提取程序所提取的骨骼运动只能是近似地反映了被捕获的运动而不是精确地表示被捕获的运动。另外，当计算机人体运动仿真应用于体育运动或军事运动仿真时，人体运动的逼真度要求远远高于一般的人体运动仿真，必须尽可能精确再现被捕获的运动，而目前基于光学的运动捕获数据的骨骼运动提取程序所用方法是达不到这个要求的。
技术实现思路
本专利技术的目的是为了克服已有方法中贴标志点的精确位置难以控制，而造成捕获数据也难以得到正确的结果的缺陷，从而提供，该方法能提取出与输入的基于光学的运动捕获数据精确匹配的骨骼运动。为了实现上述目的，本专利技术提供了，该方法包括如下步骤将光学捕获设备捕捉到的基于光学的运动捕获数据输入电脑，由标志点的位置估计相邻骨骼间关节中心的位置，进而构造与捕获对象粗糙匹配的骨骼系统；在构造的骨骼系统上建立骨骼局部坐标系；根据骨骼局部坐标计算初始的骨骼运动数据，并建立起与运动捕获对象匹配的骨骼系统和虚拟标志点系统；将建立的骨骼系统划分骨骼链，建立骨骼链中真实标志点与虚拟标志点的距离函数，对距离函数逐链逐帧进行距离最小优化，不断更新虚拟标志点的坐标，使最后的虚拟标志点与真实标志点之间的距离稳定后所得到的骨骼运动数据就是基于光学的运动捕获数据的骨骼运动数据。上述技术方案中，一个优选方法是，还包括对最终得到的骨骼运动数据采用四元数线性时不变滤波系统进行过滤，得到平滑的骨骼运动。上述技术方案中，所述的建立与运动捕获对象匹配的骨骼系统是通过将各帧中估计得到的骨骼长度相加求平均值得到各帧统一的骨骼长度，从而建立骨骼系统。上述技术方案中，所述的与运动捕获对象匹配的虚拟标志点系统是以运动捕获数据帧中第一帧中的每一真实标志点在相应的局部骨骼系统中的坐标位置，作为虚拟标志点的初始坐标。上述技术方案中，所述的将建立的骨骼系统划分骨骼链分为世界坐标系原点-人体根，人体根-腰-髋-膝-踝，人体根-腰-胸，人体根-腰-胸-颈-头，人体根-腰-胸-锁-肩-肘-腕五类骨骼链。上述技术方案中，所述的对真实标志点与虚拟标志点的距离函数进行优化是采用非线性优化方法逐链逐帧进行距离最小优化，逐步得到所有骨骼运动数据。所述的对真实标志点与虚拟标志点的距离函数的非线性优化方法是采用BFGS校正的拟牛顿方法。上述技术方案中，所述的更新虚拟标志点的坐标采用了均值法，均值法将某一实际标志点在每一帧中的局部坐标值加起来，除以总的帧数，得到该实际标志点所对应的虚拟标志点的更新坐标。上述技术方案中，所述的虚拟标志点与真实标志点之间的距离稳定的判断标准为在每一条骨骼链上，对真实标志点与虚拟标志点的距离函数逐帧进行距离最小优化，每一帧得到一个距离函数值，一次优化后将每一帧的距离函数值加起来作为该次优化总的函数值，将它与下一次优化的总的函数值比较，若两者的差在设定的范围以内，则认为虚拟标志点与真实标志点距离稳定。本专利技术所述方法的优点在于1、本专利技术的方法能够提取出与输入的基于光学的运动捕获数据精确匹配的骨骼运动。2、本专利技术的方法既降低了对输入的基于光学的运动捕获数据的标志点贴的位置的准确性要求，又不影响运动捕获数据的精确度。3、本专利技术的方法不仅适用于人体运动的捕获而且还适用于动物运动的捕获。4、本专利技术的方法并不局限于某一种特殊的标志点贴法，因此具有很好的通用性。附图说明图1是人体骨骼及关节示意图；图2是人体虚拟标志点初始图；图3是采集的真实人体标志点视图帧；图4虚拟真实标志点匹配结果示意视图帧；图5是本专利技术方法的处理流程图。图面说明1.人体根关节 2.左髋关节 3.左膝关节 4.左踝关节 5.左足6.腰关节 7.胸关节 8.颈关节 9.头关节 10.左锁关节11.左肩关节 12.左肘关节1 3.左腕关节 14.左掌. 具体实施例方式参照附图，对本专利技术所述方法做详细说明。参照图5，为本专利技术方法的一种优选实施方式的流程图。本专利技术的包括以下步骤步骤10、利用
技术介绍
中所提到的光学运动捕获设备，如本实施例是采用VICON公司生产的捕获设备VICON 4.5，得到基于光学的运动捕获数据，本实施例是要利用这些已获取的数据信息，求取骨骼运动数据，即骨骼的关节角度值。有了骨骼运动数据才能驱动运动对象做出相应的动作。参照图3，为利用光学运动捕获设备得到的人体标志点的视图。步骤20、依据已知的基于光学的运动捕获数据中的标志点的位置估计相邻骨骼之间关节中心的位置，进而构造与捕获对象粗糙匹配的骨骼系统。如附图1、2所示，无论对于何种运动形式，人体每一个主要关节，包括肩，肘，腕，髋，膝，踝，颈，头的附近都贴有一个或几个标志点，标志点的具体贴法，即标志点的数目和所贴的位置在各种贴法中大致相同，只有一些细微的差别，本领域的一般技术人员很容易知道，本实施例中，肘，肩，膝，踝各贴一个，腕关节贴两个，头部四个外，腰部四个、胸部四或五个(包含颈部的两个)、足部三个或一个，手掌一个，由此可以建立每一关节中心与附近的标志点以及附近的关节中心的一个粗糙的几何关系，利用该几何关系，可以近似构造出关节中心本文档来自技高网...

【技术保护点】
一种基于光学的运动捕获数据的骨骼运动提取方法，包括以下步骤：将光学捕获设备捕捉到的基于光学的运动捕获数据输入电脑，由标志点的位置估计相邻骨骼间关节中心的位置，进而构造与捕获对象粗糙匹配的骨骼系统；在构造的骨骼系统上建立骨骼局部坐标系 ；根据骨骼局部坐标计算初始的骨骼运动数据，并建立起与运动捕获对象匹配的骨骼系统和虚拟标志点系统；将建立的骨骼系统划分骨骼链，建立骨骼链中真实标志点与虚拟标志点的距离函数，对距离函数逐链逐帧进行距离最小优化，不断更新虚拟标志点的坐标，使最后的虚拟标志点与真实标志点之间的距离稳定后所得到的骨骼运动数据就是基于光学的运动捕获数据的骨骼运动数据。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：王兆其，文高进，朱登明，夏时洪，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：11[中国|北京]