一种融合约束的手部姿态测量方法技术

本发明专利技术公开了一种融合约束的手部姿态测量方法，通过数据手套中的惯性传感器获取原始数据，使用卡尔曼滤波器进行传感器的姿态计算，通过相邻骨节上传感器的姿态结果得到其关节的姿态信息，通过投影法将约束融合进卡尔曼滤波器模型中，并将生理学知识中手部的关节约束信息转化为对关节姿态的不等式约束方程组，采用有效集法进行约束求解，得到生理学约束下的手部姿态信息。通过该方法计算出的手部姿态更加符合真实的手部结构，将生理学约束作为一种已知的不等式约束信息融合进姿态测量系统中，也减少了系统姿态计算值与真实手部姿态之间的误差。间的误差。间的误差。

【技术实现步骤摘要】
一种融合约束的手部姿态测量方法


[0001]本专利技术属于人机交互
，具体涉及一种手部姿态测量方法。

技术介绍

[0002]近年来人机交互技术发展迅速，它主要通过相关设备识别人的各种行为动作、身体姿势等与计算机设备进行交互，为用户提供自然、直观、方便的交互体验。数据手套是人机交互中重要的领域，它通过光纤、弯曲电阻或者惯性器件实现对人手动作的捕捉，进而为增强现实、智能驾驶、遥控操作或者医疗康复等研究课题和应用领域提供数据支撑。
[0003]基于惯性传感器的手部姿态计算方法具有便携易用，手势交互不受空间限制；环境适应性强，传感器数据不受周围环境影响；功耗相对较低等优点。已经有研究人员传统的通过卡尔曼滤波系统或互补滤波系统得到惯性传感器的姿态信息，并将其通过组装成数据手套计算手部姿态，由于惯性传感器并不完全贴合手指骨节或者系统误差会随着时间而累计等诸多原因，这些方法测得的手部姿态有时会不能反映真实手部姿态信息，比如掌指关节或者近端指关节角度过大或者过小导致手部姿态出现明显异常，但其中的部分误差可以通过目前已知的生理学中的手部约束去减少或者避免。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供了一种融合约束的手部姿态测量方法，通过数据手套中的惯性传感器获取原始数据，使用卡尔曼滤波器进行传感器的姿态计算，通过相邻骨节上传感器的姿态结果得到其关节的姿态信息，通过投影法将约束融合进卡尔曼滤波器模型中，并将生理学知识中手部的关节约束信息转化为对关节姿态的不等式约束方程组，采用有效集法进行约束求解，得到生理学约束下的手部姿态信息。通过该方法计算出的手部姿态更加符合真实的手部结构，将生理学约束作为一种已知的不等式约束信息融合进姿态测量系统中，也减少了系统姿态计算值与真实手部姿态之间的误差。
[0005]本专利技术解决其技术问题所采用的技术方案包括如下步骤：
[0006]步骤1：使用传感器采集并计算手部骨节姿态信息，通过相邻骨节进行四元数乘法运算，得到6个手部关节姿态信息，每个关节姿态用一组四元数形式表示，记作：
[0007]x＝[T
ip T
mcp I
pip I
mcp M
pip M
mcp
]ꢀꢀꢀ
(1)
[0008]式中，T
ip
表示拇指指间关节姿态，T
mcp
表示拇指掌指关节姿态，I
pip
表示食指指间近端关节姿态，I
mcp
表示食指掌指关节姿态，M
pip
表示中指指间近端关节姿态，M
mcp
表示中指掌指关节姿态；
[0009]将手部生理关节约束转化为基于四元数的不等式一般形式：将手部生理关节约束转化为基于四元数的不等式一般形式：q
i
表示关节姿态四元数中的分量值，i＝1，2，3，4，θ1表示关节弯曲角度，θ2表示关节外展角度，由此得到与约束相关的等式与不等式
方程组集合
[0010]步骤2：采用投影法将手部生理关节约束融合到卡尔曼滤波系统的推导中，将生理关节约束作为先验知识对系统状态进行求解，融合进卡尔曼滤波系统的状态方程中，得到符合手部约束先验姿态值，描述为如下公式：
[0011][0012]式中，表示在k时刻下，手部姿态的先验估计值，A则表示由角速度积分得到的状态转移矩阵，ω表示符合高斯分布的系统过程噪声，则表示在k
‑
1时刻下满足手部约束的手部姿态值，也是上一时刻的符合生理学约束的系统状态；
[0013]当系统得到无约束状态下的系统最优解时，采用约束求解方法，在约束范围内求解系统状态的最优解忽略系统状态的时间标识k，将无约束的状态估计值投影到约束平面上，在约束平面中寻找系统状态的最优解，描述为如下不等式约束优化问题：
[0014][0015]式中，表示在约束方程组所表示的空间平面上求得的最优值，也即满足约束关系的系统状态，x则表示无约束状态下的系统状态，W为单位矩阵，求得约束空间内与当前系统状态计算欧氏距离最小的解，表示手部姿态满足的等式约束集合，表示手部姿态需要满足的不等式约束集合；
[0016]步骤3：采用有效集的方法对式(3)进行规划求解；
[0017]设置初始可行解x0以及初始的工作集W0，对式(3)进行迭代更新，获得阶段性可行解x
t
以及当前阶段生效的约束工作集W
t
；
[0018]如果当前阶段下x
t
满足不等式约束优化问题式(3)的KKT条件，工作集W
t
中每个约束对应的拉格朗日乘数λ皆为非负数，则x
t
即为最优解；
[0019]如果不满足不等式约束优化问题式(3)的KKT条件且x
t
沿着W
t
中的约束条件方向在步长α内使得目标函数递减，则取x
t+1
＝x
t
+α
×
f(x)，f(x)是关于x
t
的微分函数，表示能使得目标函数减小的方向向量；
[0020]如果x
t
沿着W
t
中的约束条件方向在步长α内使得目标函数有最小值，则α取使得目标函数取极小值时的步长；
[0021]如果x
t
达到约束的边界值，则下一次迭代时，算法将更新工作集W
t
，去掉无效约束添加新的约束，而去除约束的判断条件就是计算W
t
中每个约束对应的拉格朗日乘数λ是否小于0，删除对应于最小的负乘数的元素，并开始一次新迭代。
[0022]优选地，所述传感器为惯性传感器。
[0023]本专利技术的有益效果如下：
[0024]本专利技术是一种能够利用生理学约束的手部姿态测量方法，能够矫正手部姿态测量系统在进行姿态计算时所得到的不符合实际姿态的计算结果；该方法也能够将具有生理学
意义的手部结构约束作为一种先验的知识去减少计算所得姿态与真实手部姿态的误差。
附图说明
[0025]图1为本专利技术方法流程图。
[0026]图2为手部关节名称示意图。
具体实施方式
[0027]下面结合附图和实施例对本专利技术进一步说明。
[0028]本专利技术要解决的技术问题是：进行姿态计算的方法测得的手部姿态往往会不能反映真实手部姿态信息以及姿态计算系统与真实手部姿态依旧存在可避免的误差，针对上述存在的问题，本专利技术提出一种融合约束的手部姿态测量方法，可以将生理学上的关节约束信息融合进卡尔曼姿态计算模型中，确保获取到的数据手套多传感器数据在进行姿态解算后的结果更加符合真实的手部结构。
[0029]一种融合约束的手部姿态测量方法，主要包括以下步骤：
[0030]a)首先通过惯性传感器计算并获得手部骨节姿态，通过四元数乘法计算得到关节姿态信息，将生理学关节约束转化为针对四元数的数值约本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合约束的手部姿态测量方法，其特征在于，包括如下步骤：步骤1：使用传感器采集并计算手部骨节姿态信息，通过相邻骨节进行四元数乘法运算，得到6个手部关节姿态信息，每个关节姿态用一组四元数形式表示，记作：x＝[T
ip T
mcp I
pip I
mcp M
pip M
mcp
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，T
ip
表示拇指指间关节姿态，T
mcp
表示拇指掌指关节姿态，I
pip
表示食指指间近端关节姿态，I
mcp
表示食指掌指关节姿态，M
pip
表示中指指间近端关节姿态，M
mcp
表示中指掌指关节姿态；将手部生理关节约束转化为基于四元数的不等式一般形式：将手部生理关节约束转化为基于四元数的不等式一般形式：q4＝0，q
i
表示关节姿态四元数中的分量值，i＝1,2,3,4，θ1表示关节弯曲角度，θ2表示关节外展角度，由此得到与约束相关的等式与不等式方程组集合步骤2：采用投影法将手部生理关节约束融合到卡尔曼滤波系统的推导中，将生理关节约束作为先验知识对系统状态进行求解，融合进卡尔曼滤波系统的状态方程中，得到符合手部约束先验姿态值，描述为如下公式：式中，表示在k时刻下，手部姿态的先验估计值，A则表示由角速度积分得到的状态转移矩阵，ω表示符合高斯分布的系统过程噪声，则表示在k
‑
1时刻下满足手部约束的手部姿态值，也是上一时刻的符合生理学约束的系统状态；当系统得到无约束状态下的系统最优解时，采用约束求解方法，在约束范围内求解系统状态的最优解忽略系统状态的时间标识k，将无约束的状态估计值投影到约束平面上，在约束平面中寻找系统状态的...

【专利技术属性】
技术研发人员：王海鹏，马永伟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：