《基於少量慣性感測器的實時運動捕捉方法研究》是依託北京理工大學，由黃天羽擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於少量慣性感測器的實時運動捕捉方法研究
- 依託單位：北京理工大學
- 項目負責人：黃天羽
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
隨著運動捕捉需求的日益增加，高成本已經成為運動捕捉技術進一步套用和發展的瓶頸。為了解決運動捕捉成本、套用環境和捕捉效果之間的矛盾，本研究提出基於少量慣性感測器的實時運動捕捉方法。該方法通過減少感測器數量降低系統成本，通過數據驅動的運動生成方法保證捕捉結果的準確性，通過選擇單一類型感測器使系統感測器數量可調。主要研究內容包括：基於多分類器的運動數據特徵分析、運動數據降維、基於特徵分析的慣性感測器精簡、運動知識庫組織和查詢方法、基於局部動態特性集合的實時運動建模方法、建立考慮運動時間和空間特性的先驗機率模型、基於低維採樣點的運動重建方法。同時，設計和實現原型系統，對所提出方法進行評價。本研究主要目標是降低運動捕捉成本，探討慣性感測器參數（數量、位置等）對運動建模複雜度和重建準確性的影響。
結題摘要
低成本的運動捕捉技術具有重要的套用前景和廣泛的套用需求。本研究面向新一代虛擬現實與人機互動技術的廣泛套用，以降低運動捕捉系統成本、兼顧效率和效果為目的，研究基於少量慣性感測器的實時運動捕捉方法，探討慣性感測器參數（數量、位置等）在運動捕捉技術中對運動建模複雜度和重建準確性的影響。在對已有運動數據進行特徵分析和建模的基礎上，使用少量慣性感測器獲得低維運動數據作為互動控制信息，對三維空間中人體運動進行在線上重建和合成，從而實現實時運動捕捉。 主要研究內容包括：運動數據特徵分析方法研究、在線上運動建模方法研究、基於低維採樣點的運動重建方法研究、運動捕捉原型系統的設計實現及性能評估；開展的關鍵技術研究包括：運動特徵分析、運動數據降維、感測器精簡原則與參數選取、運動知識庫構建及參數選擇、在線上運動建模方法框架、姿態相似性模型構建、在線上方法重建誤差率分析、感測器數量對姿態重建誤差的影響、基於偏最小二乘回歸法的相似動作模型、建立考慮運動時間和空間特性的先驗機率模型、基於低維採樣點的運動重建方法等。 本課題研究達到預期研究目標，實現了兩種運動重建方法：1、在改進OLNG方法的基礎上，提出了姿態相似性模型構建，達到了時間-空間-邏輯相似的統一，實現了局部動態特性集合的建模；2、針對低維採樣點，提出了基於偏最小二乘回歸法的運動相似性度量方法，建立低維加速度數據和高維加速度數據之間的定量關係模型，通過模型的回歸方程預測與低維加速度數據相似動作的高維加速度數據，進而作為相似動作檢索的條件；最終構建了基於少量感測器的運動捕捉原型系統。 本課題方法與可查文獻最優方法Kruger方法相比，在線上動作重建時間降低了91.7%，其中相似動作檢索時間降低了41.6%，動作重建方法平均重建時間是36.61ms，小於慣性感測器最快的採樣周期（40ms），滿足在線上的動作重建方法的時間要求，平均重建誤差降低約2cm，同時對少量感測器數量（少於6個慣性感測器）進行重建實驗分析，平均誤差率控制在5.5cm左右。 本方法的主要貢獻在於減少慣性捕捉系統中感測器的數量以降低系統成本，在保證了動作重建的準確性的基礎上，較大幅度的提高了動作重建的速度，通過數據驅動的運動生成方法確保運動捕捉的準確性，感測器類型單一、數目可調。
