基于MA和5DT手套的上肢在线动作捕捉系统

摘要

人体上肢动作捕捉技术在人机交互、疾病康复、脑机接口等诸多领域都有广泛应用。随着相关技术的进步，对于运动数据的实时性、稳定性和精确性有着越来越高的要求。本文利用MA(Motion Analysis)光学动作捕捉系统在线捕捉手臂的运动信息，并且对丢失标记点进行在线预测;同时利用5DT数据手套来获取手部运动信息。最终将手臂运动信息与手部运动信息整合起来，驱动虚拟上肢模型，实时重建人体上肢运动。本文主要研究内容如下:
　　基于光学动作捕捉系统计算手臂关节运动信息。将手臂运动简化为一个7自由度的模型，利用相应的标记点模块坐标来计算关节空间位置。针对不同的标记点丢失情况，分别设定相应的预测方法，实时预测丢失标记点的空间坐标;利用贴放在皮肤表面的标记点与相应关节的固定位置关系，建立损失函数，使用最小二乘法求解标记点的旋转中心，该旋转中心即为相应关节的空间位置。
　　基于数据手套计算各个手指关节的空间位置。本文采用了26自由度的手部运动模型，将手指各个自由度的旋转角度与数据手套传感器数值对应起来。利用传感器数据计算手指关节自由度的旋转角度。最后通过前向运动学方法计算手指关节位置。
　　统一手臂与手部坐标并实时绘制上肢运动。利用手部和前臂的标记点计算得到手腕坐标。利用手部的三个标记点计算得到手的方向。根据手腕坐标和手的方向将手的运动映射到手臂上，得到完整的人体上肢骨骼关节运动信息。根据这些信息，利用OpenGL实时绘制一个可以与真实人体上肢同步运动的虚拟上肢。
　　通过计算，MA丢失标记点的预测误差基本集中在0.5mm以内，关节位置与标记点距离变化在1 mm左右，在10分钟的长时间运行过程中系统可以一直稳定在线运行，证明该系统可以实时在线的得到上肢运动数据。

目录

声明

致谢

摘要

图目录

表目录

1．1 研究背景

1．2 研究意义

1．3 研究现状

1．3．1 动作捕捉方法介绍

1．3．2 上肢的动作捕捉相关方法

1．3．3 光学动作捕捉系统相关研究

1．4 研究内容

1．5 组织结构

第2章 系统设计方法和方案

2．1 硬件设备简介

2．1．1 Motion Analysis光学动作捕捉设备

2．1．2 5DT数据手套

2．2 系统软件平台及设计框架

2．2．1 软件实验环境和工具

2．2．2 软件设计框架

2．3 相关数学解算方法

2．3．1 刚体定点转动

2．3．2 四元数

2．4 本章小结

第3章 手臂关节动作捕捉系统实现方案

3．1 手臂结构模型和动作捕捉方案

3．1．1 手臂结构模型

3．1．2 手臂动作捕捉方案

3．2 预测丢失标记点

3．2．1 一个丢失标记点预测

3．2．2 两个丢失标记点预测

3．2．3 三个丢失标记点预测

3．3 计算关节点空间位置

3．3．1 各个标记点模块坐标系设定

3．3．2 最小二乘法拟合球心

3．3．3 各个关节点位置计算

3．4 手臂动作捕捉结果讨论

3．4．1 标记点修复结果

3．4．2 关节位置计算结果

3．5 本章小结

第4章 虚拟手建模和系统实现

4．1 手部运动模型

4．1．1 手部骨骼结构

4．1．2 手部自由度设置

4．2 手指关节运动解算

4．3 手与手臂之间的坐标变换

4．4 系统实现

4．4．1 搭建光学动作捕捉系统实验环境

4．4．2 指令控制部分

4．4．3 计算渲染部分

4．5 系统检验

4．6 本章小结

第5章 总结与展望

5．1 工作总结

5．2 展望

参考文献

个人简历