基于惯性和视觉传感器的人体上肢位姿估计研究

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 研究现状

1.2.1 基于惯性传感器信息融合的姿态估计方法

1.2.2 多传感器融合的人体关节运动跟踪的研究现状

1.3 主要工作和结构安排

1.3.1 现有研究的不足之处

1.3.2 主要研究内容

1.3.3 总体结构

第二章 上肢位姿估计系统的技术方案

2.1 姿态角定义及其数学模型

2.1.1 欧拉角描述姿态的优缺点

2.1.2 方向余弦矩阵描述姿态的优缺点

2.1.3 四元数描述姿态的优缺点

2.1.4 人体位姿估计系统的主要坐标系

2.2 上肢位姿估计系统实验设备

2.2.1 惯性传感单元

2.2.2 深度相机Kinect

2.2.3 光学运动捕捉系统

2.3 实验系统结构

2.4 上肢位姿估计算法整体结构

2.5 本章小结

第三章 基于惯性传感器的上肢姿态估计算法

3.1 引言

3.2 空间坐标系及姿态角的描述

3.3 惯性传感器信号分析和处理

3.3.1 基于加速度计的严重干扰拒绝

3.3.2 基于磁力计的严重干扰拒绝

3.3.3 无反三角运算的倾角判定规则

3.4 动态状态下的姿态估计策略

3.4.1 基于陀螺仪的姿态更新

3.4.2 加速度计和磁力计计算姿态的方法

3.4.3 无逆Kalman 滤波器设计

3.4.4 无逆Kalman 滤波器的收敛性证明

3.5 稳态状态下的姿态估计策略

3.5.1 基于加速度计的稳定状态检测

3.5.2 基于陀螺仪的稳定状态检测

3.5.3 基于时间阈值的稳定状态检测

3.5.4 稳定状态下的姿态维持和协方差预测

3.6 算法伪代码

3.7 实验和讨论

3.7.1 实验1（慢速且无磁场干扰）

3.7.2 实验2（快速运动且存在磁场干扰）

3.7.3 实验3（稳态情况和切换时刻性能检测）

3.7.4 实验结论

3.8 小结

第四章 基于惯性和视觉传感器的腕部位置估计

4.1 引言

4.2 多传感器系统的坐标系标定

4.2.1 问题描述

4.2.2 视觉传感器和惯性传感器坐标系标定方法

4.2.3 光学捕捉系统和视觉传感器坐标系标定方法

4.3 腕部跟踪的位置Kalman 滤波器的设计

4.3.1 运动加速度的获取

4.3.2 人体腕部运动跟踪的系统方程

4.4 基于事件触发机制的位置滤波器设计

4.4.1 只有加速度信息的系统方程

4.4.2 只有位置信息的系统方程

4.5 实验验证与分析

4.5.1 标定结果的验证实验

4.5.2 视觉传感器被遮挡的情况

4.5.3 快速运动情况下的间隔补充

4.6 本章小结

第五章 总结与展望

5.1 总结

5.2 未来展望

参考文献

致 谢

作者简介

1 作者简历

2 撰写的学术论文

学位论文数据集