[发明专利]基于动态模板的光学运动捕捉数据处理方法

说明书

技术领域

本发明涉及光学人体运动捕捉散乱数据处理，特别是为了消除由于噪声数据和缺失数据所导致的在数据处理中的误差累积问题的技术和方法。

背景技术

近年来，随着计算机软硬件技术的进步，虚拟现实(Virtual-Reality)技术得到了飞速的发展，运动捕捉数据处理的研究是虚拟现实技术重要的研究领域之一，虚拟人是真实人类在计算机生成空间(虚拟环境)中的几何特性与行为特性的表示，主要包括人脸表情仿真(Facial Expression Simulation)及人体运动合成(Human Motion Synthesize)两个主要方面。在现实世界中广泛应用于工业、农业、交通、文教卫生和体育等许多行业，特别是在体育科学研究、运动训练指导、现代影视、动画和游戏制作等领域的应用，有重要的作用和意义。因此，提高运动捕捉的精度、效率，降低设备成本，对推动影视制作、游戏娱乐、动漫产业的快速发展，构建相互支撑的动漫产业链，促进国家文化产业发展进而带动国民经济增长具有重要的作用和深刻意义。

到目前为止，常用的运动捕捉技术从原理上说可分为机械式、声学式、电磁式和光学式。不同原理的设备各有其优缺点，一般可从以下几个方面进行评价：定位精度；实时性；使用方便程度；可捕捉运动范围大小；成本；抗干扰性；多目标捕捉能力。光学式运动捕捉的优点是表演者活动范围大，无电缆、机械装置的限制，表演者可以自由地表演，使用很方便。其采样速率较高，可以满足多数高速运动测量的需要。Marker的价格便宜，便于扩充。这种方法的缺点是系统价格昂贵，虽然它可以捕捉实时运动，但后处理(包括Marker的识别、跟踪、空间坐标的计算)的工作量较大，对于表演场地的光照、反射情况有一定的要求，装置定标也较为烦琐。特别是当运动复杂时，不同部位的Marker有可能发生混淆、遮挡，产生错误结果，这时需要人工干预后处理过程。

光学式运动捕获的优点使得其在应用领域占有重要份额。但由于其数据固有问题使得其后期的数据处理尤为重要。通过分析散乱数据特征，总结出光学式运动捕捉散乱数据的特点如下。①采集到的信息仅有Marker点的三维坐标信息，数据以散乱无序(没有被标定)的形式存在；②由于标记点被道具、四肢、躯干或者其他标记点遮挡，存在缺失点数据，时常缺失点会连续缺失；③由于摄像延迟会出现噪声点；④运动员在做剧烈的运动时，Marker点相对于人体会出现位移，从而改变了运动数据之间的拓扑结构。基于以上四点，数据后续处理运算复杂度较大，数据跟踪匹配的主要困难在于：如何提取合适的散乱数据的特征信息，解决人体运动、形变及遮挡等情况给跟踪与匹配带来的困难；如何建立起快速搜索匹配算法，实时准确地对运动数据实现跟踪。

刚体匹配方法是一种传统的数据处理方法，由于人体骨骼结构为相对刚性铰接结构，所以可以将其看作是刚体。在进行Marker点的匹配跟踪时，可根据刚体结构的几何特性进行跟踪匹配。根据人体骨架结构和上文所述的Marker点布点方案，设计几何匹配关系：线段匹配、三角形匹配、四边形匹配、对角四边形匹配和刚性四边形(四面体)匹配。匹配方法是首先建立匹配模版，根据模版的几何特性在待标定的散乱数据中查找与模板匹配或近似匹配的几何结构(线段长度、向量夹角)，找到则标定。例如，对于刚性四边形匹配，要判定四条边和两对角线都满足条件，本文中适用于头部、腰部等刚性部位的匹配。在一般运动幅度下，上述形状匹配的方法已经基本能够达到较高的标定精度且算法实现简单能够满足实时性要求。但由于以下三点原因极大地影响了匹配精度：①Marker点是设置在表演者的紧身衣上，在运动过程中紧身衣会弹性伸缩。②肌肉和皮肤在运动过程中相对于骨骼会拉伸和滑动。③数据捕捉过程中的滞后和数据预处理点簇聚类的影响。因此，在剧烈运动下刚性结构将遭到破坏，刚体上的Marker之间的距离会有伸缩，因此基于固定模版的匹配将出现误差现象。从而设计一种能够根据当前帧的具体姿态，获得动态模板进行刚体匹配，从而减少误差，消除误差累积问题的数据处理算法仍然是一个具有挑战性的任务。

发明内容

本发明的目的在于：提出了一种用于被动式光学人体运动捕捉数据方法，该方法通过建立运动特征数据库，着重解决在运动过程中刚体结构被破坏所导致的在数据处理中的误差累积问题，从而提高运动数据跟踪匹配效率，使得在处理过程中无需手工干预，并且单帧数据处理耗时满足运动捕捉的实时性要求。

本发明的技术方案是：基于动态模板的光学运动捕捉数据处理方法，包括以下步骤：