[发明专利]基于多传感器融合技术的双手识别方法

权利要求书

1.基于多传感器融合技术的双手识别方法，其特征在于，包括如下步骤：

S1、自适应低通滤波，将当前时刻的测量值与上一时刻的滤波值进行加权平均作为当前时刻的滤波值，自适应权重因子η_i随当前时刻运动速度进行自适应变化；具体包括：

设一只手的位置和姿态的数据表示为X＝(x,y,z,α,β,γ)^T，其中前三位分量(x,y,z)为手心的空间直角坐标位置，后三个分量(α,β,γ)为欧拉角表示形式的手的姿态，滤波模型表示为：

其中i为时刻序号，X_i是第i个时刻手的位姿测量值，是上一时刻手的位姿滤波值，是当前时刻手的位姿滤波值，η_i是一个自适应权重因子，其值随着运动速度的变化而自适应地变化；

η_i的计算公式如下所示：

其中，T_i是采样时间间隔，τ_i是一个时间变量；

f_ci称为截断频率，其计算公式为：

f_ci＝f_cmin+γ|V_i| (4)

其中f_cmin是最小的截断频率，V_i表示当前时刻的运动速度，包括线速度和角速度，γ是运动速度的权重因子；

综合式(2)，(3)，(4)，可得自适应权重因子η_i的计算公式为：

S2、多传感器坐标系转化：混合传感器都有基于自身传感器中心的一套局部坐标系系统，识别到的数据也是基于各自的局部坐标系系统，不同传感器获取的数据经过滤波之后需要统一到全局坐标系下，以第一传感器坐标系作为手势数据的全局坐标系，将其他传感器的局部坐标系下的数据转化到第一传感器的坐标系下的数据；

S3、自适应加权融合：综合考虑多个传感器的数据，并对他们进行数据融合，根据总均方误差最小的原则，以自适应的方式寻找每个传感器的最优加权因子，使得融合后的目标观测值达到最优；具体包括：

设对于同一时刻手的位姿检测，第一传感器经过滤波后的测量值为z_L，第二传感器经过滤波并转化到第一传感器坐标系下的测量值为z_K，手的真实位姿数据为x，假设测量相互独立，且随机测量误差分别为v_L,v_K，并服从均值为0，方差为σ_L²,σ_K²的高斯分布，因此可得:

采用线性加权融合方式，因此手的位姿x的估计值为:

其中{w_L,w_K}分别为第一传感器和第二传感器测量值的权重；

在满足是x的无偏估计的前提下，优化估计误差的均方差达到最小，设估计误差为则自适应加权融合算法的模型可表示为如下:

其中对于约束条件进行展开:

将式(12)的推导结果代入式(11)的目标函数，可得：

对式(13)进行求偏导即可求解目标方程达到最小值时的权值，其最优解为：

由上述可知，最优加权因子{w_L,w_K}取决于各个传感器的测量误差的方差，初始方差可根据事先采集传感器的测量值，并依据以下的算法求出：

由于第一传感器和第二传感器的随机测量误差变量相互独立，根据时间域估计方法，其测量误差的方差可由下式计算可得：

其中R_LL为z_L的自协方差函数，R_KK为z_K的自协方差函数，R_LK,R_KL为z_L,z_K的互协方差函数，其数值相等；

设当前时刻传感器测量数据的个数为n，R_LL的时间域估计值为R_LL(n)，R_KK的时间域估计值为R_KK(n)，R_LK的时间域估计值为R_LK(n)，则有：

其中z_L(i)为第一传感器经过滤波后的第i个测量值，z_K(i)为第二传感器经过滤波并转化到第一传感器坐标系下的第i个测量值，μ为采样数据的均值，由此，根据时间域估计即可获取第一传感器和第二传感器的测量误差的方差。

2.根据权利要求1所述的基于多传感器融合技术的双手识别方法，其特征在于，所述步骤S2具体包括：

采用两种传感器来识别操作者手部的位置和姿态，设事先采集N个样本的手的位置数据，假设第一传感器和第二传感器测量的手的位置是同一个点，因此，这N个三维公共点集在第一传感器和第二传感器下的坐标为{L_k}和{K_k},k＝1,2,...,N，将第二传感器坐标系下的点变换到第一传感器坐标系下的点，可构造如下坐标变换模型：

L_k＝T+μRK_k (6)

其中T表示平移矩阵参数，μ表示尺度参数，R表示旋转矩阵参数，由于第一传感器坐标系和第二传感器坐标系都属于右手坐标系，因此其旋转矩阵满足正交矩阵条件约束，即：

其中a₁，a₂，a₃，b₁，b₂，b₃，c₁，c₂，c₃为旋转矩阵R各元素的值；

对于多个样本的共同点集，最小二乘法是通过估计最优的参数集其中分别是T,μ,R的估计值，

使得式(6)尽可能地成立，即总体的均方误差最小，优化模型的目标方程为：