[发明专利]利用惯性传感器和深度摄像头传感器获取运动数据的方法

权利要求书

1.一种利用惯性传感器和深度摄像头传感器获取运动数据的方法，其特征在于：

1)已经安装配置好的深度摄像头连接到计算机，得到人体关节在空间中的数据以及对应的可信度；

2)在需要优化的用户关节位置绑好惯性传感器，该惯性传感器通过无线连接到计算机；

3)需要获取的是关节状态x＝(P_x，P_y，P_z)，该关节状态即为关节在定义的坐标系下的坐标点；

4)定义一个输入量u_x使得：此输入量也是惯性传感器的的输入值；

5)惯性传感读数需要本身坐标系到世界坐标系的转换；

其中T_imu为惯性传感器坐标系到世界坐标系的转换矩阵；

6)该系统用一个离散的非线性微分方程来描述：

X(k)＝AX(k-1)+BU(k)+W(k)

其中P，V，Ac分别代表关节点的位置、速度、加速度；U是输入量，这个输入量是由惯性传感器输入所得；

进一步的，W～N(0，Q(d))，W是过程噪声，Q(d)与运动距离相关，运动距离越大，噪声协方差越大；

7)观测方程通过深度摄像头获取的关节点数据来建立；

Z(k)＝CX(k)+V(k)

其中C为3维单位矩阵。V～N(0，R(trust)))，这里R为基于深度摄像头人体识别的可信度计算得到的观测噪声协方差。

2.如权利要求1所述的利用惯性传感器和深度摄像头传感器获取运动数据的方法，其特征在于：

8)根据1～7，基于扩展卡尔曼滤波器和惯性传感器数据，更新预测方程和预测误差协方差：

P(k)＝AP(k-1)A^T+W(k)Q(k-1)W^T(k)

9)根据深度摄像头数据计算卡尔曼增益：

K(k)＝P^-(k)H^T(k)(H(k)P^-(k)H^T(k)+V^T(k)RV^T(k))^-1

再更新和误差协方差：

P(k)＝(I-K(k)H)P-(k)

10)不断重复8、9，即可以更新人体关节数据。