[发明专利]一种用于手臂姿态重建的校准方法及系统

说明书

本发明公开了一种用于手臂姿态重建的校准方法及系统。所述方法包括：获取手臂姿态数据和手臂末端移动数据；依据手臂姿态数据构建第一捷联矩阵；第一捷联矩阵包括大臂捷联矩阵和小臂捷联矩阵；根据不重合角度，构建第二捷联矩阵；第二捷联矩阵包括大臂旋转变换捷联矩阵和小臂旋转变换捷联矩阵；由大臂长度、小臂长度、手臂末端移动数据、第一捷联矩阵和第二捷联矩阵构建校准目标函数，并采用梯度下降法对校准目标函数进行求解，得到最优解；最优解包括最优不重合角度、最优大臂长度和最优小臂长度；由最优解对手臂空间移动数据进行校正，得到校正后的手臂空间移动数据。本发明能实现准确校准，提高动作捕捉和动作识别的准确性。

技术领域

本发明涉及动作捕捉及识别技术领域，特别是涉及一种用于手臂姿态重建的校准方法及系统。

背景技术

随着深度学习技术的发展，在对人体的进行动作捕捉、动作识别时，深度学习算法应用的越来越广泛。基于惯性测量的手臂姿态重建是研究人体的动作捕捉、动作识别的一个重要分支。当前的深度学习算法需要大量的预先采集的数据集样本，由于测试者每次采集样本的时候佩戴惯性测量单元的位置和角度都会与上一次存在较大差别，数据集的一致性差，难以适应深度学习类算法的需要。

现有的大部分手臂姿态重建研究中，并未考虑安装佩戴坐标系误差对姿态重建以及数据采集的影响，这样会导致动作捕捉、动作识别的准确性不高。目前，也存在解决数据集一致性问题的简易办法，例如通过使用者做出双手平举，双手侧举等动作来人为标定坐标系。这种标定方法存在动作复杂、需要重复多次、主观性强等缺点，不仅繁琐复杂，而且不利于数据的一致性和标准化，其标定的准确度也不高。

发明内容

基于此，有必要提供一种用于手臂姿态重建的校准方法及系统，以在手臂姿态重建时，实现准确校准，进而提高动作捕捉和动作识别的准确性。

为实现上述目的，本发明提供了如下方案：

一种用于手臂姿态重建的校准方法，包括：

获取手臂姿态数据和手臂末端移动数据；所述手臂姿态数据包括大臂姿态数据和小臂姿态数据；所述大臂姿态数据是手臂末端在已知面上随意移动时，佩戴在大臂上的惯性测量单元测量到的数据；所述小臂姿态数据是手臂末端在已知面上随意移动时，佩戴在小臂上的惯性测量单元测量到的数据；所述手臂末端移动数据由手臂末端在已知面上随意移动的位置点组成；所述已知面为已知空间分布特征的平面或曲面；

依据所述手臂姿态数据构建第一捷联矩阵；所述第一捷联矩阵包括大臂捷联矩阵和小臂捷联矩阵；所述大臂捷联矩阵为佩戴在大臂上的惯性测量单元到大地坐标参考系的捷联矩阵；所述小臂捷联矩阵为佩戴在小臂上的惯性测量单元到大地坐标参考系的捷联矩阵；

根据不重合角度，构建第二捷联矩阵；所述第二捷联矩阵包括大臂旋转变换捷联矩阵和小臂旋转变换捷联矩阵；所述大臂旋转变换捷联矩阵为佩戴在大臂上的惯性测量单元到手臂关节坐标系的捷联矩阵；所述小臂旋转变换捷联矩阵为佩戴在小臂上的惯性测量单元到手臂关节坐标系的捷联矩阵；所述不重合角度为惯性测量单元的姿态轴与手臂关节的姿态轴之间不重合的角度；

由大臂长度、小臂长度、所述手臂末端移动数据、所述第一捷联矩阵和所述第二捷联矩阵构建校准目标函数，并采用梯度下降法对所述校准目标函数进行求解，得到最优解；所述最优解包括最优不重合角度、最优大臂长度和最优小臂长度；

由所述最优解对手臂空间移动数据进行校正，得到校正后的手臂空间移动数据；所述手臂空间移动数据由手臂在空间中作出设定动作时移动的位置点组成。

可选的，所述依据所述手臂姿态数据构建第一捷联矩阵，具体包括：

依据所述大臂姿态数据构建大臂捷联矩阵；所述大臂捷联矩阵