本發明涉及動作捕捉訓練裝置，具體涉及基于虛擬現實技術的動作捕捉訓練裝置。
背景技術：
：隨著人們生活水平的提高，人們不再滿足基本的物質需求，更多的人有了身心和精神方面的需求。體育活動不但可以鍛煉身體，激發拼搏精神，而且還能促進溝通交流，深受廣大人們的喜愛。然而傳統的體育訓練方式通常是一對一或者一對多的人工經驗訓練模式，不但受到了時間地點的局限，且需要運動員進行大量反復練習以保證動作準確性，培訓費用高、訓練強度大。為了解決上述問題，越來越多的職業體育訓練隊或者國家訓練隊開始將運動捕捉應用于體育訓練中。這種動作捕捉系統一方面可以對運動員訓練的工作進行具體分析，找到動作中存在瑕疵的連接點，然后通過后期實際訓練來不斷改善、提升。另一方面可以有效地減少訓練者的訓練強度，提高訓練效率。目前國內主要的動作捕捉技術可分為慣性式，電磁式，超聲波式，光學式共四種運動捕捉方式。慣性式采用慣性傳感器采集各個關節運動信息，捕捉精度不高，實時性好，可采集遮擋的運動；電磁式使用傳感器切割磁感線完成模擬信號到電信號的轉換，從而推算其空間方位，然而該方法只能捕捉低頻動作，且要求周圍不能存在磁場干擾；超聲波式使用超聲波到達接收器的時間差計算關節的空間位置以及運動方向，具有不受遮擋的優點，然而捕捉存在滯后，精度不高；光學式采用兩個或多個攝像頭拍攝同一個接收點產生的視差計算其空間位置和旋轉信息，易受動作遮擋影響，捕捉精度高。本發明提供的技術方案同時使用慣性動作與光學動作之差作為輸入，保留了慣性動作的高頻信息和光學動作的低頻信息，利用了慣性傳感器不受遮擋的特點，獲取到全方位的用戶動作方位和位置，同時利用了光學捕捉準確的特點，利用低頻信號修正慣性捕捉不準確的缺陷，保證了最終姿態數據的長期精確。通過相關專利查詢，發現有以下的公開文獻：發明“一種基于單目視頻人體動作感知的上肢訓練系統，公開號CN105536205A”，使用視頻攝像頭用于捕捉人體的運動，通過USB傳輸視頻數據，并對所述視頻數據進行分析，完成手部運動軌跡跟蹤，通過跟蹤的結果識別手勢動作。該訓練系統不僅能夠具有定量評價體系，而且能夠激發使用者的訓練主動性，使其能夠應用于社區和家庭。專利“一種基于虛擬現實的鐵路工務訓練系統，公開號CN104537911A”使用虛擬現實手段進行鐵路工務訓練，系統包括基礎層、數據層、技術支持層、功能層以及應用層，基礎用于提供基于虛擬現實的網絡環境和硬件設備，數據層用于提供鐵路工務訓練系統運行所需的數據，技術支撐層用于向功能層提供基礎技術支撐，功能層用于構建鐵路工務訓練系統的多個功能模塊，應用層用于基于虛擬現實技術和所述各功能模塊進行虛擬訓練。專利“一種基于Kinect傳感器的上肢運動康復訓練系統及其訓練方法，公開號CN103230664A”，系統包括一臺Kinect傳感器，一臺搭載上肢運動康復訓練模塊的計算機，Kinect傳感器與計算機通過數據線相連，并安裝在計算機顯示屏的上方；上肢運動康復訓練模塊包括單關節康復訓練模塊、綜合康復訓練模塊、評分模塊和糾正模塊，可以進行上肢的單關節訓練和肩、肘、腕關節的綜合訓練。技術實現要素：本發明目的在于克服現有技術的不足，尤其解決現有的基于光學動作捕捉的訓練裝置不能捕捉被遮擋的動作、基于慣性動作捕捉的訓練裝置精確度不高的缺陷。提供一種混合兩種捕捉方法的訓練裝置和系統，該訓練裝置通過使用卡爾曼濾波，使用慣性動作與光學動作之差作為輸入，保留了慣性動作的高頻信息和光學動作的低頻信息，利用了慣性傳感器不受遮擋的特點，獲取到全方位的用戶動作方位和位置，同時利用了光學捕捉準確的特點，利用低頻信號修正慣性捕捉不準確的缺陷，保證了最終姿態數據的長期精確。為解決上述技術問題，本發明采用如下的技術方案：一種混合動作捕捉的訓練裝置及系統，其特征在于，其中：所述的混合動作捕捉訓練裝置包括光學動作捕捉裝置，慣性動作捕捉裝置以及上位計算機；所述光學動作捕捉裝置和慣性動作捕捉裝置均連接于上位計算機；所述的訓練系統位于上位計算機。所述光學動作捕捉裝置包括反光mark標記以及光學攝像頭，所述反光mark標記貼在用戶關節處；所述光學攝像頭用于追蹤反光mark標記的運動來捕捉用戶動作；所述光學攝像頭通過USB連接于上位計算機。所述慣性動作捕捉裝置包括微型慣性傳感器以及信號捕捉設備，所述微型慣性傳感器穿戴在用戶身上，并連接于信號捕捉設備；所述信號捕捉設備用于獲取慣性傳感器的信號，并用無線藍牙傳輸到上位計算機。所述混合動作捕捉訓練系統，其特征在于，所述訓練系統包括光學動作捕捉模塊，慣性動作捕捉模塊，動作融合模塊以及動作顯示模塊，其中，所述光學動作捕捉模塊通過光學攝像頭獲取用戶運動過程，并采用分析合成法得到用戶的位置和姿態的估計，作為動作融合模塊的輸入；所述慣性動作捕捉模塊通過傳感器獲取用戶動作的加速度和角速度，用于估計用戶動作的姿態并作為動作融合模塊的輸入；所述動作融合模塊使用卡爾曼濾波對兩個動作捕捉模塊的信息進行融合，得到精確的用戶動作姿態并作為動作顯示模塊的輸入；所述動作顯示模塊用于將用戶動作姿態使用3D動畫的形式進行展示。所述混合動作捕捉訓練系統的一種光學動作捕捉方法，其特征在于，具體有以下步驟：(1)坐標標定：將現實世界中的用戶坐標與圖像成像的坐標進行標定；(2)輪廓提?。翰檎矣脩舻膭幼魍廨喞?；(3)動作跟蹤：獲取圖像標記的位置，根據坐標變換得到標記的空間坐標，然后用Camshift跟蹤算法實現用戶動作的跟蹤；所述混合動作捕捉訓練系統的一種慣性動作捕捉方法，其特征在于，具體有以下步驟：(1)慣性傳感器校準：使得系統所描述的坐標系與慣性傳感器坐標系相重合，系統獲得正確的初始值；(2)姿態更新：根據上一次采樣的姿態結合本次采樣獲得的三角速度數據計算本次采樣的用戶姿態；(3)動作追蹤：計算當前的用戶位置和加速度；附圖說明圖1是本發明的混合動作捕捉的訓練裝置的一個具體實施例的結構示意圖。圖2為本發明的一個具體實施方式中訓練系統的模塊結構框圖。圖3為本發明的一個具體實施例中四連通區域和八連通區域圖。圖4為本發明的一個具體實施例中跟蹤區域選擇示意圖。圖5為本發明的第一個具體實施方式中動作數據融合的示意圖。具體實施方式下面結合附圖及具體實施例對本發明進行更加詳細與完整的說明?？梢岳斫獾氖?，此處所描述的具體實施例僅用于解釋本發明，而非對本發明的限定。參見圖1，本發明的混合動作捕捉的訓練裝置包括光學動作捕捉裝置，慣性動作捕捉裝置以及上位計算機1；所述光學動作捕捉裝置和慣性動作捕捉裝置均連接于上位計算機1；所述的訓練系統位于上位計算機。所述光學動作捕捉裝置包括反光mark標記2以及光學攝像頭3，所述反光mark標記貼在用戶4關節處；所述光學攝像頭用于追蹤反光mark標記的運動來捕捉用戶4動作；所述光學攝像頭通過USB連接于上位計算機1。所述慣性動作捕捉裝置包括微型慣性傳感器5以及信號捕捉設備6，所述微型慣性傳感器5穿戴在用戶4身上，并連接于信號捕捉設備6；所述信號捕捉設備6用于獲取慣性傳感器5的信號，并用無線藍牙傳輸到上位計算機1。參見圖2，所述混合動作捕捉訓練系統包括光學動作捕捉模塊，慣性動作捕捉模塊，動作融合模塊以及動作顯示模塊，其中，所述光學動作捕捉模塊通過光學攝像頭獲取用戶運動過程，并采用分析合成法得到用戶的位置和姿態的估計，作為動作融合模塊的輸入；所述慣性動作捕捉模塊通過傳感器獲取用戶動作的加速度和角速度，用于估計用戶動作的姿態并作為動作融合模塊的輸入；所述動作融合模塊使用卡爾曼濾波對兩個動作捕捉模塊的信息進行融合，得到精確的用戶動作姿態并作為動作顯示模塊的輸入；所述動作顯示模塊用于將用戶動作姿態使用3D動畫的形式進行展示。參加圖3-5，本發明的混合動作捕捉的訓練系統，包括以下步驟：(1)光學動作捕捉：根據攝像頭捕獲的光學圖像，辨識用戶動作姿態以及位置，具體有以下過程：(1.1)坐標標定：首先將現實世界中的用戶坐標與圖像成像的坐標進行標定，圖像中的二維像素點p的坐標p＝(u，v)T對應的空間點P的空間坐標表示為P＝(xw，yw，zw)T，像素點p和空間點P的齊次坐標分別表示為和則圖像坐標與空間坐標存在下面的變換關系：suv1=K[RT]xwywzw1=fuγu00fvv0001[RT]xwywzw1---(1)]]>K是內參數矩陣，R，T是外參數矩陣，fu和fv是尺度因子，[u0，v0]是主點坐標，γ是畸變因子，s是尺度因子。因此，一旦計算出內參數矩陣和外參數矩陣的值，即可從圖像坐標反推得到空間坐標。本實施例中，采用多副標定有固定長度的參照物體的圖像對參數矩陣進行求解。(1.2)輪廓查找：一個輪廓一般對應一系列的點，也就是圖像中的一條曲線，是通過順序找出邊緣點來跟蹤邊界的。由于每個區域內的像素值相同，可通過四連通或八連通區域進行輪廓查找。四連通和八連通可標注二進制圖像中已連接的部分，語法實現為L＝(BW，n)[L，num]。其中BW為輸入圖像；n可取值為4或8表示連接四連通或八連通區域；num為找到的連通區域數目；L為輸出圖像矩陣，其元素值為整數，背景被標記為0，第一個連通區域被標記為1，第二個連通區域被標記為2，依此類推。參見圖3，四連通和八連通的原理對照圖，圖中的0是中心像素點所在的位置就是四連通或八連通區域，即四連通區域指0的上下左右四個點，八連通還包含左上角、右上角、左下角和右下角四個位置，故八連通區域包含了四連通區域。輪廓查找結束后，會得到多個輪廓，通過最大輪廓定義篩選獲取唯一的輪廓作為用戶輪廓，并用于后續的動作跟蹤。(1.3)動作跟蹤：根據用戶身上貼的反光mark標記，攝像頭獲得的圖像可以得到標記的位置，再根據坐標變換得到標記的空間坐標，然后用Camshift跟蹤算法實現用戶動作的跟蹤。傳統的Camshift跟蹤算法中，都需要事先選定感興趣區域，一般來說，觸發一條鼠標事件來選取動作的跟蹤范圍，但這屬于有監督性的，并不符合本項目的期望。本發明通過反光mark標記獲取該區域，以手掌跟蹤為例，分別選取指尖坐標x、y值的組成一個坐標作為左上角點，寬度和高度取水平垂直最長距離的最小值。參見圖4，A點與B點則分別為指尖的左上角點與右下角點，(Ax，Ay)和(Bx，By)分別為A點與B點的坐標值，再對兩點進行差值運算，通過最小化公式MIN(|Ax-Bx|，|Ay-By|)計算得出跟蹤范圍。(2)慣性動作捕捉：根據用戶身上穿戴的慣性傳感器傳輸的數據，獲取身體對應各個關節的運動姿態，具體有以下過程：(2.1)慣性傳感器對準：使得系統所描述的坐標系與慣性傳感器坐標系相重合，使得系統正式開始工作時有正確的初始條件，即得到正確的初始速度、初始位置等。采用光學自動對直技術，其方法是在系統平臺上附加光學多面體，使得光學反射面與被調整的軸線垂直，這樣通過觀測自動對直光管，得到偏轉角；人為地給對應軸陀螺加矩，使平臺轉到給定方位，實現慣性傳感器對準。(2.2)姿態更新：根據上一次采樣的姿態結合本次采樣獲得的三角速度數據，即可得到本次采樣的用戶姿態：q0=-0.5(q1wx+q2wy+q3wz)q1=0.5(q0wx-q3wy+q2wz)q2=0.5(q3wx+q0wy-q1wz)q3=-0.5(q2wx-q1wy-q0wz)---(2)]]>[q0，q1，q2，q3]為用四元數表示傳感器節點的姿態，[wx，wy，wz]表示傳感器節點上陀螺儀三個軸向的角速度，通過陀螺儀的角速度計算，可以不斷得到用戶姿態的更新。(2.3)動作追蹤：計算本次采樣k的用戶位置ΔP(k)和加速度a(k)，其中，用戶的位置計算模型用以下公式表示為：P(k+1)=P(k)+v(k)Δt+12a(k)Δt2---(3)]]>其中，v(k+1)＝v(k)+a(k)Δt表示用戶動作的速度，Δt表示采樣周期，a(k)表示動作的加速度，加速度的計算公式如下所示：a(k+1)＝q(k)·a(k)·q(k)′-g(3)其中，.表示4元乘法，g表示重力加速度，q(k)表示用戶動作的方向矢量，是一個四元向量，q(k)′表示向量的轉置。(3)動作融合：利用了光學捕捉和慣性捕捉技術的互補優勢，可以有效地彌補應用單一系統進行動作捕捉時所具有的缺點，使其具有遮擋影響小、采集數據自由度高、數據記錄種類更全且計算量低等優勢。如圖5所示，以光學捕捉數據為參考，慣性捕捉數據與光學捕捉數據之差表示慣性捕捉的位姿數據的誤差，該誤差作為測量信號傳入卡爾曼濾波器?？柭鼮V波器可以用來持續測量慣性捕捉造成的誤差，從而進一步使用該誤差來糾正慣性捕捉造成的位姿估計誤差。這樣使用的優勢，是慣性捕捉模塊捕捉到的高頻數據可以被保留，低頻數據中出現的錯誤可以被糾正。上述為本發明較佳的實施方式，但本發明的實施方式并不受上述內容的限制，其他的任何未背離本發明的精神實質與原理下所作的改變、修飾、替代、組合、簡化，均應為等效的置換方式，都包含在本發明的保護范圍之內。當前第1頁1 2 3