论文部分内容阅读
人们用手势动作来表达思想,感知客观世界,完成各种操作。数据手套就是测量人手空间姿态的现实硬件,同时也是虚拟现实系统中的非常重要的设备,它可以跟踪手势动作,测量手指姿态信息。近年来,微机电系统技术的快速发展极大地促进了传感器的微型化、智能化和低成本化,微惯性传感器也在向高精度、低成本、高可靠性发展。惯性导航技术的成熟与低成本微惯性传感器性能的提高为小型姿态测量系统的发展提供了非常有利的条件。不同于光学图像式或者光纤式的传感技术,本文提出了基于微惯性技术的数据手套,它采用MEMS传感器(三轴陀螺、三轴加速度计和三轴磁阻),结合惯性测量原理来获得手指的全姿态信息,具有穿戴方便,运动自由度大,抗干扰能力强,易于维护且不受光线条照约束等优点。数据手套对实时性有较高的要求,为了满足更新速率的要求,本文在对惯性导航理论的分析基础上,提出了适用于手部运动的解算方法和设计方案,提出四阶毕卡算法作为四元素姿态更新算法,采用基于MARG的卡尔曼滤波融合算法进一步减小测量误差,设计适用于手部测量的微型测量系统。文章同时提出了合适的手部模型,分析了手部运动的约束条件,获得了手部运动的相关参数,在控制系统中利用多传感器融合技术避免了错误手型的出现。另外,采用神经网络理论的手部学习方法,在保证手型正确的前提下,大幅减少了传感器的使用数量。实验表明,结合本文的理论方法,基于微惯性姿态测量系统完全满足要求。基于微惯性技术的数据手套由多个测量系统和手背上的控制系统组成。本文设计完成了数据手套的微惯性测量系统与控制系统单元的软硬件,利用手部学习方法完成了整个手型的推算,并使用Opengl与MFC绘出了3D手势图像,实现了动态驱动与显示功能。测试和实验的结果表明,基于微惯性技术的数据手套稳定可靠,基本满足设计要求。