论文部分内容阅读
人体运动跟踪技术是人机交互、虚拟现实领域的重要研究内容之一。随着微机电系统(MEMS:MicroElectroMechanicalSystem)传感器技术的发展,价格低、体积小、重量轻、精度高的新型大规模集成MEMS传感器不断涌现,为惯性人体运动跟踪技术提供了更成熟的硬件实现平台,使得进行大范围的人体运动跟踪成为可能,因此,利用新型的MEMS传感器进行人体运动跟踪将具有非常广阔的应用前景。
本论文主要围绕人体运动跟踪传感器设计、传感器标定方法与姿态数据融合方法研究及人体运动跟踪系统的设计与实现三部分依次展开。本论文的主要工作如下:
1、结合当前MEMS传感器发展现状,设计并研制了一种小型化、低功耗的人体运动跟踪传感器。首先,该人体运动跟踪传感器采用目前集成度最高的MEMS传感器来设计以尽量减小体积;其次,为确保标定方法和数据融合算法的性能和实时性,该人体运动跟踪传感器采用DSP处理器作为核心处理单元;最后,通过串行SCI总线和CAN总线通信端口分别提供单个人体运动跟踪传感器或者多个人体运动跟踪传感器与PC机的通信。本文所有实验均是基于该硬件平台进行的,并通过相关实验验证了人体运动跟踪传感器平台设计的合理性。
2、提出一种简单、快捷的基于遗传算法的惯性和磁传感器标定方法,并移植了互补滤波姿态融合方法。首先分析了三轴传感器(三轴加速度计、三轴磁力计和三轴陀螺仪)误差来源,并建立了三轴传感器误差模型,主要包括传感器的零漂、比例因子、非正交误差和非对准误差;接着给出目标优化函数,根据采样数据和目标优化函数,采用基因遗传算法对误差参数进行拟合。该方法能在使用现场对人体运动跟踪传感器进行快速准确的标定。并通过实验验证了该方法的有效性。其次,在标定方法基础上设计了人体运动跟踪传感器整体标定流程,并设计了相关标定软件。最后,介绍本文移植的互补滤波姿态融合算法。
3、设计并实现了基于人体运动跟踪传感器的人体运动跟踪系统。该系统通过通过自主设计、研制的人体运动跟踪系统控制器实时获取多个人体运动跟踪传感器数据,实时跟踪人体的运动状态并在PC机上的虚拟人体运动模型上重现。实验结果表明,该系统有抗干扰和跟踪范围广等优点。