国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法

      文檔序號:6538308閱讀:199來源:國知局
      專利名稱:一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法
      技術(shù)領(lǐng)域
      本發(fā)明主要涉及到一種運動捕獲數(shù)據(jù)的骨骼運動提取方法,特別是涉及一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法。
      背景技術(shù)
      運動捕獲技術(shù)是一種能夠直接捕捉運動對象的動作,用數(shù)字表示這些動作,并利用計算機對結(jié)果運動數(shù)據(jù)進行處理的技術(shù)。有關(guān)運動捕獲技術(shù)的相關(guān)信息可參考參考文獻1,中國專利名稱為“獲取運動捕獲數(shù)據(jù)的方法”,專利申請?zhí)?br> 的申請,文中指出運動捕獲技術(shù)是利用標志點或傳感器以三維的形式記錄真實人或動物的動作,比較典型的運動捕獲設(shè)備有四大類聲學(xué)型,光學(xué)式、電磁式和機械式;其中實用范圍最廣,精度最高的是光學(xué)式的運動捕獲設(shè)備。
      基于光學(xué)的運動捕獲數(shù)據(jù)是指用光學(xué)捕獲設(shè)備捕捉到的運動數(shù)據(jù),實際上是運動過程中貼在人或動物身體上的標志點每一時刻在三維空間中的位置信息的數(shù)字化表示,更進一步來說,一個被捕獲的運動的時間可能長幾秒到幾十秒鐘不等,而每一秒鐘進行捕獲的相機要聯(lián)合拍攝30張到120張三維照片,每一張三維照片表示的就是某一個時刻貼在人或動物身體上的所有標志點的三維空間位置,也被稱為一個基于光學(xué)的運動捕獲數(shù)據(jù)幀。而一個基于光學(xué)的運動捕獲數(shù)據(jù)是由一組連續(xù)的基于光學(xué)的運動捕獲數(shù)據(jù)幀構(gòu)成的,實際上就是一組連續(xù)的三維坐標值。目前基于光學(xué)的物體運動過程的捕獲技術(shù)已經(jīng)非常成熟,標志物體的三維空間坐標值已達到亞毫米級精度。
      然而在計算機人體運動仿真的過程中,人體是依靠皮膚下的骨骼系統(tǒng)來驅(qū)動的,人體的骨骼系統(tǒng)由關(guān)節(jié)和骨骼構(gòu)成,只有通過輸入關(guān)節(jié)角度旋轉(zhuǎn)相應(yīng)的關(guān)節(jié)來帶動骨骼,才能驅(qū)動人體做出各種運動。但是基于光學(xué)的運動捕獲數(shù)據(jù)只是一組連續(xù)的三維坐標置,輸入計算機后,必須要有一個數(shù)據(jù)處理程序,即基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取程序,來將輸入的三維坐標值轉(zhuǎn)換成關(guān)節(jié)角度值也就是骨骼運動數(shù)據(jù),才能驅(qū)動人體做出相應(yīng)的動作。
      目前實現(xiàn)基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取程序所用的方法,基本上都針對各自相應(yīng)的標志點貼法,并且要求貼的位置非常準確,當(dāng)標志點貼的位置有稍有偏移時就得不到正確的結(jié)果;另一方面在處理過程中采用一種被稱為逆運動學(xué)的關(guān)節(jié)角度求解技術(shù),這種技術(shù)對一些關(guān)節(jié)的靈活度做了人為的限制,使得他們只能繞一個或兩個軸旋轉(zhuǎn),而實際上這些關(guān)節(jié)是繞三個軸旋轉(zhuǎn),因此這些骨骼運動提取程序所提取的骨骼運動只能是近似地反映了被捕獲的運動而不是精確地表示被捕獲的運動。
      另外,當(dāng)計算機人體運動仿真應(yīng)用于體育運動或軍事運動仿真時,人體運動的逼真度要求遠遠高于一般的人體運動仿真,必須盡可能精確再現(xiàn)被捕獲的運動,而目前基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取程序所用方法是達不到這個要求的。

      發(fā)明內(nèi)容
      本發(fā)明的目的是為了克服已有方法中貼標志點的精確位置難以控制,而造成捕獲數(shù)據(jù)也難以得到正確的結(jié)果的缺陷,從而提供一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,該方法能提取出與輸入的基于光學(xué)的運動捕獲數(shù)據(jù)精確匹配的骨骼運動。
      為了實現(xiàn)上述目的,本發(fā)明提供了一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,該方法包括如下步驟將光學(xué)捕獲設(shè)備捕捉到的基于光學(xué)的運動捕獲數(shù)據(jù)輸入電腦,由標志點的位置估計相鄰骨骼間關(guān)節(jié)中心的位置,進而構(gòu)造與捕獲對象粗糙匹配的骨骼系統(tǒng);在構(gòu)造的骨骼系統(tǒng)上建立骨骼局部坐標系;根據(jù)骨骼局部坐標計算初始的骨骼運動數(shù)據(jù),并建立起與運動捕獲對象匹配的骨骼系統(tǒng)和虛擬標志點系統(tǒng);將建立的骨骼系統(tǒng)劃分骨骼鏈,建立骨骼鏈中真實標志點與虛擬標志點的距離函數(shù),對距離函數(shù)逐鏈逐幀進行距離最小優(yōu)化,不斷更新虛擬標志點的坐標,使最后的虛擬標志點與真實標志點之間的距離穩(wěn)定后所得到的骨骼運動數(shù)據(jù)就是基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動數(shù)據(jù)。
      上述技術(shù)方案中,一個優(yōu)選方法是,還包括對最終得到的骨骼運動數(shù)據(jù)采用四元數(shù)線性時不變?yōu)V波系統(tǒng)進行過濾,得到平滑的骨骼運動。
      上述技術(shù)方案中,所述的建立與運動捕獲對象匹配的骨骼系統(tǒng)是通過將各幀中估計得到的骨骼長度相加求平均值得到各幀統(tǒng)一的骨骼長度,從而建立骨骼系統(tǒng)。
      上述技術(shù)方案中,所述的與運動捕獲對象匹配的虛擬標志點系統(tǒng)是以運動捕獲數(shù)據(jù)幀中第一幀中的每一真實標志點在相應(yīng)的局部骨骼系統(tǒng)中的坐標位置,作為虛擬標志點的初始坐標。
      上述技術(shù)方案中,所述的將建立的骨骼系統(tǒng)劃分骨骼鏈分為世界坐標系原點-人體根,人體根-腰-髖-膝-踝,人體根-腰-胸,人體根-腰-胸-頸-頭,人體根-腰-胸-鎖-肩-肘-腕五類骨骼鏈。
      上述技術(shù)方案中,所述的對真實標志點與虛擬標志點的距離函數(shù)進行優(yōu)化是采用非線性優(yōu)化方法逐鏈逐幀進行距離最小優(yōu)化,逐步得到所有骨骼運動數(shù)據(jù)。
      所述的對真實標志點與虛擬標志點的距離函數(shù)的非線性優(yōu)化方法是采用BFGS校正的擬牛頓方法。
      上述技術(shù)方案中,所述的更新虛擬標志點的坐標采用了均值法,均值法將某一實際標志點在每一幀中的局部坐標值加起來,除以總的幀數(shù),得到該實際標志點所對應(yīng)的虛擬標志點的更新坐標。
      上述技術(shù)方案中,所述的虛擬標志點與真實標志點之間的距離穩(wěn)定的判斷標準為在每一條骨骼鏈上,對真實標志點與虛擬標志點的距離函數(shù)逐幀進行距離最小優(yōu)化,每一幀得到一個距離函數(shù)值,一次優(yōu)化后將每一幀的距離函數(shù)值加起來作為該次優(yōu)化總的函數(shù)值,將它與下一次優(yōu)化的總的函數(shù)值比較,若兩者的差在設(shè)定的范圍以內(nèi),則認為虛擬標志點與真實標志點距離穩(wěn)定。
      本發(fā)明所述方法的優(yōu)點在于1、本發(fā)明的方法能夠提取出與輸入的基于光學(xué)的運動捕獲數(shù)據(jù)精確匹配的骨骼運動。
      2、本發(fā)明的方法既降低了對輸入的基于光學(xué)的運動捕獲數(shù)據(jù)的標志點貼的位置的準確性要求,又不影響運動捕獲數(shù)據(jù)的精確度。
      3、本發(fā)明的方法不僅適用于人體運動的捕獲而且還適用于動物運動的捕獲。
      4、本發(fā)明的方法并不局限于某一種特殊的標志點貼法,因此具有很好的通用性。


      圖1是人體骨骼及關(guān)節(jié)示意圖;圖2是人體虛擬標志點初始圖;圖3是采集的真實人體標志點視圖幀;圖4虛擬真實標志點匹配結(jié)果示意視圖幀;圖5是本發(fā)明方法的處理流程圖。
      圖面說明1.人體根關(guān)節(jié) 2.左髖關(guān)節(jié) 3.左膝關(guān)節(jié) 4.左踝關(guān)節(jié) 5.左足6.腰關(guān)節(jié) 7.胸關(guān)節(jié) 8.頸關(guān)節(jié) 9.頭關(guān)節(jié) 10.左鎖關(guān)節(jié)11.左肩關(guān)節(jié) 12.左肘關(guān)節(jié)1 3.左腕關(guān)節(jié) 14.左掌.
      具體實施例方式
      參照附圖,對本發(fā)明所述方法做詳細說明。
      參照圖5,為本發(fā)明方法的一種優(yōu)選實施方式的流程圖。
      本發(fā)明的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法包括以下步驟步驟10、利用背景技術(shù)中所提到的光學(xué)運動捕獲設(shè)備,如本實施例是采用VICON公司生產(chǎn)的捕獲設(shè)備VICON 4.5,得到基于光學(xué)的運動捕獲數(shù)據(jù),本實施例是要利用這些已獲取的數(shù)據(jù)信息,求取骨骼運動數(shù)據(jù),即骨骼的關(guān)節(jié)角度值。有了骨骼運動數(shù)據(jù)才能驅(qū)動運動對象做出相應(yīng)的動作。參照圖3,為利用光學(xué)運動捕獲設(shè)備得到的人體標志點的視圖。
      步驟20、依據(jù)已知的基于光學(xué)的運動捕獲數(shù)據(jù)中的標志點的位置估計相鄰骨骼之間關(guān)節(jié)中心的位置,進而構(gòu)造與捕獲對象粗糙匹配的骨骼系統(tǒng)。如附圖1、2所示,無論對于何種運動形式,人體每一個主要關(guān)節(jié),包括肩,肘,腕,髖,膝,踝,頸,頭的附近都貼有一個或幾個標志點,標志點的具體貼法,即標志點的數(shù)目和所貼的位置在各種貼法中大致相同,只有一些細微的差別,本領(lǐng)域的一般技術(shù)人員很容易知道,本實施例中,肘,肩,膝,踝各貼一個,腕關(guān)節(jié)貼兩個,頭部四個外,腰部四個、胸部四或五個(包含頸部的兩個)、足部三個或一個,手掌一個,由此可以建立每一關(guān)節(jié)中心與附近的標志點以及附近的關(guān)節(jié)中心的一個粗糙的幾何關(guān)系,利用該幾何關(guān)系,可以近似構(gòu)造出關(guān)節(jié)中心。例如腕關(guān)節(jié)近似為貼在腕部的左右兩個標志點的中點;肩關(guān)節(jié)近似是肩上標志點沿垂直于兩肩連線向下移動肩寬的十分之一;肘關(guān)節(jié)中心與近似肩關(guān)節(jié)中心,肘部標志點構(gòu)成直角三角形并且肘關(guān)節(jié)中心為直角頂點,它到肘部標志點的距離為測量的肘寬數(shù)據(jù);其他的關(guān)節(jié)中心可以依據(jù)類似方法近似構(gòu)造。在近似構(gòu)造出所有的關(guān)節(jié)中心以后,將這些關(guān)節(jié)中心相連,就能夠初步構(gòu)造出一個與捕獲對象粗糙匹配的骨骼系統(tǒng)。由于在每一幀中,標志點的位置不同,用該方法初步構(gòu)造出的骨骼系統(tǒng)在不同幀中的同一骨骼長度是可變的。
      步驟30、依據(jù)構(gòu)造的骨骼系統(tǒng)建立骨骼局部坐標系,根據(jù)局部坐標計算生成初始的骨骼運動數(shù)據(jù)。以人體骨骼系統(tǒng)為例,參考附圖1,可以選擇肘關(guān)節(jié)中心到肩關(guān)節(jié)中心的連線作為上臂局部坐標系的Y軸,選擇垂直肘關(guān)節(jié)中心到肩關(guān)節(jié)中心的連線以及肘關(guān)節(jié)中心到腕關(guān)節(jié)中心的連線的方向作為上臂局部坐標系的X軸,然后依據(jù)xY軸構(gòu)造相應(yīng)的Z軸,并且選擇肘關(guān)節(jié)中心作為上臂局部坐標系的坐標原點。得到骨骼的局部坐標以后,就可以計算初始的骨骼運動數(shù)據(jù)。例如上臂和下臂是兩個相鄰的骨骼,在上臂上可以構(gòu)造一個局部坐標系P,在下臂上可以構(gòu)造一個局部坐標系C,下臂通過肘關(guān)節(jié)繞著上臂轉(zhuǎn),那么作為兩個相鄰坐標系P和C,如果C繞著P轉(zhuǎn),則其中P為父坐標系,C為子坐標系,P-1C為P到C的過渡旋轉(zhuǎn)矩陣;P-1C可直接轉(zhuǎn)為歐拉角或四元數(shù),此處所述的歐拉角或四元數(shù)就是用來表示骨骼的關(guān)節(jié)角度值的變量,所得到的歐拉角或四元數(shù)即為骨骼運動數(shù)據(jù)。此處所得到的初始骨骼運動數(shù)據(jù)用于下面優(yōu)化計算的初值。
      步驟40、計算每段骨骼的長度,構(gòu)造與捕獲對象匹配的骨骼系統(tǒng)。在步驟20中已依據(jù)標志點的位置估計相鄰骨骼之間關(guān)節(jié)中心的位置,兩個相鄰的關(guān)節(jié)之間的骨骼長度為所有幀中這兩個相鄰關(guān)節(jié)中心之間的距離的平均值。以計算人體骨骼系統(tǒng)上臂的骨骼長度為例,每一幀的肩和肘關(guān)節(jié)中心的三維坐標值在上述計算初始骨骼運動數(shù)據(jù)的步驟20中已經(jīng)估計出來,每一幀上臂的骨骼長度為該幀肩和肘關(guān)節(jié)中心之間的距離,將所有幀的上臂長度加起來除以總的幀數(shù)即為上臂長度。在本步驟中,得到的骨骼長度與步驟20相比,在各個幀中的骨骼長度都是一致的。
      步驟50、依據(jù)計算所得的骨骼,自動計算運動捕獲數(shù)據(jù)幀第一幀中的每一真實標志點在相應(yīng)的局部骨骼系統(tǒng)中的坐標位置,作為虛擬標志點的初始坐標,從而建立與捕獲對象匹配的虛擬標志點系統(tǒng)。參照附圖2,該圖是人體虛擬標志點初始圖。所述的真實標注點是指基于光學(xué)的運動捕獲數(shù)據(jù)中的標志點,虛擬標志點是指附著在相應(yīng)的骨骼上,隨著骨骼的運動而改變它在三維空間中的位置,但在相應(yīng)的骨骼局部坐標系的坐標保持不變的虛擬的標志點。以人體為例;當(dāng)前肩部坐標系為P,其坐標原點即肩關(guān)節(jié)中心為O,肩部一真實標志點的坐標為M,則該真實標志點所對應(yīng)的虛擬標志點坐標為P*(M-O),這是一個局部坐標系坐標值。
      步驟60、劃分樹狀骨骼系統(tǒng)成若干分枝鏈狀結(jié)構(gòu),建立鏈狀系統(tǒng)的虛擬標志點與真實標志點距離函數(shù)。例如參考圖1,人體骨骼系統(tǒng)可以劃分為世界坐標系原點-人體根,人體根-腰-髖-膝-踝,人體根-腰-胸,人體根-腰-胸-頸-頭,人體根-腰-胸-鎖-肩-肘-腕等五類骨骼鏈;例如,設(shè)某個鏈有N個虛擬標志點,且有三個關(guān)節(jié),從人體根開始依次為i=1,2,3;該骨骼鏈第j個虛擬標志點的坐標VJ,它剛好位于第三關(guān)節(jié)上;每個關(guān)節(jié)的旋轉(zhuǎn)角度參數(shù)記(ai,bi,ci),每個關(guān)節(jié)的旋轉(zhuǎn)角度參數(shù)就是步驟30中所求得的骨骼運動數(shù)據(jù);每一關(guān)節(jié)中心相對其父關(guān)節(jié)的局部坐標系偏移量為Pi,所述的父關(guān)節(jié)是指剛體鏈上該關(guān)節(jié)的前一關(guān)節(jié),而人體根的父關(guān)節(jié)為世界坐標系原點(O,O,O),此處所述的世界坐標系與本實施例中的全局坐標系是同一個概念。而除了人體根關(guān)節(jié)以外,關(guān)節(jié)中心的偏移量Pi就是步驟40中得到的所在關(guān)節(jié)與父關(guān)節(jié)中心之間的骨骼長度,因此為常數(shù)不變。每一組((ai,bi,ci),Pi))可計算得出所對應(yīng)的4x4的旋轉(zhuǎn)矩陣Mi,則第三關(guān)節(jié)上的虛擬標志點全局坐標為M1M2M3VJ,記為Pj(虛擬標志點位于第幾關(guān)節(jié)計算它的全局坐標就左乘上幾個相應(yīng)的父坐標系矩陣),而它所對應(yīng)的真實標志點的坐標為Tj,則該鏈N個虛擬標志點與真實標志點距離函數(shù)為f(a1,b1,c1,a2,b2,c2,a3,b3,c3)=&Sigma;j=1N(Pj-Tj)2&CenterDot;]]>另外世界坐標系原點-人體根鏈上的距離函數(shù)比較特殊,因為人體根關(guān)節(jié)不僅有旋轉(zhuǎn)角度參數(shù)(a,b,c),還有位移參數(shù)p=(x,y,z),通過(a,b,c,p)可計算人體根的旋轉(zhuǎn)矩陣M,設(shè)人體根上有N個虛擬標志點,它們的局部坐標分別記Vj,j=1,2,3,...,N,則虛擬標志點的全局坐標為MVj,記為Pj,而它所對應(yīng)的真實標志點的坐標為Tj,因此世界坐標系原點-人體根鏈上距離函數(shù)為f(a,b,c,x,y,z)=&Sigma;j=1N(Pj-Tj)2&CenterDot;]]>步驟70、采用非線性優(yōu)化方法逐鏈反復(fù)逐幀進行距離最小優(yōu)化,在優(yōu)化過程中不斷更新虛擬標志點的坐標,直到虛擬標志點與真實標志點距離穩(wěn)定,逐步得到所有骨骼運動數(shù)據(jù)。
      所述的逐鏈是指先優(yōu)化鏈世界坐標系原點-人體根,然后優(yōu)化鏈人體根-腰-髖-膝-踝,然后依次優(yōu)化鏈人體根-腰-胸,人體根-腰-胸-頸-頭,人體根-腰-胸-鎖-肩-肘-腕。
      所述的逐幀是優(yōu)化某一條鏈時對所有運動捕獲數(shù)據(jù)幀逐幀進行計算,比如先優(yōu)化計算第一幀的(ai,bi,ci),然后計算第二幀的(ai,bi,ci),然后第三幀,依次直到最后一幀的(ai,bi,ci)。所有幀的(ai,bi,ci)數(shù)據(jù)合起來構(gòu)成骨骼運動數(shù)據(jù)。
      這里所述的反復(fù)指的是優(yōu)化某一鏈時,反復(fù)進行一個過程,即當(dāng)對該鏈所有幀做完一次優(yōu)化,得到該鏈骨骼運動數(shù)據(jù)之后,采用均值法重新計算出虛擬標志點坐標,再將新的虛擬標志點坐標帶入該鏈的距離函數(shù),對該鏈再一次進行距離最小優(yōu)化。此處的均值法指的是按照步驟50中的方法分別計算在新的骨骼運動數(shù)據(jù)驅(qū)動下該鏈某一實際標志點在每一幀中相對于新的對應(yīng)的骨骼坐標系的三維局部坐標值,把每一幀的局部坐標值加起來除以總的幀數(shù)就得到該實際標志點所對應(yīng)的虛擬標志點的更新坐標。
      這里所述的直到虛擬標志點與真實標志點距離穩(wěn)定,是指在對每一條鏈進行優(yōu)化時采用的是一個反復(fù)優(yōu)化的過程,即優(yōu)化-更新-再優(yōu)化的一個循環(huán)過程,而每一次優(yōu)化都是對所有幀逐幀進行,逐幀得到相應(yīng)的(ai,bi,ci)參數(shù)值,每一幀都有一個距離函數(shù)值,一次優(yōu)化后將每一幀的距離函數(shù)值加起來作為該次優(yōu)化總的函數(shù)值,將它與下一次優(yōu)化的總的函數(shù)值比較,若兩者的差在±0.5以內(nèi),則認為虛擬標志點與真實標志點距離穩(wěn)定,終止該鏈的反復(fù)優(yōu)化過程。將該鏈中最后一次優(yōu)化所得到的各幀的(ai,bi,ci)數(shù)據(jù)合成得到該鏈的骨骼運動數(shù)據(jù)。用同樣的方法得到各骨骼鏈的骨骼運動數(shù)據(jù),也就得到了最終的結(jié)果。
      這里的優(yōu)化方法推薦使用BFGS校正的擬牛頓方法,因為BFGS校正是迄今最好的擬牛頓公式,具有總體收斂性,并且可以與低精度收斂算法一起連用。具體實施細節(jié)如下若虛擬標志點與真實標志點距離函數(shù)為f(a1,b1,c1,a2,b2,c2,a3,b3,c3)=&Sigma;j=1N(Pj-Tj)2]]>本實施例要做一個無約束非線性優(yōu)化,極小化距離函數(shù)MinimizeF(X)其中,X=(a1,b1,c1,a2,b2,c2,a3,b3,c3)等價于解一個非線性方程組f(X)=0,其中f=&PartialD;F&PartialD;Xi]]>i=1,2,3,...9具體實施步驟(1)選取初值若對第一幀數(shù)據(jù)進行優(yōu)化求解時x0取步驟30計算出來的相應(yīng)值,否則x0取前一幀的計算結(jié)果。G0=I,給定允許誤差ε>0,其中I為單位矩陣,ε取0.05。
      (2)檢查是否滿足終止條件。計算f(x0),若‖f(x0)‖<ε,迭代終止,x0為近似最優(yōu)解否則轉(zhuǎn)第三步。
      (3)構(gòu)造初始BFGS方向。取d0=-G0f(x0),令k=0;
      (4)進行一維搜索,求出λ0和xk+1,使f(xk+λkdk)=min(f(xk+λkdk))(5)檢查是否滿足終止條件。計算f(xk),若‖f(xk)‖<ε,迭代終止,xk為近似最優(yōu)解否則轉(zhuǎn)第六步。
      (6)構(gòu)造BFGS方向,用BFGS迭代公式Gk+!=Gk+&Delta;xk&Delta;xkT&Delta;xkT&Delta;gk(1+&Delta;gkTGk&Delta;gk&Delta;xkT&Delta;gk)-1&Delta;xkT&Delta;gk(&Delta;xk&Delta;gkTGk+Gk&Delta;gk&Delta;xkT)]]>其中,Δxk=xk+1-xk,Δgk=f(xk+1)-f(xk),Δgk=Gk+1-Gk上文實現(xiàn)了對距離函數(shù)f(a1,b1,c1,a2,b2,c2,a3,b3,c3)=&Sigma;j=1N(Pj-Tj)2]]>的優(yōu)化,而對于特殊的距離函數(shù),即世界坐標系原點-人體根鏈上的距離函數(shù)f(a,b,c,x,y,z)=&Sigma;j=1N(Pj-Tj)2,]]>上述的BFGS校正的擬牛頓方法也同樣適用。
      以人體骨骼系統(tǒng)及標志點系統(tǒng)為例,圖4為相應(yīng)一幀的最終計算結(jié)果。通過對虛擬標志點與真實標志點間距離的反復(fù)優(yōu)化過程,可以從輸入的基于光學(xué)的運動捕獲數(shù)據(jù)中提取出精確匹配的骨骼運動,并降低了對輸入的基于光學(xué)的運動捕獲數(shù)據(jù)的標志點貼的位置的準確性要求。
      步驟80、基于四元數(shù)線性時不變?yōu)V波系統(tǒng)對骨骼運動數(shù)據(jù)進行過濾,得到平滑的骨骼運動;其具體的過濾過程為將歐拉角數(shù)據(jù)轉(zhuǎn)換成對應(yīng)的四元數(shù),然后將四元數(shù)通過對數(shù)運算映射到切空間,在切空間用線性時不變?yōu)V波器進行濾波,得到一條平滑的曲線,然后將濾波的結(jié)果用指數(shù)運算映射回四元數(shù)空間,再轉(zhuǎn)換成歐拉角度數(shù)。上述的過濾方法是現(xiàn)有技術(shù),在此不再詳述。
      通過本實施例中所述方法的上述步驟,完全可以實現(xiàn)從基于光學(xué)的運動捕獲數(shù)據(jù)中提取骨骼運動,以精確再現(xiàn)被捕獲物體的運動。
      權(quán)利要求
      1.一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,包括以下步驟將光學(xué)捕獲設(shè)備捕捉到的基于光學(xué)的運動捕獲數(shù)據(jù)輸入電腦,由標志點的位置估計相鄰骨骼間關(guān)節(jié)中心的位置,進而構(gòu)造與捕獲對象粗糙匹配的骨骼系統(tǒng);在構(gòu)造的骨骼系統(tǒng)上建立骨骼局部坐標系;根據(jù)骨骼局部坐標計算初始的骨骼運動數(shù)據(jù),并建立起與運動捕獲對象匹配的骨骼系統(tǒng)和虛擬標志點系統(tǒng);將建立的骨骼系統(tǒng)劃分骨骼鏈,建立骨骼鏈中真實標志點與虛擬標志點的距離函數(shù),對距離函數(shù)逐鏈逐幀進行距離最小優(yōu)化,不斷更新虛擬標志點的坐標,使最后的虛擬標志點與真實標志點之間的距離穩(wěn)定后所得到的骨骼運動數(shù)據(jù)就是基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動數(shù)據(jù)。
      2.根據(jù)權(quán)利要求1所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,還包括對最終得到的骨骼運動數(shù)據(jù)采用四元數(shù)線性時不變?yōu)V波系統(tǒng)進行過濾,得到平滑的骨骼運動。
      3.根據(jù)權(quán)利要求1或2所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,所述的建立與運動捕獲對象匹配的骨骼系統(tǒng)是通過將各幀中估計得到的骨骼長度相加求平均值得到各幀統(tǒng)一的骨骼長度,從而建立骨骼系統(tǒng)。
      4.根據(jù)權(quán)利要求1或2所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,所述的與運動捕獲對象匹配的虛擬標志點系統(tǒng)是以運動捕獲數(shù)據(jù)幀中第一幀中的每一真實標志點在相應(yīng)的局部骨骼系統(tǒng)中的坐標位置,作為虛擬標志點的初始坐標。
      5.根據(jù)權(quán)利要求1或2所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,所述的將建立的骨骼系統(tǒng)劃分骨骼鏈分為世界坐標系原點-人體根,人體根-腰-髖-膝-踝,人體根-腰-胸,人體根-腰-胸-頸-頭,人體根-腰-胸-鎖-肩-肘-腕五類骨骼鏈。
      6.根據(jù)權(quán)利要求1或2所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,所述的對真實標志點與虛擬標志點的距離函數(shù)進行優(yōu)化是采用非線性優(yōu)化方法逐鏈逐幀進行距離最小優(yōu)化,逐步得到所有骨骼運動數(shù)據(jù)。
      7.根據(jù)權(quán)利要求6所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,所述的對真實標志點與虛擬標志點的距離函數(shù)的非線性優(yōu)化方法是采用BFGS校正的擬牛頓方法。
      8.根據(jù)權(quán)利要求1或2所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,所述的更新虛擬標志點的坐標采用了均值法,均值法將某一實際標志點在每一幀中的局部坐標值加起來,除以總的幀數(shù),得到該實際標志點所對應(yīng)的虛擬標志點的更新坐標。
      9.根據(jù)權(quán)利要求1或2所述的一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,其特征在于,所述的虛擬標志點與真實標志點之間的距離穩(wěn)定的判斷標準為在每一條骨骼鏈上,對真實標志點與虛擬標志點的距離函數(shù)逐幀進行距離最小優(yōu)化,每一幀得到一個距離函數(shù)值,一次優(yōu)化后將每一幀的距離函數(shù)值加起來作為該次優(yōu)化總的函數(shù)值,將它與下一次優(yōu)化的總的函數(shù)值比較,若兩者的差在設(shè)定的范圍以內(nèi),則認為虛擬標志點與真實標志點距離穩(wěn)定。
      全文摘要
      本發(fā)明公開一種基于光學(xué)的運動捕獲數(shù)據(jù)的骨骼運動提取方法,含以下步驟由標志點位置估計關(guān)節(jié)中心位置,構(gòu)造與捕獲對象粗糙匹配的骨骼系統(tǒng);在骨骼系統(tǒng)上建立骨骼局部坐標系;由骨骼局部坐標計算初始的骨骼運動數(shù)據(jù),建立與運動捕獲對象匹配的骨骼系統(tǒng)和虛擬標志點系統(tǒng);在骨骼系統(tǒng)上劃分骨骼鏈,建立真實與虛擬標志點的距離函數(shù),并逐鏈逐幀進行距離最小優(yōu)化,不斷更新虛擬標志點坐標,當(dāng)虛擬標志點與真實標志點距離穩(wěn)定后,所得到的骨骼運動數(shù)據(jù)就是結(jié)果。采用本發(fā)明的方法能夠提取出與基于光學(xué)的運動捕獲數(shù)據(jù)精確匹配的骨骼運動;降低對標志點所貼位置的準確性要求,且不影響運動捕獲數(shù)據(jù)的精確度;不局限于某一種特定的標志點貼法。
      文檔編號G06T1/00GK1766831SQ20051005359
      公開日2006年5月3日 申請日期2005年3月10日 優(yōu)先權(quán)日2004年10月29日
      發(fā)明者王兆其, 文高進, 朱登明, 夏時洪 申請人:中國科學(xué)院計算技術(shù)研究所
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1