一种基于Kinect的角色骨骼动画方法

针对当前骨骼动画制作方法存在实时性差?抗光照干扰能力弱?角色模型运动误差大的问题,提出了一种新的骨骼动画方法?采用微软Kinect设备获取人体三维骨骼坐标数据,用改进的D-H(denavit-hartenberg)描述法在关节点处建立虚拟坐标系,对捕捉对象单帧姿态进行抽象空间位形描述,再根据前后帧位形数据求解骨骼矩阵,对根节点进行位移调整形成骨骼动画?实验结果表明,该方法实时性与抗光照干扰能力强,角色动作与捕捉对象动作之间的相似度高?     

虚拟角色动作编辑及运动控制

为了直接利用虚拟角色表面模型进行动作编辑及运动控制,提出了一种通用的虚拟角色骨骼建模及运动控制方法.该方法通过对分块的虚拟角色表面模型进行边缘判定、关节点计算、最顶块确定,然后按层次连接各关节点生成虚拟角色骨骼模型.在此基础上根据虚拟角色行走运动模型和运动约束关系,研究了基于参数关键帧技术的运动过程动画制作、不同运动间自动插补动画的动作平滑过渡技术以及利用动作幅度权值对动作姿态的调整技术.最后,采用实时控制和路径点控制2种方式进行了虚拟角色在虚拟场景中的运动控制,取得了较好的实现效果.     

基于Kinect的实时动画角色驱动方法

Kinect可实时获取运动数据,且比传统的运动捕捉设备成本低廉,因此被广泛应用于实时角色动画。文章提出一种基于Kinect运动捕捉数据实时驱动动画角色的方法,采用均值滤波平滑Kinect实时捕获人体关节点的位置数据,并根据位置信息反求出关节点的旋转变换矩阵;将Kinect所捕获的人体骨架结构与目标骨架相匹配进行运动重定向;由骨骼顶点计算出网格顶点变换矩阵,实现蒙皮动画以驱动动画角色。实验结果表明,与惯性运动捕捉仪采集到的运动数据所驱动的角色动画相比,该方法可产生流畅的角色动画,节约了制作成本,而且具有一定程度的视觉真实感。     

基于Kinect 的康复训练系统设计与研究

针对运动功能障碍患者的康复训练需求,在使用Kinect 设备提取人体骨架拓扑结构的基础上,提出了一 种基于关节点角度序列提取人体运动特征的动作模型,并设计了一种基于Kinect 体感相机的康复训练系统。 该系统利用Kinect 设备实时采集人体骨骼数据,计算特征关节点间的角度,形成关节角度变化序列。利用动态 时间规整算法( DTW: Dynamic Time Warping ) 比较被测角度序列与动作库的标准动作序列的相似度,判断动作 是否标准并输出评估结果。该系统具有使用便捷、成本低的特点,提高了训练过程的趣味性。测试结果表明, 该系统通过人机交互实现了对运动障碍患者的康复训练指导,对康复训练过程具有积极影响。     

一种基于动态纹理的运动场景可视化方法

为实现大规模角色运动场景的高真实感快速仿真,提出了一种基于动态纹理的可视化方法. 使用基于关节点旋转角的动作迁移方法,获取角色的运动动作;使用基于曲线式骨骼的变形方法,实现运动角色变形;将角色运动过程,通过渲染到纹理技术,生成内容可以实时更新的动态纹理;将角色的动态纹理应用到Billboard上,替代运动角色,实现快速绘制;使用GPGPU(General Purpose on GPU)技术加速角色变形和绘制,进一步提高仿真速度. 对于包含1万个角色的大规模场景,可以实现30FPS的实时渲染,实验结果表明该可视化方法能够快速仿真大规模角色的运动场景.     

基于Kinect的人体三维动作实时动态识别

针对传统的二维图片动作识别算法识别率相对不高、实时性不强的问题,文章提出一种三维的人体动作实时识别的方法。该方法首先通过Kinect获取人体三维骨骼数据,然后对骨骼数据信息采取归一化的方法进行数据对齐的预处理,使得与实时数据与标准数据的角度阈值和距离参考值统一。最后与标准动作采用多特征融合的识别算法对动作进行识别与匹配的方法,并在此基础上改进基于关节点角度的动作识别方法。实验结果表明,文章方法运行速度较快,可有效消除角度测量不稳定以及距离测量无法检测方向上的差异造成的动作匹配不准确。满足三维动作识别的实时性、鲁棒性强。     

基于关节自由度约束的上臂轴旋转跟踪误差补偿

针对外敷跟踪器下皮肤组织滑移(Soft Tissue Artifact,STA)引起的人体运动跟踪中上臂轴旋转角位移跟踪误差问题,基于关节自由度约束,提出一种利用相连肢体相对位姿矩阵分解的在线STA误差补偿角度计算方法.首先,利用一组不包含上臂轴旋转的上肢运动轨迹跟踪信息,基于关节点位置连续和旋转自由度约束,通过优化方法计算各肢体分段坐标系到相应跟踪器坐标系的位姿变换矩阵;然后,上肢实时运动跟踪时,对上臂和小臂相对姿态矩阵引入上臂轴旋转STA误差补偿运动,在肘关节两旋转自由度的基础上进行3自由度的旋转矩阵分解,得到STA误差补偿角度.4人上肢运动跟踪实验表明:在不同肘关节内曲角度条件下,均能有效在线修正上臂轴旋转STA跟踪误差,且在旋转角度较大时,补偿精度优于线性STA误差补偿方法.     

基于骨骼投影信息的人体行为识别

针对复杂环境下深度相机提取人体骨骼信息失效的问题，利用RGB图像提取运动特征，提出结合人体部分重要关节点信息进行行为识别的方法。首先根据人体行为图片捕捉人体各关节点的空间位置信息，建立坐标系描绘出人体骨架，将三视图嵌入二值图像中；利用Lucas-Kanade光流算法得到关节点的运动信息，构成由张量表示的动作序列；估计动作特征描述序列，再映射到格拉斯曼流形上完成人体行为识别和分类。在MSRActinos3D、UCFKinect数据集上的实验结果表明，该方法能够有效识别各种人体行为。     

双杖滑雪手部施力模型仿真分析

双杖滑雪运动中,手部握持滑雪杖的施力方法影响滑雪运动状态.应用人体动作捕捉技术,获取滑雪运动多组姿态图像及骨骼、关节点信息;依据骨骼关节点角度计算理论,求解关节点角度;基于生物力学理论,建立双杖滑雪运动模型,利用AnyBody软件进行生物力学仿真,分析不同滑雪姿态和手部载荷下,手部肌肉施力特征.结果表明：双杖滑雪运动中,手部大拇指和中指的肌肉施力较大,是主要施力区域.     

Kinect骨骼数据驱动的人体动作二维特征融合与动作识别

针对在高噪声环境中人体动作识别存在准确度和稳定性不高的问题,本文采用二维空间特征融合的方法,提出一种基于Kinect骨骼数据的人体动作识别算法。从人体三视图的投影来提取运动特征,可以消除人体自遮挡的影响。针对人体复杂动作,算法采用分层策略。利用Kinect获得的骨骼关节点坐标,根据人体三视图投影提取二维空间的人体关节角特征,并运用支持向量机(SVM)方法对动作进行粗分类;进一步提取二维投影平面内的关节位置矢量、角速度和加速度特征,运用隐马尔可夫模型(HMM)的方法对动作进行细分类。利用本文方法对公开数据集MSR Action 3D实验,平均识别率达93.37%,实验结果表明,该方法准确性较高,鲁棒性较强。     

基于姿态角的双Kinect数据融合技术及应用

针对单个Kinect深度图像传感器在人机交互时的骨骼自遮挡所导致的识别精度问题,提出了基于姿态角的双Kinect数据融合技术。首先,通过两台Kinect采集人体关节的数据信息;并做坐标统一化处理;其次,提出了基于姿态角的骨骼数据融合算法模型,同时依据Kinect SDK构建标准姿势特征向量集合;随后,根据骨骼活动度分配对应骨骼贡献度大小,进而计算融合后的姿势特征向量集合与标准姿势特征向量集合的余弦和,实时反馈两者姿势的匹配度,实现人体姿势的识别。通过构建数据融合处理平台,并应用于人体姿势识别,验证了该方法在不影响识别速率的前提下,提高了人体姿势识别的精准度。     

基于神经动力学的冗余机械臂恒定转速比算法

提出一种基于神经动力学的恒定转速比（CRR）算法,用于解决冗余机械臂运动规划末端精度问题.在运动规划中,通过神经动力学求解出雅可比矩阵伪逆,由4阶龙格-库塔法得出实时精准的关节角速度,从而获得各关节平均速度比,并将其比值关系带入CRR算法中求解出最优关节角度.与传统的加权伪逆运动规划不同,CRR算法是在关节角位置层面求解,这也正是提高冗余机械臂末端精度的关键环节.在文末,通过平面3自由度和平面6自由度冗余机械臂模型进行运动规划仿真,仿真结果验证了算法的有效性.      

基于Kinect的双臂机器人动作模拟与轨迹规划

提出了一种基于Kinect的双臂机器人动作模拟与轨迹规划的方法。运用空间向量法计算出人体关节转动角度,通过建立人体关节与机器人关节的映射关系,将体感设备采集到的人体骨骼信息通过无线方式将控制命令传输给机器人,实现机器人的动作模拟。机器人的轨迹规划通过使用体感设备采集手臂末端位姿及运动轨迹,通过逆运动学求解,实现机器人手臂沿相同位姿运动。最后,通过仿真和实验验证了所提出方法的有效性。     

基于p-h算法的可变焦距相对定向标定算法研究

针对传统可变焦距相对定向标定算法存在对初始值依赖性大、收敛性差等问题,提出一种基于p-h算法的可变焦距相对定向方法。此方法采用单位四元数代替三角函数来描述旋转矩阵,根据最小二乘法原理进行迭代求解,引入p-h算法进行优化,建立了相应的解算模型,解决三角函数描述旋转矩阵所造成算法缺陷。实验结果显示,改进后的算法具有对初始值依赖性小、收敛速度快、迭代次数少、对大角有很强的适应性等特点,解决了三角函数描述旋转矩阵带来的多值性、奇异性问题。     

高动态捷联姿态测量的改进型圆锥误差补偿算法研究

高动态条件下,传统圆锥补偿算法存在不可交换性误差。为抑制圆锥误差,提出了基于角速率输出的等效旋转矢量三子样二次迭代优化算法;并采用修正型罗德里格斯参数进行更新,推导了相应的圆锥补偿算法方程和表达式。在不同圆锥运动频率下和不同更新频率下,仿真验证得出了改进算法在精度和稳定性方面均较四元数法、三子样算法均有提高。实测结果表明,改进算法受圆锥半角、圆锥运动频率的影响较小,在高动态条件下较传统算法性能更优。     

永磁球形步进电动机及自适应控制方式

针对永磁球形步进电动机,运用卡尔丹角旋转建立了转子固连坐标系下电动机转子动力学模型.结合对步进式结构球形电动机进行电流控制的思想,设计了基于输入-输出稳定性理论的控制方案.然后,对电动机负载影响转子各轴向转动惯量的情况设计了一种新的自适应控制方案,使得转子在负载状况下仍然可以作连续轨迹(CP)运动.最后,结合已得的转矩模型,利用广义逆计算16个定子线圈的通电电流,完成了控制方案的实现.     

基于动作捕捉的无人机运动状态识别

无人机运动状态识别是无人机运行状态分析的基础,是实现无人机航迹预测的必要条件。对于非合作目标来说,动作捕捉系统可以有效采集其航迹数据。提出一种基于动作捕捉的无人机运动状态识别方法。首先,通过插值、重采样、滤波等方法对包含噪声的无人机航迹数据进行预处理;然后,通过特征提取与特征选择方法,针对速度、加速度、曲率、转角这4个运动参数,提取无人机运动特征;并分割无人机航迹。最后运用支持向量机的方法进行无人机运动状态识别,对速度、加速度、曲率的分类精度分别达到了95%、90%和100%。证明了本方法的可行性。     

基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算

为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。