CN202177381U - 运动姿态数据获取装置与人体运动姿态追踪系统 - Google Patents
运动姿态数据获取装置与人体运动姿态追踪系统 Download PDFInfo
- Publication number
- CN202177381U CN202177381U CN2011201417748U CN201120141774U CN202177381U CN 202177381 U CN202177381 U CN 202177381U CN 2011201417748 U CN2011201417748 U CN 2011201417748U CN 201120141774 U CN201120141774 U CN 201120141774U CN 202177381 U CN202177381 U CN 202177381U
- Authority
- CN
- China
- Prior art keywords
- field intensity
- magnetic field
- attitude
- unit
- attitude data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Navigation (AREA)
Abstract
本实用新型提供的运动姿态数据的获取装置包括:与递归自回归滤波单元电连接的测量单元和地磁场强度传感单元,所述测量单元用于测量运动物体的姿态数据,所述地磁场强度传感单元用于测量磁场强度观测量;将所述磁场强度观测量与所述运动物体的测量姿态数据进行递归自回归滤波得到所述运动物体的姿态数据。本实用新型还提供了一种人体运动姿态追踪系统。本实用新型引入地磁场强度传感单元测量磁场强度,利用磁场强度对测量单元测得的姿态数据进行修正,解决了角速度测量时产生的累积误差问题。
Description
技术领域
本实用新型涉及微机械(MEMS)领域,尤其涉及一种运动姿态数据获取装置和人体运动姿态追踪系统。
背景技术
运动物体的姿态追踪技术,已广泛运用于各领域,尤其在航天航海、天线雷达、人体运动姿态建模等领域。近年,随着MEMS的迅速发展,运动姿态追踪技术逐渐融合进MEMS的理念,将运动姿态追踪所需的测量部件微型化、集成化,形成集微型机构、微型传感器、微型执行器以及信号处理和控制电路等于一体的微型运动姿态追踪设备。这些设备具有成本低、体积小、重量轻等特点,因而广受人们青睐。
运动物体的姿态追踪需要首先获得运动物体的姿态数据。现有技术中,常用微型运动姿态数据获取设备来收集姿态数据,该设备主要集成有陀螺仪器件,将该设备安装于目标物体上后,处于工作状态的陀螺仪传感器将收集运动物体的姿态数据(横滚角、俯仰角、航向角)。运动姿态数据获得后即可利用该数据对该运动物体的虚拟模型进行驱动,从而实时再现运动物体的运动过程,实现追踪。在进行人体运动姿态追踪时,多个集成有陀螺仪器件的微型运动姿态数据获取设备绑定在人体的主要关节部位,通过这些器件收集人体各运动部位的姿态数据,然后利用这些数据驱动人体模型相应部位运动,并用3D画面直观地显示出人体运动过程,从而实现人体运动姿态追踪。
然而,陀螺仪器件测量的运动物体姿态数据具有误差,必须进行修正后才能真实地反应出运动物体的运动姿态。这种误差产生的大致过程是:陀螺仪器件直接测量的数据为角速度,该角速度值为瞬间量,大多数情况下不能直接使用,而需要对该角速度进行时间积分,得到角度变化量,然后加上初始角度作为最后的角度值才是运动物体的姿态数据,这种积分过程积分时间 (dt)越小,得到的角度值越准确,由于陀螺仪测量基准是其自身而非外在的绝对参照物,加之积分时间(dt)不可能无限缩小,积分的累积误差将随时间推移迅速增加,进而导致测量的运动姿态数据与实际数据发生偏差。一种解决陀螺仪积分累积误差的方法是在运动姿态追踪设备中增加加速度传感器,用于测量重力方向的加速度数值,在无外力加速度情况下,可较为准确地输出运动物体的横滚角和俯仰角,如果有外力加速作用,通过具有递归自回归滤波功能的卡尔曼滤波器进行数据融合,最后得出运动物体的运动姿态数据。但是,由于加速度测量的重力方向与航向角正交,无法用加速度传感器消除水平方向的陀螺仪累积误差,导致运动姿态的航向角数据与实际值不相符合,进而在进行运动物体追踪时不能准确地追踪运动物体。
实用新型内容
有鉴于此,本实用新型在现有系统中增加地磁场传感器件,通过将该传感器件收集到的地磁场数据作为观测值输入递归自回归单元中进行数据融合,利用递归自回归单元的递归收敛功能消除角速度仪在水平方向的累积误差,得到最优的姿态数据,进而较好地实现运动物体的追踪。
本实用新型提供的一种运动姿态数据的获取装置包括:测量单元、地磁场强度传感单元和递归自回归滤波单元,所述测量单元、地磁场强度传感单元分别与递归自回归滤波单元电连接,其中:
所述测量单元,用于测量运动物体的姿态数据;
所述地磁场强度传感单元,用于记录运动物体处于第一测量航向角时的第一磁场强度,所述第一测量航向角与运动物体的真实航向角相同;
所述地磁场强度传感单元,还用于记录将运动物体处于第二测量航向角时对应的地磁场强度的方向回转α角度后所在位置的第二磁场强度,所述α为所述第二测量航向角与第一测量航向角之差;
所述地磁场强度传感单元,还用于将所述第一磁场强度与第二磁场强度按照预设规则运算得到磁场强度观测量;
所述递归自回归滤波单元,用于将所述磁场强度观测量与所述运动物体的测量姿态数据进行递归自回归滤波得到所述运动物体的姿态数据。
优选地,所述第一测量航向角为零度航向角。
优选地,所述装置进一步包括动态调整单元,
所述动态调整单元,用于将统计分析所述磁场强度观测量得到的数据变化率和超量程时间百分比相乘得到第一动态调整系数;将所述第一动态调整系数与获取磁场强度观测量时产生的观测噪声协方差相乘后的结果反馈给所述递归自回归滤波过程;
所述动态调整单元,还用于将统计分析所述测量姿态数据得到的数据变化率和超量程时间百分比相乘得到第二动态调整系数;将所述第二动态调整系数与测量姿态数据时产生的激励噪声协方差相乘后的结果反馈给所述递归自回归滤波过程。
优选地,所述递归自回归滤波单元为卡尔曼滤波器。
本实用新型提供的一种人体运动姿态追踪系统包括:至少一个人体运动部位姿态数据获取装置、发送模块、接收模块、人体姿态重构模块和人体姿态呈现模块,其中:
所述人体运动部位姿态数据获取装置,用于收集人体各运动部位的姿态数据后将该数据传输给发送模块;该装置包括测量单元、地磁场强度传感单元和递归自回归滤波单元,所述测量单元、地磁场强度传感单元分别与递归自回归滤波单元电连接,其中:
所述测量单元,用于测量人体运动部位的姿态数据;
所述地磁场强度传感单元,用于记录人体运动部位处于第一航向角时的第一磁场强度,所述第一测量航向角与运动物体的真实航向角相同;
所述地磁场强度传感单元,还用于记录将人体运动部位处于第二测量航向角时对应的地磁场强度的方向回转α角度后所在位置的第二磁场强度,所述α为第二测量航向角与第一测量航向角之差;
所述地磁场强度传感单元,还用于将第一磁场强度与第二磁场强度按照预设规则运算得到磁场强度观测量;
所述递归自回归滤波单元,用于将所述磁场强度观测量与所述人体运动部位的测量姿态数据进行递归自回归滤波得到所述人体运动部位的姿态数据;
所述发送模块,用于将所述人体运动姿态数据获取装置获取的人体各运 动部位的姿态数据发送给所述人体姿态重构模块;
所述接收模块,用于接收所述人体运动部位姿态数据获取装置获取的人体各运动部位的姿态数据;
所述人体姿态重构模块,将接收模块接收的人体各运动部位的姿态数据用于驱动人体模型相应部位运动;
所述人体姿态呈现模块,用于虚拟再现人体的运动。
优选地,该系统进一步包括第一无线通信单元和第二无线通信单元,所述发送模块通过第一无线通信单元将所述人体各运动部位的姿态数据发送给所述人体姿态重构模块;所述接收模块通过第二无线通信单元接收所述人体运动姿态数据获取装置获取的姿态数据。
进一步优选地,所述第一无线通信单元集成于所述姿态数据发送模块内;所述第二无线通信单元集成于所述姿态数据接收模块内。
本实用新型在现有技术基础上引入磁场强度,将磁场强度数据作为观测值与运动物体姿态的先验估计值进行递归自回归滤波,利用递归自回归滤波过程的递归收敛功能消除陀螺仪水平方向的累积误差,由此得到较为准确的航向角数据,从而实现运动物体姿态追踪。
附图说明
图1为本实用新型进行运动姿态数据收集采用的坐标系统示意图;
图2为本实用新型的装置工作流程图;
图3为本实用新型的装置工作流程中卡尔曼滤波过程示意图;
图4为本实用新型的装置的动态调整单元的工作过程示意图;
图5为本实用新型的装置实施例的组成框图;
图6为本实用新型的装置实施例的动态调整单元的组成框图;
图7为本实用新型的系统实施例的组成框图。
具体实施方式
本实用新型的主要思想是:在现有技术基础上收集地磁场强度数据作为观测值与运动物体测量姿态数据进行递归自回归滤波,利用递归自回归滤波 过程的递归收敛功能消除陀螺仪水平方向的累积误差,由此得到较为准确的航向角数据,从而实现运动物体姿态追踪。
磁场强度数据与运动物体测量姿态数据的递归自回归滤波有多种实现方式,本实用新型优选使用具有递归自回归滤波功能的卡尔曼滤波方法进行该处理过程。为便于详细阐释本实用新型的技术方案,先对卡尔曼滤波的工作原理进行简要介绍。卡尔曼滤波是一种递归自回归数据处理算法,它通过反馈控制的方法估计过程状态,对每次输出的状态结果进行循环修正,直至得到最优的过程状态数据。卡尔曼滤波可分成两个循环过程:时间更新过程和测量更新过程,前者负责及时向前推算当前状态变量和误差协方差的估计值以构造下一个时间状态的先验估计;后者将先验估计和测量变量结合以构造改进的后验估计;时间更新过程可视为预估过程,测量更新过程可视为校正过程,整个估计算法实质是一种具有数值解的预估-校正算法。卡尔曼滤波过程可用如下的五个公式表达。
公式1:由前一时刻系统状态估计现在时刻系统状态
X(k|k-1)=AX(k-1|k-1)+BU(k)
式中,X(k|k-1)是利用系统(k-1)时刻的系统状态估计的k时刻的系统状态,称为先验估计,X(k-1|k-1)是(k-1)时刻系统的最优状态值,U(k)是k时刻的系统控制输入量,A、B是系统参数,分别表示系统状态转移矩阵和外部激励输入矩阵。
公式2:由前一时刻系统误差协方差估计现在时刻的系统误差协方差
P(k|k-1)=AP(k-1|k-1)AT+Q
式中,P(k|k-1)是利用系统(k-1)时刻的误差协方差估计的k时刻的系统误差协方差,Q是激励噪声协方差。
根据公式1得到的系统k时刻的先验估计值X(k|k-1),再结合k时刻的测量值Z(k)即可推算出k时刻的系统状态最优值X(k|k),推算公式为:
公式3:由先验估计值和测量值推算系统状态最优值
X(k|k)=X(k|k-1)+K(k)[Z(k)-HX(k|k-1)]
其中H为矩阵,是系统测量参数,表示状态变量增益,H矩阵把观测变 量和状态变量关联起来;K(k)为卡尔曼增益,由公式4得到:
K(k)=P(k|k-1)HT[HP(k|k-1)HT+R]-1
式中的R为观测噪声协方差。
公式5:由构造先验估计产生的估计协方差与卡尔曼增益推算将用于k+1时刻的误差协方差:
P(k|k)=[I-K(k)H]P(k|k-1)
式中,I为矩阵,对于单模型单测量,I=1。
为使本领域技术人员能进一步了解本实用新型的特征及技术内容,下面结合附图和实施例,对本实用新型的技术方案进行详细描述。
实施例一
实现运动物体追踪需要知道运动物体姿态的参数描述(即运动物体在参考空间中的方位)。运动物体姿态通常通过与运动物体相固接的运动参考坐标系OXCYCZC与定参考坐标系OXYZ之间的夹角表示。两坐标系的原点均取在运动物体质心,定参考坐标系X轴水平指向东,Y轴水平指向北,Z轴垂直地面指向天顶;与运动物体相固接的运动参考坐标系的XC垂直运动物体运动方向指向右,YC轴沿着运动物体运动方向指向前方,ZC沿运动物体纵轴指向上方。定参考坐标系与运动参考坐标系的关系如图1所示。假设运动物体坐标系初始时与定参考坐标系原点重合,根据上述定义,运动物体的任意姿态均可通过下述三次转动得到:(1)绕Y轴旋转俯仰角θ;(2)绕X轴旋转横滚角Ψ;(3)绕Z轴旋转航向角φ。由此,要实现运动物体姿态追踪只需获得上述三个数据即可。三轴陀螺仪可用于测量这些数据,但是如前所述陀螺仪存在误差问题,测出的运动物体姿态数据(θ、Ψ、φ)会在短时间内偏离真实数值。在此基础上加入三轴加速度计可一定程度上消除陀螺仪测得的俯仰角θ和横滚角Ψ两个方面的累积误差。上述使用三轴陀螺仪收集数据定位运动物体姿态的方法称为“三自由度定位法”,使用三轴陀螺仪和三轴加速度计收集数据定位运动物体姿态的方法称为“六自由度定位法”。采用“六自由度定位法”尽管可以消除陀螺仪自身旋转带来的部分误差,但消除不了水平方向的累积误差,即航向角φ会在运动物体姿态数据测量过程中逐 渐偏离真实值。本实施例在此基础上引入磁场仪,用于测量地磁场强度,并将该磁场强度数据作为观测值输入递归自回归滤波器中修正运动物体的测量姿态数据,进而减少和消除陀螺仪的累积误差,得到较为准确的姿态数据,实现运动物体的追踪。
参见附图2,本实施例给出的运动物体姿态数据获取装置的工作过程包括:
步骤101:记录运动物体处于第一测量航向角时的地磁场强度,该地磁场强度作为第一磁场强度,所述第一测量航向角的数值与所述运动物体的真实航向角的数值相同;
这里的第一测量航向角为基准航向角,在此位置角速度仪积分得出的测量姿态数据中的航向角φ与真实的航向角数值不发生偏差;该基准航向角通常选用零度航向角,实际上也可以是其他可以预先校准的航向角,只要保证角速度传感仪测量的航向角和实际航向角数值一致即可。
步骤102:当所述运动物体运动至第二测量航向角时,将所述运动物体所在位置对应的地磁场的方向回转α角度,所述α的数值为第二测量航向角与第一测量航向角之差,记录回转α角度后的位置的地磁场强度,该地磁场强度作为第二磁场强度;
第二测量航向角是角速度传感仪测得的航向角,该航向角由于角速度传感仪工作时的积分过程使得该测量航向角的数值与该位置的真实航向角的数值发生偏差;磁场传感仪可以客观地记录运动物体所在位置的磁场数据,包括该位置磁场强度大小和磁场强度的方向,得到该位置所在地磁场强度的方向后将该方向回转一定角度,这个角度是上述两个测量航向角数值之差,由于第二测量航向角和实际的航向角有偏差,旋转回去后必定与第一测量航向角有偏离,该偏离程度即可反应角速度传感仪积分导致的累积误差。
步骤103:将所述第一磁场强度与第二磁场强度作差,得到磁场强度观测量;
上述两个磁场强度求差结果可以衡量角速度传感仪水平方向累积误差,实际上,除作差方式外,也可以采用其他运算规则进行两个磁场强度数据的处理,比如求平方差、均方差等均可实现衡量误差的目的。
步骤104:将所述磁场强度观测量与所述运动物体的测量姿态数据进行递归自回归滤波得到所述运动物体的姿态数据;
所述运动物体的测量姿态数据是角速度传感仪积分得到的运动物体的姿态数据,该数据在进行本实施例所述步骤之前已经由加速度传感仪消除了横滚角和俯仰角的误差。
本实用新型在现有技术基础上引入磁场强度,以第一测量航向角时的磁场强度为基准,将处于第二测量航向角的运动物体所在位置对应的地磁场强度的方向旋转回一定角度后记录该位置的地磁场强度,然后将上述两个磁场强度求差值得到磁场强度观测量,进而使用该磁场强度观测量输入递归自回归滤波单元进行数据融合,融合过程修正了角速度传感仪积分得到的运动物体姿态数据,消除了水平方向的累积误差。
实施例二
上述实施例步骤104中提到递归自回归滤波的数据融合过程,实际上,运动物体姿态数据与磁场强度数据之间进行递归自回归滤波的具体实现方式有多种,本实用新型优选采用卡尔曼滤波算法实现该过程。参见附图3,卡尔曼滤波方法的数据融合过程为:
q=[w x y z]T
[q]2=w2+x2+y2+z2=1
运动物体姿态的四元数构造基础数据来自于三轴角速度传感仪的测量数据。将测量得到的运动物体姿态的三个参数(θ、Ψ、φ)任意一个代入如下公式中即可构造一个四元数:
w=cos(α/2)
x=sin(α/2)cos(βx)
y=sin(α/2)cos(βy)
z=sin(α/2)cos(βz)
其中:α是运动物体绕坐标轴旋转的角度,cos(βx)、cos(βy) cos(βz)为上述姿态参数在各个轴向的分量。运动物体M在k-1时刻的状态用四元数进行刻化(q1 k-1|k-1,q2 k-1|k-1,q3 k-1|k-1,q4 k-1|k-1)。三轴陀螺仪进行运动姿态数据测量时因各种原因存在误差引起测量值偏置,三轴陀螺仪三个测量方向的偏置估计为(qbias1 k-1|k-1,qbias2 k-1|k-1,qbias3 k-1|k-1)。由运动物体三维姿态数据和对该数据的偏置估计共同构成状态变量,即本实施例中状态向量X(k-1|k-1)为七维向量,该状态变量在首次进行卡尔曼滤波时的初始数值可任意选取,因为卡尔曼滤波过程具有递归收敛功能,任意选取的初始状态对卡尔曼滤波的输出结果并不产生有意义的影响。
由此,根据卡尔曼滤波的公式1,可以估计出运动物体M在k时刻的状态X(k|k-1)=X(k|k-1)=AX(k-1|k-1)+BU(k),即先验估计。构造先验估计的过程本身不可能绝对准确,这种不确定性大小一方面由于陀螺仪自身的旋转导致的数值偏离和漂移引起,一方面由先验估计中引入的激励噪声引起。这些偏差使用误差协方差表示,因此,接下来需要估计系统误差协方差以用于计算卡尔曼增益,进而用于更新状态变量。根据卡尔曼滤波的公式2,推算出k时刻的系统误差协方差P(k|k-1)=P(k|k-1)=AP(k-1|k-1)AT+Q。该误差协方差值在首次进行卡尔曼滤波器时可以任意选取,因为卡尔曼滤波递归收敛功能,任意选取的初始状态对卡尔曼滤波器的输出结果并不产生有意义的影响。得到k时刻的误差协方差后,结合磁传感器数值时的观测噪声误差协方差,根据卡尔曼滤波的公式4可计算出卡尔曼增益K(k)=P(k|k-1)HT[HP(k|k-1)HT+R]-1。获取k时刻的卡尔曼增益K(k)后,将磁传感器获取的磁场向量的观测值Z(k)代入卡尔曼滤波公式3中即可更新状态变量X(k|k)=X(k|k)=X(k|k-1)+K(k)[Z(k)-HX(k|k-1)]。到此,已完成卡尔曼滤波的一次循环,得到了进过修正的运动物体姿态数据。但是为了进行下 一个循环,还需要更新系统的误差协方差,即根据卡尔曼滤波的公式5推算用于k+1时刻的误差协方差P(k|k)=[I-K(k)H]P(k|k-1)。
上面的过程不断循环,通过磁场传感仪获得的磁场强度数据不断地对角速度传感仪积分输出的运动姿态数据进行反馈修正,由角速度传感仪积分产生的水平方向累积误差被消除,运动物体姿态的航向角数与真实值接近。
实施例三
上述实施例中,状态变量中的运动物体姿态参数描述使用的是四元数表示法。实际上对于运动物体姿态参数可直接使用欧拉角表示,甚至其他表示方法,不同的表示方法仅仅是形式上不同,通过数学规则这些表示方法均是可以相互转换的。下面给出四元数与欧拉角之间的转换公式。
四元数到欧拉角的转换公式:
上式中arctan和arcsin的结果是 对于其他角度需要用atan2来代替arctan。即用下面的公式实现转换:
欧拉角到四元数的转换公式:
因此本实用新型并不限制运动物体姿态描述的具体数学形式,只要不妨 碍本实用新型实现解决现有技术问题的目的即可。
实施例四
本实用新型引入磁场传感仪可以如上述描述的方法解决陀螺仪累积误差的问题,但是磁场传感仪具有一定的不稳定性,受外界磁场变化的影响较大。比如当外部磁场突然发生较大变化时,磁场传感仪获得的原始数据出现很大的变化,滤波器由于不知道这是外部磁场变化导致的结果,会按照正常的情况下更新状态方程,导致经过递归自回归后的运动物体姿态数据出现误差。还比如,磁传感器如果发生超量程时也可能导致获取的运动物体姿态数据出现误差。为使递归自回归滤波具有较强的自适应特性,本实用新型的实施例进一步采取动态调整措施,消除上述可能出现的误差。本实施例的递归自回归滤波仍然采用卡尔曼滤波。
参加附图4所示。本实施例的动态调整过程通过更新卡尔曼滤波器的观测噪声协方差矩阵R与激励噪声协方差矩阵Q进而调节置信区间度范围的方式实现。动态调整的具体过程如下:
激励噪声协方差矩阵Q与观测噪声协方差矩阵R需在每次循环时分别乘以各自的动态调整参数,动态调整参数与传感仪的数据变化率和超过量程时间的百分比率的乘积成反比关系。下面用数学式表示该过程:设角速度传感仪测量的姿态数据的数据变化率为α1和超量程时间百分比为β1,磁场传感仪观测的磁场强度数据的数据变化率为α2,超量程时间百分比为β2,则:
D1=1/α1β1 D2=1/α2β2
Qk=D1Qk-1 Rk=D2Rk-1
式中,α1、α2通过对所述数据求导得到;β1、β2为预设时间间隔内传感仪测量数据达到或者超过量程的时间比率,通过统计预设时间间隔内测量数据达到或超过量程的时间占该预设间隔总时间的百分比率得到。
将上述经过动态调整的激励噪声协方差矩阵Q与观测噪声协方差矩阵R代入卡尔曼滤波器,经过卡尔曼滤波器的递归收敛功能即可克服上述技术问题。
实际上,本实施例中传感仪测量数据时遇到的技术问题在运动姿态测量 系统中加速度传感仪中同样存在:(1)当目标物体运动状态由缓慢变化跳跃为快速变化或者相反时,滤波器状态适应性变化滞后,这样运动状态系统的直接测量结果误差增大;(2)当目标物体运动姿态处于较大变化范围时,极有可能接近甚至超出传感单元的最大量程范围,这样传感单元测量的原始数据将会偏离真实运动状况,导致测量中断或者测量结果失效。这些技术问题同样可以采取本实施例的方法进行解决:以传感单元的数据变化率和达到或超过满量程的时间比率为参数对相应传感仪的置信区间[-D,+D]进行反馈控制:传感单元数据的变化率越大,置信空间越小,置信度越低;达到或超量程的时间越多,置信空间越小,置信度越低。
实施例五
附图5是本实用新型装置500的实施例的组成框图。在本实施例中,运动姿态数据获取装置包括测量单元501,该单元包括三轴角速度传感单元5011、三轴加速度传感单元5012,三轴地磁场强度传感单元502以及递归自回归滤波单元503组成,测量单元501、三轴地磁场强度传感单元502分别与递归自回归滤波单元503电连接,测量单元501用于测量运动物体的姿态数据,并将这些数据传送给递归自回归滤波单元503,三轴地磁场强度传感单元502用于获取磁场强度数据,并将该数据传送给递归自回归滤波单元503。
本实施例给出的装置500的工作过程如下:预选建立运动物体姿态测量的工作坐标系,这样的坐标系如实施例一所述,此处不在赘言。然后对运动物体姿态数据的进行收集和转换:在上述坐标系中三轴角速度传感单元5011收集运动物体XYZ三个轴向的数据,三轴加速度传感单元5012收集运动物体重力方向上加速度数据,这六个数据用四元数法转换后作为运动物体姿态的参数描述(航向角、俯仰角、滚转角);三轴地磁场强度传感单元502设定第一测量航向角时的磁场向量作为参考向量,以此为基准收集磁场强度数据。将处于第二测量航向角位置的运动物体对应的地磁场方向旋转两个航向角差值大小的角度,并记录该旋转后的位置的磁场强度数据,这两个磁场强度之差反应了角速度传感单元5011的可能偏差。接下来将这些数据输入到递归自 回归滤波单元503中,进行数据融合处理,由于递归自回归滤波单元503具有递归收敛功能,输入该单元的数据被逐步优化,最后输出最优的运动物体姿态数据。
本实施例在现有技术基础上引入三轴磁场强度传感单元,将第一测量航向角时运动物体所在位置对应的磁场强度作为基准,将第二测量航向角时运动物体所在位置对应的地磁场的方向旋转两个航向角之差的角度大小,记录回转后的位置的磁场强度,将该磁场强度相对于基准磁场强度的大小作为磁场强度观测值,并将该磁场强度观测值输入递归自回归单元进行数据融合,从而消除了角速度传感单元的累积误差,递归自回归单元输出的数据也较为真实地反应了运动物体的姿态,进而可以实现运动物体的准确追踪。
本实施例中的角速度传感单元包括陀螺仪传感器,加速度传感单元包括加速度计,磁场强度传感单元包括磁场计。上述实施例中的递归自回归单元可以是一切具有同样滤波功能的电子元件,本实用新型优选卡尔曼滤波器实现该过程。卡尔曼滤波过程如上述实施例4所示,这里不在重复叙述。
实施例六
如前所述,角速度传感单元和磁场强度传感单元具有一定的不稳定性,受外界磁场变化的影响较大。为使递归自回归单元具有较强的自适应特性,本实用新型的实施例进一步采取动态调整措施。上述实施例中,还可以包括动态调整单元604,用于动态调整卡尔曼滤波过程中的观测噪声协方差矩阵与激励噪声协方差矩阵,将调整后的协方差矩阵输入递归自回归滤波单元603。参见附图6所示,本实施例的动态调整单元604包括数据统计分析单元6041、动态系数计算单元6042和协方差变换单元6043,其中:
数据统计分析单元6041用于分别统计分析所述磁场强度观测量和测量姿态数据得到数据变化率和超过量程时间百分比;
动态系数计算单元6042用于将所述数据变化率与超量程时间百分比相乘分别得到第一动态调整系数和第二动态调整系数;
协方差变换单元6043用于将所述第一动态调整系数乘以获取所述磁场强度观测量时产生的观测噪声协方差得到更新后的观测噪声协方差;将所述 第二动态调整系数乘以所述测量姿态数据时产生的激励噪声协方差得到更新后的激励噪声协方差;将所述更新后的观测噪声协方差和激励噪声协方差反馈给所述递归自回归过程。
将上述经过动态调整的激励噪声协方差矩阵Q与观测噪声协方差矩阵R代入卡尔曼滤波器,经过数据融合单元的递归收敛功能克服了角速度传感单元和磁场传感单元的不稳定性。
实际上,本实施例中角速度传感单元和磁场传感单元测量数据时遇到的技术问题在运动姿态测量系统中加速度传感单元中同样存在,解决的方式与上述过程类似,这里不再重复。
实施例七
附图7是本实用新型提供的人体运动姿态追踪系统实施例的组成框图。本实施例的系统700包括至少一个人体运动部位姿态数据获取装置701、发送模块702、接收模块703和人体姿态重构模块704和人体姿态呈现模块705;其中,人体运动部位姿态数据获取装置701如实施例三所述,用于实现人体运动部位姿态数据的获取;发送模块702与人体运动部位姿态数据获取装置701电连接,用于将人体运动姿态数据获取装置701获取的姿态数据通过接收模块703发送给人体姿态重构模块704;接收模块703与人体姿态重构模块704电连接,用于接收人体运动姿态数据获取装置701通过发送模块702发送的姿态数据;人体姿态重构模块704,将接收的人体各运动部位的姿态数据用于驱动人体模型相应部位运动;人体姿态呈现模块705,用于虚拟再现人体的运动。本系统的工作步骤如下:
步骤S701:人体运动部位姿态数据获取装置701根据权利要求1所述的方法获取人体各运动部位的姿态数据;该装置701至少包括一个,预先固着在人体的各个运动部位上,具体固着的部位根据实际需要选择,可以是人体主要关节点,这些关节点最能反映出人体的运动姿态;
步骤S702:将步骤S701获得的人体各运动部位的运动姿态数据通过发送模块702传输给人体姿态重构模块704;
步骤S703:人体姿态重构模块704通过接收单元703接收到所述人体各 部位运动姿态数据后,驱动人体模型中的各相应部位运动;
步骤S704:人体运动呈现模块705将人体姿态虚拟再现出来。
本实施例中姿态数据在人体运动姿态数据获取装置701与人体姿态重构模块之间传输除可以是有线方式外,本实用新型优选无线方式传输。无线传输时本实施例的系统进一步包括第一无线通信单元706和第二无线通信单元707,由此两个单元来实现数据的无线传输。第一无线通信单元706可以作为单独的模块与姿态数据发送单元702电连接,也可以集成在姿态数据发送模块702内。同样地,本实施例中的第二无线通信单元707可以作为单独的模块与姿态数据接收模块703电连接,也可以集成在姿态数据接收模块703内,本实用新型提供的实施例对这两个模块的连接方式不作限定。至于具体的无线连接的实现方式可以采用蓝牙、WIFI或者下一代通信网络LTE等,所使用的传输协议可以是基于IEEE802.15.4的上层星型协议,也可以是其他实现无线连接方式的传输协议,均不妨碍本实施例实用新型目的的实现。
本实施例给出了人体运动姿态追踪的完整系统,该系统采用了实施例三所述的装置,解决了陀螺仪累积误差的问题。同时,本实施例通过发送模块702与接收模块703之间的无线连接,实现了运动姿态全方位无限制测量,扩大了运动姿态追踪系统的使用范围。
以上所述仅为本实用新型的较佳实施例,并不用以限制本实用新型,凡在本实用新型的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在实用新型的保护范围之内。
Claims (7)
1.一种运动姿态数据的获取装置,其特征在于,该装置包括:测量单元、地磁场强度传感单元和递归自回归滤波单元,所述测量单元、地磁场强度传感单元分别与递归自回归滤波单元电连接,其中:
所述测量单元,用于测量运动物体的姿态数据;
所述地磁场强度传感单元,用于记录运动物体处于第一测量航向角时的第一磁场强度,所述第一测量航向角与运动物体的真实航向角相同;
所述地磁场强度传感单元,还用于记录将运动物体处于第二测量航向角时对应的地磁场强度的方向回转α角度后所在位置的第二磁场强度,所述α为所述第二测量航向角与第一测量航向角之差;
所述地磁场强度传感单元,还用于将所述第一磁场强度与第二磁场强度按照预设规则运算得到磁场强度观测量;
所述递归自回归滤波单元,用于将所述磁场强度观测量与所述运动物体的测量姿态数据进行递归自回归滤波得到所述运动物体的姿态数据。
2.根据权利要求1所述的装置,其特征在于,所述第一测量航向角为零度航向角。
3.根据权利要求1所述的装置,其特征在于,所述装置进一步包括动态调整单元,
所述动态调整单元,用于将统计所述磁场强度观测量得到的数据变化率和超量程时间百分比相乘得到第一动态调整系数;将所述第一动态调整系数与获取磁场强度观测量时产生的观测噪声协方差相乘后的结果反馈给所述递归自回归滤波过程;
所述动态调整单元,还用于将统计所述测量姿态数据得到的数据变化率和超量程时间百分比相乘得到第二动态调整系数;将所述第二动态调整系数与测量姿态数据时产生的激励噪声协方差相乘后的结果反馈给所述递归自回归滤波过程。
4.根据权利要求1至3中任何一项所述的装置,其特征在于,所述递归自回归滤波单元为卡尔曼滤波器。
5.一种人体运动姿态追踪系统,其特征在于,该系统包括:至少一个人 体运动部位姿态数据获取装置、发送模块、接收模块、人体姿态重构模块和人体姿态呈现模块,其中:
所述人体运动部位姿态数据获取装置,用于收集人体运动部位的姿态数据后将该数据传输给发送模块;该装置包括测量单元、地磁场强度传感单元和递归自回归滤波单元,所述测量单元、地磁场强度传感单元分别与递归自回归滤波单元电连接,其中:
所述测量单元,用于测量人体运动部位的姿态数据;
所述地磁场强度传感单元,用于记录人体运动部位处于第一航向角时的第一磁场强度,所述第一测量航向角与运动物体的真实航向角相同;
所述地磁场强度传感单元,还用于记录将人体运动部位处于第二测量航向角时对应的地磁场强度的方向回转α角度后所在位置的第二磁场强度,所述α为第二测量航向角与第一测量航向角之差;
所述地磁场强度传感单元,还用于将第一磁场强度与第二磁场强度按照预设规则运算得到磁场强度观测量;
所述递归自回归滤波单元,用于将所述磁场强度观测量与所述人体运动部位的测量姿态数据进行递归自回归滤波得到所述人体运动部位的姿态数据;
所述发送模块,用于将所述人体运动部位姿态数据获取装置获取的人体各运动部位的姿态数据发送给所述人体姿态重构模块;
所述接收模块,用于接收所述人体运动部位姿态数据获取装置的人体各运动部位的姿态数据;
所述人体姿态重构模块,将接收模块接收的人体各运动部位的姿态数据用于驱动人体模型相应部位运动;
所述人体姿态呈现模块,用于虚拟再现人体的运动。
6.根据权利要求5所述的系统,其特征在于,该系统进一步包括第一无线通信单元和第二无线通信单元,所述发送模块通过第一无线通信单元将所述人体各运动部位的姿态数据发送给所述人体姿态重构模块;所述接收模块通过第二无线通信单元接收所述人体运动姿态数据获取装置获取的姿态数 据。
7.根据权利要求6所述的系统,其特征在于,所述第一无线通信单元集成于所述发送模块内;所述第二无线通信单元集成于所述接收模块内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011201417748U CN202177381U (zh) | 2011-05-06 | 2011-05-06 | 运动姿态数据获取装置与人体运动姿态追踪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011201417748U CN202177381U (zh) | 2011-05-06 | 2011-05-06 | 运动姿态数据获取装置与人体运动姿态追踪系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN202177381U true CN202177381U (zh) | 2012-03-28 |
Family
ID=45867257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011201417748U Expired - Fee Related CN202177381U (zh) | 2011-05-06 | 2011-05-06 | 运动姿态数据获取装置与人体运动姿态追踪系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN202177381U (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252676A (zh) * | 2011-05-06 | 2011-11-23 | 微迈森惯性技术开发(北京)有限公司 | 运动姿态数据获取、人体运动姿态追踪方法及相关设备 |
CN102989126A (zh) * | 2012-11-23 | 2013-03-27 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别的儿童手眼协调性训练与评测系统 |
CN102989121A (zh) * | 2012-11-23 | 2013-03-27 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别的脑退化症预防和康复训练系统 |
CN103257357A (zh) * | 2013-04-18 | 2013-08-21 | 太原理工大学 | 一种简化数字符合多普勒展宽谱仪 |
CN107374566A (zh) * | 2017-07-13 | 2017-11-24 | 重庆金山医疗器械有限公司 | 一种基于变化磁场的胶囊内窥镜全姿态测定方法及系统 |
CN110044350A (zh) * | 2019-04-15 | 2019-07-23 | 北京航空航天大学 | 应用改进动态递归网络的mems陀螺随机漂移建模方法 |
CN110186453A (zh) * | 2019-06-29 | 2019-08-30 | 西安六韬信息科技有限公司 | 一种运动姿态数据的获取装置以及方法 |
CN111148966A (zh) * | 2017-07-28 | 2020-05-12 | 西斯纳维 | 由磁传感器测量的磁场确定航向 |
CN111183335A (zh) * | 2017-07-28 | 2020-05-19 | 西斯纳维 | 表征由磁场测量值确定的航向的方法和设备 |
-
2011
- 2011-05-06 CN CN2011201417748U patent/CN202177381U/zh not_active Expired - Fee Related
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252676A (zh) * | 2011-05-06 | 2011-11-23 | 微迈森惯性技术开发(北京)有限公司 | 运动姿态数据获取、人体运动姿态追踪方法及相关设备 |
CN102252676B (zh) * | 2011-05-06 | 2014-03-12 | 微迈森惯性技术开发(北京)有限公司 | 运动姿态数据获取、人体运动姿态追踪方法及相关设备 |
CN102989126B (zh) * | 2012-11-23 | 2016-03-09 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别的儿童手眼协调性训练与评测系统 |
CN102989126A (zh) * | 2012-11-23 | 2013-03-27 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别的儿童手眼协调性训练与评测系统 |
CN102989121A (zh) * | 2012-11-23 | 2013-03-27 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别的脑退化症预防和康复训练系统 |
CN102989121B (zh) * | 2012-11-23 | 2015-06-24 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别的脑退化症预防和康复训练系统 |
CN103257357A (zh) * | 2013-04-18 | 2013-08-21 | 太原理工大学 | 一种简化数字符合多普勒展宽谱仪 |
CN107374566A (zh) * | 2017-07-13 | 2017-11-24 | 重庆金山医疗器械有限公司 | 一种基于变化磁场的胶囊内窥镜全姿态测定方法及系统 |
CN111148966A (zh) * | 2017-07-28 | 2020-05-12 | 西斯纳维 | 由磁传感器测量的磁场确定航向 |
CN111183335A (zh) * | 2017-07-28 | 2020-05-19 | 西斯纳维 | 表征由磁场测量值确定的航向的方法和设备 |
CN111183335B (zh) * | 2017-07-28 | 2022-02-11 | 西斯纳维 | 一种确定航向的方法和通过磁传感器确定航向的设备 |
CN111148966B (zh) * | 2017-07-28 | 2022-04-05 | 西斯纳维 | 一种用磁传感器确定航向的方法和设备 |
CN110044350A (zh) * | 2019-04-15 | 2019-07-23 | 北京航空航天大学 | 应用改进动态递归网络的mems陀螺随机漂移建模方法 |
CN110186453A (zh) * | 2019-06-29 | 2019-08-30 | 西安六韬信息科技有限公司 | 一种运动姿态数据的获取装置以及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102252676B (zh) | 运动姿态数据获取、人体运动姿态追踪方法及相关设备 | |
CN202177381U (zh) | 运动姿态数据获取装置与人体运动姿态追踪系统 | |
US10322819B2 (en) | Autonomous system for taking moving images from a drone, with target tracking and improved target location | |
Li et al. | Attitude determination by integration of MEMS inertial sensors and GPS for autonomous agriculture applications | |
García Carrillo et al. | Combining stereo vision and inertial navigation system for a quad-rotor UAV | |
US10240930B2 (en) | Sensor fusion | |
CN104698486B (zh) | 一种分布式pos用数据处理计算机系统实时导航方法 | |
EP1865286A2 (en) | Object locating in restricted environments using personal navigation | |
CN102353375B (zh) | 运动姿态数据的动态参数调整方法与设备 | |
KR20130093526A (ko) | 다중 전자기적 신호들로부터 본체의 공간적 방위 정보를 판단 | |
CN106772493A (zh) | 基于北斗差分定位的无人机航向测算系统及其测算方法 | |
Patel et al. | Multi-IMU based alternate navigation frameworks: Performance & comparison for UAS | |
CN109725284A (zh) | 用于确定物体的运动方向的方法和系统 | |
CN116518959A (zh) | 基于uwb与3d视觉结合的空间摄像机的定位方法和装置 | |
Kritskiy et al. | Increasing the reliability of drones due to the use of quaternions in motion | |
Coppa et al. | Accuracy enhancement of unmanned helicopter positioning with low-cost system | |
García et al. | Analysis of sensor data and estimation output with configurable UAV platforms | |
Ludwig | Investigation of orientation estimation of multiple imus | |
Veth et al. | Tightly-coupled ins, gps, and imaging sensors for precision geolocation | |
Wang et al. | Application of Low Cost Integrated Navigation System in Precision Agriculture. | |
Yang et al. | Rotation estimation for mobile robot based on single-axis gyroscope and monocular camera | |
Huang et al. | Integration of MEMS inertial sensor-based GNC of a UAV | |
Luttwak | Human Motion Tracking and Orientation Estimation using inertial sensors and RSSI measurements | |
Dadkhah et al. | A model-aided ahrs for micro aerial vehicle application | |
CN104792336A (zh) | 一种飞行状态测量方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120328 Termination date: 20180506 |
|
CF01 | Termination of patent right due to non-payment of annual fee |