[發(fā)明專利]利用慣性傳感器和深度攝像頭傳感器獲取運(yùn)動數(shù)據(jù)的方法

在審

• 申請?zhí)枺?/td>: 201811098298.9
• 申請日: 2018-09-20
• 公開（公告）號: CN109186594A
• 公開（公告）日: 2019-01-11
• 發(fā)明（設(shè)計）人: 顧少聘;應(yīng)俊;劉偉;薛瑋隆
• 申請（專利權(quán)）人: 鎏玥（上海）科技有限公司
• 主分類號: G01C21/16
• 分類號: G01C21/16;G01S11/12
• 代理公司: 上海領(lǐng)洋專利代理事務(wù)所(普通合伙) 31292
• 代理人: 俞晨波

本發(fā)明公開了一種利用慣性傳感器和深度攝像頭傳感器獲取運(yùn)動數(shù)據(jù)的方法，1)已經(jīng)安裝配置好的深度攝像頭連接到計算機(jī)，得到人體關(guān)節(jié)在空間中的數(shù)據(jù)以及對應(yīng)的可信度；2)在需要優(yōu)化的用戶關(guān)節(jié)位置綁好慣性傳感器，該慣性傳感器通過無線連接到計算機(jī)；3)需要獲取的是關(guān)節(jié)狀態(tài)x＝(P_x，P_y，P_z)，該關(guān)節(jié)狀態(tài)即為關(guān)節(jié)在定義的坐標(biāo)系下的坐標(biāo)點；本發(fā)明提供的利用慣性傳感器和深度攝像頭傳感器獲取運(yùn)動數(shù)據(jù)的方法，慣性傳感器會綁在運(yùn)動人員需要矯正的關(guān)節(jié)部位，本發(fā)明基于擴(kuò)展卡爾曼濾波，但由于深度攝像頭識別所得人體關(guān)節(jié)數(shù)據(jù)方差和人體姿勢、坐標(biāo)等很多關(guān)系變化，難以定量，引入可信度去修正這一點。

技術(shù)領(lǐng)域

本發(fā)明涉及人體識別、智能運(yùn)動、傳感器融合技術(shù)領(lǐng)域，進(jìn)一步說，尤其涉及一種利用慣性傳感器和深度攝像頭傳感器獲取運(yùn)動數(shù)據(jù)的方法。

背景技術(shù)

機(jī)器人的人體識別是室內(nèi)機(jī)器人的核心支撐技術(shù)，深度攝像頭作為室內(nèi)機(jī)器人的通用傳感器部件，可以返回帶有深度信息的彩色圖像。合理利用這些信息，可以高效，準(zhǔn)確的得到人的點云信息。現(xiàn)有的室內(nèi)機(jī)器人的人體識別通常是基于人臉識別，例如讓人走到機(jī)器人面前，機(jī)器人根據(jù)人臉識別算法判斷出這個人是誰。要實現(xiàn)室內(nèi)機(jī)器人高效、準(zhǔn)確的人體識別，在技術(shù)上主要有如下幾個問題。1.人體檢測，目標(biāo)是在環(huán)境中準(zhǔn)確的將人的點云與周圍環(huán)境的點云分離出來。2.特征提取，目標(biāo)是選擇合適的特征，使得人體識別的準(zhǔn)確率較高。由于光線，角度等一系列的變化，需要找出對光線變化以及角度變化不敏感的特征。3.特征學(xué)習(xí)，得到了上述特征數(shù)據(jù)，還需要對上述特征進(jìn)行學(xué)習(xí)，得到一個合適的判別式，使得同一個人特征值差別要比不同人的特征值差別要小。雖然基于深度攝像頭的人體識別技術(shù)越來越火，但在很多場合下深度攝像頭存在很多誤差。

發(fā)明內(nèi)容

本發(fā)明為解決上述技術(shù)問題而采用的技術(shù)方案是提供一種利用慣性傳感器和深度攝像頭傳感器獲取運(yùn)動數(shù)據(jù)的方法，其中，具體技術(shù)方案為：

1)已經(jīng)安裝配置好的深度攝像頭連接到計算機(jī)，得到人體關(guān)節(jié)在空間中的數(shù)據(jù)以及對應(yīng)的可信度；

2)在需要優(yōu)化的用戶關(guān)節(jié)位置綁好慣性傳感器，該慣性傳感器通過無線連接到計算機(jī)；

3)需要獲取的是關(guān)節(jié)狀態(tài)x＝(P_x，P_y，P_z)，該關(guān)節(jié)狀態(tài)即為關(guān)節(jié)在定義的坐標(biāo)系下的坐標(biāo)點；

4)定義一個輸入量u_x使得：此輸入量也是慣性傳感器的的輸入值；

5)慣性傳感讀數(shù)需要本身坐標(biāo)系到世界坐標(biāo)系的轉(zhuǎn)換；

其中T_imu為慣性傳感器坐標(biāo)系到世界坐標(biāo)系的轉(zhuǎn)換矩陣；

6)該系統(tǒng)用一個離散的非線性微分方程來描述：

X(k)＝AX(k-1)+BU(k)+W(k)

其中P，V，Ac分別代表關(guān)節(jié)點的位置、速度、加速度；U是輸入量，這個輸入量是由慣性傳感器輸入所得；

進(jìn)一步的，W～N(0，Q(d))，W是過程噪聲，Q(d)與運(yùn)動距離相關(guān)，運(yùn)動距離越大，噪聲協(xié)方差越大；

7)觀測方程通過深度攝像頭獲取的關(guān)節(jié)點數(shù)據(jù)來建立；

Z(k)＝CX(k)+V(k)

其中C為3維單位矩陣。V～N(0，R(trust)))，這里R為基于深度攝像頭人體識別的可信度計算得到的觀測噪聲協(xié)方差；

上述的利用慣性傳感器和深度攝像頭傳感器獲取運(yùn)動數(shù)據(jù)的方法，其中：

8)根據(jù)1～7，基于擴(kuò)展卡爾曼濾波器和慣性傳感器數(shù)據(jù)，將預(yù)測方程線性化，更新預(yù)測方程和預(yù)測誤差協(xié)方差：