自由环境下的基于可穿戴惯导和视觉传感器融合的人体姿态识别技术研究

Recently, human motion capture systems have been widely used in biomedical field. High-resolution, quantitative data obtained by these systems can be used to better understand the cause of many diseases for more effective treatments. This project is to propose a novel technique which can collect and process human posture in free-living environments. Firstly, we plan to propose an algorithm for orientation estimation to alleviate accumulated drifts based on three major approaches (stochastic approach, deterministic approach and frequency-based approach); we will present a Gauss-Newton mathematic model based on the integration of deterministic approach and frequency-based approach; we also design a compensation algorithm for good estimation in conditions of fast motions and magnetic distortions. Second, based on the stochastic method of information fusion, we will present a mathematic model for multi-sensor fusion and design a mutual feedback system between inertial and vision sensors. Finally, we will seek an effective algorithm for best human posture recognition. The project belongs to the frontier directions of the biological and medical treatment, the human body kinematics and multi-sensor fusion, not only has a promoting effect on the theory and method of multi-sensor fusion, but also can promote the development of clinical medical service in our country and mitigate the problems caused by the aging, so it has certain theoretical value and practical value.

近年来，人体动态捕捉系统在生物医疗领域的应用非常广泛，通过获得高分辨率、大容量的数据，可以有利于人体对疾病的预防和治疗。本项目拟寻找一种技术能够对在自由环境下的人进行姿态的采集和处理。拟研究基于处理惯导传感器的低频漂移误差积累问题的三种方法（随机、确定性和基于频率的方法），提出方向估计中的积累误差抑制算法；构建基于确定性方法和基于频率的方法相结合的高斯牛顿数学模型和构建去除快速运动和外界磁干扰的补偿算法。研究基于随机方法的信息融合方法，构建多传感器信息融合的数学模型和设计多传感器之间的相互反馈系统。研究基于人体结构学和人体运动学，构建线性人体运动模型，开发一套有效的最优化人体姿态识别算法。该项目属于生物医疗，多传感器融合与人体运动学等多学科交叉前沿方向，不仅对多传感器融合的理论和方法有促进作用，而且可以推动我国临床医疗的发展和减缓老龄化带来的诸多问题，具有一定理论价值和实用价值。

近年来，人体动态捕捉系统在生物医疗领域的应用非常广泛，通过获得高分辨率、大容量的数据，可以有利于人体对疾病的预防和治疗。本项目研究了自由环境下的基于可穿戴惯导和视觉传感器融合的人体姿态的采集和处理。研究内容包括了研究了基于惯导传感器的方向估计算法，构建了基于确定性方法和基于频率的方法相结合的高斯牛顿数学模型和构建去除快速运动和外界磁干扰的补偿算法，提出了有效的方向估计中的积累误差抑制算法，该算法可有效地实现实时的方向定位并且精度低于2°，特别在快速运动和外界磁干扰存在的时候；研究了基于惯导和视觉传感器的距离估计算法，利用已得到的方向估计值，不仅提出了基于线性卡尔曼滤波器的信息融合方法，而且提出了基于方向估计算法的特征点剔除算法和视觉帧率调整算法；研究了基于惯导和视觉传感器融合的室内动态环境下的定位算法，提出了基于方向估计算法的单应恢复约束和对极几何约束，引入了“虚拟和现实摄像机”的思想以把静止的环境和动态的环境分开，解决了单目视觉跟踪中的比例模糊问；研究了基于人体结构学和人体运动学，构建线性人体运动模型，开发了一种基于扭转（twist）和指数映射（exponential map）的人体上肢姿态识别算法。该项目属于生物医疗，多传感器融合与人体运动学等多学科交叉前沿方向，不仅对多传感器融合的理论和方法有促进作用，而且可以推动我国临床医疗的发展和减缓老龄化带来的诸多问题，具有一定理论价值和实用价值。