人体上肢动作捕捉技术在人机交互、疾病康复、脑机接口等诸多领域都有广泛应用。随着相关技术的进步,对于运动数据的实时性、稳定性和精确性有着越来越高的要求。本文利用MA(Motion Analysis)光学动作捕捉系统在线捕捉手臂的运动信息,并且对丢失标记点进行在线预测;同时利用5DT数据手套来获取手部运动信息。最终将手臂运动信息与手部运动信息整合起来,驱动虚拟上肢模型,实时重建人体上肢运动。本文主要研究内容如下:基于光学动作捕捉系统计算手臂关节运动信息。将手臂运动简化为一个7自由度的模型,利用相应的标记点模块坐标来计算关节空间位置。针对不同的标记点丢失情况,分别设定相应的预测方法,实时预测丢失标记点的空间坐标;利用贴放在皮肤表面的标记点与相应关节的固定位置关系,建立损失函数,使用最小二乘法求解标记点的旋转中心,该旋转中心即为相应关节的空间位置。基于数据手套计算各个手指关节的空间位置。本文采用了 26自由度的手部运动模型,将手指各个自由度的旋转角度与数据手套传感器数值对应起来。利用传感器数据计算手指关节自由度的旋转角度。最后通过前向运动学方法计算手指关节位置。统一手臂与手部坐标并实时绘制上肢运动。利用手部和前臂的标记点计算得到手腕坐标。利用手部的三个标记点计算得到手的方向。根据手腕坐标和手的方向将手的运动映射到手臂上,得到完整的人体上肢骨骼关节运动信息。根据这些信息,利用OpenGL实时绘制一个可以与真实人体上肢同步运动的虚拟上肢。通过计算,MA丢失标记点的预测误差基本集中在0.5mm以内,关节位置与标记点距离变化在1mm左右,在10分钟的长时间运行过程中系统可以一直稳定在线运行,证明该系统可以实时在线的得到上肢运动数据。