【摘 要】
：
动作捕捉技术在医疗、人机交互、影视等领域应用需求越来越广泛,基于惯性传感器的人体动作捕捉系统成为研究热点,但因人体的非标准几何体性,无法使得IMU真正沿着确定的肢体方向佩戴,因此对准技术成为关键技术之一。本文基于IMU展开对人体动作捕捉的研究,设计了一种基于多节点IMU的实时可视化的作捕捉系统,为适合不同人群提出了两种初始对准方案。论文主体分为三个部分:节点IMU数据处理、基于多节点IMU的人体动
论文部分内容阅读
动作捕捉技术在医疗、人机交互、影视等领域应用需求越来越广泛,基于惯性传感器的人体动作捕捉系统成为研究热点,但因人体的非标准几何体性,无法使得IMU真正沿着确定的肢体方向佩戴,因此对准技术成为关键技术之一。本文基于IMU展开对人体动作捕捉的研究,设计了一种基于多节点IMU的实时可视化的作捕捉系统,为适合不同人群提出了两种初始对准方案。论文主体分为三个部分:节点IMU数据处理、基于多节点IMU的人体动作捕捉设计、基于Unity3D的动作捕捉可视化系统设计,具体内容如下:1单节点IMU数据处理与姿态解算。针对三种传感器不同的误差,分别设计了校准解决方案。实验探讨kalman和Mahony算法,确定后者为本系统姿态解算。2基于多节点IMU人体动作捕捉设计。建立合理的人体节点模型,确定传感器安装。针对不同人群,设计了基于人体动作捕捉的初始对准方法:“T-pose”对准和免对准动作方案。诺亦腾专业动作捕捉系统作为实验参考,验证了本文设计的人体动作捕捉系统具有良好的精度以及稳定性。3基于Unity3D实现人体动作捕捉可视化。设置Unity3D人体模型,完成IMU与Unity3D交互。实验结果验证了本文人体动作捕捉系统的实时有效性。
其他文献
点击率预测的主要方法是根据用户个人资料、用户历史点击记录、物品资料等信息从用户、物品或者时间等维度进行建模,对用户接下来的点击物品的概率进行预测。无论在计算广告领域还是推荐系统领域,点击率预测模型都扮演着十分重要的地位。目前特征交互学习和序列建模是基于深度学习的点击率预测模型的两个主要研究方向,现有的模型也都取得了不错的效果,但是仍然有一些需要解决的问题:（1）在特征交互学习方向,许多模型只是简单
如今机器学习模型的性能已经达到了较高水平,模型数据的隐私安全问题也逐渐被人们所重视。针对机器学习模型发起的攻击能有效窃取模型的敏感信息,成员推理攻击就是其中的典型。攻击者发动成员推理攻击判断特定样本是否位于目标模型的训练集中,对模型训练数据的隐私安全造成严重威胁。成员隐私保护方法通过改变模型输出结果中所包含的敏感信息,降低了成员隐私信息泄露风险,但同时也不可避免地损耗了模型的可用性。现有的成员隐私
本文主要针对高密度狭小空间的电子设备装配场景所存在的问题,使用AR增强现实技术对传统装配所存在的困难进行了辅助和改善。本文使用微软全息眼镜Holo Lens2作为AR显示设备,在Unity3D引擎中开发了一个装配系统,该系统实现了三个场景:第一个场景基于计算机虚拟化的技术特征,实现了一个虚拟装配场景,目的是用来代替实际装配前的装配训练;在Unity中导入3D模型并进行装配模型设计,并为不同模块的模
传统电子病历管理方式依赖于中心服务器,电子病历由中心服务器集中管理,这种管理方式交互方便易于管理,但基于服务器的传统电子病历管理系统架构受制于传统信任模式,医生等高权限用户的操作缺乏可审计性,无法真正建立用户可信任的电子病历操作的监管机制。区块链技术作为一种去中心化的信任管理机制,具有安全可靠和去中心化等特点,为去中心化的电子病历可信管理提供了思路。根据国家卫生健康委员会规定电子病历的所有权归患者
随着大数据时代的到来,各种形式的数据呈现爆炸式增长的趋势。文本数据作为信息的主要记录载体,其中蕴含着丰富的知识资源,而关系抽取是组织非结构化文本数据的有效手段,近年来得到广泛的关注。远程监督假设的提出解决了传统有监督方法对数据集的依赖问题,但其过于肯定的假设忽略了人类语言多元化的特性,导致标注结果中存在大量的噪声数据。因此,本文致力于规避噪声数据对模型产生的不利影响,同时也在挖掘更细粒度的文本特征
随着人们生活方式和饮食习惯的改变,糖尿病的产生与流行形势出现了新的变化,全球糖尿病患者的数量和比例都在不断上升。糖尿病对身体健康潜在的威胁和人们对身体健康的逐步重视,使得传统的有创血糖检测方式已经不能够满足人们的需求,人们急需一种简单,快捷的无创血糖检测方法。在这样的需求下,本文设计了一种基于光电容积脉搏波（PPG）信号的无创血糖检测系统。首先,通过透射式的光电采集设备采集透射指尖后的红光与红外光
随着数据处理分析技术和运算性能的显著增强,深度学习的发展可谓是如日中天。同时深度学习技术也在各个安全攸关的应用领域中得到了更广泛的运用。在这些领域中,深度神经网络必须进行全面充分的测试以保障系统的鲁棒性。但是,由于神经网络结构的复杂性导致了针对深度神经网络的测试通常需要非常庞大的测试资源并且传统的软件测试方法并不适用于深度神经网络测试。模糊测试做为一种高效的漏洞挖掘技术,能够检测出待测系统的异常或
在物联网中存在着数量巨大且分布广泛的电子设备。如何实现使用环境中的机械能为这些电子设备供能,成为学术界和工业界的研究热点。近年来,出现的摩擦纳米发电机（Triboelectric Nanogenerator,TENG）对环境中的机械能收集展现出了巨大潜力,为物联网中的电子设备供能提供了新的研究方向。本文针对声学摩擦纳米发电机（A-TENG）及其在自驱动边缘传感应用开展了创新性研究。选取了全氟乙烯丙
当前,全球各国均面临化石能源趋于耗尽和生态环境逐渐恶化的双重问题,严重制约了人类社会的可持续发展。尤其对于世界上能源消耗大国的中国而言,受制于资源禀赋、消费习惯和技术依赖等因素,煤炭、石油、天然气等化石能源在一次能源消费结构中长期占主导作用。电能作为一种清洁且高效的能源,很多国家都广泛采用电能,各个国家也都纷纷指出促进经济可持续发展的就必须提升能源利用率,加快发展电力系统。因此为满足经济性与环保性
随着配电物联网泛在感知技术的提速发展,海量安全监测数据呈现出多源异构的特点,通过对多源异构安全监测数据进行聚合分析,可以获取安全监测数据的类别信息,有助于配电物联网安全态势的感知与处理。然而,如何对海量的多源异构安全监测数据进行有效的聚合分析并从中提取有用的信息,仍然是当前所面临的难题。本文聚焦于配电物联网多源异构安全监测数据的聚合模型与算法,基于对抗性领域自适应网络设计了一种对抗式的多源异构数据