论文部分内容阅读
随着科技的发展和制造工艺的提升,移动设备迎来了爆炸性的增长。为了满足人们日益增长的各种需求,越来越多的移动设备中配备了各式各样的传感器。惯性传感器是其中的一个典型代表,在智能手机、智能手表以及智能手环等移动设备中都有它的身影。由于其能够捕捉丰富的运动相关信息,基于惯性传感器进行运动感知相关的研究已经形成了一股新的热潮。本文选择了行为识别以及运动追踪这两个切入点,它们同属于运动感知的范畴,都需要通过某些测量手段对目标对象运动过程的信息进行捕捉,获取关于运动的有意义的印象。但是它们的关注点各有侧重,对行为识别而言,关于运动的有意义的印象是运动所属的类别,对运动追踪而言则是运动过程中某些属性的量化描述。具体来讲,本文以人的步态运动识别和刚体的运动追踪作为案例,对基于惯性传感器的运动感知机制进行了研究。首先,本文基于对平地行走和上、下台阶这三类步态运动的研究和分析,提出了一种新型的基于惯性传感器的步态运动识别方法。这种方法提取了基于角度的步态运动相关特征,这种特征受用户体形、行为习惯的影响小,不需要针对特定用户进行训练,能够实现用户无关的识别。在与采用高维频域特征方案的对比中,本文提出的方案能够达到相当的识别效果,平均识别准确率在99.5%,并且能够减少特征提取和识别过程的时间开销,是一种相对高效率且轻量化的识别方案。此外,在行为识别泛化性测试中,本文的方案在识别准确性上没有明显的下降,说明此方法具备良好的识别泛化性。其次,本文提出了一种基于惯性传感器的刚体运动追踪方法,并基于该方法实现了一个刚体运动追踪系统——MotionTracker。该方法不仅能实现对刚体单点运动轨迹的追踪,还能对刚体上其他选定位置的运动轨迹进行还原。通过构建一种运动过程等效模型,该方法将刚体复杂的运动过程等效为三维空间中一次平移和旋转的组合,MotionTracker基于此对运动过程进行分析,并且可以就分析结果和光学追踪系统进行对比。此外,本文也提出了基于卡尔曼滤波的冗余传感器轨迹校准方案,通过与光学追踪系统的测量结果进行对比,这个方案可以部分修正运动轨迹估算的偏差。本文选择了乒乓球击球作为应用场景示例,我们将惯性传感器节点布置于乒乓球拍上,乒乓球拍为待追踪的刚体,MotionTracker可以估算球拍上选定位置的运动轨迹,并且对其运动过程进行分析。实验人员执行正手击球,挡球和击上旋球这三个乒乓球的基本动作,在与光学追踪系统OptiTrack的对比实验中,MotionTracker在0.04s的时间间隔下平移标量的平均估算偏差在1cm左右,旋转轴的平均偏差在18°左右,旋转角度的平均偏差在1°左右。另外,本文绘制出了击上旋球时两种系统的轨迹还原结果,对MotionTracker的运动追踪效果进行了直观的展示。