【摘 要】
：
近些年来,运动捕捉技术在多个领域获得了越来越广泛地应用。基于惯性测量的运动捕捉系统相较于其他运动捕捉设备,成本低廉、使用方便、稳定性强,具有很高的研究价值。本文基于惯性测量技术设计研究了一种价格低廉、实时性良好的人体运动捕捉系统。本文的主要研究工作具体如下:1.分析了人体姿态跟踪系统的具体需求,并根据使用需求给出了系统的整体设计框架,完成了系统的硬件选型与制作以及上位机的软件选取。2.对三种传感器
论文部分内容阅读
近些年来,运动捕捉技术在多个领域获得了越来越广泛地应用。基于惯性测量的运动捕捉系统相较于其他运动捕捉设备,成本低廉、使用方便、稳定性强,具有很高的研究价值。本文基于惯性测量技术设计研究了一种价格低廉、实时性良好的人体运动捕捉系统。本文的主要研究工作具体如下:1.分析了人体姿态跟踪系统的具体需求,并根据使用需求给出了系统的整体设计框架,完成了系统的硬件选型与制作以及上位机的软件选取。2.对三种传感器的误差来源进行了说明,并建立了它们的误差模型。设计了不需要高精度设备的校准方法对惯性传感器进行标定。设计仿真实验比较了当前常用的三种算法的性能,根据实验结果选取Madgwick算法作为本系统的下位机算法。3.对真实人体进行了简化分析,建立了简易的分层次的人体表皮模型与人体联合坐标系。设计了一种传感器坐标标定方案,解决了每次安装传感器位置无法完全相同的问题,根据正向运动学,设计了人体模型的链式控制方法。4.设计了系统的软件结构,并编写了下位机与上位机程序。做了系统的单关节角计算实验与全身实验。实验表明,本系统计算关节角的精度在2°左右,延迟大约为0.7s,满足使用的要求。
其他文献
翻译服务的重要性随着经济全球化的加速,日益显著。机器翻译相较于人工翻译,成本更低,速度更快,也因此更适应当今时代。神经机器翻译技术使用深度学习方法在平行语料上进行训练并获得翻译模型,已经成为当前主流的机器翻译方法。神经机器翻译快速发展的过程中,一直面临着较多挑战。在诸多挑战中,本文分别在数据稀疏和模型改进两个方面进行了研究工作,主要包括以下内容:1)提出了一种场景通用的数据增强方法。本文分析了富资
互联网和大数据时代的到来,大量信息以非结构化的电子文档形式展示,如何高效地结构化这些文本数据成为一个亟待解决的问题,信息抽取则在这一背景下应运而生。信息抽取研究旨在低成本地从复杂、冗余的文本中提取出高质量、结构化的可利用数据,极大地推动了自然语言处理研究的发展。关系抽取通过挖掘出实体间的关系类型信息,形成规则的实体关系三元组,从而将非结构化文本构建成结构化文本。其作为信息抽取的核心任务之一,在知识
根据世界卫生组织发表的统计,癌症已经成为造成人类死亡的第二大元凶,而在各种肿瘤中,脑肿瘤是最致命的类型之一。对于脑肿瘤患者而言,及早地确定脑肿瘤的类型对于制定专门的治疗方案和治疗后的存活率极其重要。医学影像技术通常被选为鉴别脑肿瘤类型的首选技术。在过去,脑肿瘤的诊断需要医生阅读肿瘤图像,然而人的精力是有限的,大量的重复工作会带来诊断错误率提升进而加重医患矛盾。为克服这些问题,以病理图像为基础的计算
传统的机械手路径规划方法通常需要建立精确的数学模型,只能用于固定的任务环境,缺乏泛化能力。近年来,深度强化学习（Deep Reinforcement Learning,DRL）在机器人博弈等领域取得了突破性的进展,研究人员开始探索将DRL应用于机械手控制的可行性。另外,虽然DRL在单智能体环境下的研究逐渐趋于成熟,但在多智能体场景中仍然有较大的发展空间。与单智能体环境相比,多智能体环境最大的不稳定
为了适应日益增长的三维动画、游戏、虚拟现实、医学图像重建和文物保护等领域的建模需求,针对自动三维重建方法的研究日趋活跃。本文以基于多传感器信息的三维重建算法为研究课题,重点研究了基于单目或多目彩色图像的三维对象重建算法以及基于深度信息的三维场景检索算法。由于传统算法需要大量的图像数据作为输入,且在运行速度上还不能令人满意,因此随着深度学习技术的快速发展,越来越多的研究人员开始尝试使用深度神经网络来
随着硬件水平的不断提升与相关研究的持续推进,图像融合技术在各个领域的应用都在不断深入发展。同时,随着计算机算力水平的不断提升,卷积神经网络理论也在迅猛发展,已经被广泛应用于目标识别、人脸识别等多个领域。一方面,引入卷积神经网络可以改进图像融合中的特征提取与分配环节,在此条件下重新设计的图像融合框架可以提升融合图的融合质量。另一方面,现有的相关论文鲜有基于卷积神经网络设计的三通道或多通道的图像融合模
边缘计算拥有低时延和高安全等诸多优点,边缘计算可以看作“微云”,相比云来说其本身的计算资源、存储资源都更受到局限。在边缘设备上会有多种异构终端接入、异构数据存储且多种应用运行其上,边缘设备提供安全的支持系统是边缘设备安全的基础。Docker是基于“沙箱机制”的一种轻量级容器引擎,将底层文件、镜像和应用程序等统一打包的虚拟化技术其具有统一的标准化打包流程、强大的可移植性和隔离各个应用的安全性等优点,
随着人机交互技术的不断发展,Web应用服务性能与用户体验已经成为衡量Web应用运行质量的重要因素。用户体验评价方面,除了渲染时延这一常规指标以外,因用户因体验不佳而产生的异常行为也是重要的评价参考,而Web应用服务性能评价指标则通常包括云端服务响应请求的平均速率、稳定程度以及渲染端解析服务器响应资源的效率。用户在访问Web应用时产生的用户行为与Web应用服务性能之间的关系密不可分。例如:当请求服务
调制解调是信号检测和信号解调之间的关键技术,在非合作通信中起着至关重要的作用。调制识别技术在民用和军事领域都应用广泛,怎样在实际通信传输过程中,实现对接收信号调制方式的准确识别,是目前在调制识别技术当中迫切需要解决的难题。本文针对传统调制识别方法中所存在泛化能力弱、鲁棒性差等缺点,将深度学习应用到调制识别领域,并选用了模型更小的轻量级神经网络作为识别模型,提升了准确率的同时极大地减少了计算量,本文
石油是维持现代社会正常运转的重要能源之一,石油开采过程中一旦发生泄露,将会造成严重的生态灾害和巨大的资源损失。近年来视频监控技术在油田安全巡检中引起广泛的关注,由于视频监控图像具有直观方便的特点,在石油安全巡检中引入计算机视觉技术进行在线监控,及时发现油田采油作业过程中可能出现的故障,可以节省人力资源的消耗并保障安全巡检的质量和效率。传统的漏油检测采用LDR（Low Dynamic Range I