[发明专利]具有运动姿态识别的移动设备

说明书

相关申请的交叉引用

本申请要求于2008年1月18日提交的、名称为“Motion Sensing Application Interface”的第61/022,143号美国临时申请的优先权，并且该申请是于2008年4月21日提交的、名称为“Interfacing Application Programs and Motion Sensors of a Device”的第12/106,921(4360P)号美国专利申请的部分继续申请，其全部内容以引用方式并入本文。

技术领域

本发明大体上涉及运动感测设备，具体地说，本发明涉及根据运动感测设备的运动传感器来识别运动姿态。

背景技术

诸如惯性传感器型的加速度计或陀螺仪等运动传感器可以在电子设备中使用。加速度计可以用于测量线性加速度，而陀螺仪可以用于测量移动设备的角速度。运动传感器的市场包括移动电话、视频游戏控制器、PDA、移动互联网设备(MID)、个人导航设备(PND)、数字照相机、数字摄影机等等。例如，蜂窝电话可以使用加速度计来检测设备在空间中的倾斜，这允许在与该倾斜对应的方向上显示视频图像。视频游戏操纵台控制器可以使用加速度计来对被用于给游戏提供输入的人工控制器的运动进行检测。图像和视频稳定性是甚低端或中端的数码相机的一个重要特征，其中，透镜或图像传感器被移动以补偿由陀螺仪测量的手抖动。全球定位系统(GPS)和定位服务(LBS)应用依赖于确定设备的精确位置，并且当GPS信号衰减或是不能得到或者为了提高GPS位置查找的精度时，通常需要运动传感器。

大多数现有的便携式(移动)电子设备趋于仅使用非常基本的运动传感器，例如，具有“峰值”检测或稳态测量的加速度计。例如，当前的移动电话使用加速度计来确定设备的倾斜，这可以使用稳态重力测量来确定。在诸如使用具有精确的定时要求的陀螺仪或其它应用等较复杂的应用中不能使用这种简单的确定。在设备不包含陀螺仪的情况下，设备的倾斜和加速未被可靠地感测。此外，因为设备的运动不是一直线性的或者平行于地面，因此需要使用加速度计或陀螺仪来测量几种不同的运动轴以得到更高的精度。

通常未在电子设备中使用更复杂的运动传感器。在诸如检测具有某些移动的运动的特定的应用中对更复杂的运动传感器进行了一些尝试。但是这些努力中的大多数都失败了或者作为产品不够鲁棒。这是因为使用运动传感器来获取运动比较复杂。例如，当使用陀螺仪时，识别设备的倾斜或移动是重要的。将运动传感器用于图像稳定、感测位置或者其它复杂的应用需要深入理解运动传感器，这使得运动感测的设计非常困难。

此外，每天期望消费者市场的便携式消费者电子设备低成本。但是，对于很多消费者产品而言，诸如陀螺仪和加速度计等非常可靠且精确的惯性传感器通常非常昂贵。可以使用低成本的惯性传感器，以给便携式电子设备带来很多运动感测特征。然而，对于更复杂的功能而言，这些低成本传感器的精度是限制因素。

例如，该功能可以包括实现在运动感测设备上的运动姿态识别，以允许用户通过移动设备或者使设备感测用户的运动来输入命令或数据。例如，姿态识别使用户通过简单地移动、摆动或轻拍设备来容易地选择特定的设备功能。对运动感测设备的预先姿态识别通常由以下操作组成：检测诸如来自陀螺仪或加速度计的数据等原始传感器数据，以及对模式进行硬编码以在该原始数据中进行查找或者使用机器学习技术(例如，神经网络或支持向量机)来从该数据学习模式。在一些情况下，使用机器学习来检测姿态所需的处理资源可以通过以下操作来减少：首先，使用机器学习来学习姿态，然后，对机器学习算法的结果进行硬编码和优化。

这些先前的技术存在几个问题。一个问题是当在便携式设备中实现时，姿态的应用和功能非常有限。另一个问题是姿态通常不能可靠地识别。例如，原始传感器数据通常不是用于检查姿态的最佳数据，这是因为针对特定的姿态，原始传感器数据可随着用户明显地改变。在这种情况下，如果一个用户训练学习系统或者对模式检测器进行硬编码用于该用户的姿态，则当不同的用户使用该设备时，这些姿态将不能被正确地识别。该情况的一个实例是手腕运动的旋转。一个用户使用该设备在空中绘制模式时可能根本不旋转其手腕，但是另一个用户在绘制模式时可能旋转其手腕。由此产生的原始数据将随着用户差别很大。一种典型的解决方案是对姿态的所有可能的变化进行硬编码或训练，但是该解决方案在处理时间方面非常耗时并且难以实现。

因此，在很多应用中，期望使用低成本的惯性传感器提供变化的、鲁棒的且精确的姿态识别的系统和方法。

发明内容