[发明专利]刚体姿态追踪方法及其装置、设备、存储介质

说明书

本发明公开了一种刚体姿态追踪方法及其装置、设备、存储介质，包括：根据预设的函数模型分别建立卡尔曼预测四元数模型f_kQ、卡尔曼预测位移模型f_kP、滤波预测四元数模型f_εQ、滤波预测位移模型f_εP；获取刚体初始帧的姿态四元数和位移，得到初始化后的模型f_kQ、f_kP、f_εQ、f_εP；根据初始化后的模型f_kQ、f_kP、f_εQ、f_εP分别预测刚体当前帧的姿态四元数和位移，得到姿态四元数预测值和位移预测值；将姿态四元数预测值和位移预测值以及获取的刚体当前帧姿态四元数和位移真实值引入二范数函数中，计算得到刚体当前帧的姿态信息。本发明使得系统延迟较低、刚体追踪的抗震颤效果显著提升。

技术领域

本发明涉及动作捕捉技术领域，具体涉及一种刚体姿态追踪方法及其装置、设备、存储介质。

背景技术

刚体姿态的追踪在有标记点人体动捕/人机交互等技术的应用中是非常重要的，如果追踪技术不好，容易出现交互体验感较差、角色颤抖、容易跟丢等问题。刚体的姿态追踪方法一般有基于硬件和软件的方法，硬件的方法有激光、雷达、电磁波、超声波和IMU惯性传感器等。软件的方法有基于Kalman、粒子滤波、Meanshift、高斯滤波、滤波等。硬件的方法虽然准确度高，但也容易受环境因素的影响，并且容易出现基线漂移、时间漂移等问题，另外，硬件的成本也比较高以及数据的融合也较难。

软件的方法中，Kalman是比较常用的传统方法，它要求模型噪声和观测噪声等先验知识来进行建模，虽然它的抗高频颤抖能较强，但目标的运动和噪声存在着很大的不确定性，使得它容易存在延迟、目标运动方向剧烈变化的时候容易存在误差较大等问题；高斯滤波存在着时间窗口的约束，容易出现过滤波等问题；滤波虽然响应较快，可以较好的追踪动态信号，延迟较低，但对震颤的抗性较差。因此，有必要解决这一问题。

发明内容

本发明主要解决的技术问题是如何解决Kalman容易存在延迟、目标运动方向剧烈变化的时候容易存在误差较大的情形以及滤波震颤的抗性较差的问题。为克服上述技术问题，本申请公开一种刚体姿态追踪方法及其装置、设备、存储介质。

本发明结合kalman原理和滤波原理两种算法在现有的刚体姿态解算方法基础上进行刚体姿态的追踪计算，具体方法如下：

根据第一方面，一种实施例中提供一种刚体姿态追踪方法，包括：根据预设的函数模型分别建立卡尔曼预测四元数模型f_kQ、卡尔曼预测位移模型f_kP、滤波预测四元数模型f_εQ、滤波预测位移模型f_εP，其中，所述函数模型包括速度和加速度状态变量；

获取刚体初始帧的姿态四元数和位移，得到初始化后的模型f_kQ、f_kP、f_εQ、f_εP；

根据所述初始化后的模型f_kQ、f_kP、f_εQ、f_εP分别预测刚体当前帧的姿态四元数和位移，得到姿态四元数预测值和位移预测值；

将所述姿态四元数预测值和位移预测值以及获取的刚体当前帧姿态四元数和位移真实值引入二范数函数中，计算得到刚体当前帧的姿态信息。

所述根据预设的函数模型分别建立卡尔曼预测四元数模型f_kQ、卡尔曼预测位移模型f_kP、滤波预测四元数模型f_εQ、滤波预测位移模型f_εP，其中，所述函数模型包括速度和加速度状态变量，包括：