网站原创摘 要 ：剖析了Moven和ADI展示的一件集惯性传感器、处理器以及无线通信模块于一身的衣服,这件衣服可记录穿着者的运动状态,并在电脑屏幕上实时显示出三维的运动图像.MEMS传感器、DSP乃至SoC、软件在运动捕捉类应用上具有特殊的结构.
关 键 词 ：MEMS；DSP；虚拟现实；惯性传感器；陀螺仪
第三个例子为拳击比赛中的应用.拳击手Hutton(曼彻斯特,英国)击拳平均记录数据为0.1秒内达到40km/h.检测设从0速度开始进行均匀线性加速至40km/h或11.1m/s,斜率为1.13g/s,加速度计可以轻松应对.
这些数据的采样及数字处理频率更多取决于数值积分的准确性,而不是奈奎斯特采样定理中所需的MEMS最大输出频率的两倍(2x1600＝3200Hz或2x550Hz等于1100Hz).也就是说,是否需要传感器所提供的最佳频率响应.Moven认为奈奎斯特定理应用于测量随意人类运动所需的最大频率,通常不高于10Hz(对于冲击可能会稍微高些),而约100Hz的奈奎斯特频率应当足以应付冲击和较慢的随意运动.
我们仅能估计很小部分的工作量.首先我们进行角速率长方形积分所需的三次乘累加,将其分量加到前一角度.检测设三角函数分开计算或由查表得出,我们仅考虑上述本源矩阵运算.经过轴旋转和简单长方形积分,我们发现,通过15次累乘和3次乘加,加速度被积分为速度在基准坐标系的三个分量――x,y,z,并将其累加到积分常数,也就是先前的速度.3次附加的乘加将提供坐标系中新的x,y,z位置―这将使计算总数提至24次.注意采用不同的取向表示,如四元数可节约工作量处理性能.四元数采用4个参数.一个描述将要用于单位向量的标尺,另外3个虚系数标注单位向量的旋转.
继续先前的算法,检测设采样频率可能超过要求,是电视(60fps)的两倍,120×3200Hz等于384000Hz.上述简单矩阵计算需要每秒9216000次运算.处理附于运动捕捉服的16个基于MEMS的惯性单元(2个为任选)的读数需要大约147.5Mops(百万次运算每秒),如果只是这一项,DSP器件(女11ADI的Blackfin)是可以轻松应对的.
运动捕捉服和PC间的通讯采用基于蓝牙标准的无线连接Moven采用了经优化/调谐的蓝牙2.0(aka1.2)Class 1.蓝牙1.0和1.2拥有721kbit/s收发速率.更新的蓝牙2.0规格为3Mbit/s,但实际只支持2.1Mbit/s.我们现在需要考虑由蓝牙连接至PC所造成的限制.由于没有其它选择,我们只能在运动捕捉服上进行数据转换.每个传感器产生3个加速增量的读数,3个角速率增量和3个温度(可在本地采用参考电压,以帮助提高准确性).检测设数据以每个惯性传感器16bit和32bit初始字段表示,如只使用一个蓝牙信道,我们需要每个传感器发送9×16+32等于176bit,一共16个传感器共需179×16等于2864bit.如前面所讲的,采样率为384000Hz,这样,每秒传送的总比特为每秒2864×384000bit,即约1.1Gbits.蓝牙2.0只能支持2.1Mbit/s的传输速率,那么2.1Mbit/s/2864约为746采样/秒.该采样率可支持每周期单个样品下的MEMS的频率带宽约为373Hz.蓝牙1.0、1.1和1.2标准则更糟,对应MEMS频率约为128Hz,只允许每秒256次采样.在所有传感器中建立的此均一速率下,不可能正确检测足球和拳击等剧烈运动的高速碰撞,但至少可以定义可支持运动和移动的速度.根据Moven的经验,可做到在采样速度很低的情况下依然能可靠地捕捉人类动作.Moven支持无线通信高达120Hz.Moven也提供有线通信,有线通信的带宽可达512Hz,采样率更高,足以满足某些运动的苛求.
在该运动捕捉服上的DSP、高性能微控制器或移动微处理器可以减少需传递至PC的数据量,甚至可以在该服装上集成大容量闪存以记录本地信息.其它减少数据通信的方法为：由于MEMS斜率较低,可传递增量读数,减少表示数据所需的大小或通过定义头文件发送可变大小的数据.
上述最后一种办法以及本地存储数据,似乎是减少数据通信的最有希望的办法.人体知识为增加准确性提供了选择：一种有关节的、具有23部分的生物机械体软件模型用于限制动作,消除由于现实世界改变参数及积分不准确导致的滑步和积分漂移.
使其物有所值的软件
检测定大部分数据处理工作在安装MovenStudio2.0应用程序的PC或笔记本进行,该软件旨在为所采集的动作数据和高级应用程序架起一座“桥梁”,因此软件隐藏了系统控制和必须处理的数学算法,用户界面也非常简单.
Moven公司网站上可供下载的演示版程序,但在没有运动捕捉服的情况下,该演示版程序几乎毫无用处.但是Moven在该软件中,以XML文件格式(文件后缀名为mvnx)保存了几个短肢体层次结构代码和动作样本.用户可以播放并由不同的虚拟照相机观看这些文件.有些控制在演示版中是可用的.复制和粘贴仅支持二进制源格式MVN.你可以将一个MVN文件粘贴到一个新的MVNX文件.所捕捉的动作可以divx或mov视频格式输出.
当运动捕捉服连接后,MovenStudio2.0的控制菜单被激活.控制菜单包括“捕捉服状态”、“预览和记录窗口”、“开始新记录”、“记录‘mvn’文件”、“重新定位传感器”及“校准动作捕捉服”.“校准动作捕捉服”是指当用户穿上该服装并做出预定的初始化动作或姿势时,系统会得到加速度、旋转率、温度和电压等几个参数初始读数,从而校准系统.此外,几个附加的校准动作用于得到穿该服装用户的特定身体参数.帮助菜单仅有“关于”一项.幸运的是,动作采本文件可作为*bvh标准文件导出.Moven2.0输出BVH格式文件以兼容Poser、Motion Builder以及3D Studio Max等软件.Moven Studio2.0也可输出FBX格式文件,此种格式文件更为灵活并得到Autodesk软件的支持.FBX可以提供身体任一部分的数据,而不仅是旋转.BVH文件格式在写本文最初由Biovision开发.用于Biovision等级数据的BVH标准.该文件由两部分组成：首字段描述目标的层级结构并提供描述目标骨骼的初始姿势.这些将为第一积分常数.数据字段含有动作数据.Universi锣of Wisconsin提供的一个例子给出了这种文件资源(见源代码边注或http：//.cs.wisc.edu/graphics/Courses/cs－838－1999/Jeft/Examplel.bvh).
| 有关论文范文主题研究: | 关于无线通信的论文范文集 | 大学生适用: | 专科毕业论文、高校毕业论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 89 | 写作解决问题: | 怎么写 |
| 毕业论文开题报告: | 文献综述、论文总结 | 职称论文适用: | 期刊目录、初级职称 |
| 所属大学生专业类别: | 怎么写 | 论文题目推荐度: | 最新题目 |
使用动作捕捉数据
描述过BVH格式文件的组成结构之后,现在我们来看一下这类文件如何被高级程序使用,如人物动画、游戏、虚拟显示、训练、广告、驾驶以及体育等.作者将描述Moven数据在程序中的使用,作者用这些程序积累了一下经验,Poser 7和Anime Studio Pro5.6,可使用Poser 7创造的3D图像.两个程序都可由e－frontier(现已被Smith MicroSoftware Inc.收购)得到.
第一个令人愉快的事情是(a)Poser7可导入BVH文件.(b)Moven可提供与Poser7定义的“骨骼”架构所兼容的文件.这解释了Moven2.0中“重新定位传感器”命令的需要.下一个经验就不那么美妙了.当Poser7读取BVH文件时,Poser7提示有些关节或四肢缺少数据或数据太多.尽管如此,但令人高兴的是,Poser7确实可以处理这些数据,并将其分配给程序员.Moven称可同时记录源自多个人的动作数据,但没有定义人数的上限以及所收集数据的类型.作者认为有可能使用几个不同的Moven系统,将时间和三维距离积分留给PC或程序(如Poser 7)做后期处理.在Poster7中,可以获得展示几个人的情景,具体方法为：首先让某人位于程序前台,之后通过输入控制此人的BVH文件,这样,即便之后此人位于后台程序也可控制其图像.
Poster7允许程序员定义并塑造3D面庞,并使其可随着动作、相机角度以及距离的变化而变化.甚至可以使人物彼此同步其不同时间轴的关系.尽管效果可以很好,许多改变可由手工完成且并不困难.但是制作和测试很耗时.为了在虚拟现实行业中实现创作的多产,这个行业需要创作更多的工具,加入Moven的动作捕捉可使编辑和测试变得更加容易.
将一个动作文件指定给一个图像中的人物的过程相当简单：首先,由某人经历一系列的运动,此人的身体测量参数和服装尺寸也将所需记录动作的数据的一部分.后续步骤由一机械体展示,该机械体可以展示实际动作.当其从不同相机角度(更多3D数学变换)和距离观看时,结果可以在PC或Mac按每一帧观看,或作为视频播放.
通过将动作数据文件指定给人物,我们准备好设计某女士穿越视野,并跳跃由作者插入的障碍物的一系列动作.
作者没有更正穿红T恤的男士的动作,因为他的动作不好配合.此外,也没有为女士提供头发,不过女士的头发可以从Poster7中的本地素材库选取,也可以从网上找到由专业人员和业余人员创作或出售相关素材.Moven探究导致两程序通讯不同的特定原因：一种可能性是万向节死锁――指两旋转陀螺仪进入某位置禁止第三陀螺仪矫直平台.
近乎完整的系统
现在,我们可以容易的看到设计这种系统所需涉及的阶段,从惯性传感器和芯片,到RF,到PC,到软件程序和界面以及其它如游戏设计等.尽管这些步骤的顺序和步骤清楚,也定义了最终规格,但是最难解决的问题是处理资源的分配,如可能,一种产品应满足多种应用的需求.对于野外训练而言,是否采用DSP进行本地数据处理,从而使运动捕捉服装独立于PC更好两个RF蓝牙2.0信道是否能帮助更好地分配功效是否需要一个像Moven2.0的前端附于Poser7以提供网上实时游戏,而这种做法对性能及网络接入时间会有何影响是否Moven或其它公司应当创造一个“编辑”服装以直接连接游戏开发环境来更快的调试修改游戏
我们需要调整系统的每个组件以保证性能但并不一定是最佳性能,因为在这个情况下,系统中的其它一些因素,例如通讯,可能是真正的瓶颈.例如,在微分中,人们试图在系数等分中发现最适条件.比如,正方形优于长方形.
似乎只是最近,动作捕捉可以通过处理取自12个照相机的数据得以实现,但这些照相机无法克服外界物体所造成的遮挡.在Moven的惯性动作捕捉技术的出现之前,动作捕捉不可能在任意地点和完全漆黑的情况下进行,因为动作捕捉一直受到相机的限制――即只有在相机能正常工作的地方,才能进行动作捕捉.
业界做了很多工作以加速虚拟世界的创造,如文字和声频/视频等,但我们用来创造虚拟世界的工具还只是开始.
随着SoC渐渐成为系统名副其实的一部分,对系统范围的理解将日益重要.(本文选自《微处理器报告》,莫怡欣译)