VR三種捕捉系統技術介紹

本世代的VR使用的捕捉技術基本上是運用的下面三種，感興趣的玩家可以來這里了解下具體是哪三種技術。

目前動作捕捉系統有慣性式和光學式兩大主流技術路線，而光學式又分為標定和非標定兩種。

那么我們可以將動作捕捉系統分為以下三大主類：

基于計算機視覺的動作捕捉系統(光學式非標定)、基于馬克點的光學動作捕捉系統(光學式標定)和基于慣性傳感器的動作捕捉系統(慣性式)。

下面分別對這三種形式的動作捕捉系統進行簡單的解析。

第一類：基于計算機視覺的動作捕捉系統

該類動捕系統比較有代表性的產品分別有捕捉身體動作的Kinect，捕捉手勢的Leap Motion和識別表情及手勢的RealSense實感。

該類動捕系統基于計算機視覺原理，由多個高速相機從不同角度對目標特征點的監視和跟蹤來進行動作捕捉的技術。

理論上對于空間中的任意一個點，只要它能同時為兩部相機所見，就可以確定這一時刻該點在空間中的位置。

當相機以足夠高的速率連續拍攝時，從圖像序列中就可以得到該點的運動軌跡。

這類系統采集傳感器通常都是光學相機，基于二維圖像特征或三維形狀特征提取的關節信息作為探測目標。

基于計算機視覺的動作捕捉系統進行人體動作捕捉和識別，可以利用少量的攝像機對監測區域的多目標進行監控，精度較高;

同時，被監測對象不需要穿戴任何設備，約束性小。

然而，采用視覺進行人體姿態捕捉會受到外界環境很大的影響。

比如光照條件、背景、遮擋物和攝像機質量等，在火災現場、礦井內等非可視環境中該方法則完全失效。

另外，由于視覺域的限制，使用者的運動空間被限制在攝像機的視覺范圍內，降低了實用性。

第二類：基于馬克點的光學動作捕捉系統

這類系統中具有代表性的是美國的Motion Analysis。

該類系統的原理是在運動物體關鍵部位(如人體的關節處等)粘貼Marker點，多個動作捕捉相機從不同角度實時探測Marker點。

數據實時傳輸至數據處理工作站，根據三角測量原理精確額計算Marker點的空間坐標。

再從生物運動學原理出發解算出骨骼的6自由度運動。

根據標記點發光技術不同還分為主動式和被動式光學動作捕捉系統。

基于馬克點的光學動作捕捉系統采集的信號量大，空間解算算法復雜。

其實時性與數據處理單元的運算速度和解算算法的復雜度有關。

且該系統在捕捉對象運動時，肢體會遮擋標記點，另外對光學裝置的標定工作程序復雜，這些因素都導致精度變低，價格也相對昂貴。

基于馬克點的光學動作捕捉系統可以實現同時捕捉多目標。

但在捕捉多目標時，目標間若產生遮擋，將影響捕捉系統精度甚至會丟失捕捉目標。

第三類：基于慣性傳感器的動作捕捉系統

這類系統中代表性的產品有諾亦騰開發的Perception Neuron。

基于慣性傳感器的動捕系統需要在身體的重要節點佩戴集成加速度計。

陀螺儀和磁力計等慣性傳感器設備，然后通過算法實現動作的捕捉。

該系統由慣性器件和數據處理單元組成，數據處理單元利用慣性器件采集到的運動學信息。

通過慣性導航原理即可完成運動目標的姿態角度測量。

基于慣性傳感器的動捕系統采集到的信號量少，便于實時完成姿態跟蹤任務。

解算得到的姿態信息范圍大、靈敏度高、動態性能好，且慣性傳感器體積小、便于佩戴、價格低廉。

相比于上面提到的兩種動作捕捉系統，基于慣性傳感器的動作捕捉系統不會受到光照、背景等外界環境的干擾。

又克服了攝像機監測區域受限的缺點，并可以實現多目標捕捉。

但是由于測量噪聲和游走誤差等因素的影響，慣性傳感器無法長時間地對人體姿態進行精確的跟蹤。