成就VR产业的动作捕捉技术怎么玩儿？

本篇文章1569字，读完约4分钟

2016年，虚拟现实商业化和大众化的世界浪潮正在向我们袭来。虚拟现实是交互模式的新革命。人们正在意识到交互模式从界面到空.的转变这种互动强调沉浸感，用户希望完全沉浸其中，真正“进入”虚拟世界。运动捕捉系统是必要的。可以说，动作捕捉技术是虚拟现实产业的隐形钥匙。

目前，运动捕捉系统主要有两种技术路线:惯性和光学，光学分为标定和非标定。然后我们可以将运动捕捉系统分为以下三大类:基于计算机视觉的运动捕捉系统(光学非校准)、基于标记点的光学运动捕捉系统(光学校准)和基于惯性传感器的运动捕捉系统(惯性)。接下来，我们简单分析这三种类型的运动捕捉系统。

基于计算机视觉的运动捕捉系统:

这种动态捕捉系统的典型产品是捕捉身体运动的kinect、捕捉手势的leapmotion以及识别表情和手势的realsense。

这种运动捕捉系统基于计算机视觉原理，利用多个高速摄像机从不同角度监控和跟踪目标特征点来捕捉运动。从理论上讲，只要空的任何一点都能被两台摄像机同时看到，此时此刻空的这个点的位置就可以确定。当摄像机以足够高的速率连续拍摄时，可以从图像序列中获得该点的运动轨迹。这种系统采集的传感器通常是光学相机，基于二维图像特征或三维形状特征提取的关节信息被用作检测目标。

基于计算机视觉的运动捕捉系统能够捕捉和识别人体运动，并且能够使用少量的摄像机高精度地监控监控区域内的多个目标；同时，被监控对象不需要佩戴任何设备，限制较少。

然而，用视觉捕捉人体姿态会受到外界环境的很大影响，如光照条件、背景、障碍物和摄像机质量等。并且这种方法在诸如火灾场景和矿井的非视觉环境中完全无效。此外，由于可视域的限制，用户的运动/0/被限制在摄像机的可视范围内，这降低了实用性。

基于标记点的光学运动捕捉系统:

代表人物是美国的情感分析。

这种系统的原理是将标记点粘贴在运动物体的关键部位(如人体关节等)。)，多个运动捕捉相机从不同角度实时检测标记点，并将数据实时传输到数据处理工作站。根据三角剖分原理，精确计算标记点的空坐标，然后根据生物运动学原理求解骨骼的6自由度运动。根据标志点的不同照明技术，可分为主动式和被动式光学运动捕捉系统。

基于标志点的光学运动捕捉系统采集信号量大，空之间的计算算法复杂。其实时性能与数据处理单元的运算速度和计算算法的复杂度有关。此外，当系统捕捉到物体的运动时，肢体会阻挡标记点。此外，光学器件的校准过程复杂，导致精度低且价格相对较高。

基于标记点的光学运动捕捉系统可以同时捕捉多个目标。然而，当捕获多个目标时，如果目标之间存在遮挡，捕获系统的精度将受到影响，甚至捕获的目标将丢失。

基于惯性传感器的运动捕捉系统:

代表性产品有诺伊腾开发的感知神经元和国成万通开发的stepvr。

基于惯性传感器的运动捕捉系统需要在身体的重要节点佩戴加速度计、陀螺仪和磁力计等集成惯性传感器，然后通过算法实现运动捕捉。该系统由惯性器件和数据处理单元组成。数据处理单元利用惯性器件采集的运动学信息，利用惯性导航原理测量运动目标的姿态角。

基于惯性传感器的动态捕获系统采集的信号量较少，便于实时完成姿态跟踪任务。计算得到的姿态信息范围大、灵敏度高、动态性能好。惯性传感器体积小、易磨损、价格低。与上述两种运动捕捉系统相比，基于惯性传感器的运动捕捉系统不会受到光照、背景等外界环境的干扰，克服了摄像机监控区域有限的缺点，能够实现多目标捕捉。

然而，由于测量噪声、漂移误差等因素的影响，惯性传感器长期以来无法准确跟踪人体姿态。

诺伊藤开发的感知神经元

最后，我们可以通过下表简单比较这些运动捕捉系统:

除了惯性和光学运动捕捉系统，还有机械、电气、声学和电磁运动捕捉系统。读者可以通过互联网了解更多细节。

*本文是作者的独立观点，并不代表老虎嗅探网络的立场