基于三维运动捕捉技术构建蒙医震脑术三维虚拟仿真平台的视觉呈现

背景:基于三维运动捕捉技术可以构建精准的、客观量化的医学虚拟仿真模型,有利于临床学习者精准、深入理解和掌握各种传统疗术。目前中医虚拟仿真模型已有报道,但蒙医传统疗术的虚拟仿真模型尚未见报道。目的:构建一种基于三维运动捕捉技术的交互式三维可视化的蒙医震脑术虚拟仿真模型。方法:使用Motion Analysis三维光学运动捕捉系统和足底测力台采集蒙医专家的运动捕捉数据,在Motion Builder软件中构建震脑术三维动作模型,使用Maya软件构建角色模型并与动作模型相匹配,运动Unity3D软件构建蒙医震脑术虚拟仿真系统,系统整合蒙医震脑术操作3D动画、运动学和动力学参数信息。结果与结论:通过三维运动捕捉技术和计算机仿真重现蒙医震脑术操作,能够显示施术者和受试者的运动姿态,记录关节运动的关键空间位置参数与变化情况,得出运动过程中的运动学、动力学参数。运用交互式三维虚拟仿真技术,实现蒙医震脑术的三维虚拟仿真的视觉呈现,为蒙医震脑术手法的标准化、数字化、可视化研究奠定基础。

特发性脊柱侧弯患者步行生物力学特征:三维运动捕捉的横断面分析

背景:脊柱侧弯的生物力学分析病例数量有限,仅限于对脊柱或下肢独立进行生物力学分析,缺乏对人体多维度整体的评估,难以反映躯干与下肢在日常活动中的运动关系,不利于综合指导临床治疗。目的:通过测量脊柱侧弯患者在步行活动中的脊柱运动学,研究脊柱不同节段及下肢运动学/动力学在步态活动中的关系,以全方位多层次评估脊柱侧弯患者与正常人群在生物力学的差异,为临床防治脊柱侧弯提供循证依据。方法:此研究为一项横断面研究,于2020年7月至2021年6月,在福州大学城、福建中医药大学附属康复医院纳入脊柱侧弯患者28例及同年龄段正常人28例。采用三维运动捕捉系统以100 Hz的采样频率捕捉步态的运动学数据,2块测力台(AMTI 400600,采样频率1500 Hz)嵌于长10 m(数据采集有效长度为4 m),宽2.4 m平地走道采集动力学数据。比较两组受试者执行平地步行时步态时空参数,运动学及动力学参数的差异。所有受试者在纳入后立即接受全脊柱X射线片测量比较两组差异。结果与结论:(1)脊柱侧弯患者肩胛带-躯干相对旋转活动度、胸廓-骨盆相对旋转活动度较正常组小(P<0.05),骨盆旋转活动度相较正常组大(P<0.05)。(2)脊柱侧弯患者髋、膝关节屈伸活动度,髋关节凹凸侧屈伸峰力矩、地反力凸侧内外向峰值较正常组小(P<0.05)。(3)脊柱侧弯患者的膝关节屈伸活动度非对称性指数、肩胛带-躯干相对旋转活动度非对称性指数、胸廓-骨盆相对旋转活动度非对称性指数较正常组大(P<0.05)。(4)上述结果证实,脊柱侧弯患者在平地行走时肩胛带-胸廓-骨盆之间僵硬的运动模式,髋膝关节屈伸活动度减少,髋关节双侧屈伸力矩峰值及地反力凸侧内外向峰值降低。这些特征可以作为康复评估及治疗方案制定的依据。

光学运动捕捉实验中参考相机的选择方法研究

针对运动捕捉实验过程中多目视觉系统的标定优化问题,通过对摄像机参数估计过程的误差分析,探索了参考相机的选择对于光束平差迭代计算的影响,并在此基础上提出了一种Q值评测方法,该方法运用有权无向图获得相机节点之间的最短连通路径,利用反投影误差和均方差的加权平均值来评估参考相机选择的合理性。在实验中,使用了多台摄像机组成多目视觉系统对所提出的参考相机选择方法进行了验证。实验结果表明,所提出的Q值评测方法是有效的,可进一步提高系统标定的精度,对运动测试实验精度控制具有重要的参考价值。

基于姿态估计与深度图像的啦啦操运动员动作捕捉方法设计

为了对啦啦操运动员的动作进行有效的捕捉与识别,提出一种基于姿态估计与深度图像(PE-DI)的啦啦操运动员动作捕捉方法 .该方法采用深度摄像头收集啦啦操运动员的运动数据,并通过利用深度图像来增强三维空间的动作重建效果,接着利用姿态估计算法分析运动员的动作精度和稳定性.结果显示,动作识别率对比中,PE-DI算法、NN-BV算法、SPR-DL算法与Multi-Scale Feature算法在五次实验中的平均识别率分别为99.24%、97.18%、94.16%与90.21%.最后PE-DI算法运行下啦啦操运动员起势、跳跃、鞠躬与转身四个动作的均被捕捉划分于正确区域内,显著优于其他算法.实验结果表明,PE-DI算法能够对啦啦操运动员的动作进行较高精度的捕捉,为啦啦操运动员的训练与表演提供有效的技术支持.

运动捕捉技术在三维动画设计中的应用及发展前景

运动捕捉技术由多个数字化设备完成,是三维动画设计与制作中重要的技术之一。运动捕捉技术运用于三维动画设计,能使动画角色表情和动作更加逼真,有效提升三维动画制作效率,降低动画制作成本,对于三维动画创新发展具有重要意义。动作捕捉技术用于三维动画设计具有一定复杂性,需要制作团队根据动画设计需求,制定详细的捕捉方案,采集动作,并分析和应用数据,才能赋予三维动画角色更生动逼真的表情和动作,促进三维动画产业高质量发展。未来,运动捕捉技术将会与新型数字化技术融合,逐渐突破技术层面的桎梏,在推动三维动画产业发展的同时,为医学、体育等领域的发展提供技术支撑。

基于惯性传感器的免对准动作的人体上肢运动捕捉方法

基于惯性传感器的人体运动捕捉系统,通常在进行运动捕捉前需要执行特定的标准动作来完成对准,以获得IMU坐标系相对肢体坐标系的姿态。运动受限用户(如偏瘫患者)无法完成一些标准动作,而运动正常用户也不能保证均能正确执行标准动作,从而导致人体运动捕捉误差。为了克服现有方法的不足,研究了一种基于惯性传感器的免对准动作的人体上肢运动捕捉方法,该方法无需执行特定对准动作,佩戴IMU后即可直接进行运动捕捉。通过与“T-Pose”静态对准方案比较,验证了免对准动作方法的有效性,并且基于OpenGL的虚拟人体模型进行了上肢运动捕捉实验。实验表明,所提出的方法简便有效,在无须执行标准对准动作的情况下仍具有较好的人体运动捕捉效果,适合偏瘫患者等行动受限的用户使用。

基于视频运动捕捉的下肢骨肌多体动力学仿真

目的最近发展的视频运动捕捉技术已经应用于人体关节的运动学研究,但是该技术是否可以代替有标记点的运动捕捉技术进行人体下肢骨肌多体动力学模拟尚未可知。本研究通过与标记点运动采集数据对比评估视频运动捕捉技术对人体下肢关节运动学和力学的影响。方法本研究采用视频运动捕捉技术和有标记点运动捕捉技术同时采集了5名志愿者的运动数据,基于Any Body建立了结合足地接触模型的下肢骨肌多体动力学仿真方法,对比研究了两种运动捕捉数据驱动下肢骨肌模型预测的髋、膝、踝关节力和关节运动、地面反作用力。结果两种数据条件下模型预测的髋、膝、踝关节屈曲伸展角度很强的相关性,同时髋关节接触力、膝关节接触总力、膝关节内侧接触力和踝关节接触力学也有很强的相关性。两种数据条件下足地接触模型预测的前后方向地面反作用力和竖直方向地面反作用力均一致。结论视频运动捕捉技术有望替代有标记点运动捕捉技术应用于人体下肢关节的运动学和动力学研究,基于视频运动捕捉数据驱动的骨肌模型结合足地接触模型可以同时预测下肢关节运动学和动力学。

惯性传感器与高速红外运动捕捉系统实验数据的比较

目的近年来,惯性传感器逐渐被应用于人体生物力学分析。与传统的红外运动捕捉系统相比,它具有操作简单,不受场地限制等优点。本研究通过对比惯性传感器与红外运动捕捉系统测量步行时下肢关节角度的结果,以评估惯性传感器测得数据的准确性。方法采用惯性传感器(Xsens MVN Awinda,the Netherlands)和红外运动捕捉系统(Qualisys,Sweden)同步采集受试者慢走和快走过程中1个完整步态周期的屈伸方向上髋膝踝关节角度。调整两套系统的关节角度方向一致,使用Matlab R2020a软件对Qualisys采集的运动学参数与Xsens采集的数据进行spearman双变量相关性分析。结果在慢走过程中,屈伸方向上双侧髋关节(右侧:rs=0.980,左侧:rs=0.996)、膝关节(右侧:rs=0.976,左侧:rs=0.969)和踝关节(右侧:rs=0.966,左侧:rs=0.982)均表现出非常高的相关性。在快走过程中,屈伸方向上双侧髋关节(右侧:rs=0.963,左侧:rs=0.984)、膝关节(右侧:rs=0.950,左侧:rs=0.940)和踝关节(右侧:rs=0.862,左侧:rs=0.931)同样表现出非常高的相关性。结论在步行状态下,惯性传感器测得下肢矢状面关节角度数据的准确性较高,但慢走过程的数据准确性高于快走过程。

基于深度学习的无标记点运动捕捉系统评估骨关节疾病人群的步态运动学

目的评估基于深度学习的无标记点运动捕捉系统测量骨关节疾病人群步态运动学的精度。方法采用10个Vicon红外镜头和4个FLIR高速彩色视频镜头以150 Hz的采样频率同步采集150例(随机分为训练集120例和测试集30例)晚期骨关节疾病患者以自选速度在地面上行走的数据。反光标记点的粘贴方式参考CGM24下肢模型。在训练集上,首先从4个视角的视频数据,利用优化后的Vi TPose网络进行二维姿态估计,得出下肢二维关键点坐标。再利用一个融合时间和空间信息的神经网络模型,从4个不同视角连续多帧的二维关键点坐标重建精确的三维人体姿态,得出20个下肢关键点的三维坐标。在测试集上,利用Open Sim逆向动力学工具分别计算有标记点和无标记点运动捕捉系统的下肢关节角度。采用均方根误差和活动度误差来评估无标记点运动捕捉系统对下肢关节角度的估计精度。结果相比于有标记点运动捕捉系统,无标记点运动捕捉系统对下肢关节角度估计的均方根误差均在4°以内(2.7°~3.8°),活动度误差均在2°以内(-1.6°~0.6°)。结论本研究开发的基于深度学习的无标记点运动捕捉系统在骨关节疾病人群的步态运动学评估上具有较高的精度,为该系统在临床上应用奠定了重要基础。

无标记运动捕捉系统在临床步态分析上的研究进展

步态分析是临床研究的重要组成部分,传统的三维步态分析由于设备成本高、专业技术要求高等原因难以广泛应用。随着计算机视觉技术的发展,无标记运动捕捉系统的精确度得到极大提升,无需标记、成本较低的优势逐渐显现,并被应用于步态分析,但由于研究人员和临床医生缺乏对该系统的整体了解,使得该技术尚不能得到广泛推广,本综述拟对无标记运动捕捉系统在临床步态分析上的应用进展进行回顾,分析目前各项技术的优势和局限性,展望无标记运动捕捉系统在临床步态分析上的发展方向,为今后无标记运动捕捉系统在临床上的推广使用提供了研究思路。

基于动作捕捉系统对下肢外骨骼运动分析及步态仿真

结合生物医学工程,设计出一种人体下肢外骨骼。通过光学动作捕捉系统采集人体正常行走时的位置坐标,分析采集数据,从而获得人体正常行走时的髋、膝和踝关节的角度变化;建立自由度为5的下肢外骨骼运动学模型,随后通过逆运动学求解出各个关节的角度变化,运用于步态规划中;在SolidWorks中建立下肢外骨骼三维模型,运用ADAMS进行动力学仿真,其中对仿真参数的设定为步态规划中求解的各关节角度,通过虚拟样机完成仿真动作,最后将所得的仿真数据与光学动作捕捉系统采集的数据进行对比。数据对比结果显示,下肢外骨骼能基本实现人体的正常行走,确定了模型建立的可适用性、运动学分析与动力学仿真准确性,为后期的研究提供基准。

基于Azure Kinect运动捕捉的仿人机器人运动控制平台设计

本文设计了一种基于Azure Kinect的仿人机器人运动控制平台,使用动作捕捉获取操作员的运动关节数据,并驱动在仿真环境下的仿人机器人运动。结果表明:该平台不仅能实现离线和在线的不同人体运动的模仿,而且在体现人体运动风格的前提下能保持整体运动的运动稳定性和鲁棒性,同时能实现对仿人机器人丰富的人体运动行为的模仿,可用于仿人机器人运动生成和扩展应用领域。

基于运动轨迹预测控制的机械臂目标捕捉策略

利用机械臂捕捉运动中的物体是一项极具挑战性的任务,目标的轨迹预测、落点计算以及机械臂的运动控制需要在毫秒级内完成。为此提出一种基于运动轨迹预测控制的机械臂目标捕捉策略。首先,结合长短时记忆神经网络和卡尔曼滤波算法,设计一种改进的运动轨迹预测模型,实现动态目标的落点计算。其次,采用基于模型预测方法的位置视觉伺服控制,用于实时修正机械臂的姿态,从而实现运动物体的捕捉。最后,建立基于UR5机械臂的仿真与实验环境,验证所提方案的有效性。

运动捕捉技术在步态分析中的研究进展

运动捕捉技术已经广泛应用于步态分析、运动康复、动作对比、技战术分析、生物运动力学分析、损伤防护、运动装备设计研发等领域,实现了人机交互的全新体验。而步行是人类运动中最基础的动作,在生物力学研究上对异常步态进行分析能够有效改善患者治疗和康复的效果。本文总结了运动捕捉技术在各种异常步态分析中的应用,并对其优缺点进行了总结与展望。检索PubMed、Embase、EBSCO、Web of Science、中国知网,收集2018年1月至2023年12月公开发表的有关有标记运动捕捉及无标记运动捕捉在异常步态的相关研究,进行系统综述。最终纳入了22篇英文文献,这些文献主要集中在神经科学、生物医学工程和临床医学等领域,特别是在步态分析、运动捕捉技术、神经病理学和康复医学等方面的应用。这些研究为我们理解和改善各种神经系统疾病,如帕金森病、多发性硬化症和脑卒中以及骨关节炎等疾病的步态提供了宝贵的见解。利用运动捕捉来进行异常步态分析能有效地给患者提供准确的康复治疗,将结果用于临床诊断、康复规划或研究目的。异常步态分析在评估肌肉骨骼状况、神经系统疾病或干预措施的有效性方面具有重要价值。

运动捕捉技术在戏剧与影视中的应用

随着科学技术的持续发展,影视动画制作领域渐渐研发出了较多的新技术,在此之中,运动捕捉技术的运用已十分普遍,为人们创造了许多印象深刻、受欢迎的虚拟角色,丰富了人们的精神文化世界。虚拟捕捉技术和传统的3D技术有着较大区别,其主要通过对真实人物形象动作、表情的捕捉,以此制作成相应的作用。伴随诸多优秀影视作品的播出,相应的虚拟角色给人们带来了深刻的印象,同时也收获了一众“粉丝”,而这些优秀且成功的虚拟角色的创造,有赖于运动捕捉技术的日益成熟。

运动捕捉技术及其应用研究综述

运动捕捉技术能够测量、跟踪和记录物体在三维空间中的运动轨迹,在许多研究领域得到了广泛的应用。介绍了运动捕捉技术的发展历程,概括总结了目前常用的五种运动捕捉系统的组成及优缺点,对采用运动捕捉技术进行应用研究的相关成果进行了收集、分类和整理,从非物质文化遗产的数字化保护、模拟训练与教学、影视和游戏动画制作、人体姿态研究、人机工程学研究等方面对这些成果作了系统综述。在分析总结已有研究成果的基础上,提出可将该技术应用于一些新的研究项目。

基于视频的人体运动捕捉综述

系统地总结和介绍了基于视频的人体运动捕捉研究的技术方法和最新进展·将基于视频的人体运动捕捉方法分为自顶向下的方法和自底向上的方法2大类,阐述了每一类中各种方法的原理、技术特点和研究现状,最后分析了该领域的难点问题和发展趋势·

基于运动能量模型的人体运动捕捉数据库的检索

不同于经典的基于几何空间位置的检索方法,首先提出基于运动能量的描述人体运动的模型,在此基础上引入熵的概念,提取能体现运动特征的关键关节作为衡量动作相似性的基准;然后利用Keogh定界算法建立索引,以加快检索速度;最后,利用动态时间变形算法计算运动例子和检索集之间的相似度,确定检索结果集.实验结果表明,该方法速度快、准确性高.

基于光学运动捕捉数据的虚拟人下肢运动控制方法

由于被动式光学运动捕捉设备只能捕捉人体关键关节的运动信息,介绍了一种简化的虚拟人体骨架结构模型;在此基础上根据光学运动捕捉数据的获取过程,分析了虚拟人体运动数据误差的来源。重点针对由于运动捕捉数据连续性不足造成的虚拟人下肢运动连续性差等问题,为加强对虚拟人运动过程的控制,提出一种对关键关节点运动数据平滑处理,再基于逆向运动学计算下肢运动链其它关节点运动信息的运动控制方法。通过实验和分动箱虚拟维修训练平台证明了该方法的有效性和实用性。

基于惯性动作捕捉的人体运动姿态模拟

针对人体运动姿态编辑的自由性,提出一种人体运动姿态模拟方法。该方法采用贝塞尔曲线和数值数据编辑人体运动姿态。根据人体运动的特点,在VC++中运用OpenGL构建虚拟人体模型,利用动作捕捉技术设计人体运动姿态的模拟程序。结合人体关节正常活动范围,对主要关节点的运动姿态进行分析,结果表明,该方法能有效利用人体运动数据,驱动虚拟人体模型。