目錄

第1章 緒論1
1.1　研究背景與意義1
1.2　機器人節(jié)點姿態(tài)估計技術的研究現(xiàn)狀4
1.2.1 單個IMU姿態(tài)估計技術4
1.2.2 機器人關節(jié)角估計技術5
1.3　人體運動捕捉技術的研究現(xiàn)狀7
1.3.1 人體運動捕捉方案7
1.3.2 人體運動捕捉方法9
1.3.3 人體位置跟蹤方法11
1.4　人體動作識別技術的研究現(xiàn)狀13
1.4.1 傳感器部署方案與數(shù)據(jù)集13
1.4.2 基于機器學習的動作識別方法15
1.4.3 基于深度學習的動作識別方法17
第2章 MARG傳感器的模塊設計與傳感器校準21
2.1　MARG傳感器的模塊設計21
2.2　傳感器校準29
2.2.1 磁力計校準29
2.2.2 加速度計校準31
2.2.3 陀螺儀校準32
第3章 節(jié)點姿態(tài)估計技術34
3.1　剛體姿態(tài)描述方法34
3.2　基于EKF的姿態(tài)估計算法35
3.2.1 過程模型35
3.2.2 觀測模型36
3.2.3 EKF執(zhí)行過程37
3.3　基于DEKF的解耦姿態(tài)估計算法38
3.3.1 問題描述38
3.3.2 融合加速度矢量和角速度矢量估計物體姿態(tài)39
3.3.3 從單位四元數(shù)中剔除航向姿態(tài)39
3.3.4 融合磁場矢量和角速度矢量估計航向姿態(tài)41
3.3.5 融合非航向姿態(tài)與航向姿態(tài)實現(xiàn)完整姿態(tài)估計43
3.4　基于正交觀測矢量的姿態(tài)估計算法43
3.4.1 參考矢量構造43
3.4.2 參考矢量觀測協(xié)方差推導44
3.4.3 基于正交觀測矢量的解耦姿態(tài)解算45
3.5　實驗與分析46
3.5.1 磁干擾下解耦姿態(tài)估計實驗46
3.5.2 靜態(tài)與動態(tài)姿態(tài)估計實驗48
3.5.3 大范圍俯仰運動姿態(tài)估計實驗50
3.5.4 算法計算效率對比實驗53
第4章 人體運動捕捉技術54
4.1　人體關節(jié)運動鏈模型54
4.2　人體運動捕捉算法55
4.2.1 初始姿態(tài)標定55
4.2.2 關節(jié)姿態(tài)解算58
4.2.3 人體運動學模型59
4.3　人體位置跟蹤算法62
4.3.1 基于自適應零速度更新的腳部位置跟蹤62
4.3.2 融合慣性導航與人體運動學模型的位置跟蹤76
4.4　實驗結果78
4.4.1 零速度檢測實驗78
4.4.2 人體動作捕捉實驗85
4.4.3 人體位置跟蹤實驗86
第5章 機器人運動捕捉技術90
5.1　單軸旋轉運動旋轉軸與轉角估計90
5.1.1 旋轉軸與轉角解析90
5.1.2 實驗與分析95
5.2　機械臂姿態(tài)捕捉104
5.2.1 問題構建105
5.2.2 關節(jié)角與位置解算107
5.2.3 實驗與分析115
5.3　移動機器人姿態(tài)捕捉120
5.3.1 基于主平面磁場信息的磁力計校準120
5.3.2 移動機器人姿態(tài)估計算法123
5.3.3 實驗與分析123
第6章 人體行為識別技術129
6.1　基于深度卷積Transformer的對比自監(jiān)督動作識別模型129
6.1.1 對比自監(jiān)督預訓練模塊130
6.1.2 動作識別微調模塊135
6.1.3 動作識別測試模塊136
6.2　實驗平臺136
6.2.1 數(shù)據(jù)集136
6.2.2 模型參數(shù)設置137
6.2.3 對比模型137
6.2.4 模型評價方法138
6.3　實驗與分析139
6.3.1 數(shù)據(jù)增強實驗139
6.3.2 基于不同比例有標記數(shù)據(jù)的動作識別實驗141
6.3.3 線性評估與微調評估實驗143
6.3.4 動作類別分類能力實驗143
6.3.5 特征學習能力實驗146
6.3.6 消融實驗146
參考文獻149