新聞列表
|
慣捕/光捕/光混捕捉——三種動作捕捉系統(tǒng)解決方案的對比分析2010年,Iphone4首次采用了ST公司的三軸陀螺儀和三軸加速度計作為手機的慣性傳感器,這或許是Mems IMU第一次勢不可擋地沖進了每個人的日常生活中。 慣性技術的輕量化讓許多硬件設備都煥發(fā)了新生,動作捕捉就是其中一個。之后的十年,純慣性動捕和光學動捕開始在影視制作、體育分析、醫(yī)療康復等各個領域的市場份上進行了激烈地競爭。 今天筆者給大家全面分析一下,傳統(tǒng)的基于攝像機的純光學動作捕捉系統(tǒng),與基于Mems傳感器的純慣性動作捕捉系統(tǒng),還有光慣混合系統(tǒng)的區(qū)別。 一、光學捕捉: 基于攝像機的捕捉系統(tǒng),是人體動作捕捉曾經的行業(yè)標準。標準系統(tǒng)由一組攝像機與數(shù)據處理服務器(通常稱為HUB)組成,相機發(fā)出紅外光,在場景中特殊材質做成Maker球上發(fā)生反射,從而捕獲到場景中Maker點的絕對位置信息。 而現(xiàn)在,為了避免場景中其他反光體對捕捉造成的影響,許多公司也會采用主動式的發(fā)光體。也就是將Maker點換成主動發(fā)出紅外光的設備,這樣的話: (1)不會受到場地中反光體影響 (2)光球在不同頻率下發(fā)出紅外光可以被相機捕捉到,從而區(qū)分每個主動發(fā)光體的編號,增加識別度和精度(理論上,目前還大幅受限于硬件等因素) 安裝 傳統(tǒng)的光學相機對光線非常敏感,容易受到各種各樣的影響,現(xiàn)在部分廠商已經推出了室外光學相機。由于相機需要覆蓋在多個位置,以對捕捉場景內人體上的標記點進行不同方向的追蹤,施工要求很高,全程都需要專業(yè)人員進行指導。在一些結構不夠穩(wěn)定的場地,可能因為相機抖動影響捕捉效果。 精度 國內數(shù)量光學系統(tǒng)大多是學校的實驗室,占地面積30平米左右。光學系統(tǒng)的位置追蹤精度取決于安裝攝像頭的硬件參數(shù),以及攝像頭鏡頭可捕捉面積大小。 目前主流的捕捉方案基本都能達到毫米級誤差精度。人體姿態(tài)的還原則更多需要依賴算法,一般可以到達0.2度的精度。雖然光學系統(tǒng)追蹤的是Maker點的絕對位置,但是Maker點碰撞不會導致干擾捕捉結果。 幀率 光學像機的光學追蹤系統(tǒng)能夠達到2000幀左右的相機幀數(shù)率,通過高幀率的捕捉可以很好的對標記點進行追蹤,解決光點解算的問題,使得捕捉的精度更高,但是經過數(shù)據的算法降噪,除去冗余數(shù)據,目前最終的有效捕捉數(shù)據幀率大多在200左右,多的在400左右。 動力學參數(shù) 人體分析用途的捕捉主要目的通常是關節(jié)的加速度和速度數(shù)據。而在最早之前光學相機雖然對Maker點的采集實時度和精度都不低,但是姿態(tài)的算法還原是通過多次求導計算獲得。如果攝像機獲得的位置數(shù)據干擾較大,則計算過程中也會放大誤差數(shù)據,導致獲得的加速度、速度測量出現(xiàn)的誤差有較大地偏差。隨著科技的進步通過不斷的研發(fā),現(xiàn)在可以有效的解決這種誤差范圍,提供計算精度。 遮擋 所有基于光學的系統(tǒng),不論是激光、紅外或者計算機視覺等,大的問題都來源于遮擋問題。 由于Maker點的捕捉存在死角,例如雙人,或者場地中需要增加實物捕捉導致光點追蹤丟失。一旦攝像機丟失Maker點位置,就會出現(xiàn)嚴重的姿態(tài)漂移扭曲等現(xiàn)象,現(xiàn)在的算法能對數(shù)據進行修補和根據之前數(shù)據做預測和模擬來補足,可以彌補這種遮擋導致的數(shù)據丟失問題。 另外就像我們在上面介紹中說的,攝像機捕捉到的每一個標記點都是一模一樣的點,并不能通過編號進行區(qū)分。大部分光學系統(tǒng)依賴剛體(Rigid),也就是將四個或者更多標記點形成一個整體,通過對場地中光點的組合與編號,來定位一個更大的物體。 校準 光學系統(tǒng)動作捕捉需要兩套標定系統(tǒng),第一是對相機和場地進行標定,也就是我們所說的:掃場。另一個則是對人體姿態(tài)進行標定,通常只要在場地中移除其他Maker點,做對應的Pose就可以完成。 二、慣性動作捕捉: 很多客戶通過渠道聯(lián)系到我們咨詢動捕相關的問題時,喜歡拿光學和慣性某個參數(shù)直接進行比較,但是筆者認為,這兩種技術本身的實現(xiàn)原理和使用環(huán)境都存在一定的區(qū)別,雖然某些領域有一定交集,但是還是需要從整體上來分析兩種技術的使用場景。 慣性動作捕捉系統(tǒng)是通過慣性傳感器來捕捉人的關鍵骨骼旋轉信息,你沒看錯,慣性傳感器的加速度計精度不足以捕捉空間位移信息,所以加速度計采集的數(shù)據是不會直接拿來做位移計算的。每個慣性傳感器可以直接測量XYZ軸的轉動量以及加速度,這和光學的點云數(shù)據進行姿態(tài)重建不同,慣性設備的單個傳感器就是一個“剛體”。 每個慣性傳感器測量單元包含陀螺儀、加速度計、磁傳感器以及其他數(shù)字信號處理和轉化裝置,加速度測量重力向量獲得roll、pitch參考量,磁傳感器通過地磁測量獲得yaw的參考方向(這也是為啥強磁的物體影響慣性捕捉設備),通過采用陀螺儀傳感器對運動進行測量,最后這些采集的數(shù)據同樣是通過算法去還原成人體姿態(tài)的,因此慣性和光學都會存在一樣的問題,那就是算法導致的誤差。 系統(tǒng)安裝便捷性 慣性設備的安裝和校準會比光學設備簡單不少,只要一個手提箱+一臺筆記本就是一個完整系統(tǒng)。目前市面的慣性設備都是綁帶式(類似背背佳那種綁帶+魔術貼)或者緊身服式。不需要特殊的場地,隨時隨地就可以安裝捕捉,開機僅10分鐘內就可以完成安裝與設備校準,非常方便。輸出的動作在軟件直接進行可視化還原,也可以導入第三方軟件中同步,進行二次開發(fā)等。 精度 慣性設備是無法直接通過數(shù)據來還原人體姿態(tài)的,它還需要一個“模型”,也就是我們的人體骨骼模板。他的運動可以綁定在任何我們設置好的骨骼模板上進行還原。而慣性傳感器(IMU)的測量精度取決于受到地磁場受干擾,這也是目前慣性設備較大的缺陷,但是現(xiàn)在很多廠商的抗干擾算法做的都算不錯,如果是短時間內,還是可以處理干擾問題的。一般的純慣捕應用中測量精度<1°,光學存在的Maker點位移導致偏差在慣性中也同樣存在,但是由于慣性傳感器采用綁帶綁定在人體上,因此只要處理得當,可以更大程度地減少誤差。 采樣率 比較好的慣性設備采集頻率應該在800-1000左右,看上去這個數(shù)值遠遠小于光學。但是其測量的加速度和角速度是直接量,不需要通過計算,因此不存在計算產生的誤差。因此慣性獲得的100Hz更新率數(shù)據價值要遠遠高于攝像機獲得的100Hz,慣性設備需要對后期數(shù)據處理的量要遠遠小于光學設備,這也是慣性人體捕捉的一大優(yōu)勢:不需要相機和各種線纜,就能通過無線射頻達到相近的時延。 動力學參數(shù) 慣性動作捕捉系統(tǒng)可以直接獲得加速度與角速度量,非常適合計算生物力學量,是當前主流的體育分析和人機工效分析使用的技術方案。 標記遮擋和不匹配 慣性設備的數(shù)據大多都是通過有線(USB/POE)或者無線射頻(WIFI/藍牙/自有協(xié)議等)與計算機進行傳輸?shù)模蚨鴳T性捕捉系統(tǒng)不存在環(huán)境光干擾問題,其次由于慣性捕捉單個傳感器內有物理地址和編碼等,所以可以對每個傳感器進行編號,使其具有唯一性。但是,由于當前我們的日常生活中有大量帶磁設備以及帶磁環(huán)境,因此慣性設備使用的時候無法忽視這些設備產生的影響。 校準 慣性系統(tǒng)的校準是一個非常簡單的過程,目前大多數(shù)慣性設備只需要短時間內的動作標定就可以完成校準,標定的時間不到10秒。 三、光慣混合捕捉: 由于光學慣性各有掣肘,但是它們的技術特點都可以彌補另一方的缺陷。因此不少公司會將慣性和光學和慣性打包到一起,作為新的動作捕捉方案。這樣不但彌補了光學場地丟失Maker點追蹤的問題,同樣彌補了慣性在算法還原姿態(tài)時空間位置關系誤差累計的問題。 系統(tǒng)安裝便捷性 由于想要同時具備兩個系統(tǒng)的使用優(yōu)勢,因此自然整個前期的施工和布置流程會相對繁瑣。使用上的話,光混設備的搭建和純光搭建的時間接近,光學原本的貼點換成了穿戴慣性設備,整體時間相差不多。 精度 精度上有一個重要的點需要明白,并不是提高了采集的精度,而是提高了姿態(tài)的精度;趹T性算法的主要問題在于慣性技術的算法誤差累計,而基于光學的姿態(tài)還原問題在于算法計算過多導致的誤差放大,而光混解決了慣性捕捉的誤差累計問題,得到了絕對位置信息;同時光學也不會因為丟失Maker點的位置而瞬間產生漂移;并且由于采用慣性為主的采集方式,數(shù)據運算理論上效率更高。 采樣率 理論上,由于木板效應,光學相機的采樣頻率可以做一定的降頻,但是雖然獲取的數(shù)據量變少了,同樣幀率輸出數(shù)據的質量卻變高了。同時這種情況下,可以一定程度減小計算機和相機的負載。 動力學參數(shù) 毫無疑問,加了絕對位置的光慣混捕捉技術,在體育訓練、醫(yī)療康復等領域的運用上可以符合更多純光或者純慣做不到的應用場景。 標記遮擋和不匹配 當環(huán)境光影響的時候,可以自動切換完慣性動作捕捉。而當檢測到光學環(huán)境的時候,可以矯正慣性捕捉帶來的空間位置偏移,并且由于慣性傳感器可以有ID識別的功能,因此也可以通過算法來進一步識別錯誤的情況,而不需要人工干預。 綜合上面的分析,可以得出結論: |