利用单个IMU重建虚拟角色全身运动

本文提出一种利用单个惯性测量单元（IMU）数据实时重建虚拟角色全身运动序列的方法。该过程因其需从极少自由度（DOFs）重建大量自由度而困难。为解决这一复杂问题，所提方法分为若干步骤。同时记录用户全身运动与 IMU 数据。随后对数据进行预处理以便更高效处理。通过开发具有反应式插值功能的分层多元隐马尔可夫模型，系统学习运动序列的结构。具体而言，运动序列的阶段分配于较高层级，运动序列的帧结构分配于较低层级。在方法运行期间，使用前向算法重建虚拟角色的全身运动。首先，方法预测输入运动所属阶段（较高层级）；其次，方法预测最接近轨迹及其进程，并插值其中最可能者以重建虚拟角色全身运动（较低层级）。对所提方法的评估表明，其以合理帧率工作，且相较先前方法最小化重建误差。