目录

●第1章 绪论 1
1.1 研究背景与意义 1
1.2 机器人节点姿态估计技术的研究现状 4
1.2.1 单个IMU姿态估计技术 4
1.2.2 机器人关节角估计技术 5
1.3 人体运动捕捉技术的研究现状 7
1.3.1 人体运动捕捉方案 7
1.3.2 人体运动捕捉方法 9
1.3.3 人体位置跟踪方法 11
1.4 人体动作识别技术的研究现状 13
1.4.1 传感器部署方案与数据集 13
1.4.2 基于机器学习的动作识别方法 15
1.4.3 基于深度学习的动作识别方法 17
第2章 MARG传感器的模块设计与传感器校准 21
2.1 MARG传感器的模块设计 21
2.2 传感器校准 29
2.2.1 磁力计校准 29
2.2.2 加速度计校准 31
2.2.3 陀螺仪校准 32
第3章 节点姿态估计技术 34
3.1 刚体姿态描述方法 34
3.2 基于EKF的姿态估计算法 35
3.2.1 过程模型 35
3.2.2 观测模型 36
3.2.3 EKF执行过程 37
3.3 基于DEKF的解耦姿态估计算法 38
3.3.1 问题描述 38
3.3.2 融合加速度矢量和角速度矢量估计物体姿态 39
3.3.3 从单位四元数中剔除航向姿态 39
3.3.4 融合磁场矢量和角速度矢量估计航向姿态 41
3.3.5 融合非航向姿态与航向姿态实现完整姿态估计 43
3.4 基于正交观测矢量的姿态估计算法 43
3.4.1 参考矢量构造 43
3.4.2 参考矢量观测协方差推导 44
3.4.3 基于正交观测矢量的解耦姿态解算 45
3.5 实验与分析 46
3.5.1 磁干扰下解耦姿态估计实验 46
3.5.2 静态与动态姿态估计实验 48
3.5.3 大范围俯仰运动姿态估计实验 50
3.5.4 算法计算效率对比实验 53
第4章 人体运动捕捉技术 54
4.1 人体关节运动链模型 54
4.2 人体运动捕捉算法 55
4.2.1 初始姿态标定 55
4.2.2 关节姿态解算 58
4.2.3 人体运动学模型 59
4.3 人体位置跟踪算法 62
4.3.1 基于自适应零速度更新的脚部位置跟踪 62
4.3.2 融合惯性导航与人体运动学模型的位置跟踪 76
4.4 实验结果 78
4.4.1 零速度检测实验 78
4.4.2 人体动作捕捉实验 85
4.4.3 人体位置跟踪实验 86
第5章 机器人运动捕捉技术 90
5.1 单轴旋转运动旋转轴与转角估计 90
5.1.1 旋转轴与转角解析 90
5.1.2 实验与分析 95
5.2 机械臂姿态捕捉 104
5.2.1 问题构建 105
5.2.2 关节角与位置解算 107
5.2.3 实验与分析 115
5.3 移动机器人姿态捕捉 120
5.3.1 基于主平面磁场信息的磁力计校准 120
5.3.2 移动机器人姿态估计算法 123
5.3.3 实验与分析 123
第6章 人体行为识别技术 129
6.1 基于深度卷积Transformer的对比自监督动作识别模型 129
6.1.1 对比自监督预训练模块 130
6.1.2 动作识别微调模块 135
6.1.3 动作识别测试模块 136
6.2 实验平台 136
6.2.1 数据集 136
6.2.2 模型参数设置 137
6.2.3 对比模型 137
6.2.4 模型评价方法 138
6.3 实验与分析 139
6.3.1 数据增强实验 139
6.3.2 基于不同比例有标记数据的动作识别实验 141
6.3.3 线性评估与微调评估实验 143
6.3.4 动作类别分类能力实验 143
6.3.5 特征学习能力实验 146
6.3.6 消融实验 146
参考文献 149