[论文解读] Automatic Joint Parameter Estimation from Magnetic Motion Capture Data

James F. O’Brien, Robert E. Bodenheimer+2 more|arXiv (Cornell University)|Jan 1, 2000

Human Motion and Animation参考文献 27被引用 183

一句话总结

本文提出一种方法，可仅从磁性动作捕捉数据中自动估算关节参数（如肢体长度、关节位置和传感器偏移），而无需外部测量。通过使用线性最小二乘法对传感器变换数据拟合旋转关节模型，该算法推断出分层骨架结构，并在人体受试者、模拟实验和物理连杆装置上验证了其高精度，误差低于1.5厘米。

ABSTRACT

This paper describes a technique for using magnetic motion capture data to determine the joint parameters of an articulated hierarchy. This technique makes it possible to determine limb lengths, joint locations, and sensor placement for a human subject without external measurements. Instead, the joint parameters are inferred with high accuracy from the motion data acquired during the capture Session. The parameters are computed by performing a linear least squares fit of a rotary joint model to the input data. A hierarchical structure for the articulated model can also be determined in situations where the topology of the model is not known. Once the system topology and joint parameters have been recovered, the resulting model can be used to perform forward and inverse kinematic procedures. We present the results of using the algorithm on human motion capture data, as well as validation results obtained with data from a simulation and a wooden linkage of known dimensions.

研究动机与目标

• 消除动作捕捉中对肢体长度和关节偏移手动测量的需求。
• 仅从动作数据中自动推断刚性角色的分层结构。
• 在不了解受试者解剖结构或传感器位置的情况下，实现精确的前向与逆向运动学。
• 支持实时或交互式应用，其中校准不切实际。
• 为映射动作数据至不同比例数字角色提供稳健、自动化的预处理步骤。

提出的方法

• 以磁性动作捕捉传感器的全局变换矩阵作为输入。
• 对传感器对进行旋转关节模型的线性最小二乘拟合，以估算关节中心。
• 识别在运动过程中彼此相对位置保持固定的传感器对之间的共点。
• 计算残差误差度量，以评估传感器对之间拟合质量。
• 使用残差作为边权重构建最小生成树，以推断分层拓扑结构。
• 通过组合关节位置与层级关系重建完整的刚性模型。

实验结果

研究问题

• RQ1 是否能仅从动作数据中准确估算关节中心和肢体长度，而无需外部测量？
• RQ2 当拓扑结构未知时，能否从动作数据中良好恢复分层结构？
• RQ3 与真实值测量相比，估算参数的精度如何？
• RQ4 该方法能否处理真实世界中的噪声和非理想关节行为？
• RQ5 该算法能否检测并处理因遮挡或传感器漂移导致的标记分配模糊问题？

主要发现

• 在多名人体受试者和多个动作序列中，该方法在肢体长度估算上的平均误差低于1.5厘米。
• 对于已知尺寸的木制连杆装置，该算法估算的肢体长度与真实值相差仅0.3厘米。
• 在模拟实验中，该算法以亚毫米级精度恢复了关节参数，证实了其对噪声的鲁棒性。
• 仅从动作数据中成功重建了分层结构，最小生成树方法正确识别了正确的拓扑结构。
• 该算法检测并隔离了低误差的关节拟合结果，这些结果未被用于树结构中，表明其具备检测闭环结构潜在循环的能力。
• 该方法对传感器噪声和非理想关节行为表现出强适应性，各类动作（包括行走和孤立关节运动）下的误差保持一致。