本發(fā)明涉及傳感器信息處理和手勢識別
技術領域：
，特別是一種集于三維傳感器數(shù)據(jù)建模結(jié)合，人機交互基于雙手環(huán)傳感器控制的智能設備系統(tǒng)和方法。
背景技術：
：隨著科技的不斷發(fā)展，控制和傳感器技術的不斷提高，越來越多的設備采用了傳感器進行控制。目前市場上的智能手環(huán)，因其具有可穿戴、體積小、多傳感器、藍牙4.0無線傳輸?shù)忍攸c，使得智能設備進入人們的生活當中。智能手環(huán)的設計功能是結(jié)合智能手機來測量心跳，記錄人體運動行走的公里數(shù)(步數(shù)、燃燒的卡路里數(shù))，記錄人體睡眠數(shù)據(jù)(總睡眠時間、清醒時間、夜間醒來的次數(shù))等信息。我們考慮到智能手環(huán)，雖然已經(jīng)普及應用，但是隨著體感、運動設備開發(fā)和應用，基于智能手環(huán)的智能控制設備卻遲遲沒有進入人們視野。而且市場上的手環(huán)都是以單手環(huán)的形式存在，對于設備的控制來說，單手環(huán)姿勢的識別范圍小也缺乏穩(wěn)定性。這時對于雙手環(huán)的融合控制技術的探究隨之而來，如何讓用戶體驗到更多的手勢控制，更高的穩(wěn)定性是熱切關心的話題。同時，隨著智能化移動設備的風靡和普及，其應用軟件的通用性和便捷性以及本身配備的多種傳感器使得在智能運動設備控制具有得天獨厚的優(yōu)勢。技術實現(xiàn)要素：本發(fā)明提出了一種基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)，包括：兩個手環(huán)，所述手環(huán)設置于腕帶，所述手環(huán)內(nèi)設有：傳感器，其用于采集手環(huán)的運動信號；所述運動信號包括三維加速度信號與三維角速度信號；處理器，其與所述傳感器通信，其中，所述處理器設有：濾波模塊，其對所述運動信號進行卡爾曼濾波處理；及量化模塊，其根據(jù)所述運動信號構(gòu)造手部動作特征向量；無線通信發(fā)送端，其與所述處理器通信，用于發(fā)送所述手部動作特征向量；控制裝置，其包括：無線通信接收端，其與所述無線通信發(fā)送端通信，接收所述手部動作特征向量；融合處理模塊，其融合兩個手環(huán)的手部動作特征向量；映射模塊，其與所述融合處理模塊通信，將所述手部動作特征向量映射為對于智能設備的控制命令；驅(qū)動接口，其與所述映射模塊通信，用以傳輸所述控制命令；智能設備，其與所述驅(qū)動接口通信，接收并根據(jù)所述控制命令運動。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)中，所述傳感器設有：三軸陀螺儀傳感器，其用于采集三維角速度信號；三軸加速度傳感器，其用于采集三維加速度信號；可擴展數(shù)字運動處理器，其具有可擴展的I2C接口或者SPI接口。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)中，無線通信發(fā)送端與所述無線通信接收端為藍牙模塊。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)中，處理器進一步設有：存儲模塊，其用于存儲運動信號與手部動作特征向量。本發(fā)明還提出了一種所述基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)的控制方法，該方法包括如下步驟：步驟一：分別安裝手環(huán)于人體上肢手腕處，利用所述手環(huán)中的傳感器采集所述手環(huán)的運動信號，所述運動信號包括三維加速度信號和三維角速度信號；步驟二：所述處理器根據(jù)所述運動信號，構(gòu)造手部動作特征向量；其包括如下：a.所述濾波模塊對所述的運動信號進行卡爾曼濾波處理，濾除所述運動信號中的噪聲信號；b.根據(jù)所述運動信號構(gòu)造每個手環(huán)的特征向量，所述特征向量包括人體的初始姿態(tài)，初始姿態(tài)包括人體初始靜止狀態(tài)下的俯仰角、滾動角和偏航角；c.根據(jù)人體初始姿態(tài)獲得傳感器坐標系與地面坐標系的偏差量，利用偏差量修正傳感器坐標系變化后的特征向量，組成特征矩陣；d.所述量化模塊對經(jīng)濾波處理的運動信號進行量化處理，得到人體手部的方為運動信息，以構(gòu)造所述手部動作特征向量；步驟三：所述無線通信發(fā)送端發(fā)送所述手部動作特征向量至所述無線通信接收端；步驟四：所述融合處理模塊融合兩個手環(huán)的手部動作特征向量；步驟五：所述映射模塊將融合后的所述手部動作特征向量映射為對于智能設備的控制命令，并通過所述驅(qū)動接口傳輸至智能設備；步驟六：所述智能設備根據(jù)所述控制指令進行運行。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制方法中，所述傳感器進一步對采集的三維加速度信號和三維角速度信號進行初始標定校正。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制方法中，步驟b根據(jù)所述運動信號構(gòu)造每個手環(huán)的特征向量的過程包括如下步驟：步驟b1：所述傳感器采集三軸加速度信號與三軸角速度信號，三軸分別為相互處置的X軸、Y軸與Z軸；步驟b2：存儲所述三軸加速度信號與三軸角速度信號，從而構(gòu)造每個手環(huán)的特征向量。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制方法中，步驟c中利用偏差量修正傳感器坐標系變化后的特征向量的過程包括如下步驟：步驟c1：在傳感器坐標系下，估測的重力加速度向量和三軸加速度傳感器測出的重力加速度向量，將兩向量進行叉積獲得叉積結(jié)果；步驟c2：所述叉積結(jié)果以如下公式表示：c＝sin(E)*r(D)；其中sin(E)表示角度偏移的正弦，r(D)為方向，E表示偏移角度；根據(jù)叉積結(jié)果獲得偏移角度；步驟c3:對所述偏移角度進行取平均值，校正三軸陀螺儀傳感器的得到的角度偏差。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制方法中，采用連續(xù)維納過程加速，加速度受到一個功率譜密度為q的高斯白噪聲干擾。過程噪聲協(xié)方差方程矩陣為：式中，Δt表示系統(tǒng)采樣周期，q表示噪聲的功率譜密度，Q表示噪聲的協(xié)方差；根據(jù)不同的測量，模型作出相應的改變，獲得相應測量的特征向量H1，當只有加速度測量時獲得相應測量的特征向量H2，分別以如下矩陣表示；以上，H1和H2為雙手環(huán)采樣特征向量，針對擴展的三個或更多手環(huán)的情況，可根據(jù)需要增加特征向量，并調(diào)整特征向量值。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制方法中，步驟四中融合兩個手環(huán)的手部動作特征向量后，用于連續(xù)地估計手部動作狀態(tài)空間模型如以下公式表示：x(k-1)＝Mz(k-1)+u(k-1)；式中，x(k-1)表示經(jīng)濾波處理的三軸加速度信號和三軸角速度信號，M是定義的量化映射表，z(k-1)是傳感器的原始輸出數(shù)據(jù)，u(k-1)是系統(tǒng)的噪聲。本發(fā)明提出的所述基于雙手環(huán)傳感器融合的智能遙感控制方法中，進一步地，所述濾波模塊給出了不確定性估計，利用卡爾曼濾波處理系統(tǒng)的隨機不確定性對其各自適用范圍進行限制。本發(fā)明創(chuàng)新點在于雙手環(huán)的融合控制技術。與單一的手環(huán)相比，雙手環(huán)的控制可以識別更多的動作具有更高的穩(wěn)定性。針對雙手環(huán)的多通道實時性技術，本發(fā)明應用了軟串口和硬串口的并行設計，使系統(tǒng)能夠?qū)崟r地采集手環(huán)的姿態(tài)信息，從而將雙手環(huán)融合技術對智能小車的功能設計和運動控制技術等重要進行了研究。同時，使用者也可以根據(jù)自己的實際需要設置特定控制的動作來實現(xiàn)設備的控制。本發(fā)明所設計的基于雙手環(huán)的智能小車控制，原理、結(jié)構(gòu)簡單，操作方便，擴展性強，同時支持個性化定制服務，具有廣闊的應用前景。具體優(yōu)點如下：信息處理的多樣性：能補償單手環(huán)姿態(tài)單一性問題。信息處理的互補性：結(jié)合人工智能，對雙手采集數(shù)據(jù)作融合，進行多層次、多空間的信息互補和優(yōu)化組合處理，最終產(chǎn)生對觀測環(huán)境的一致性解釋。信息處理的及時性：各傳感器的處理過程相互獨立，整個處理過程可以采用并行處理機制，從而使系統(tǒng)具有更快的處理速度，提供更加及時的處理結(jié)果。信息處理的交互性：多傳感器的處理數(shù)據(jù)信息，傳輸至處理器，將多傳感器的信息和三維傳感器數(shù)據(jù)建模結(jié)合，人機交互，增強用于感官體驗。附圖說明：圖1是本發(fā)明雙手環(huán)傳感器體態(tài)姿勢融合控制系統(tǒng)的結(jié)構(gòu)圖；圖2是控制方法的流程圖；圖3是本發(fā)明中數(shù)據(jù)流程圖；圖4是本發(fā)明中單手環(huán)手勢姿態(tài)圖；圖5是本發(fā)明中對應單手環(huán)手勢姿用MATLAB軟件建立的三維傳感器數(shù)據(jù)建模是模型圖；圖6是本發(fā)明中雙手環(huán)手勢姿態(tài)圖；圖7是本發(fā)明中對應雙手環(huán)手勢姿用MATLAB軟件建立的三維傳感器數(shù)據(jù)建模模型圖；圖8是本發(fā)明中對應雙手環(huán)手勢姿軟件流程圖。圖9是本發(fā)明中對應雙手環(huán)手勢姿子程序流程圖。圖10是本發(fā)明雙手環(huán)傳感器體態(tài)姿勢融合控制系統(tǒng)的構(gòu)架示意圖。具體實施方式結(jié)合以下具體實施例和附圖，對本發(fā)明作進一步的詳細說明。實施本發(fā)明的過程、條件、實驗方法等，除以下專門提及的內(nèi)容之外，均為本領域的普遍知識和公知常識，本發(fā)明沒有特別限制內(nèi)容。本發(fā)明旨在設計一個基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)，如圖10所示，該系統(tǒng)主要包括兩個手環(huán)、控制裝置與智能設備8組成。手環(huán)中的處理器2通過手環(huán)上傳感器1采集手部運動信息，經(jīng)過濾波處理之后進行動作的判斷，然后將判斷的結(jié)果發(fā)送到控制裝置，控制裝置再根據(jù)雙手環(huán)的動作判定結(jié)果進行處理實現(xiàn)對智能設備的運動控制。(控制系統(tǒng)的構(gòu)成)圖1顯示的是本發(fā)明基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)的結(jié)構(gòu)示意圖，手環(huán)設置于可佩帶的腕帶，手環(huán)內(nèi)設有：傳感器1、處理器2和無線通信發(fā)送端3，傳感器1用于采集手環(huán)的運動信號，包括三維加速度信號與三維角速度信號；處理器2與傳感器1通信。處理器2設有濾波模塊21和量化模塊22，濾波模塊21對運動信號進行卡爾曼濾波處理；量化模塊22根據(jù)運動信號構(gòu)造手部動作特征向量。無線通信發(fā)送端3與處理器2通信，用于發(fā)送手部動作特征向量。控制裝置包括：無線通信接收端4、融合處理模塊5、映射模塊6、驅(qū)動接口7。無線通信接收端4與無線通信發(fā)送端3通信，接收手部動作特征向量；融合處理模塊5融合兩個手環(huán)的手部動作特征向量；映射模塊6與融合處理模塊5通信，將手部動作特征向量映射為對于智能設備的控制命令；驅(qū)動接口7與映射模塊6通信，用以傳輸控制命令。智能設備8與驅(qū)動接口7通信，接收并根據(jù)控制命令運動。在本發(fā)明優(yōu)選實施例中，傳感器1集成了三軸陀螺儀傳感器11、三軸加速度傳感器12和可擴展數(shù)字運動處理器13。三軸陀螺儀傳感器11用于采集三維角速度信號；三軸加速度傳感器12用于采集三維加速度信號；可擴展數(shù)字運動處理器13為通過I2C接口或者SPI接口連接擴展的第三方數(shù)字傳感器。擴展之后就可以通過其I2C或SPI接口輸出一個9軸的信號。功能強大，運轉(zhuǎn)穩(wěn)定。在本發(fā)明優(yōu)選實施例中，無線通信發(fā)送端(3)與無線通信接收端(4)為藍牙模塊，藍牙模塊具體為為HC-05和HC-06。藍牙是一種短距離、低功耗的無線通信技術。兩個藍牙模塊工作時，可以忽略他們之間的鏈路。通過建立了強實時、多線程的無線藍牙4.0雙工數(shù)據(jù)通道，采用雙藍牙點對點連接方式，保證雙手環(huán)通信的實時性。在本發(fā)明優(yōu)選實施例中，處理器(2)進一步設有存儲模塊(23)，存儲模塊23用于存儲運動信號、寄存器讀出、FIFO緩沖與手部動作特征向量等處理過程中所涉及的數(shù)據(jù)。(控制方法的流程)本發(fā)明還提出了一種基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)的控制方法，該方法選用數(shù)據(jù)融合算法對數(shù)據(jù)進行處理，對已有的數(shù)據(jù)融合算法進行優(yōu)化開發(fā)。通過實驗測試，對運動行為姿勢進行識別算法閾值優(yōu)化。對數(shù)據(jù)進行優(yōu)化處理，保證內(nèi)存不發(fā)生泄漏。并從實例推斷歸納模型，雙手環(huán)傳感器三維傳感器數(shù)據(jù)控制建模與算法反演。如圖2所示，該控制方法包括如下步驟：步驟一：分別安裝手環(huán)于人體上肢手腕處，利用手環(huán)中的傳感器采集手環(huán)的運動信號，運動信號包括三維加速度信號和三維角速度信號；步驟二：處理器根據(jù)運動信號，構(gòu)造手部動作特征向量；其包括如下：a.濾波模塊對的運動信號進行卡爾曼濾波處理，濾除運動信號中的噪聲信號；b.根據(jù)運動信號構(gòu)造每個手環(huán)的特征向量，特征向量包括人體的初始姿態(tài)，初始姿態(tài)包括人體初始靜止狀態(tài)下的俯仰角、滾動角和偏航角；c.根據(jù)人體初始姿態(tài)獲得傳感器坐標系與地面坐標系的偏差量，利用偏差量修正傳感器坐標系變化后的特征向量，組成特征矩陣；d.量化模塊對濾波后的運動信號進行量化處理，得到人體手部的方位運動信息，以構(gòu)造手部動作特征向量；步驟三：無線通信發(fā)送端發(fā)送手部動作特征向量至無線通信接收端；步驟四：融合處理模塊融合兩個手環(huán)的手部動作特征向量；步驟五：映射模塊將融合后的手部動作特征向量映射為對于智能設備的控制命令，并通過驅(qū)動接口傳輸至智能設備；步驟六：智能設備根據(jù)控制指令進行運行。(控制方法的數(shù)據(jù)流)如圖3顯示的是本發(fā)明較佳實施例中，基于雙手環(huán)傳感器融合的智能遙感控制系統(tǒng)的控制方法的數(shù)據(jù)流向和細節(jié)信息。整個系統(tǒng)的信息流向圖，用數(shù)據(jù)流圖進行表現(xiàn)，每一個箭頭都表示一種數(shù)據(jù)的流向，其中，傳感器1的接口采用MPU6050，處理器2采用ArduinoPro處理器，控制裝置的融合處理模塊5采用ArduinoUno處理器，智能設備采用小車為例。其具體數(shù)據(jù)流如下：[1]：ArduinoPro處理器持續(xù)的讀取MPU6050加速度傳感器的三軸數(shù)據(jù)。ArduinoPro處理器通過I2C總線協(xié)議來讀取MPU6050的數(shù)據(jù)接口數(shù)據(jù)。Arduino編程環(huán)境中已安裝Wire庫。通過調(diào)用Wire庫，可實現(xiàn)Arduino與MPU6050之間的通信。三軸加速度傳感器12發(fā)送一個包含瞬時加速度數(shù)據(jù)的命令來回復每一個請求，整個過程是在以一個設置默認為125Hz頻率進行整體加速度的查詢的。利用傳感器1采集人體上肢運動手腕上手環(huán)的運動信號，運動信號包括三維加速度信號和三維角速度信號；[2]：ArduinoPro處理器對MPU6050傳感器數(shù)據(jù)處理，因為MPU6050傳感器初級采集的數(shù)據(jù)是噪聲的，采用卡爾曼濾波器對數(shù)據(jù)進行初步處理，保證在初始階段的可操作性。通過采集并存儲經(jīng)濾波處理的運動信號，從而構(gòu)造每個手環(huán)上的特征向量。所獲的特征向量包括人體的初始姿態(tài)，初始姿態(tài)包括人體初始靜止狀態(tài)下的俯仰角、滾動角和偏航角，并且根據(jù)人體初始姿態(tài)獲得傳感器坐標系與地面坐標系的偏差量，利用偏差量修正傳感器坐標系變化后的特征向量，特征向量可以組成特征矩陣。[3]：ArduinoPro處理器對MPU6050傳感器數(shù)據(jù)處理后的數(shù)據(jù)信息將進行第一次處理，對數(shù)據(jù)進行量化處理，這是軟件實現(xiàn)的，具有可行性。根據(jù)所采集到的運動信號,通過多態(tài)KALMAN濾波，對所得到的信息進行處理，根據(jù)初步采集的運動信號檢測人體上肢手腕的運動，進而獲得人體的手部的方位運動信息，構(gòu)造手部動作特征向量；[4]：將手部動作特征向量通過藍牙發(fā)送到無線通信接收端4；[5]：融合處理模塊5使用多傳感器融合方法迪特納特進行第二次融合處理，融合算法是軟件實現(xiàn)的，兩輸入單輸出；[6]：數(shù)據(jù)信息進行第三次處理，也就是映射模塊6將融合信息轉(zhuǎn)化為小車的控制信息，融合處理后，將識別動作映射到機械驅(qū)動表通過驅(qū)動接口7傳輸至智能設備8，從而驅(qū)動智能設備8。(關于傳感器的構(gòu)成及功能)在本發(fā)明優(yōu)選實施例中，傳感器1集成了三軸陀螺儀傳感器11、三軸加速度傳感器12和可擴展數(shù)字運動處理器13。三軸陀螺儀傳感器11用于采集三維角速度信號；三軸加速度傳感器12用于采集三維加速度信號；可擴展數(shù)字運動處理器13為通過I2C接口或者SPI接口連接擴展第三方的數(shù)字傳感器。擴展之后就可以通過其I2C或SPI接口輸出一個9軸的信號。功能強大，運轉(zhuǎn)穩(wěn)定。其中，三軸加速度傳感器12輸出的三維加速度信號數(shù)值由以下公式表示：Y＝K*X+Offset；上式中，Y是傳感器輸出，X是真實的加速值，K是系數(shù)，Offset是加速度為0g時傳感器的輸出。三軸陀螺儀傳感器11輸出的三維角速度信號數(shù)值由以下公式表示：A＝ADCrate/靈敏度；上式中，A是輸出值，ADCrate是讀出的各軸的值，靈敏度可以有參數(shù)表查詢。(步驟a.關于卡爾曼濾波)卡爾曼濾波是一種線性高斯系統(tǒng)的濾波和預測技術。它由一個處理模型和一個測量模型組成。過程模型，如方程(1)中定義的那樣，在假設下一個狀態(tài)是先前狀態(tài)的線性函數(shù)條件下，描述了過程狀態(tài)的轉(zhuǎn)變，x(k)＝Ax(k-1)+Bu(k-1)+w(k-1)；(1)其中x(k)是一個瞬時時間參量為k的系統(tǒng)狀態(tài)。A是狀態(tài)轉(zhuǎn)換矩陣。矩陣B表示了輸入為u(k)的隨機控制狀態(tài)。w(k)代表了過程噪聲，p(w)服從(0，Q)的高斯分布，Q代表了處理過程的噪聲的方差，如方程(2)所示。測量模型為z(k)＝Hx(k)+λ(k)；(3)式(3)中，z(k)是瞬時時間參數(shù)為k的測量值，H代表了測量狀態(tài)，λ(k)代表測量的噪聲，p(λ)～N(0,R),R代表了測量噪聲方差矩陣，如方程(4)所示因為MPU6050傳感器初級采集的數(shù)據(jù)是噪聲的，采用卡爾曼濾波器對數(shù)據(jù)進行初步處理，保證在初始階段的可操作性?？柭鼮V波器可以在時間更新方程和測量更新方程的基礎上進行系統(tǒng)離散時間狀態(tài)的估計。卡爾曼濾波器還給出了不確定性估計，這種不確定性可在后驗估計協(xié)方差p(k)中找到。離散卡爾曼濾波的時間更新方程：測量更新方程：式(6)中，K(k)是增益矩陣，是k時候的先驗狀態(tài)估計，是后驗狀態(tài)估計，是先驗估計誤差協(xié)方差，P(k)是后驗估計誤差協(xié)方差。本發(fā)明創(chuàng)新地采用連續(xù)維納過程加速，加速度受到一個功率譜密度為q的高斯白噪聲干擾。過程噪聲協(xié)方差方程矩陣為：式中，Δt表示系統(tǒng)采樣周期，q表示噪聲的功率譜密度，Q表示噪聲的協(xié)方差；根據(jù)不同的測量，模型作出相應的改變，獲得相應測量的特征向量H1，當只有加速度測量時獲得相應測量的特征向量H2，分別以如下矩陣表示；以上，H1和H2為雙手環(huán)采樣特征向量，針對擴展的三個或更多手環(huán)的情況，可根據(jù)需要增加特征向量，并調(diào)整特征向量值。(步驟b.關于人體初始姿態(tài))根據(jù)運動信號構(gòu)造每個手環(huán)的特征向量，特征向量包括人體的初始姿態(tài)，初始姿態(tài)包括人體初始靜止狀態(tài)下的俯仰角、滾動角和偏航角；根據(jù)采集運動信號，獲得構(gòu)造每個手環(huán)上的特征向量中，MPU6050獲取的數(shù)據(jù)被傳送到系統(tǒng)，數(shù)據(jù)首先被卡爾曼濾波器濾波，然后被融合進一個補充的濾波器。在歐拉角的基礎上計算旋轉(zhuǎn)矩陣(滾動、俯仰和航向)。通過這個旋轉(zhuǎn)矩陣可以轉(zhuǎn)換得到來自人的加速度數(shù)據(jù)。(步驟c.關于修正特征向量)根據(jù)人體初始姿態(tài)，在傳感器坐標系下估測的重力加速度向量和三軸加速度傳感器12測出的重力加速度向量，分別規(guī)范化記做a與b。然后將a與b進行叉積，得到叉積結(jié)果記做c。該叉積結(jié)果c＝sin(E)*r(D)，式中sin(E)表示角度偏移的正弦，r(D)為方向，當角度很小的情況下，sin(E)＝E，即E為偏移的角度，定時對加速度采樣來的角度進行取平均值來校正陀螺儀的得到的角度偏差，從而獲得傳感器坐標系與地面坐標系的偏差量，利用偏差量修正傳感器坐標系變化后的特征向量，組成特征矩陣。(步驟d.關于初步量化處理及構(gòu)造手部動作特征向量)量化模塊對經(jīng)濾波處理的運動信號進行量化處理，得到人體手部的方為運動信息，以構(gòu)造手部動作特征向量；圖9顯示的是雙手環(huán)手勢姿量化的子程序流程圖。初始傳感器后，開啟線程，獲得傳感器上加速度X軸/Y軸/Z軸數(shù)據(jù)，條件一為X軸量化條件，然后執(zhí)行量化1.同理對Y軸和Z軸進行量化。(關于數(shù)據(jù)融合)數(shù)據(jù)處理原理主要就是雙通道數(shù)據(jù)的融合，系統(tǒng)中，兩個可穿戴設備即手環(huán)具有相同的采樣頻率和噪聲特征，本發(fā)明采用一種檢測和估計系統(tǒng)狀態(tài)的技術將傳感器數(shù)據(jù)進行融合，融合后可連續(xù)地估計手部動作狀態(tài)空間模型如以下公式表示：式中，x(k-1)表示經(jīng)濾波處理的三軸加速度信號與三軸角速度信號，M是定義的量化映射表，z(k-1)是傳感器的原始輸出數(shù)據(jù)，u(k-1)是系統(tǒng)的噪聲。定義y(k-1)＝(x1(k-1),x2(k-1))，表示雙通道的信息集合，得到：式中，y(k-1)表示融合映射輸入，t(k)就是最后的融合映射輸出。如圖4所示，單手環(huán)手勢姿態(tài)圖；圖5所對應圖4單手環(huán)手勢姿，用MATLAB軟件建立的三維傳感器數(shù)據(jù)建模模型圖。如圖6所示，雙手環(huán)手勢姿態(tài)圖；圖7所對應圖6雙手環(huán)手勢姿，用MATLAB軟件建立的三維傳感器數(shù)據(jù)建模模型圖，對應最后的融合算法后，得到t(k)?？梢钥吹饺诤锨皵?shù)據(jù)單一，融合后數(shù)據(jù)多元穩(wěn)定性好。融合前手勢方向組合單一，融合后手勢方向組合多元。(關于映射規(guī)則)以下表1中，輸出的字符代表小車的運動方向的控制，BSFLR分別代表后退、停止、前進、左轉(zhuǎn)和右轉(zhuǎn)。最后進行雙通道信息的融合時，設定只有兩通道發(fā)送相同的控制字符時控制字符才有效，否則無效。比如只有兩個手環(huán)控制端，融合姿態(tài)處理判斷為字符F并發(fā)出指令后，智能小車才會前進。表1ax、ay數(shù)值-字符量化映射表ax值變化范圍-32768—-6000-6000—60006000—32768ax量化輸出字符BSFay值變化范圍-32768—-6000-6000—60006000—32768ay量化輸出字符LSR圖9顯示的是雙手環(huán)手勢姿控制命令映射的流程圖，多態(tài)卡爾曼濾波處理后的數(shù)據(jù)，處理器將接收到雙手環(huán)的信息融合后y(k-1)，參見表1的映射表中的變化值范圍，對手部動作特征向量融合映射后得到姿勢變化t(k)。實施例1：在本實例中，測試者手腕處，包裹雙手環(huán)傳感器，采集到的數(shù)據(jù)傳輸至上位機MATLAB軟件，上位機安裝MATLAB軟件的環(huán)境為，計算各個參數(shù)。在單位時間內(nèi)對測試者進行多次的采集數(shù)據(jù)，并且對數(shù)據(jù)進行實時三維傳感器數(shù)據(jù)建模，并將雙手環(huán)參數(shù)匹配融合后的數(shù)據(jù)進行圖像顯示。如圖6所示，雙手環(huán)手勢姿態(tài)圖；圖7所對應圖6雙手環(huán)手勢姿，用MATLAB軟件建立的三維傳感器數(shù)據(jù)建模模型圖。圖7展示了這種設計，該設計包含了卡爾曼濾波器，可以通過平滑從三軸加速度計和陀螺儀獲取的輸入信號輕易的確定手部的旋轉(zhuǎn)角度。圖6的底部顯示了相應的手勢。圖7顯示了在“靜止狀態(tài)”、“手掌翻轉(zhuǎn)180度旋轉(zhuǎn)”和“手向上向上”等改變狀態(tài)時呈現(xiàn)出模型，參見圖7中的波形，波形圖中多條波形分別表示DegToPi，代表角度轉(zhuǎn)換為弧度單位，正負相位轉(zhuǎn)變代表方向轉(zhuǎn)變，其振幅波動代表了手腕處手環(huán)運動的劇烈程度。由此可知，本發(fā)明數(shù)據(jù)處理及響應的過程為毫秒級，識別時間為30-40個毫秒，具有優(yōu)良的實時性。本實例提供的基于雙手環(huán)傳感器人體姿態(tài)控制方法，能夠解決現(xiàn)有技術使用的算法有效性問題，并且能夠通過雙手環(huán)融合的傳感器數(shù)據(jù)能夠精確地控制智能設備，實時采集速度和加速度的新算法，能夠減小單手環(huán)控制所帶來的不穩(wěn)定性。本發(fā)明對人體手部運動信號的采集標準化處理，能消除因不同人手部差異性所帶來的影響。針對本發(fā)明提供的方法，可以用于多種智能設備控制，如對智能小車、遙感控制船模進行控制運用在車位和船位?？浚b感控制旋翼飛行器、機械臂、機器人等設備；還可以運用智能交通領域針對不同手勢自定義，遠距離傳輸當前交通狀態(tài)進行控制；和VR虛擬現(xiàn)實結(jié)合增強用戶自定義體驗。通過本發(fā)明方法，上述測試者可以通過人體姿勢識別多智能設備進行控制，可以對智能小車進行運動控制。同時，本發(fā)明方法應用具有成本低、易操作等優(yōu)勢，適合商用推廣。本發(fā)明的保護內(nèi)容不局限于以上實施例。在不背離發(fā)明構(gòu)思的精神和范圍下，本領域技術人員能夠想到的變化和優(yōu)點都被包括在本發(fā)明中，并且以所附的權(quán)利要求書為保護范圍。當前第1頁1 2 3