动作捕捉用于仿生机器人的运动规划

随着机器人、三维动画、虚拟现实等产业的发展，关于仿生机器人的动作研究早已成为重要的热点课题。如何让机器人或虚拟人物做出合理、流畅的姿态呢？这就要涉及到逆运动学算法研究。

逆运动学：逆运动学是决定目标要达成需要姿势时所要设置的关节等可活动对象的参数的过程。逆运动学求解算法设计的好坏，直接影响到机器人的运动分析、运动控制和轨迹规划。
目前常见的逆运动学算法包括代数法、几何法和数值法。

人体很复杂，传统算法需优化

由于人体逆运动学问题十分复杂，传统算法普遍面临两大难题：要么在反复迭代后求得的解准确度不高；要么只能求得特定情况下的参数。如何获得一种更普遍适用、结果更精准、过程更快速的算法成为了研究者的热门课题。

利用动作捕捉，将复杂人体转化为关节模型

人体如此复杂，研究者往往会根据关节将其分别视为若干部分。因此，能否获得精准、详细的动作数据，建立准确的关节模型，成了研究的必备基础。而光学动作捕捉系统凭借其高精准度、高实时性、让捕捉对象可以自由运动的特性，成为了此类研究的首选。

在中原工学院电子信息学院针对逆运动学算法的研究中，研究者利用NOKOV（度量）光学三维动作捕捉系统，获取精度达1mm的人体下肢运动数据，并建立了准确的关节模型。

实验中的动作捕捉系统主要由6个NOKOV Mars 2H镜头、分配在下肢主要关节处的marker、三维测力平台、定位杆和校正杆等组成。在约为7M×5M的实验环境中，动作捕捉系统以每秒100帧的速率记录着所有mark点的空间坐标。

获取的坐标数据经过特定算法，可建立为人体在运动中的关节模型，研究人员又将人体下肢视为髋关节、膝关节、踝关节、大腿和小腿五个局部坐标系，从而将人体的运动学问题转化为关节模型的运动方程求解问题。

研究关节模型，让机器人更加灵动

在建立关节模型之后，研究人员结合循环坐标下降（CCD）算法和BFGS算法，利用动作捕捉得到的人体运动数值，计算出可以满足实际动作要求的关节旋转角度，其误差阈值和平均执行时间都明显优于传统算法。

光学动作捕捉系统基于其精准性、实时性和灵活适用性，对仿生机器人领域的学科研究和行业应用都能提供有力的支持，助力机器人迈出突破性的步伐。

该用户已根据该实验发表了论文，证明了实验的有效性。

更多相关案例及动作捕捉资讯，请关注服务号【NOKOV度量科技】