运动动作捕捉分析系统产品介绍
运动动作捕捉分析系统，18618101725（微信同），QQ：736597338 ,信箱slby800@163.com
使用该系统您可以集成各种硬件，并实时同步动作分析所有方面：
·自定义解决方案，以确保您实现研究目标......
确定哪种技术和配置对于您的独特需的
·集成市面上任何动作捕捉分析硬件，以利用每种技术的优势，确保性比价。
-
●一套交钥匙3D动作与运动捕捉、分析系统，平台旨在分析各种动作与运动的所有方面
-
●集各家之长为我所用：支持并提供广泛市面上几乎所有动作、运动硬件
-
●能够将您的研究转化为您自己的临床、教学、人体工程学或运动应用
-
●全套、完整的多多尺度的生物力学研究和康复软件
-
●根据需求一站式灵活选配，满足各种运动与动作捕捉、监测、分析
-
●提供更加化、系统化的运动动作捕获分析数据（包括骨骼、肌肉、血管、神经以及外部刺激等）
-
●完整的一站式交钥匙3D动作捕捉分析系统：集成所有市面主流动作、运动硬件之长，系统化的数据深挖、分析、整合。
-
●支持从广泛的硬件（所有市面主流动作、运动硬件）进行实时采集。
-
●使用测力台、手传感器、EMG、眼动追踪、视频、EEG、虚拟现实、触觉和模拟数据同步采集运动数据，简化采集和分析。
-
●通过原始或处理数据的图形显示提供即时回放。
-
●无需编程工作——从设置到数据收集再到分析，操作可以通过单选按钮和下拉菜单完成。
-
●提供跨各种硬件系统的通用软件平台，可取各家之长、更高性价比。
-
●广泛的功能和能力的多样性，支持各种应用程序。
-
●市场上的数据采集、分析和可视化系统可测量人体运动、动作的所有方面。
基础硬件：motionmonitor可集成各种捕捉硬件的系统装置及完全同步采集分析多源数据的软件
支持各种捕捉技术：确保技术性价比
一站交钥匙式服务：避免处理多个供应商的麻烦，MotionMmonitor支持团队一键式呼叫将解决硬件和软件相关问题：
典型应用简介：
1、生物力学与生命科学
二、神经科学与运动控制
神经科学和运动控制的研究受益于内置于我们方案的各种硬件和分析。
使用任何 Tobii 头戴式眼动追踪系统来捕捉与其他数据同步的实时 3D 眼动数据。分析视线交叉点。
使用 Biosemi 或 AntNeuro 硬件捕获 EEG 数据。适用于坐姿、站立和活跃的任务。根据其他运动学数据在 EEG 数据中创建用户定义的兴趣点。
实时呈现视觉、听觉和触觉提示。可以使用简单的几何形状、条形图或时间序列图或特定于应用程序的视觉效果（如红绿灯）以多种方式呈现用户定义的视觉提示。
使用 监视器r 与 Unity 和 World Viz 的双向通信将视觉反馈扩展到虚拟现实。 3D 可视化可以以多种方式呈现。一些例子包括：
手部实验室：专为上肢研究设计的立体屏幕和桁架系统。为主体提供与屏幕上或屏幕前呈现的 3D 虚拟对象进行交互的能力。
沉浸式显示器：一个完整的硬件和软件解决方案，当手臂的可视化被隐藏或扰动时，使用同位半镜屏幕进行研究。
综合研究环境系统 (IRES)：与 Bertec 合作创建的研究质量环境。配备带 3D 动作捕捉系统和仪表跑步机的沉浸式 VR 圆顶。
三、康复与人体工程学：
我公司另外同一站式细胞组织材料生物力学和生物打印等生物医学工程科研服务-10年经验支持,
1.2.1步态分析的技术分类
计算机的上位机软件经过一系列的算法识别还原出人体的步态。
目前市面上生产红外摄像头的光学步态捕捉的公司有英国的Vicon公司、美国NaturalPoint公司、美国MotionAnalysis公司、中国的青瞳视觉公司等。NaturalPoint公司生产的Optitrack系统如图1-5所示。
1.2.1.2基于3D深度摄像头的动作捕捉
随着3D深度相机技术的成熟，有许多研究者开始研究基于深度相机的动作捕捉系统[5][6]。3D深度摄像头与2D摄像头的区别在于，除了能够获取平面图像外还可以获得深度信息。3D深度技术目前广泛应用在人体步态识别、三维重建、SLAM等领域。目前主流的3D深度摄像头的技术路线有：（1）双目立体视觉；（2）飞行时间（Timeoffly，TOF）；（3）结构光技术等。
双目立体视觉即使用两个2D平面摄像头。两个平面摄像头获得两幅图像，通过两幅图像算出深度信息。飞行时间即由雷达芯片发射出红外激光散点，照射到物体后反射回雷达芯片的时间，由于光速已知，发射返回时间已知即可测量出摄像头距物体的距离， 。结构光是摄像头发出特定的图案，当被摄物体反射回这一图案时，深度摄像头再次接收这一图案，通过比较发射出的图案和接收的图案从而测量出摄像头距离被摄物体的深度信息。3D深度摄像头方案对比如表1-1所示。
利用结构光方案的产品有微软公司推出的Kinect，其广泛的应用在体感交互、人体骨架识别、步态分析等领域。
基本原理是首先找到图像中移动的物体，然后会对移动的物体进行深度评估，识别出人体的部位，然后将其从背景环境中分割出来。分割之后要做的工作就是模式匹配，将其匹配到骨骼系统上。算法流程如图1-7所示。
利用2D摄像头实现3D运动轨迹的捕捉是目前的技术研究。2D摄像头即平面摄像头，没有深度信息。目前基于2D摄像头的动作捕捉主要采用卷积神经网路（CNN）将稀疏的2D人体姿态凸显检测的原理。但是此种捕捉方案需要长时间的运算，并不适合实时的运动分析，且输出精度低。基于2D摄像头的动作捕捉目前可以捕捉人体局部的运动姿态，且捕捉之间需要采集大量的数据样本作为训练数据集。2D摄像头在深度信息的预测上存在着偏差，任何一点错误的数据都会导致很大的偏差，稳定性*差。的挑战在于摄像头的遮挡以及快速的运动都是2D摄像头很难追踪到的。其优点在于不需要任何的穿戴，且所需要的2D摄像头触手可得，成本*低，这对大众化的应用是一个不错的选择。利用2D平面摄像头的姿态捕捉应用如图1-9所示。
1.2.1.4基于MEMS惯性传感器的惯性动作捕捉系统
基于MEMS惯性传感器的动作捕捉系统在各个领域都有应用，包括虚拟现实[7]、运动训练[8]、生物医学工程[9]和康复[10][11]。因为它们体积小、重量轻、价格合理[12][13][14]。
惯性传感器主要包括加速度计、陀螺仪、磁力计。其中加速度计、陀螺仪、磁力计多采用MEMS形式，所以称之为MEMS惯性传感器。三轴加速度计可以测量载体的三个轴向上的加速度，是一矢量，通过加速度我们也可以计算出载体静止时的倾角。三轴陀螺仪可以测量出载体的三个轴向上角速度，通过对角速度积分我们可以得到角度， 。三轴磁力计可以测量出周围的磁场强度及与地球磁场的夹角。通过融合加速度、角速度、磁力值的数据我们可以精准的得到载体的旋转。融合后的数据一般用四元数或欧拉角来表示。其中四元数形式如 ，欧拉角包含俯仰角（Pitch）、横滚角（Roll）、偏航角（Yaw）。得到载体的旋转后再拟合各个骨骼的运动，从而计算出穿戴部位的运动姿态。通过对加速度、角速度的积分可以测量出穿戴者的步速、步距、步长等参数。上的MEMS惯性动作捕捉系统研发生产公司国外有荷兰Xsens、国内的北京孚心科技公司等。综述其原理如图1-11所示。
基于MEMS惯性传感器的动作捕捉系统的步态分析有很大的优势，主要体现在由于惯性动作捕捉系统采用的是MEMS芯片，成本较低，每个芯片只需要十元左右，整套系统的价格在几万元级别。由于惯性动作捕捉系统是一种无源的系统，整套系统的重量在几千克的范围内，所以便于携带，且不需要架设繁杂的相机。惯性传感器只需要开机后就可以使用，没有繁杂的校准、标定等操作步骤，所以使用十分便捷。惯性动作捕捉系统不受使用环境的影响，不管在室内、还是室外都可以正常使用。 但是MEMS传感器的精度相比于光学动作捕捉系统来讲，精度较低，但对于大众人群已经完全满足其需求。由于MEMS式陀螺仪存在零偏且在动态情况下积分累计误差会随着时间的推移而产生较大的漂移。MEMS加速度计在不同的状态下也存在误差，特别是在高动态下。磁力计很容易受到强磁环境的干扰。但是这一系列的误差问题都可以通过算法来补偿。MEMS式惯性传感器补偿后的静态精度一般可达到：俯仰角/横滚角≤0.2°,偏航角≤1°；动态精度：俯仰角/横滚角≤0.5°, 偏航角≤2°，步态位移误差可达5%。已满足步态参数计算的精度要求。