1. 數據手套的分類有什麼
數據手套是一種多模式的虛擬現實硬體，通過軟體編程，可進行虛擬場景中物體的抓取、移動、旋轉等動作，也可以利用它的多模式性，用作一種控制場景漫遊的工具。數據手套的出現，為虛擬現實系統提供了一種全新的交互手段，目前的產品已經能夠檢測手指的彎曲，並利用磁定位感測器來精確地定位出手在三維空間中的位置。這種結合手指彎曲度測試和空間定位測試的數據手套被稱為「真實手套」，可以為用戶提供一種非常真實自然的三維交互手段。
數據手套一般按功能需要可以分為：虛擬現實數據手套、力反饋數據手套。上面介紹的為虛擬現實數據手套。
力反饋數據手套：藉助數據手套的觸覺反饋功能，用戶能夠用雙手親自「觸碰」虛擬世界，並在與計算機製作的三維物體進行互動的過程中真實感受到物體的振動。觸覺反饋能夠營造出更為逼真的使用環境，讓用戶真實感觸到物體的移動和反應。此外，系統也可用於數據可視化領域，能夠探測與出地面密度、水含量、磁場強度、危害相似度、或光照強度相對應的振動強度。
通用種類
5觸點數據手套主要是測量手指的彎曲（每個手指一個測量點）。
14觸點數據手套主要是測量手指的彎曲（每個手指兩個測量點）。
2. 數據手套的各類手套的代表品牌
虛擬現實數據手套：5DT、CyberGlove 、Measurand 、DGTech 、Fakespace 、X-ISTImmersion CyberGrasp 數據手套
力反饋數據手套：Shadow Hand、CyberGlove
3. 手勢輸入方式的手勢識別的原理
手勢是指在人的意識支配下,人手作出的各類動作,如手指彎曲、伸展和手在空間的運動等,可以是
收稿日期: 2000 - 05 - 15
基金項目: 行業基金項目(院編96311)
作者簡介: 曾芬芳(1940 - ) ,女,湖南益陽人,華東船舶工業學院教授。
執行某項任務,也可以是與人的交流,以表達某種含義或意圖。基於手勢識別的三維交互輸入技術,常
用的有基於數據手套的和基於視覺(如攝象機) 的手勢識別。
人手有20 多個關節,其手勢十分復雜,在VR(Virtual Reality) 中的交互過程,需分析手勢的形成並
識別其含義。如用戶以自然方式抓取環境中的物體,同時還可以對用戶產生相關的感知反饋,如對具有
力反饋的手套,就能使人感知到抓取的物體的重量,對有觸覺反饋的手套,能感知到用戶所碰到的物體
的質感,如毛毯有多粗糙等。所以計算機要能對人手運動的靈活、復雜的手勢進行識別是一項艱難而又
十分有意義的任務。
手勢的分類早在40 年代,心理學家Quek[7 ] . ,Pavlovic[8 ]等人從人機介面的角度對手勢進行研究,
按其功能分為:
手的運動
無意識的手運動
有意識的手運動(手勢
交流手勢
表動作
表符號(手語)
引用手語(如表示數字)
情態手勢
執行任務(如抓握錘) 手勢不但由骨胳肌肉驅動,而且還受人的信念、意識的驅使,它涉及到人的思維活動的高級行為。
人機交互的研究目的之一是使機器對人類用戶更方便,從用戶產生手勢到系統「感知」手勢的過程[9 ]如
圖1 所示。
圖1 系統「感知」手勢的過程
Fig. 1 Process of sensing gesture by the system
手的運動,是手勢的表現形式。用戶的操作
意圖是用戶要完成任務的內容, 即用戶心理活
動(概念手勢) G ,經過運動控制(變換) ,用手勢
運動H 表達。由經感受設備(變換Thi) 將手的
運動H 變換為系統的輸入信息I ,所以從G到I
的映射過程為:
Tgh : G → H , 即H > Tgh ( G)
Thi : H → I , 即I > Thi ( H)
Tgi : G → I , 即I > Thi ( Tgh ( G) ) > Tgi ( G)
其中, Tgh 為人體運動控制傳送函數; Thi為輸入設備傳送函數。
手勢識別的任務就是從系統輸入I 推斷、確定用戶意圖G ,顯然是以上映射的逆過程。即
G = T- 1
gi ( I) ( 1 )
H = T- 1
hi ( I) ( 2 )
G = T- 1
gh ( H) ( 3 )
其中, T- 1
gi , T- 1
hi , T- 1
gh 是Tgi , Thi , Tgh 的逆變換。
所以手勢識別可以採用H = T- 1
hi ( I) 時輸入信息I ,得到手的運動H ,再由G = T- 1
gh ( H) 手勢的表
示推斷用戶手勢的概念意圖,也可直接從G = T- 1
gi ( I) 求得概念手勢G。
手勢識別分為靜態手勢和動態手勢的識別,目前的研究大都是在線靜態手勢識別,如Lee 研究的就
是靜態孤立手勢[10 ] 。動態手勢識別難度大,一般採用關鍵幀方法,記錄每個手勢的始和終狀態及手勢的
運動軌跡,然後用內插演算法重建幀,但仍需給予限制,如Davis研究的動態手勢識別就規定開始時手必須
朝上等。 手勢的語法信息是通過手的構形、手的運動變化來傳遞。為了
給用戶提供必要的視覺反饋信息, 使其在交互過程中看到自己的手
(圖2 是用3DSMAX 繪制) ,同時也為了分析交互過程中手和虛擬對
象之間的相互作用關系,必須建立手幾何模型和運動學模型。 人手是一個多肢節系統, 由27 塊骨骼組成, 可看成由4 個相鄰
手指、一個大拇指和手掌組成, 每個手指由指段和關節組成。因此手
是一種由關節相連的結構, 隨著關節運動, 手的形狀在不斷變化。這
種變化可以通過指段和關節的狀態空間位置的變化來描述[11 ] 。
每一個手指( Ⅱ - Ⅴ) 具有四個自由度,其中手指的
基部(MP) 有兩個自由度,彎曲和旋轉,手指的中間關節處(PIP)
和末端關節處(DIP) 分別各有一個自由度,主要是彎曲運動。大拇
指除了與其他四個手指一樣具有四個自由度外, 還有一個外展運
動,所以大拇指具有五個自由度(拇指和手掌之間的一節也可不考
慮) 。外加手掌的前後左右運動二個自由度。所以手運動總共具有
23 個自由度,即狀態空間為23 維。
從上述的分析可知,除大拇指外每個手指都具有四個自由度,
從而可以建立一條鏈,以協調手指的機構及運動。整個手可以以手掌為基礎鏈接五個手指( Ⅰ - Ⅴ) ,在
指段MP 上鏈接指段PIP ,再鏈接指段DIP ,每條鏈可以獲取四個參數。從而五個手指以手掌為根節點構
成一個樹型結構,樹中的每一個節點代表一個關節,關節通過指段具有相互關聯的運動特性。
212 手勢的輸入
手勢的輸入是實現手勢交互的前提。它要求能夠有效地跟蹤手的運動, 又要方便用戶手的運動, 既
要求准確確定手的位置、方位、手指彎曲角度,又要求對手的運動限制很少。就目前而言, 手勢的輸入有
基於數據手套的和基於視覺(攝象機) 等兩種方式。
21211 基於數據手套的手勢輸入
基於數據手套的手勢輸入[12 ] ,是根據戴在手上的具有位置跟蹤器的數據手套利用光纖直接測量手
指彎曲和手的位置來實現手勢輸入的。本文使用5DT 公司生產的不帶位置跟蹤器的5th Glove 右手數據
手套,每個手指中間關節有一個感測器用於測量手指的平均屈伸度,在手腕部位還有一個2 軸傾斜感測
器測量手的轉動(繞Z 軸旋轉) 和傾斜(繞X 軸旋轉) 兩個角度,以探測手的上下擺動和旋轉。該手套共
帶有七個感測器,因此同一時刻只能讀出七個角度值。5th Glove 還提供命令、報告數據、連續數據、模擬
滑鼠等工作方式,可定義一指、二指和三指( Z 軸) 等手勢來控制虛擬手的飛行、視點、運動速度等。
5th Glove 數據手套通過串列介面與微機連接在一起,以傳送手運動信號,從而控制手動作。它能將
用戶手的姿勢(手勢) 轉化為計算機可讀的數據, 因而使手去抓取或推動虛擬物體。人手在運動過程中
會碰撞物體,所以在系統中,虛擬手的交互操作除了實現抓取和釋放物體等功能外, 還需實現了碰撞的
檢測。
21212 基於視覺的手勢輸入
基於視覺的手勢輸入是採用攝象機捕獲手勢圖象,再利用計算機視覺技術對捕獲的圖象進行分析,
提取手勢圖象特徵,從而實現手勢的輸入。這種方法使用戶手的運動受限制較少,同時用戶還可以直接
看到手的圖象。基於視覺的輸入所輸入的原始數據是手的圖象,採用重建三維模型來構建手勢圖象,調
節模型參數如手指彎曲角度的夾角等,以合成手的三維圖形。根據手生成的圖形和已獲得的手圖象匹
配,所得到的模型參數就構成了手勢。1995 年,Lee J intae 和Kunii Tosiyasv l. 研究用立體圖像數據自動
分析三維手勢[4 ] 。它用攝像機拍攝手的運動圖像,使用輪廓提取邊界特徵進行識別的方法,成功地提
取27 個交互作用手參數,實現了三維手勢的重構。其實早在1981 年, Kroeger 採用兩個攝象機實現了
一個獲取手勢的系統,它通過用戶的手在與滑鼠墊一般大小的「鏡象盒」的3D 空間中來完成交互。兩
個鏡子被放在大約與前平面成45 度角的位置上,兩個鏡子代替單個鏡子產生了一個虛擬視點,加上兩
垂直平面上的兩個攝象機共三個視點相交成直角,以提供給用戶一個確定的工作空間,在這個空間內允
許用戶與計算機交互。
4. 什麼是「數據手套」
數據手套是虛擬模擬中最常用的交互工具。
數據手套設有彎曲感測器，彎曲感測器由柔性電路板、力敏元件、彈性封裝材料組成，通過導線連接至信號處理電路；在柔性電路板上設有至少兩根導線，以力敏材料包覆於柔性電路板大部，再在力敏材料上包覆一層彈性封裝材料，柔性電路板留一端在外，以導線與外電路連接。把人手姿態准確實時地傳遞給虛擬環境，而且能夠把與虛擬物體的接觸信息反饋給操作者。使操作者以更加直接，更加自然，更加有效的方式與虛擬世界進行交互，大大增強了互動性和沉浸感。並為操作者提供了一種通用、直接的人機交互方式，特別適用於需要多自由度手模型對虛擬物體進行復雜操作的虛擬現實系統。
數據手套通用種類：
5觸點數據手套主要是測量手指的彎曲（每個手指一個測量點）。
14觸點數據手套主要是測量手指的彎曲（每個手指兩個測量點）。
18個感測器觸覺數據手套
28個感測器觸覺數據手套
骨架式力反饋數據手套
數據手套本身不提供與空間位置相關的信息，必須與位置跟蹤設備連用。
5. Measurand ShapeClaw數據手套的特點有哪些
ShapeClaw是一款攜帶型的輕型手動作捕捉系統，配有柔韌性極強的條帶，用於捕獲食指和拇指的動作，以及手和手臂的位置和運動方向。與ShapeHand相同，ShapeClaw的靈活的感測器並非實際固定在手套上，而是採用與手套連接的方式，因而可適應不同手型的需要。
6. 數據手套的數據手套的通用種類
5觸點數據手套主要是測量手指的彎曲（每個手指一個測量點）。
14觸點數據手套主要是測量手指的彎曲（每個手指兩個測量點）。
18個感測器觸覺數據手套
28個感測器觸覺數據手套
骨架式力反饋數據手套