1. 数据手套的分类有什么
数据手套是一种多模式的虚拟现实硬件,通过软件编程,可进行虚拟场景中物体的抓取、移动、旋转等动作,也可以利用它的多模式性,用作一种控制场景漫游的工具。数据手套的出现,为虚拟现实系统提供了一种全新的交互手段,目前的产品已经能够检测手指的弯曲,并利用磁定位传感器来精确地定位出手在三维空间中的位置。这种结合手指弯曲度测试和空间定位测试的数据手套被称为“真实手套”,可以为用户提供一种非常真实自然的三维交互手段。
数据手套一般按功能需要可以分为:虚拟现实数据手套、力反馈数据手套。上面介绍的为虚拟现实数据手套。
力反馈数据手套:借助数据手套的触觉反馈功能,用户能够用双手亲自“触碰”虚拟世界,并在与计算机制作的三维物体进行互动的过程中真实感受到物体的振动。触觉反馈能够营造出更为逼真的使用环境,让用户真实感触到物体的移动和反应。此外,系统也可用于数据可视化领域,能够探测与出地面密度、水含量、磁场强度、危害相似度、或光照强度相对应的振动强度。
通用种类
5触点数据手套主要是测量手指的弯曲(每个手指一个测量点)。
14触点数据手套主要是测量手指的弯曲(每个手指两个测量点)。
2. 数据手套的各类手套的代表品牌
虚拟现实数据手套:5DT、CyberGlove 、Measurand 、DGTech 、Fakespace 、X-ISTImmersion CyberGrasp 数据手套
力反馈数据手套:Shadow Hand、CyberGlove
3. 手势输入方式的手势识别的原理
手势是指在人的意识支配下,人手作出的各类动作,如手指弯曲、伸展和手在空间的运动等,可以是
收稿日期: 2000 - 05 - 15
基金项目: 行业基金项目(院编96311)
作者简介: 曾芬芳(1940 - ) ,女,湖南益阳人,华东船舶工业学院教授。
执行某项任务,也可以是与人的交流,以表达某种含义或意图。基于手势识别的三维交互输入技术,常
用的有基于数据手套的和基于视觉(如摄象机) 的手势识别。
人手有20 多个关节,其手势十分复杂,在VR(Virtual Reality) 中的交互过程,需分析手势的形成并
识别其含义。如用户以自然方式抓取环境中的物体,同时还可以对用户产生相关的感知反馈,如对具有
力反馈的手套,就能使人感知到抓取的物体的重量,对有触觉反馈的手套,能感知到用户所碰到的物体
的质感,如毛毯有多粗糙等。所以计算机要能对人手运动的灵活、复杂的手势进行识别是一项艰难而又
十分有意义的任务。
手势的分类早在40 年代,心理学家Quek[7 ] . ,Pavlovic[8 ]等人从人机接口的角度对手势进行研究,
按其功能分为:
手的运动
无意识的手运动
有意识的手运动(手势
交流手势
表动作
表符号(手语)
引用手语(如表示数字)
情态手势
执行任务(如抓握锤) 手势不但由骨胳肌肉驱动,而且还受人的信念、意识的驱使,它涉及到人的思维活动的高级行为。
人机交互的研究目的之一是使机器对人类用户更方便,从用户产生手势到系统“感知”手势的过程[9 ]如
图1 所示。
图1 系统“感知”手势的过程
Fig. 1 Process of sensing gesture by the system
手的运动,是手势的表现形式。用户的操作
意图是用户要完成任务的内容, 即用户心理活
动(概念手势) G ,经过运动控制(变换) ,用手势
运动H 表达。由经感受设备(变换Thi) 将手的
运动H 变换为系统的输入信息I ,所以从G到I
的映射过程为:
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 为人体运动控制传送函数; Thi为输入设备传送函数。
手势识别的任务就是从系统输入I 推断、确定用户意图G ,显然是以上映射的逆过程。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 的逆变换。
所以手势识别可以采用H = T- 1
hi ( I) 时输入信息I ,得到手的运动H ,再由G = T- 1
gh ( H) 手势的表
示推断用户手势的概念意图,也可直接从G = T- 1
gi ( I) 求得概念手势G。
手势识别分为静态手势和动态手势的识别,目前的研究大都是在线静态手势识别,如Lee 研究的就
是静态孤立手势[10 ] 。动态手势识别难度大,一般采用关键帧方法,记录每个手势的始和终状态及手势的
运动轨迹,然后用内插算法重建帧,但仍需给予限制,如Davis研究的动态手势识别就规定开始时手必须
朝上等。 手势的语法信息是通过手的构形、手的运动变化来传递。为了
给用户提供必要的视觉反馈信息, 使其在交互过程中看到自己的手
(图2 是用3DSMAX 绘制) ,同时也为了分析交互过程中手和虚拟对
象之间的相互作用关系,必须建立手几何模型和运动学模型。 人手是一个多肢节系统, 由27 块骨骼组成, 可看成由4 个相邻
手指、一个大拇指和手掌组成, 每个手指由指段和关节组成。因此手
是一种由关节相连的结构, 随着关节运动, 手的形状在不断变化。这
种变化可以通过指段和关节的状态空间位置的变化来描述[11 ] 。
每一个手指( Ⅱ - Ⅴ) 具有四个自由度,其中手指的
基部(MP) 有两个自由度,弯曲和旋转,手指的中间关节处(PIP)
和末端关节处(DIP) 分别各有一个自由度,主要是弯曲运动。大拇
指除了与其他四个手指一样具有四个自由度外, 还有一个外展运
动,所以大拇指具有五个自由度(拇指和手掌之间的一节也可不考
虑) 。外加手掌的前后左右运动二个自由度。所以手运动总共具有
23 个自由度,即状态空间为23 维。
从上述的分析可知,除大拇指外每个手指都具有四个自由度,
从而可以建立一条链,以协调手指的机构及运动。整个手可以以手掌为基础链接五个手指( Ⅰ - Ⅴ) ,在
指段MP 上链接指段PIP ,再链接指段DIP ,每条链可以获取四个参数。从而五个手指以手掌为根节点构
成一个树型结构,树中的每一个节点代表一个关节,关节通过指段具有相互关联的运动特性。
212 手势的输入
手势的输入是实现手势交互的前提。它要求能够有效地跟踪手的运动, 又要方便用户手的运动, 既
要求准确确定手的位置、方位、手指弯曲角度,又要求对手的运动限制很少。就目前而言, 手势的输入有
基于数据手套的和基于视觉(摄象机) 等两种方式。
21211 基于数据手套的手势输入
基于数据手套的手势输入[12 ] ,是根据戴在手上的具有位置跟踪器的数据手套利用光纤直接测量手
指弯曲和手的位置来实现手势输入的。本文使用5DT 公司生产的不带位置跟踪器的5th Glove 右手数据
手套,每个手指中间关节有一个传感器用于测量手指的平均屈伸度,在手腕部位还有一个2 轴倾斜传感
器测量手的转动(绕Z 轴旋转) 和倾斜(绕X 轴旋转) 两个角度,以探测手的上下摆动和旋转。该手套共
带有七个传感器,因此同一时刻只能读出七个角度值。5th Glove 还提供命令、报告数据、连续数据、模拟
鼠标等工作方式,可定义一指、二指和三指( Z 轴) 等手势来控制虚拟手的飞行、视点、运动速度等。
5th Glove 数据手套通过串行接口与微机连接在一起,以传送手运动信号,从而控制手动作。它能将
用户手的姿势(手势) 转化为计算机可读的数据, 因而使手去抓取或推动虚拟物体。人手在运动过程中
会碰撞物体,所以在系统中,虚拟手的交互操作除了实现抓取和释放物体等功能外, 还需实现了碰撞的
检测。
21212 基于视觉的手势输入
基于视觉的手势输入是采用摄象机捕获手势图象,再利用计算机视觉技术对捕获的图象进行分析,
提取手势图象特征,从而实现手势的输入。这种方法使用户手的运动受限制较少,同时用户还可以直接
看到手的图象。基于视觉的输入所输入的原始数据是手的图象,采用重建三维模型来构建手势图象,调
节模型参数如手指弯曲角度的夹角等,以合成手的三维图形。根据手生成的图形和已获得的手图象匹
配,所得到的模型参数就构成了手势。1995 年,Lee J intae 和Kunii Tosiyasv l. 研究用立体图像数据自动
分析三维手势[4 ] 。它用摄像机拍摄手的运动图像,使用轮廓提取边界特征进行识别的方法,成功地提
取27 个交互作用手参数,实现了三维手势的重构。其实早在1981 年, Kroeger 采用两个摄象机实现了
一个获取手势的系统,它通过用户的手在与鼠标垫一般大小的“镜象盒”的3D 空间中来完成交互。两
个镜子被放在大约与前平面成45 度角的位置上,两个镜子代替单个镜子产生了一个虚拟视点,加上两
垂直平面上的两个摄象机共三个视点相交成直角,以提供给用户一个确定的工作空间,在这个空间内允
许用户与计算机交互。
4. 什么是“数据手套”
数据手套是虚拟仿真中最常用的交互工具。
数据手套设有弯曲传感器,弯曲传感器由柔性电路板、力敏元件、弹性封装材料组成,通过导线连接至信号处理电路;在柔性电路板上设有至少两根导线,以力敏材料包覆于柔性电路板大部,再在力敏材料上包覆一层弹性封装材料,柔性电路板留一端在外,以导线与外电路连接。把人手姿态准确实时地传递给虚拟环境,而且能够把与虚拟物体的接触信息反馈给操作者。使操作者以更加直接,更加自然,更加有效的方式与虚拟世界进行交互,大大增强了互动性和沉浸感。并为操作者提供了一种通用、直接的人机交互方式,特别适用于需要多自由度手模型对虚拟物体进行复杂操作的虚拟现实系统。
数据手套通用种类:
5触点数据手套主要是测量手指的弯曲(每个手指一个测量点)。
14触点数据手套主要是测量手指的弯曲(每个手指两个测量点)。
18个传感器触觉数据手套
28个传感器触觉数据手套
骨架式力反馈数据手套
数据手套本身不提供与空间位置相关的信息,必须与位置跟踪设备连用。
5. Measurand ShapeClaw数据手套的特点有哪些
ShapeClaw是一款便携式的轻型手动作捕捉系统,配有柔韧性极强的条带,用于捕获食指和拇指的动作,以及手和手臂的位置和运动方向。与ShapeHand相同,ShapeClaw的灵活的传感器并非实际固定在手套上,而是采用与手套连接的方式,因而可适应不同手型的需要。
6. 数据手套的数据手套的通用种类
5触点数据手套主要是测量手指的弯曲(每个手指一个测量点)。
14触点数据手套主要是测量手指的弯曲(每个手指两个测量点)。
18个传感器触觉数据手套
28个传感器触觉数据手套
骨架式力反馈数据手套