.

动作捕捉技术广泛应用于人体健康监测、体育运动分析、影视动画制作等行业。基于视觉的动作捕捉技术精度高，可支持复杂形变捕捉，但其存在体积大、价格贵、视线遮挡等问题。相比之下，基于可穿戴技术的动作捕捉技术体积小、成本低、无惧视线遮挡，但其面临数据稀疏、分辨率低等问题。

.

基于IMU的3D复杂形变捕捉技术

.

如何综合上述两类方法，实现轻量级、高精度、低成本的3D复杂形变捕捉？浙江大学设计学团队提出基于自感知惯性传感器（IMU）网络的3D复杂形变捕捉技术，相比目前各类基于传感器方法的形变捕捉技术，该技术大幅提高了测量分辨率，可在人体动作捕捉、高自由度输入设备、形状测量仪等领域深度应用。

形变捕捉评估示例

该成果的第一作者是浙江大学计算机科学与技术学院设计学博士生周子洪。“作为一名研究人员和设计师，我深信这项技术在未来将有着广泛的应用前景，期待未来能够为推动科技的发展和促进人类生活的改善贡献力量。”周子洪说道。

.

浙大设计学博士生周子洪

.

项目成果：
项目成果于2023年3月发表在国际人机交互领域顶级期刊IMWUT/UbiComp（中国计算机学会A类会议）。研究团队：周子洪、陈培、陆胤瑜、崔强、潘德瀛、刘轶伦、郦家骥、张洋、陶冶、刘宣慧、孙凌云、王冠云。本项目受到国家重点研发计划、国家自然科学基金、浙江省自然科学基金、中央高校基本科研业务费等基金资助。
.
论文原文链接：
Zihong Zhou, Pei Chen, Yinyu Lu, Qiang Cui, Deying Pan, Yilun Liu, Jiaji Li, Yang Zhang, Ye Tao, Xuanhui Liu, Lingyun Sun, and Guanyun Wang#. 2023. 3D Deformation Capture via a Configurable Self-Sensing IMU Sensor Network. Proc. ACM Interact. Mob. Wearable Ubiquitous Technol. 7, 1, Article 42 (March 2023), 24 pages. https://doi.org/10.1145/3580874
(IMWUT/UbiComp 2023, CCF-A, #通讯作者)