19Siggraph 交互式手姿态估计使用拉伸传感软手套 文献阅读

Interactive Hand Pose Estimation using a Stretch-Sensing Soft Glove是在2019年SIGGRAPH大会上得到展示的一种交互式数据手套，交互式数据手套是一种传感设备，可以充当虚拟手与VR系统进行交互。通过将这类数据手套戴在手上，可以在虚拟世界中抓取、移动和操控各种物体。交互手套在游戏、机器人，生物力学分析等领域都有很重要的应用，虚拟现实和增强现实也依赖于这种交互手套来恢复手部的姿态。本节主要是对该数据手套的介绍以及各部分功能概述。
3.1 Introduction
手部姿态估计大致可以分为两类，分别是有标记和无标记两类，有标记的方案一般就是通过光学式动作捕捉系统比如Vicon等实现。而无标记的方式一般也分为两种，分别是基于视觉的光学式和基于传感器两种类型。基于视觉的方案一般都是基于多个摄像机或者单深度相机或者单眼相机等。也都是需要用到相机来捕获手部运动的。因此这种基于视觉的方法在遮挡等比较复杂的环境下捕获手部姿态的能力会变差。而基于传感器类型的解决方案是将传感器直接安装在用户的手上，消除了直接视线的需要，可以提高捕捉的鲁棒性和可靠性。
基于传感器的方案最普遍的一种是基于IMU惯性测量单元的交互式手套，这类解决方案早已被提出并且已经实现商用了，例如Preception Neuron 2的用来捕获手部姿态的数据手套以及ManusVR Glove。基于IMU的交互式手套准确性并不是很高，由于空间的限制，在手套上放置足够数量的传感元件以获取手部的所有自由度是一个挑战。因此，大多数现有的解决方案使用的传感器比人手的自由度要少。这本质上限制了手部姿态重建的保真度。人的手一般来说至少有25个自由度，而不可能在数据手套上放那么多的惯性测量单元，会很影响用户手部的输入。
而论文中提出的交互式手套不需要外部感应，手套很薄，手套很薄意味着易于穿戴和脱下并且易于手部活动同时该数据手套柔软性好并且可拉伸，这要归功于用硅树脂生产的柔软的、可拉伸的传感器阵列，所以该交互式手套穿戴舒适，还有这个交互式手套在不使用光学装置的情况下也能精确地重建手的姿态，重建精度相比于商用的交互式数据手套提高了大概35%。同时这个手套只需要最小的校准。以上的特点就是作者提出的交互式手套的优势。

基于交互手套的手部跟踪解决方案一般都要满足三方面的需求，分别是Real-time实时性，Comfortable舒适性和Working in a variety of environments and settings能够在各种严峻的环境比如说严重的遮挡或者光照环境下工作。图1是该拉伸感应手套