2016年，全球範圍內VR商業化、普及化的浪潮正在向我們走來。VR是一場交互方式的新革命，人們正在實現由界面到空間的交互方式變遷，這樣的交互極其強調沉浸感，而用戶想要獲得完全的沉浸感，真正「進入」虛擬世界，動作捕捉系統是必須的，可以說動作捕捉技術是VR產業隱形鑰匙。
目前動作捕捉系統有慣性式和光學式兩大主流技術路線，而光學式又分為標定和非標定兩種。那麼我們可以將動作捕捉系統分為以下三大主類：基於計算機視覺的動作捕捉系統（光學式非標定）、基於馬克點的光學動作捕捉系統（光學式標定）和基於慣性傳感器的動作捕捉系統（慣性式）。接下來我們對這三種形式的動作捕捉系統進行簡單的解析。
1. 基於計算機視覺的動作捕捉系統
該類動捕系統比較有代表性的產品分別有捕捉身體動作的Kinect，捕捉手勢的Leap Motion和識別表情及手勢的RealSense實感。
該類動捕系統基於計算機視覺原理，由多個高速相機從不同角度對目標特徵點的監視和跟蹤來進行動作捕捉的技術。理論上對於空間中的任意一個點，只要它能同時為兩部相機所見，就可以確定這一時刻該點在空間中的位置。當相機以足夠高的速率連續拍攝時，從圖像序列中就可以得到該點的運動軌跡。這類系統採集傳感器通常都是光學相機，基於二維圖像特徵或三維形狀特徵提取的關節信息作為探測目標。
基於計算機視覺的動作捕捉系統進行人體動作捕捉和識別，可以利用少量的攝像機對監測區域的多目標進行監控，精度較高；同時，被監測對象不需要穿戴任何設備，約束性小。
然而，採用視覺進行人體姿態捕捉會受到外界環境很大的影響，比如光照條件、背景、遮擋物和攝像機質量等，在火災現場、礦井內等非可視環境中該方法則完全失效。另外，由於視覺域的限制，使用者的運動空間被限制在攝像機的視覺範圍內，降低了實用性。
2. 基於馬克點的光學動作捕捉系統
具有代表性的是美國的Motion Analysis。
該類系統的原理是在運動物體關鍵部位（如人體的關節處等）粘貼Marker點，多個動作捕捉相機從不同角度實時探測Marker點，數據實時傳輸至數據處理工作站，根據三角測量原理精確額計算Marker點的空間坐標，再從生物運動學原理出發解算出骨骼的6自由度運動。根據標記點發光技術不同還分為主動式和被動式光學動作捕捉系統。
基於馬克點的光學動作捕捉系統採集的信號量大，空間解算算法複雜，其實時性與數據處理單元的運算速度和解算算法的複雜度有關。且該系統在捕捉對象運動時，肢體會遮擋標記點，另外對光學裝置的標定工作程序複雜，這些因素都導致精度變低，價格也相對昂貴。
基於馬克點的光學動作捕捉系統可以實現同時捕捉多目標。但在捕捉多目標時，目標間若產生遮擋，將影響捕捉系統精度甚至會丟失捕捉目標。
3. 基於慣性傳感器的動作捕捉系統
代表性的產品有諾亦騰開發的Perception Neuron。
基於慣性傳感器的動捕系統需要在身體的重要節點佩戴集成加速度計，陀螺儀和磁力計等慣性傳感器設備，然後通過算法實現動作的捕捉。該系統由慣性器件和數據處理單元組成，數據處理單元利用慣性器件採集到的運動學信息，通過慣性導航原理即可完成運動目標的姿態角度測量。
基於慣性傳感器的動捕系統採集到的信號量少，便於實時完成姿態跟蹤任務，解算得到的姿態信息範圍大、靈敏度高、動態性能好，且慣性傳感器體積小、便於佩戴、價格低廉。相比於上面提到的兩種動作捕捉系統，基於慣性傳感器的動作捕捉系統不會受到光照、背景等外界環境的幹擾，又克服了攝像機監測區域受限的缺點，並可以實現多目標捕捉。
但是由於測量噪聲和遊走誤差等因素的影響，慣性傳感器無法長時間地對人體姿態進行精確的跟蹤。
除了慣性式和光學式這兩條主線外，還有機械電動式、聲學式、電磁式等形式的動作捕捉系統。
來源：yivian
【來源：】