- 综合排序
- 最热优先
- 最新优先
- 来自专栏镁客网
动作捕捉技术，VR体验沉浸感的“助燃剂”
在电影《阿凡达》中，卡梅隆用动作捕捉技术完成了整部作品，让我们看到了动作捕捉在电影行业上的不可估量的潜力。在虚拟现实中，如果想要增强体验的沉浸感，动作捕捉技术也是必不可缺的技术。 但是，从目前的发展来看，想要实现比肩《阿凡达》的特效，VR中的动作捕捉技术还有很长的路要走。 什么是动作捕捉技术？ 它就是把现实中人物的动作复制到电脑创建的虚拟人物上。然而说起来简单，但是要实现随时随刻捕捉你的各种动作，面对的技术问题非常多。 目前主流的动作捕捉技术主要有两种：光学式动作捕捉和基于惯性的动作捕捉。 基于惯性的动作捕捉技术 诺亦腾 国内的诺亦腾时开创了基于MEMS惯性传感器的动作捕捉技术，在VR兴起之后，诺亦腾又开始将其动作捕捉技术与VR产业相结合，并推出了一套全沉浸的VR解决方案——Project 不过从现在的技术和市场发展情况来看，在VR中实现全身动作捕捉的成本很高，一般在国外类似The Void的大型主题公园能够看到，现在国内的线下体验店也有运用惯性动作捕捉技术解决方案的VR体验。
1.9K40发布于 2018-05-29 潜入数字深海：解密水下动作捕捉技术的应用与奥秘
这套设备，正是水下动作捕捉系统。 从海洋工程的船舶模型测试到水下机器人的精准操控，从影视动画的深海特效制作到康复医学的水下步态分析，水下动作捕捉技术正悄然改变着人类探索、利用水下世界的方式。 那么，这项技术究竟是什么？它如何突破水的阻隔实现精准捕捉？又在哪些领域创造着实际价值？本文将带你揭开水下动作捕捉的神秘面纱。一、什么是水下动作捕捉？ 从“看得见”到“算得准”的技术突破水下动作捕捉是一种通过光学、传感器等技术，在水下环境中实时记录物体运动轨迹、姿态变化，并转化为数字数据的技术。 二、水下动作捕捉的核心技术：如何驯服复杂水下环境？水下环境对技术的“苛刻要求”，让水下动作捕捉系统必须在环境适应性、捕捉精度和数据可靠性三个维度做到极致。 三、水下动作捕捉的实际应用：从科研到产业的价值落地技术的价值最终体现在应用中。水下动作捕捉系统已在多个领域实现“从实验室到生产线”的跨越，解决了传统方法难以突破的难题。
44710编辑于 2025-08-08动作捕捉技术变革：有标记动捕VS无标记动捕
随着数字化和智能化科技席卷全球，动作捕捉技术正在影视、游戏、医疗等诸多领域中被广泛应用。同时，在这一发展进程中，有标记动作捕捉和无标记动作捕捉作为两大技术路线被区分。 这不仅反映了动作捕捉技术本身的迭代，更是在重新定义着动作捕捉技术的应用边界，同样，这也是人机交互方式向无感化、智能化发展的必然趋势。 有标记动作捕捉的技术实现方式有光学式、惯性式、电磁式、声学式、机械式等，而其中，光学式和惯性式动作捕捉技术为目前市场的主流技术。所以，我们将着重介绍这两个主流技术。 2、游戏开发：为 3A 游戏、主机游戏中的可操作角色或 NPC捕捉战斗、跑步、互动等动作，提升游戏的沉浸感。 2、虚拟人：常用于虚拟数字人的实时驱动，真人穿戴动捕设备，其动作可实时映射到虚拟人身上，实现虚拟人在直播、短视频等场景中的自然动作展示，让其直播互动更加生动。
73110编辑于 2025-08-19动作捕捉（Mocap）技术入门：从原理到 NOKOV 度量实战应用科普
作为连接现实动作与虚拟世界的 “桥梁”，动作捕捉技术如何实现？主流设备有哪些类型？专注于该领域的 NOKOV 度量又有哪些实战应用？本文将带你全面了解动作捕捉技术的奥秘。一、什么是动作捕捉技术？ 动作捕捉技术简单来说，是通过专业设备记录现实中物体（尤其是人体）的运动轨迹、姿态变化等数据，再将这些数据转化为数字信号，驱动虚拟角色或模型完成相同动作的技术。 这项技术已从早期的影视特效专用，逐渐普及到游戏、医疗、教育、工业等多个领域。二、动作捕捉技术的核心类型目前主流的动作捕捉技术可分为三大类，不同类型的技术在原理、精度、适用场景上各有差异。 案例 2：高校科研中的人体运动分析北京体育大学运动康复实验室为研究 “运动员起跑姿势与损伤风险的关系”，采用 NOKOV Astra 无标记点系统，对 20 名短跑运动员的起跑动作进行捕捉。 五、动作捕捉技术常见问题解答（FAQ）1.动作捕捉一定要在专业场地进行吗？不一定。
1.9K10编辑于 2025-08-15动作捕捉摄像头技术解析与NOKOV度量系统应用案例
一、技术原理与分类对比1.1 光学动作捕捉摄像头工作原理：通过红外摄像机捕捉反光标记点（Marker）的2D坐标，经三角定位算法计算3D空间位置。 2.2 航天工程应用案例2：无人机集群协同控制技术实现：在150㎡空间部署24台Mars系列摄像机，实现40架无人机亚毫米级定位。 数据亮点：编队轨迹误差<2mm，华南理工大学实验显示抗干扰能力比传统系统提升5倍。2.3 工业仿真验证案例3：汽车装配动作优化技术实现：捕捉工人操作轨迹，通过AI算法生成机器人运动程序。 A：NOKOV Astra通过AI骨架识别实现无标记捕捉，但快速动作（如翻滚）误差会升至3mm。建议深色衣物场景使用主动发光标记点，识别率提升20%。Q2：如何解决多人捕捉时的标记点混淆？ 通过本文技术解析与案例实证，可清晰匹配从实验室到产业化的全链路需求。NOKOV度量系统以高精度、强抗干扰性和场景适配能力，成为动作捕捉领域的标杆选择。
53210编辑于 2025-08-14- 来自专栏MixLab科技+设计实验室
免费的 AI 动作捕捉工具 #Rokoko Video
创建动画可能很棘手，但使用对了技术和工具，可以轻松实现看起来很棒且功能流畅的完美动画。 “ 为每个创作者配备动捕的力量。” 近期，Rokoko 通过推出免费的 AI 动作捕捉工具 Rokoko Video来兑现这一承诺。 图片来源 ：Rokoko 为什么说 Rokoko Video 是一个不错的选择 ？ 一位使用过 Rokoko Smartsuit Pro 的 3D 艺术家和电影制作人也这样评价道“如果我使用动作捕捉，我想把它用于所有事情。 动作捕捉技术是能够赋予 “虚拟角色” 灵魂，并且在元宇宙中继续前进，当动画就像使用网络摄像头、手机或上传视频一样简单时，一切都将有可能发生。
2.9K20编辑于 2023-01-11 - 来自专栏人工智能领域
数字人技术的核心：AI与动作捕捉的双引擎驱动（210）
摘要：数字人技术从静态建模迈向动态交互，AI与动作捕捉技术的深度融合推动其智能化发展。 在这一过程中，动作捕捉技术实时采集真实人类的动作数据，并将其转化为数字信号，为数字人的动作驱动提供数据支持。 4.2 技术演进方向 轻量化动捕方案：基于手机摄像头的无标记点捕捉技术，正逐渐成为动作捕捉领域的研究热点。 光学捕捉：利用红外摄像头追踪标记点实现高精度动作捕捉。 惯性捕捉：基于MEMS传感器记录关节运动的动作捕捉技术。 单目视觉：利用普通摄像头实现低成本动作捕捉。 1、数字人：从科幻走向现实的未来（1/10） 2、数字人技术的核心：AI与动作捕捉的双引擎驱动（2/10）
1.3K10编辑于 2025-04-09 动作捕捉系统是什么？从科幻到现实的精准运动解析技术
一、动作捕捉系统的技术本质与价值动作捕捉系统（Motion Capture System） 是通过光学、惯性或电磁技术，对人体/物体的运动轨迹进行数字化记录的高科技设备。 1.1 技术原理的三大流派技术类型原理优势场景推荐产品光学式红外摄像头追踪反光标记点高精度科研（如机器人、生物力学）NOKOV度量动作捕捉 Mars系列（亚毫米级精度）惯性式传感器测量加速度与角速度便携式运动分析 以NOKOV度量的Mars系列为例，其光学式技术通过以下步骤实现精准捕捉：标记点贴附：在目标物体表面粘贴反光标记点高速拍摄：多台红外摄像头最高可以以380FPS频率同步采集三维重建：算法将2D图像转化为 ：Mars9H同步捕捉12个标记点，支持人形机器人动作模仿数据支撑：南方科技大学付成龙团队使用Mars12H系统，将运动康复评估的关节数据误差控制在0.1mm以内北京理工大学夏元清团队通过Mars2H系统 7×12小时响应，SDK免费开放降低算法开发门槛，减少60%调试时间升级策略每年2次免费软件升级保障系统长期适用性，降低迭代成本四、动作捕捉系统的未来趋势AI融合：通过深度学习自动识别动作模式（如NOKOV
69710编辑于 2025-08-07让外骨骼机器人 “读懂” 人体：动作捕捉技术的硬核科普
本文将深入解析外骨骼机器人动作捕捉技术的原理、应用与突破，并通过 NOKOV 度量动作捕捉系统的实战案例，展现这项技术如何从实验室走向现实。 不同的传感器技术决定了动作捕捉的精度、稳定性和适用场景。目前外骨骼机器人领域常用的动作捕捉技术主要有三类，其核心特点如下表所示：1.2 为何外骨骼机器人离不开动作捕捉？ 二、场景落地：动作捕捉技术的多元应用外骨骼机器人的应用场景正在从医疗康复向工业、军事、特种作业等领域拓展，而动作捕捉技术作为核心支撑，在不同场景中展现出差异化的技术需求和应用形态。 四、未来趋势：动作捕捉技术如何重塑外骨骼形态？随着传感器技术、人工智能与材料科学的发展，外骨骼机器人动作捕捉技术正朝着更智能、更轻便、更隐形的方向演进。 2.问：光学动作捕捉在户外场景中能用吗？答：传统光学系统易受阳光等环境光干扰，户外适用性有限。
70010编辑于 2025-09-03- 来自专栏冰漪叶的折腾
MMD模型应用到动作捕捉的经历
我是这么想的：MMD的PMX/PMD文件通过PMXEditor转换成OBJ格式的文件，再用3DMAX转换成FBX文件，直接导入到小K里面去
90110编辑于 2022-10-24 - 来自专栏全栈程序员必看
利用键盘钩子捕捉linux键盘动作,利用键盘钩子捕获Windows键盘动作
由于需要记录当前系统下所有应用程序的键盘录入记录，因此必须采取某种特殊的技术来实现本进程(监视程序)对外部进程键盘操作信息的获取。这种技术便是本文将要论述的核心–系统全局钩子。 系统钩子具有相当强大的功能，通过这种技术可以对几乎所有的Windows系统消息进行拦截、监视、处理。这种技术广泛应用于各种自动监控系统中。 由于需要记录当前系统下所有应用程序的键盘录入记录，因此必须采取某种特殊的技术来实现本进程(监视程序)对外部进程键盘操作信息的获取。这种技术便是本文将要论述的核心–系统全局钩子。 系统钩子具有相当强大的功能，通过这种技术可以对几乎所有的Windows系统消息进行拦截、监视、处理。这种技术广泛应用于各种自动监控系统中。 键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作利用键盘钩子捕获Windows键盘动作 发布者：全栈程序员栈长，转载请注明出处：
4K10编辑于 2022-08-15 人形机器人动作捕捉是什么？技术解析与 NOKOV 度量应用实践
前言解析人形机器人动作捕捉技术原理、方案对比与应用场景，NOKOV 度量光学动捕系统实现高精度动作迁移，助力人机协同升级。一、人形机器人动作捕捉核心定义人形机器人动作捕捉是什么？ 二、技术原理：从动作到执行的全流程1.动作数据采集：感知原始动作信号动作数据采集是人形机器人动作捕捉的第一步，通过各类传感器获取人体姿态、关节角度等原始信息，常见技术包括：光学动作捕捉：如 NOKOV 2.医疗康复辅助中风患者穿戴惯性设备，机器人通过动作捕捉实现 “镜像训练”，引导患侧肢体恢复。外骨骼机器人结合动作捕捉，动态调整助力强度，帮助下肢残疾者重新行走。 2.多模态融合技术光学 + 惯性 + 视觉多传感器融合，提升复杂场景下的捕捉稳定性，NOKOV 度量已实现多模态数据同步精度＜1ms。 2.不同动作捕捉方案如何选择？高精度静态 / 动态场景优先选光学方案，如影视制作、精密实验；户外移动场景适合惯性方案；低成本日常交互可选视觉无标记方案；外骨骼机器人适配机械传感器方案。
68910编辑于 2025-08-12- 来自专栏镁客网
高门槛的动作捕捉技术，真的会成为VR行业灾难的缔造者吗？
在虚拟现实领域，动作捕捉技术中的光学定位技术和基于传感器的惯性动作捕捉技术是绑定在一起的，因为如果想要实现VR的完全互动和真实沉浸感，这两个技术缺一不可。 以惯性动作捕捉技术为例，其仅在技术层面就涉及了传感器、模态识别、运动科学、有限元分析、生物力学、计算机图形学以及虚拟现实等多个领域。 动作捕捉技术研发商Xptah CEO陈会兵表示，一开始做动捕技术是希望能为游戏娱乐提供新的输入设备，而且动捕技术不仅能够为VR提供更自然、更直接的输入方式，也能为其他的诸如医疗康复、影视动画等行业提供很多帮助 虽然这其中存在着很多挑战，但Xptah会继续依靠动作捕捉技术，为各个行业提供更直接有效动捕服务。 结语 当然，动作捕捉技术不是提升VR体验的唯一需求，行业需要做的还有很多。但既然已经入了VR这个局，还请行业者认真对待，不求多做贡献，但求初心不变。
43250发布于 2018-05-29 - 来自专栏ATYUN订阅号
AI动作捕捉工具精准跟踪身体各个部位，无需标记
普林斯顿大学研究人员创建了LEAP，一种灵活的动作捕捉工具，可以在几分钟内训练，以高精度跟踪数百万帧现有视频的身体部位，无需任何物理标记或标签。 你可能见过穿着“动作捕捉”套装的好莱坞明星，他们穿着的服装布满传感器，电脑把他们变成绿巨人、龙或被施了魔法的野兽。 详细介绍新技术的论文将发表在2019年1月出版的“Nature Methods”期刊上，当研究人员将LEAP与他们实验室开发的其他定量工具相结合时，他们可以通过观察动物身体运动模式来研究所谓的“行为语言 共同作者，分子生物学和PNI教授Samuel Wang也指出，“在过去五年中，神经科学在技术观察和操纵大脑活动方面取得了巨大进步，现在，行为的自动分类为该技术增添了一个重要的补充。”
4.4K10发布于 2018-12-29 探析动作捕捉技术对影视动画游戏创作的赋能
，动作捕捉技术正以数据为桥梁，为人类的原始创作的无限想象力深度联结，为虚拟的内容创作开辟更广阔的可能。 不过，对于高品质的影视动画或游戏的创作，动作捕捉技术的要求也更高，需要具备更高的精度，更多的捕捉目标，以及多样的捕捉类型。而针对这几点，光学动作捕捉技术可以轻松实现。 团队自研开发的动作捕捉技术可以在捕捉人物本身的同时，对手中的道具进行捕捉。这就要求动作捕捉不仅限于对人体的捕捉，同时需要同步捕捉人物手中的道具，呈现一种交互式的表演效果。 四、多目标捕捉对于大场景、大场面的打斗戏份，借助该技术团队的动作捕捉技术对多个动捕演员的精彩表演进行捕捉，并同步解算记录，不仅能原原本本、细腻呈现每个人物表情，动作姿势，刻画各种精彩的画面，而且大大降低后期处理的成本 未来，动作捕捉技术也必将持续打破创作的边界，激发更多元化的创意表达，为整个内容创作行业书写更富活力的新篇章，同时动作捕捉技术也将不断进步，为之后的发展塑造更加牢固的，突破虚拟与现实的纽带。
55610编辑于 2025-08-13- 来自专栏我爱计算机视觉
CVPR 2020 论文大盘点-人体姿态估计与动作捕捉篇
所有人体姿态估计（Human Pose Estimation）、手势识别（Gesture Recognition）、人体形状与姿态估计（Human Shape and Pose Estimation）、人体运动捕捉 人体姿态估计分为2D（6篇）和3D（11篇）两大类；手势识别只有两篇文献，一篇基于骨架，另一篇基于点云的；人体形状与姿态估计是同时计算人体的姿态和网格有，有3篇；动作捕捉对人体形状和姿态进行连续计算，反应人体的运动 另外还有一篇手持物体的姿态估计，同时对人手进行2D/3D姿态估计和物体6D位姿估计，代码已开源。 对之前SOTA方法数据处理部分的无偏处理，大幅提升了精度 [2].The Devil Is in the Details: Delving Into Unbiased Data Processing 人体动作捕捉（Human Motion Capture） [24].ActiveMoCap: Optimized Viewpoint Selection for Active Human Motion
3.8K21发布于 2020-06-28 - 来自专栏3D视觉从入门到精通
CVPR2021：单目实时全身动作捕捉（清华大学）
与早期的单目全身方法相比，本文中的方法通过估算统计人脸模型的形状、表情、反照率和光照参数等捕捉更具有表现力的3D人脸的几何形状和颜色。 研究方法： 如上图所示，研究人员将单目彩色图像作为输入，并输出2D和3D关键点位置，关节角度以及身体和手部的形状参数，以及面部表情，形状，反照率和光照参数。 FaceNet在VoxCeleb2数据集上进行预训练，并使用来自MTC的面部图像进行微调。 在上图中，研究人员比较了两种不同的面部裁剪捕捉结果。由于研究人员的方法不估计相机姿态，为了叠加可视化，研究人员采用PnP-RANSAC和PA来对齐研究人员的3D和2D预测。 此外，该种方法不仅可以捕捉表情，还可以捕捉与身份相关的形状和反照率等参数，从而获得更具个性化的面部表情。接下来，研究的方向可能涉及身体纹理部分，以获得彩色的人体跟踪或人体表面的变形。
1K10发布于 2021-05-18 - 来自专栏计算机视觉工坊
CVPR2021：单目实时全身动作捕捉（清华大学）
与早期的单目全身方法相比，本文中的方法通过估算统计人脸模型的形状、表情、反照率和光照参数等捕捉更具有表现力的3D人脸的几何形状和颜色。 与之前仅仅估计面部表情的全身捕捉的研究相比，利用这种方法，研究人员对形状，反照率和光照参数的回归可提供更为个性化和逼真的效果。 FaceNet在VoxCeleb2数据集上进行预训练，并使用来自MTC的面部图像进行微调。 在上图中，研究人员比较了两种不同的面部裁剪捕捉结果。由于研究人员的方法不估计相机姿态，为了叠加可视化，研究人员采用PnP-RANSAC和PA来对齐研究人员的3D和2D预测。 此外，该种方法不仅可以捕捉表情，还可以捕捉与身份相关的形状和反照率等参数，从而获得更具个性化的面部表情。接下来，研究的方向可能涉及身体纹理部分，以获得彩色的人体跟踪或人体表面的变形。
1.1K30发布于 2021-05-20 机器人动作捕捉：驱动智能体精准运动的“隐形之手”
在机器人从机械臂向人形进化的革命中，机器人动作捕捉技术正成为突破运动智能瓶颈的核心引擎。 （2）手术机器人：毫米级精度的生命守护微创手术中，NOKOV度量为医疗机器人装上“透视眼”： 专家动作复现： 捕捉顶尖外科医生的手部微动作（精度0.5mm） 构建手术知识库（如缝合力度/角度参数库 2025技术爆发点预测： 1.神经动捕融合： 脑电信号+肌肉电+光学动捕三模态闭环 实现意念控制机器人（如截肢患者康复） 2.元宇宙机器人训练： 物理世界训练数字孪生训练 纯仿真训练 3.具身智能突破 Q2：中小团队如何降低机器人动作捕捉成本？ 答：可采用NOKOV度量的轻量级方案（4相机系统），租金仅主流产品1/3，且支持按小时计费。 Q3：多机器人协同为何必须全局动作捕捉？ 答：NOKOV度量的940nm红外脉冲技术可对抗10万lux日照强度，已在港口无人集卡调度中验证。 当冰冷的机械关节被赋予人类的运动智慧，机器人动作捕捉正在重塑生产力边界。
42810编辑于 2025-08-13- 来自专栏企鹅号快讯
CMU提出基于学习的动作捕捉模型，用自监督学习实现人类3D动作追踪
这成为了限制动作捕捉的瓶颈，致使每次捕捉动作时必须用干净的绿布作为背景，并且要手动初始化或切换成多摄像头作为输入源。在本项研究中，我们提出了一个用于单摄像头输入的基于学习的动作捕捉模型。 图1 动作捕捉的自监督学习 给定一个视频序列和一组2D肢体关节热图，我们的网络可预测SMPL3D人体网格模型的肢体参数。 我们的自监督利用了2D身体关节检测、2D图底分割和2D光流技术的最新研发成果，分别使用真实或合成数据集（如MPII、COCO和flying chairs）的强大监督进行学习。 与之前基于优化的动作捕捉研究相比，我们现在对光流和分割损耗使用的可微变形（differentiable warping）和可微相机投影技术，使得模型可以通过标准的反向传播进行端对端的训练。 然而，即使对于仅有骨架的捕捉/追踪，单个单目照相机的动作捕捉仍是一个尚待解决的问题。由于单目动作捕捉中的模糊和遮挡可能是严重的，大多数方法依赖于先前的姿势和动作模型。早期的研究考虑线性动作模型。
2.6K100发布于 2018-01-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号