本發(fā)明涉及計算機技術(shù)領(lǐng)域，特別是涉及虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法及裝置。

背景技術(shù)：

虛擬現(xiàn)實(virtualreality)，簡稱vr技術(shù)，也稱靈境技術(shù)或人工環(huán)境，是利用電腦模擬產(chǎn)生一個三度空間的虛擬世界，提供用戶關(guān)于視覺、聽覺、觸覺等感官的模擬，讓使用者如同身歷其境一般，可以及時、沒有限制地觀察三維空間內(nèi)的事物。使用者進行位置移動時，電腦可以立即進行復雜的運算，將精確的三維世界影像傳回產(chǎn)生臨場感。

用戶戴上vr設備后，在進行位置移動時，在頭部移動的過程中畫面會出現(xiàn)抖動和延遲，容易使用戶產(chǎn)生頭暈感，用戶體驗差。導致畫面抖動和延遲的主要原因是融合算法的誤差較大，為了改善畫面抖動和延遲的情況，需要定量分析融合算法的性能。目前市面上有大量帶有傳感器的vr產(chǎn)品，國內(nèi)高端的vr產(chǎn)品普遍使用高通生產(chǎn)或者谷歌生產(chǎn)的daydream軟件開發(fā)工具包，將融合算法集成到安裝包中，以應用程序編程接口的方式供各客戶端調(diào)用，高通和谷歌并不會公開算法的精度，通過用戶自我感知的方式，無法得到vr設備在應用融合算法時性能參數(shù)的精度。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例的目的在于提供虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法及裝置，定量分析融合算法的性能，得到vr設備在應用融合算法時性能誤差。具體技術(shù)方案如下：

為達到上述目的，本發(fā)明提供了一種虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法，應用于vr設備傳感器，包括：

通過融合算法，獲取待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)；

根據(jù)所述運動狀態(tài)數(shù)據(jù)，得到所述待測量vr設備的運動狀態(tài)評估數(shù)值；所述運動狀態(tài)評估數(shù)值表示所述待測量vr設備通過融合算法，得到在水平面上做直線運動時的運動狀態(tài)變化量。

具體的，所述通過融合算法，獲取待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)，包括：

通過融合算法，獲取待測量vr設備在水平面上做直線運動時得到的四元素值作為運動狀態(tài)數(shù)據(jù)。

具體的，所述根據(jù)所述運動狀態(tài)數(shù)據(jù)，得到所述待測量vr設備的運動狀態(tài)評估數(shù)值，包括：

將所述待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)；

將所述標準化后的運動狀態(tài)數(shù)據(jù)進行歐拉轉(zhuǎn)換，得到所述待測量vr設備的運動狀態(tài)評估數(shù)值。

具體的，所述將所述待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)，包括：

將所述待測量vr設備在水平面上做直線運動時得到的四元素值，按照預設公式q＝x·i+y·j+z·k+w進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)，其中

i表示在坐標軸i方向上的單位向量；j表示在坐標軸j方向上的單位向量；k表示在坐標軸k方向上的單位向量；x表示所述待測量vr設備在水平面上做直線運動時，在坐標軸i方向上的轉(zhuǎn)軸角度；y表示在坐標軸j方向上的轉(zhuǎn)軸角度，k表示在坐標軸k方向上的轉(zhuǎn)軸角度；w表示一個角度分量。

具體的，所述運動狀態(tài)變化量具體包括：航向角、俯仰角、翻滾角；

所述航向角表示所述待測量vr設備在水平面上做直線運動時的水平運動變化角，所述水平運動變化角為0.5度到3度的范圍內(nèi)的數(shù)值；

所述俯仰角表示所述待測量vr設備在水平面上做直線運動時的垂直運動變化角，所述垂直運動變化角為0.1度到0.5度的范圍內(nèi)的數(shù)值；

所述翻滾角表示所述待測量vr設備在水平面上做直線運動時的旋轉(zhuǎn)運動變化角，所述旋轉(zhuǎn)運動變化角為0度到0.5度的范圍內(nèi)的數(shù)值。

具體的，在所述根據(jù)所述運動狀態(tài)數(shù)據(jù)，得到所述待測量vr設備的運動狀態(tài)評估數(shù)值之后，所述方法還包括：

通過所述待測量vr設備在水平面上多次做直線運動時，將多個航向角的航向角運動圖像進行顯示；

通過所述待測量vr設備在水平面上多次做直線運動時，將多個俯仰角的俯仰角運動圖像進行顯示；

通過所述待測量vr設備在水平面上多次做直線運動時，將多個翻滾角的翻滾角運動圖像進行顯示。

本發(fā)明還提供了一種虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估裝置，其特征在于，包括：

數(shù)據(jù)輸入模塊，用于通過融合算法，獲取待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)；

數(shù)據(jù)輸出模塊，用于輸出所述待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)；

計算模塊，用于根據(jù)所述運動狀態(tài)數(shù)據(jù)，計算得到所述待測量vr設備的運動狀態(tài)評估數(shù)值；

圖像顯示模塊，用于顯示所述運動狀態(tài)評估數(shù)值。

具體的，所述數(shù)據(jù)輸出模塊包括：用于輸出通過融合算法，獲取待測量vr設備在水平面上做直線運動時得到的四元素值作為運動狀態(tài)數(shù)據(jù)。

具體的，所述計算模塊包括：

第一計算子模塊，用于將所述待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)；

第二計算子模塊，用于將所述標準化后的運動狀態(tài)數(shù)據(jù)進行歐拉轉(zhuǎn)換，得到所述待測量vr設備的運動狀態(tài)評估數(shù)值。

具體的，所述第一計算子模塊包括：用于將所述待測量vr設備在水平面上做直線運動時得到的四元素值，按照預設公式q＝x·i+y·j+z·k+w進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)，其中

i表示在坐標軸i方向上的單位向量；j表示在坐標軸j方向上的單位向量；k表示在坐標軸k方向上的單位向量；x表示所述待測量vr設備在水平面上做直線運動時，在坐標軸i方向上的轉(zhuǎn)軸角度；y表示在坐標軸j方向上的轉(zhuǎn)軸角度，k表示在坐標軸k方向上的轉(zhuǎn)軸角度；w表示一個角度分量。

具體的，所述圖像顯示模塊包括：航向角子模塊、俯仰角子模塊、翻滾角子模塊；

所述航向角子模塊用于顯示所述待測量vr設備在水平面上做直線運動時的水平運動變化角，所述水平運動變化角為0.5度到3度的范圍內(nèi)的數(shù)值；

所述俯仰角子模塊用于顯示所述待測量vr設備在水平面上做直線運動時的垂直運動變化角，所述垂直運動變化角為0.1度到0.5度的范圍內(nèi)的數(shù)值；

所述翻滾角子模塊用于顯示所述待測量vr設備在水平面上做直線運動時的旋轉(zhuǎn)運動變化角，所述旋轉(zhuǎn)運動變化角為0度到0.5度的范圍內(nèi)的數(shù)值。

本發(fā)明實施例提供的虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法及裝置，通過融合算法，獲取待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)，根據(jù)運動狀態(tài)數(shù)據(jù)，得到待測量vr設備的運動狀態(tài)評估數(shù)值，通過定量分析運動狀態(tài)評估數(shù)值，可以得到融合算法的性能誤差。當然，實施本發(fā)明的任一產(chǎn)品或方法必不一定需要同時達到以上所述的所有優(yōu)點。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例vr設備融合算法性能參數(shù)的評估方法的流程圖；

圖2為本發(fā)明實施例vr設備根據(jù)運動狀態(tài)數(shù)據(jù)，得到待測量vr設備的運動狀態(tài)評估數(shù)值的流程圖；

圖3為本發(fā)明實施例應用在高通的軟件環(huán)境中，航向角的運動圖像；

圖4為本發(fā)明實施例應用在谷歌daydream軟件環(huán)境中，航向角的運動圖像；

圖5為本發(fā)明實施例應用在高通的軟件環(huán)境中，俯仰角的運動圖像；

圖6為本發(fā)明實施例應用在谷歌daydream的軟件環(huán)境中，俯仰角的運動圖像；

圖7為本發(fā)明實施例應用在高通的軟件環(huán)境中，翻滾角的運動圖像；

圖8為本發(fā)明實施例應用在谷歌daydream的軟件環(huán)境中翻滾角的運動圖像；

圖9為本發(fā)明實施例vr設備融合算法性能參數(shù)的評估裝置結(jié)構(gòu)圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

虛擬現(xiàn)實(virtualreality)，簡稱vr技術(shù)，也稱靈境技術(shù)或人工環(huán)境，是利用電腦模擬產(chǎn)生一個三度空間的虛擬世界，提供用戶關(guān)于視覺、聽覺、觸覺等感官的模擬，讓使用者如同身歷其境一般，可以及時、沒有限制地觀察三維空間內(nèi)的事物。使用者進行位置移動時，電腦可以立即進行復雜的運算，將精確的三維世界影像傳回產(chǎn)生臨場感。

用戶戴上vr設備后，在進行位置移動時，在頭部移動的過程中畫面會出現(xiàn)抖動和延遲，容易使用戶產(chǎn)生眩暈感，用戶體驗差。導致畫面抖動和延遲的主要原因是融合算法的誤差較大，為了改善畫面抖動和延遲的問題，需要定量分析融合算法的性能，以便后續(xù)進行調(diào)整。目前vr市場上有大量帶有傳感器的vr產(chǎn)品，國內(nèi)高端的vr產(chǎn)品普遍使用高通生產(chǎn)或者谷歌生產(chǎn)的daydream軟件開發(fā)工具包，將融合算法集成到安裝包中，以應用程序編程接口的方式供各客戶端調(diào)用，但是高通和谷歌并不會公開算法的精度，因此，我們需要定量分析融合算法的性能。

在vr設備中，各類傳感器之間的性能其實都差不多，但算法直接決定了產(chǎn)品體驗。傳感器本身能實現(xiàn)的功能比較單一，但結(jié)合算法就可以實現(xiàn)復雜的功能。例如，如手機品牌htcvive頭盔的lighthouse定位方案，就是用紅外激光發(fā)射器配合紅外光傳感器，從而實現(xiàn)精確的動作捕捉和定位的。據(jù)反饋，lighthouse屬于數(shù)據(jù)融合做得比較好的方案，有時lighthouse的光學信息只有30幀，但呈現(xiàn)出來的效果精度較高，數(shù)據(jù)也平滑穩(wěn)定。

一般來說，傳感器供應商并不會提供算法，算法需要vr設備商自己開發(fā)。目前，vr傳感器的算法已經(jīng)比較成熟，各家方案基本差不多；第二類傳感器目前的使用難度最大，對算法要求也最高?？梢哉f，傳感器的算法決定了vr設備的用戶體驗，成為vr設備商的核心競爭力。因此，為了得到vr設備在應用融合算法時性能參數(shù)的精度，本發(fā)明提拱了一種虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法及裝置，具體技術(shù)方案如下：

參見圖1，圖1本發(fā)明實施例vr設備融合算法性能參數(shù)的評估方法的流程圖，包括如下步驟：

步驟101，通過融合算法，獲取待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)；

目前的vr設備傳感器通常采用融合算法，針對不同傳感器采取不通的融合算法。針對六軸傳感器有六軸融合算法，針對九軸傳感器有九軸融合算法。無論采用哪種融合算法，都可以得到一組運動狀態(tài)數(shù)據(jù)。能夠得到運動狀態(tài)數(shù)據(jù)的實現(xiàn)方法，均屬于本發(fā)明實施例的保護范圍，在此不再一一舉例。

將待測量vr設備置于水平面上，vr設備從靜止狀態(tài)開始做直線運動，通過vr設備的輸入設備，在vr設備做直線運動后，利用融合算法，會得到一組數(shù)據(jù)輸出，這組數(shù)據(jù)輸出作為運動狀態(tài)數(shù)據(jù)。

上述的vr的輸入設備有多種，可以通過傳統(tǒng)手柄，利用傳統(tǒng)的震動和慣性傳感器技術(shù)，用按鈕搖桿操作；可以通過vr手柄；還可以通過vr手套、vr手套中一般裝有許多傳感器，能感知人體的運動狀態(tài)，并將狀態(tài)信息轉(zhuǎn)換成電信號，經(jīng)過處理器后再輸出給計算機。

步驟102，根據(jù)運動狀態(tài)數(shù)據(jù)，得到待測量vr設備的運動狀態(tài)評估數(shù)值；

本步驟中，將步驟101中得到的運動狀態(tài)數(shù)據(jù)進行數(shù)據(jù)處理，得到待測量vr設備的運動狀態(tài)評估數(shù)值，其中，運動狀態(tài)評估數(shù)值表示待測量vr設備通過融合算法，得到在水平面上做直線運動時的運動狀態(tài)變化量。數(shù)據(jù)處理的方式有多種，但目的都是為了得到待測量vr設備的運動狀態(tài)評估數(shù)值。

運動狀態(tài)評估數(shù)值可以反應待測量vr設備在水平面上做直線運動時的運動狀態(tài)變化量，例如，vr設備在運動方向上是否有微小偏移，在垂直方向上是否有微小偏移以及偏移的角度大小，是否在空間中有旋轉(zhuǎn)的誤差等運動狀態(tài)的變化，這些狀態(tài)都可以通過傳感器檢測到，會造成畫面抖動和延遲，根據(jù)這組運動狀態(tài)評估數(shù)值我們可以定量分析vr設備融合算法的性能。

本發(fā)明實施例提供的虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法，能夠得到待測量vr設備，在水平面上做直線運動時的運動狀態(tài)評估數(shù)值，通過定量分析運動狀態(tài)評估數(shù)值，可以得到vr設備融合算法的精度，以便后續(xù)改善用戶在頭戴vr時，頭部移動過程中所產(chǎn)生的畫面抖動和延遲問題。

具體的，通過融合算法，獲取待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)，包括：

通過融合算法，獲取待測量vr設備在水平面上做直線運動時得到的四元素值作為運動狀態(tài)數(shù)據(jù)。

六軸傳感器，包括三軸加速度計和三軸磁力傳感器，在沒有三軸陀螺儀的情況下，采用六軸融合算法，無法得到精確的角度，本發(fā)明實施例中采用的是九軸傳感器，包括三軸陀螺儀、三軸加速度計和三軸磁力傳感器，采用的是九軸融合算法。陀螺儀可以通過測量三維坐標系內(nèi)陀螺轉(zhuǎn)子的垂直軸與設備之間的夾角，并計算角速度，通過夾角和角速度來判別物體在三維空間內(nèi)的運動狀態(tài)；加速度計是用來檢測傳感器受到的加速度大小和方向的；磁力傳感器可以檢測到傳感器的運動方向。

因為本發(fā)明實施例中采用的是九軸傳感器的九軸融合算法，待測量vr設備采用九軸融合算法，會得到的是一組四元素值，這是一組姿態(tài)變化的數(shù)值，是將陀螺儀、加速度計統(tǒng)一坐標系的結(jié)果。將這組四元素值作為運動狀態(tài)數(shù)據(jù)，

具體的，根據(jù)運動狀態(tài)數(shù)據(jù)，得到待測量vr設備的運動狀態(tài)評估數(shù)值，包括如下兩個步驟，參見圖2：

步驟201，將待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)；

本步驟中，將步驟101中的得到的運動狀態(tài)數(shù)據(jù)進行數(shù)據(jù)處理，首先需要現(xiàn)將其標準化，標準化的目的是為了在待測量vr設備多次做直線運動時得到的不同組運動狀態(tài)數(shù)據(jù)，將多組運動狀態(tài)數(shù)據(jù)之間進行比較時，需要按統(tǒng)一的“標準”進行調(diào)整，使之具備可比性。標準化的方式有很多種，按照不同的標準進行標準化，按照工業(yè)需求進行設定，標準化才有意義。

步驟202，將標準化后的運動狀態(tài)數(shù)據(jù)進行歐拉轉(zhuǎn)換，得到待測量vr設備的運動狀態(tài)評估數(shù)值。

將步驟201中的得到的標準化后的運動狀態(tài)數(shù)據(jù)進行歐拉轉(zhuǎn)換，是為了得到反應待測量vr設備的運動狀態(tài)評估數(shù)值，其中，歐拉轉(zhuǎn)換是種數(shù)學變換方法，需要將得到的標準化后的運動狀態(tài)數(shù)據(jù)轉(zhuǎn)換成歐拉角輸出，歐拉角可以表示待測量vr設備的運動狀態(tài)變化。

具體的，將待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)，包括：

在步驟201中，將待測量vr設備在水平面上做直線運動時得到的四元素值，按照預設公式q＝x·i+y·j+z·k+w進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)，其中i表示在坐標軸i方向上的單位向量；j表示在坐標軸j方向上的單位向量；k表示在坐標軸k方向上的單位向量；x表示待測量vr設備在水平面上做直線運動時，在坐標軸i方向上的轉(zhuǎn)軸角度；y表示在坐標軸j方向上的轉(zhuǎn)軸角度，k表示在坐標軸k方向上的轉(zhuǎn)軸角度；w表示一個角度分量。

其中，x為在坐標軸i方向上的轉(zhuǎn)軸角度；y為在坐標軸j方向上的轉(zhuǎn)軸角度，k為在坐標軸k方向上的轉(zhuǎn)軸角度；w表示一個角度分量，它們的取值在0到1之間。

具體的，運動狀態(tài)變化量具體包括：航向角、俯仰角、翻滾角；

航向角表示待測量vr設備在水平面上做直線運動時的水平運動變化角，水平運動變化角為0.5度到3度的范圍內(nèi)的數(shù)值；

俯仰角表示待測量vr設備在水平面上做直線運動時的垂直運動變化角，垂直運動變化角為0.1度到0.5度的范圍內(nèi)的數(shù)值；

翻滾角表示待測量vr設備在水平面上做直線運動時的旋轉(zhuǎn)運動變化角，旋轉(zhuǎn)運動變化角為0度到0.5度的范圍內(nèi)的數(shù)值。

在步驟202中，將標準化后的運動狀態(tài)數(shù)據(jù)進行歐拉轉(zhuǎn)換，得到待測量vr設備的運動狀態(tài)評估數(shù)值，其中歐拉轉(zhuǎn)換矩陣為：

其中，φ為航向角，符號表示為yaw；θ為俯仰角，符號表示為pitch；ψ為翻滾角，符號表示為roll；q0取值為q·w，q1取值為q·x，q2取值為q·y，q3取值為q·z。

根據(jù)歐拉轉(zhuǎn)換公式可以得到航向角、俯仰角、翻滾角，這三個角度都可以評估vr設備融合算法性能。航向角可以表示vr設備在直線運動方向上的偏移角度，俯仰角可以表示vr設備在垂直方向上的偏移角度，翻滾角可以表示vr設備在運動方向上的翻滾角度。

具體的，在根據(jù)運動狀態(tài)數(shù)據(jù)，得到待測量vr設備的運動狀態(tài)評估數(shù)值之后，方法還包括：

通過待測量vr設備在水平面上多次做直線運動時，將多個航向角的航向角運動圖像進行顯示；

通過待測量vr設備在水平面上多次做直線運動時，將多個俯仰角的俯仰角運動圖像進行顯示；

通過待測量vr設備在水平面上多次做直線運動時，將多個翻滾角的翻滾角運動圖像進行顯示。

將標準化后的運動狀態(tài)數(shù)據(jù)進行歐拉轉(zhuǎn)換后，將待測量vr設備在水平面上多次做直線運動后的航向角、俯仰角、翻滾角分別用運動圖像表示，從圖像中可以看出航向角、俯仰角、翻滾角隨著位置移動和運動時間所發(fā)生的變化，這種顯示方法更直觀，也更容易定量分析算法的性能誤差。

以高通和谷歌的daydream軟件為例，將本發(fā)明實施例評估方法分別應用在兩種軟件環(huán)境中，得到的結(jié)果如圖3到圖8所示。

圖3表示在高通的軟件環(huán)境中，航向角隨著采樣點數(shù)的變化關(guān)系，繪制出的航向角的運動圖像，圖4為在谷歌daydream軟件環(huán)境中，航向角隨著采樣點數(shù)的關(guān)系，繪制出的航向角的運動圖像，橫坐標表示采樣點數(shù)，縱坐標表示航向角的數(shù)值。從圖3和圖4可以得出，高通融合算法的航向角發(fā)生比較嚴重的抖動，最大抖動值為4度左右；谷歌daydream的融合算法，僅在運動開始和結(jié)束瞬間有最大2度左右的抖動。

圖5和圖6分別表示，高通融合算法的俯仰角和谷歌daydream的俯仰角隨著采樣點數(shù)的變化關(guān)系，繪制出的俯仰角的運動圖像，圖5表明高通融合算法的俯仰角發(fā)生比較嚴重的抖動，最大抖動值為7度左右，圖6表明谷歌daydream的融合算法，僅在運動開始和結(jié)束瞬間有最大0.3度左右的抖動，運動過程中非常平穩(wěn)，平均抖動在0.1度以內(nèi)。

圖7和圖8分別表示，高通融合算法的翻滾角和谷歌daydream的翻滾角隨著采樣點數(shù)的變化關(guān)系，繪制出的翻滾角的運動圖像；圖7表明高通融合算法的俯仰角翻滾角發(fā)生比較嚴重的抖動，最大抖動值大于10度，整個過程平均抖動在8度左右。圖8表明谷歌daydream的融合算法，僅在運動開始和結(jié)束瞬間有最大0.5度左右的抖動，運動過程中非常平穩(wěn)，平均抖動小于0.5度。

通過本發(fā)明實施例的評估方法可以得出谷歌daydream的融合算法精度遠高于高通的融合算法精度，高通的融合算法在運動過程中的消抖動做的非常差，導致用戶戴上vr移動的過程中畫面會出現(xiàn)明顯的抖動現(xiàn)象，運動速度越大，抖動越明顯。這證明了本發(fā)明實施例的有效性。

本發(fā)明實施例提供的虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法，能夠得到待測量vr設備，在水平面上做直線運動時的運動狀態(tài)評估數(shù)值，通過定量分析運動狀態(tài)評估數(shù)值，可以得到vr設備融合算法的精度。

本發(fā)明還提供了一種虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估裝置，圖9為本發(fā)明實施例的裝置結(jié)構(gòu)圖，下面詳細介紹：

數(shù)據(jù)輸入模塊901，用于通過融合算法，獲取待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)；

數(shù)據(jù)輸出模塊902，用于輸出待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)；

計算模塊903，用于根據(jù)運動狀態(tài)數(shù)據(jù)，計算得到待測量vr設備的運動狀態(tài)評估數(shù)值；

圖像顯示模塊904，用于顯示所運動狀態(tài)評估數(shù)值。

本發(fā)明實施例提供的虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估裝置，能夠得到待測量vr設備，在水平面上做直線運動時的運動狀態(tài)評估數(shù)值，通過定量分析運動狀態(tài)評估數(shù)值，可以得到vr設備融合算法的精度，以便后續(xù)改善用戶在佩戴vr時，頭部移動過程中所產(chǎn)生的畫面抖動和延遲問題。

具體的，數(shù)據(jù)輸出模塊902包括：用于輸出通過融合算法，獲取待測量vr設備在水平面上做直線運動時得到的四元素值作為運動狀態(tài)數(shù)據(jù)。

具體的，計算模塊903包括：

第一計算子模塊，用于將待測量vr設備在水平面上做直線運動時的運動狀態(tài)數(shù)據(jù)進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)；

第二計算子模塊，用于將標準化后的運動狀態(tài)數(shù)據(jù)進行歐拉轉(zhuǎn)換，得到待測量vr設備的運動狀態(tài)評估數(shù)值。

具體的，第一計算子模塊包括：用于將將待測量vr設備在水平面上做直線運動時得到的四元素值，按照預設公式q＝x·i+y·j+z·k+w進行標準化，得到標準化后的運動狀態(tài)數(shù)據(jù)，其中i表示在坐標軸i方向上的單位向量；j表示在坐標軸j方向上的單位向量；k表示在坐標軸k方向上的單位向量；x表示所述待測量vr設備在水平面上做直線運動時，在坐標軸i方向上的轉(zhuǎn)軸角度；y表示在坐標軸j方向上的轉(zhuǎn)軸角度，k表示在坐標軸k方向上的轉(zhuǎn)軸角度；w表示一個角度分量。

具體的，圖像顯示模塊904包括：航向角子模塊、俯仰角子模塊、翻滾角子模塊；

航向角子模塊，用于顯示待測量vr設備在水平面上做直線運動時的水平運動變化角，水平運動變化角為0.5度到3度的范圍內(nèi)的數(shù)值；

俯仰角子模塊，用于顯示待測量vr設備在水平面上做直線運動時的垂直運動變化角，垂直運動變化角為0.1度到0.5度的范圍內(nèi)的數(shù)值；

翻滾角子模塊，用于顯示待測量vr設備在水平面上做直線運動時的旋轉(zhuǎn)運動變化角，旋轉(zhuǎn)運動變化角為0度到0.5度的范圍內(nèi)的數(shù)值。

需要說明的是，本發(fā)明實施例的裝置是應用上述虛擬現(xiàn)實vr設備融合算法性能參數(shù)的評估方法的裝置，則上述評估方法的所有實施例均適用于該裝置，且均能達到相同或相似的有益效果。需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。

本說明書中的各個實施例均采用相關(guān)的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于系統(tǒng)實施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

以上所述僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內(nèi)。