人体运动捕获系统是制作特效电影、实现虚拟现实等人机交互活动的重要途径,运动姿态测量是实现运动捕获功能的关键技术。相比光感式、声波式、电磁式系统,惯性式动捕设备是自主式动捕装置,避免了繁琐的辅助仪器和苛刻的场地要求。因此,对惯性式人体运动姿态测量技术进行研究具有重要理论意义和应用价值。首先,本文对人体动作捕获实现方式和惯性传感理论进行深入研究,选取加速度计、陀螺仪和磁力计作为运动信息采集传感器,利用信息融合技术对多元传感器数据进行处理,根据正向运动学原理建立人体运动模型,设计人体姿态测量方案。然后,针对微传感器精度低、易受干扰的特点,根据加速度计、陀螺仪和磁力计的不同特性,研究基于上述三种传感器的姿态融合算法。具体包含:互补滤波和自适应混合滤波融合算法。对静态、磁干扰和线性加速度干扰等状态分别进行理论分析,模拟仿真和实验验证,结果表明混合滤波融合算法在磁干扰和动态环境下解算姿态角均方根误差分别小于1°和2°,运算时间提升25%。最终测试数据显示算法对器件的误差抑制是有效的,系统姿态解算理论是正确的。接着,根据人体动力学原理,研究捕获人体运动信息的多元传感单元的绑定位置。依据正向运动学理论,建立人体关节转动角模型和骨骼运动位置模型。设计分度头模拟测试和真实场景测试对人体关节转动角模型进行验证。实验数据表明两种测试方案估计的关节角均方根误差小于1°和5°,证明关节转动角模型是合理的。其次,针对人体运动学模型中根节点坐标为定值的缺点,建立人体腿部运动学模型。通过分析走路状态下足部加速度特征检测支撑腿和摆动腿,实现基于支撑腿检测的根节点位移估计算法,对人体在空间中的位移进行捕捉。设计实验在直线、曲线和上下楼三种轨迹下验证根节点位移估计算法的精度。实验结果表明三种行走路径的位移估计偏移率均在4%以内,可以准确估计人体在基准坐标系下的位置。最后利用微软可视化开发平台和开放图形库创建控制台程序,用运动数据驱动虚拟人物复现人体运动姿态,进一步验证本文提出算法的可行性和实际应用的有效性。