科学技术与应用

面向篮球投篮动作的无标记捕捉误差传播模型及关节轨迹修正算法

林 路翔

广西师范大学

DOI: https://doi.org/10.59429/kxjsyy.v3i3.14801

Keywords: 无标记动作捕捉；误差传播模型；关节轨迹修正；扩展卡尔曼滤波；篮球投篮

---

Abstract

无标记动作捕捉技术在篮球投篮动作分析中展现出巨大潜力，但深度学习方法输出的关节点轨迹常含有非物 理的随机抖动和系统性偏差，尤其在上肢末端（腕、指）处误差被显著放大。现有的处理滤波方法多忽略上肢运动 链的几何约束，且难以在抑制噪声的同时保留投篮出手阶段的瞬时特征。为此，本文首先分析了无标记姿态估计中 肩、肘、腕、指尖四类关键点的误差统计特性；其次，基于串联运动链建立误差传播模型，利用雅可比矩阵推导关 节角度误差与关节点位置误差之间的解析关系，揭示了投篮动作中误差放大的力学机制；进而提出一种融合扩展卡 尔曼滤波与运动学约束的关节轨迹修正算法，通过杆长恒定、关节运动范围及出手时刻特征保持策略，实现对噪声 的有效抑制和动作特征的保留。仿真和真实实验结果表明，该算法可将关节角度的均方根误差降低 30% 以上，腕角 速度峰值衰减控制在 5% 以内，出手角度误差小于 2°，显著优于低通滤波和标准卡尔曼滤波。本文方法为无标记系 统下的高保真投篮运动分析提供了可靠的理论与算法基础。

---

References

[1] Cao Z, Hidalgo G, Simon T, et al. OpenPose: realtime multi-person 2D pose estimation using part affinity fields. IEEE TPAMI, 2021, 43(1): 172-186.

[2] Lugaresi C, Tang J, Nash H, et al. MediaPipe: A framework for building perception pipelines. arXiv:1906.08172,2019.

[3] Winter D A. Biomechanics and motor control of human movement. 4th ed. Wiley, 2009.

[4] Savitzky A, Golay M J E. Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry,1964, 36(8): 1627-1639.

[5] Kalman R E. A new approach to linear filtering and prediction problems. J. Basic Eng., 1960, 82(1): 35-45.

[6] Trumble M, Gilbert A, Malleson C, et al. Total Capture: 3D human pose estimation fusing video and inertial sensors. BMVC, 2017.

[7] Okazaki, V. H. A., & Rodacki, A. L. F. (2012).Increased distance of shooting on basketball jump shot. Journal of Sports Science and Medicine, *11*, 231–237.