人体位姿估计是一种利用各种传感器获得人体运动时各肢体部位姿态和关节位置的技术,在人机协作、医疗康复、运动训练等众多领域有广泛的应用,是当前人工智能领域的研究热点。特别地,因为人体上肢是人体最灵活的部位,研究上肢的位姿估计很有意义。目前,人体位姿估计方法主要有机械式、电磁式、惯性式和视觉式四个方式。其中,最常用的是基于惯性传感器的方法和基于视觉传感器的方法。但是,现有的人体位姿估计方法主要还存在以下三个问题有待进一步研究:1)降低姿态估计方法的计算复杂度,提高位姿估计系统的实时性;2)如何融合多传感器信息来增强人体位姿估计的鲁棒性和精确度;3)设计一种简单易行的多传感器坐标标定方法。针对以上问题,本文研究了一种基于惯性和视觉传感器的上肢位姿估计方法,主要研究工作包括:1.设计了一种复杂度低而且具有精度保证的上肢姿态估计方法,该方法包括三个方面。第一,针对现有的基于Kalman滤波器的姿态估计方法新息矩阵求逆计算复杂度较高的问题,引入无逆卡尔曼滤波算法来降低计算量,提高算法实时性。第二,将运动分类讨论,提出了双策略方法来进一步降低计算量。第三,针对含有反三角函数运算的磁场干扰判定条件,提出了无三角函数判定条件,以降低计算复杂度。2.设计了一种方便易行的惯性传感器和视觉传感器坐标系标定方法。为了实现多传感器信息融合,传感器之间的坐标标定必不可少,但是已有结果主要研究视觉传感器和惯性传感器固定联接情况下的标定问题,少有考虑无连接的视觉传感器和惯性传感器的标定问题。新标定方法引入了地面坐标系,标定板坐标系作为媒介建立了惯性传感器和视觉传感器之间的旋转关系,利用了姿态解算方法和张正友相机参数标定方法计算惯性传感器和视觉传感器的坐标系的旋转参数。3.设计了一种基于事件触发机制的多传感器融合人体上肢位姿估计方法。现有的低成本传感器仍然存在一定的缺陷,例如视觉传感器Kinect采样频率不高,容易受到遮挡的影响。惯性传感器在长时间的位置轨迹跟踪后,不可避免地会存在漂移问题。所提出的融合算法利用了视觉传感器的量测修正了位置估计的漂移,针对视觉传感器被遮挡以及上肢快速运动的情况,惯性传感器的量测补充了视觉传感器的量测缺失。搭建了基于惯性和视觉传感器融合的上肢位姿估计实验平台,验证了所提出方法的有效性。最后,对全文进行了总结,并对进一步的研究提出了展望。