2016年，范围内VR商业化、普及化的浪潮正在向我们走来。VR是一场交互方式的新革命，人们正在实现由界面到空间的交互方式变迁，这样的交互极其强调沉浸感，而用户想要获得完全的沉浸感，真正“进入”虚拟世界，动作捕捉系统是必须的，可以说动作捕捉技术是VR产业隐形钥匙。
目前动作捕捉系统有惯性式和光学式两大主流技术路线，而光学式又分为标定和非标定两种。那么我们可以将动作捕捉系统分为以下三大主类：基于计算机视觉的动作捕捉系统（光学式非标定）、基于马克点的光学动作捕捉系统（光学式标定）和基于惯性传感器的动作捕捉系统（惯性式）。接下来我们对这三种形式的动作捕捉系统进行简单的解析。
1.基于计算机视觉的动作捕捉系统
该类动捕系统比较有代表性的产品分别有捕捉身体动作的Kinect，捕捉手势的Leap Motion和识别表情及手势的RealSense实感。
该类动捕系统基于计算机视觉原理，由多个高速
相机从不同角度对目标特征点的监视和跟踪来进行动作捕捉的技术。理论上对于空间中的任意一个点，只要它能同时为两部相机所见，就可以确定这一时刻该点在空间中的位置。当相机以足够高的速率连续拍摄时，从图像序列中就可以得到该点的运动轨迹。这类系统采集传感器通常都是光学相机，基于二维图像特征或三维形状特征提取的关节信息作为探测目标。
基于计算机视觉的动作捕捉系统进行人体动作捕捉和识别，可以利用少量的
摄像机对监测区域的多目标进行监控，较高；同时，被监测对象不需要穿戴任何设备，约束性小。
然而，采用视觉进行人体姿态捕捉会受到外界环境很大的影响，比如光照条件、背景、遮挡物和摄像机质量等，在火灾现场、矿井内等非可视环境中该方法则完全失效。另外，由于视觉域的限制，使用者的运动空间被限制在摄像机的视觉范围内，降低了实用性。
2.基于马克点的光学动作捕捉系统
具有代表性的是美国的Motion Analysis。
该类系统的原理是在运动物体关键部位（如人体的关节处等）粘贴Marker点，多个动作捕捉相机从不同角度实时探测Marker点，数据实时传输至数据处理工作站，根据三角测量原理额计算Marker点的空间坐标，再从生物运动学原理出发解算出骨骼的6自由度运动。根据标记点发光技术不同还分为主动式和被动式光学动作捕捉系统。
基于马克点的光学动作捕捉系统采集的信号量大，空间解算算法复杂，其实时性与数据处理单元的运算速度和解算算法的复杂度有关。且该系统在捕捉对象运动时，肢体会遮挡标记点，另外对光学装置的标定工作程序复杂，这些因素都导致变低，价格也相对昂贵。
基于马克点的光学动作捕捉系统可以实现同时捕捉多目标。但在捕捉多目标时，目标间若产生遮挡，将影响捕捉系统甚至会丢失捕捉目标。
3.基于惯性传感器的动作捕捉系统
代表性的产品有诺亦腾开发的Perception Neuron。
基于惯性传感器的动捕系统需要在身体的重要节点佩戴集成
加速度计，
陀螺仪和磁力计等惯性传感器设备，然后通过算法实现动作的捕捉。该系统由惯性器件和数据处理单元组成，数据处理单元利用惯性器件采集到的运动学信息，通过惯性导航原理即可完成运动目标的姿态角度测量。
基于惯性传感器的动捕系统采集到的信号量少，便于实时完成姿态跟踪任务，解算得到的姿态信息范围大、灵敏度高、动态性能好，且惯性传感器体积小、便于佩戴、价格低廉。相比于上面提到的两种动作捕捉系统，基于惯性传感器的动作捕捉系统不会受到光照、背景等外界环境的干扰，又克服了摄像机监测区域受限的缺点，并可以实现多目标捕捉。
但是由于测量噪声和游走误差等因素的影响，惯性传感器无法长时间地对人体姿态进行的跟踪。
4.各解决方案对比
，我们可以通过下面的表格对这几种动作捕捉系统进行简单的对比：
除了惯性式和光学式这两条主线外，还有机械电动式、声学式、电磁式等形式的动作捕捉系统。
