FreeMoCap完整指南：5步用USB摄像头搭出免费动作捕捉系统-开发者社区

FreeMoCap完整指南：5步用USB摄像头搭出免费动作捕捉系统

【免费下载链接】freemocapFree Motion Capture for Everyone 💀✨项目地址: https://gitcode.com/GitHub_Trending/fr/freemocap

你需要动捕数据，但第一反应可能是十几万的动捕设备。FreeMoCap 是一个免费开源的无标记动作捕捉系统：几台普通 USB 摄像头对着你，就能拿到可直接在 Blender 里打开的 3D 骨骼数据。下面带你 5 步跑起来。

一句话看懂项目：FreeMoCap 是什么

一套跑在消费级硬件上的无标记动作捕捉系统：原理和你人的立体视觉一样——每台摄像头在自己画面里找到 2D 关节点，校准告诉系统每台相机的位置后，把同一关节从多个视角三角测量出 3D 坐标。桌面端是 Electron + React 应用，后端是 Python（FastAPI）流水线，装好后可以离线运行。

工作原理：摄像头 3D 动捕的三个阶段

整个流程像摄影棚的三步走：

标定 = 布景：把 ChArUco 标定板（图源文件在仓库shared/charuco/目录）打印出来，在多台摄像头前摆几个角度，系统解算出每台相机的位置和镜头参数，产出camera_calibration.toml。
录制 = 拍摄：多台摄像头同步录下你的动作，MediaPipe 或 RTMPose 检测器逐帧找出每个视角的 2D 关节。
重建 = 后期：多视角三角测量得到 3D 坐标，过滤噪声后落盘；实时模式下结果经 WebSocket 推到画面，事后处理模式逐帧处理全部视频，精度最高。

5分钟跑起来：FreeMoCap 最快安装步骤

第 1 步，装环境：需要 Python 3.9–3.11（推荐 3.11）：

pip install "freemocap[cpu]" freemocap

NVIDIA 显卡用户把cpu换成cuda开启 GPU 加速。想从源码运行，则先git clone https://gitcode.com/GitHub_Trending/fr/freemocap，再执行uv venv && uv sync安装依赖。

第 2 步，看到界面：freemocap命令会弹出一个 Electron 窗口。

第 3 步，接摄像头：插上至少 2 台 USB 摄像头（罗技 C920 等均可），侧边栏摄像头列表里会出现。
第 4 步，标定：把 ChArUco 板打印在硬质材料上，在摄像头前挥动，板角被识别后即完成校准。
第 5 步，录制与处理：按录制键完成动作；在 Playback 标签选中这条录制，点 Process Mocap，进度条走完各阶段后，视口里出现 3D 骨骼。

它能做什么：3 个输入→输出案例

游戏动画：输入 3 台摄像头同步录下的角色跳跃视频 → 得到 .blend 场景，含骨骼网格、手部/面部网格、相机视锥，直接进 Blender 调关键帧。注意目前仅 MediaPipe 结果能导出 Blender。
生物力学研究：输入一段跳跃录制 → 得到全身质心（COM）轨迹和各关节 3D 坐标序列，用 NumPy 就能开始分析。
教学演示：输入一次录制 → 得到annotated_videos/，每段视频都画上 2D 关节，直接当动作示范素材。

细节见 posthoc-mocap.mdx。

你会拿到什么：动捕数据输出与格式

结果保存在录制文件夹内：

output_data/：重建的 3D 数据，.npy、.csv、.parquet三种格式
annotated_videos/：画好 2D 关节的原视频副本
camera_calibration.toml与tracker_schema.json：标定参数、关节结构说明
（可选）.blend文件：带骨骼、地面平面、相机视锥的完整 3D 场景

实话实说：FreeMoCap 能做什么、不能做什么

成本：USB 摄像头 + 打印标定板，无动捕服；GPU 可选，CPU 也能跑，只是慢。
精度：官方定位是 research-grade（研究级）。2 台摄像头算“基础”，3–4 台“良好”，5–6 台遮挡处理更好；光线和背景杂乱都会影响检测质量。
局限：当前仓库是 v2 的 alpha 版（2.0.0a22），README 自己写着 “It might break”；GUI 上的 3D 重建参数尚未接入事后流水线；长视频处理耗时不短。
对比商业方案：光学动捕系统贵，但精度和稳定性是商业级；FreeMoCap 免费，代价是你要在多台相机同步、布光和排查问题上花时间。