大学研究人员在西班牙Rey Juan Carlos报道小说的发展,轻量级和最先进的传感器,具有改进的3 d人体姿态检测。摘要目前在《华尔街日报》在pre-proof阶段显示。
研究:高效的三维人体姿态估计RGBD传感器。图片来源:Ovocim / Shutterstock.com
人机交互
领域的机器人是一个关键的技术领域发展的21圣世纪。机器人是一个横断面的研究领域,已经应用在一些行业,如制造业、军事、生物医药、矿产、资源勘探、甚至在太空中。
优化机器人的性能依赖于几个因素,包括管理庞大的数据流和做出相应的反应的能力。其他应用程序,如家用机器人需要轻量级的系统和便携式。核心领域的尖端技术的发展,机器人技术是使用灵活和适应性强的算法可以被纳入软件系统。
机器人技术和软件设计领域,近年来引起了人们的注意是人机交互。Human-Robot-Interaction至关重要的应用,如辅助机器人的设计,家庭自动化,搜救机器人。这些类型的机器人必须具备一定程度的对人体的认识,并从套房的传感器数据流,用来给设备这个功能。音频和视觉传感器使语言和非语言沟通。
计算机视觉给这些设备强大的人机交互功能。人类探测、手势识别和人体姿态估计都是用来解释和行动视频信号从传感器连接到机器人。人体姿态估计是特别有益的,因为它可以帮助机器人解决高级任务。例如,在辅助机器人,它可以告诉系统是否一个人遭受了秋天,让机器人警报紧急服务。
从本质上讲,为机器人提供卓越的人体姿态估计能力帮助他们更好地理解一个环境和场景,这至关重要的设计有效的人机接口。然而,精确的设计、可靠和自适应人体姿态估计系统仍然是一个挑战性的机器人和计算机视觉的研究领域。
动作捕捉系统
一个解决方案是使用动作捕捉系统。这些系统通常用于室内环境但具有一定的局限性。动作捕捉系统依靠标记所穿的个人和使用多个传感器和摄像机放置在环境。摄像机通常放置在高瞭望点,因为这允许最大覆盖的一个场景。面积越大,就越需要摄像机运动捕捉系统。
这使动作捕捉系统繁琐和昂贵的,这妨碍了他们的广泛使用的工业或辅助应用程序。有迫切需要低成本、轻量级、简单、操作方便和便携式系统可以广泛地分布在商业环境中。基于深度学习解决方案,比如卷积神经网络提供了一个优雅的解决这些问题,使机器人具有增强人体姿态估计能力。
这篇论文
作者报道一个创新的发展,新型人体姿态估计系统地址当前该领域的挑战。他们提出的系统是轻量级的,可以很容易地嵌入到现有的机器人系统需要实时传感功能。它无需繁琐和昂贵的相机和传感器,通常所需的常规动作捕捉系统。
系统的算法训练与视频序列被商业RGBD传感器,传感器的常见类型中使用传统的机器人。提出了混合人体姿态估计系统的管道由二维估计和三维注册阶段。2 d姿势使用敏捷转换成3 d坐标深度学习算法从传感器利用深度信息。
计算负担和准确性的几个先进的深度学习过程二维姿态估计被作者评估。通过评估这些因素和2 d姿势转换成3 d坐标,该系统是一个非常优雅和复杂的方法来解决所面临的常见问题传统的评估方法。
的准确性提出了三维姿态估计方法与其他先进的算法。比较方法的计算负担和准确性,作者采用国际公开的数据集。这部小说系统,本文提出实现类似的结果与其他算法计算成本较低。
工作的结果表明,这个提出的人体姿态估计系统提供了一个小说,低成本、竞争、轻量级的解决方案在多个场景和不同的观点可以用于商用深度传感器。
作者指出,该系统可以进一步满足特定应用程序需要更新新方法将改进它。此外,该系统可以适应其他类型的姿势,如动物的姿势,它用于多个应用程序非常有用。
从AZoM:为什么和如何涂料半导体?
进一步的阅读
Pascual-Hernandez D et al。(2022)高效的三维人体姿态估计RGBD传感器显示102225(在线,pre-proof] scienc欧洲杯线上买球edirect.com。可以在:https://www.欧洲杯线上买球sciencedirect.com/science/article/abs/pii/S0141938222000579
免责声明:这里的观点是作者表达他们的私人能力,不一定代表AZoM.com T /有限的观点AZoNetwork这个网站的所有者和经营者。这个声明的一部分条款和条件本网站的使用。