Upper limb motion tracking attracts

Upper limb motion tracking attracts attentions from both academia and industry due to its value in a wide range of applications. Although existing optical-based tracking techniques can provide accurate tracking results, the product cost and complexity keep them away from most daily life applications. Recently, low-cost inertial measurement unit (IMU) and Kinect techniques provide a feasible/economical solution for such trajectory tracking problems while either of them still has its own limitations. In this paper, we investigated how to fuse data from internal sensors of IMU, and fuse IMU data with Kinect in order to provide robust hand position information compensated for the limitations of those sensors. The calculation of position is sequentially achieved by three fusion strategies: double integration of IMU internal sensors, IMU internal sensor fusion with geometrical constraints and unscented Kalman filter (UKF) based fusion of IMU and Kinect. Experimental results show that the first two approaches suffer from drifting effects, while the proposed IMU and Kinect fusion method can provide drift-free and smooth results. Comparing with using Kinect alone, this approach is able to achieve better results in terms of both accuracy as well as robustness.

Keywords

ผลลัพธ์ (ไทย) 1:

ติดตามการเคลื่อนไหวของรยางค์บนดึงดูดแน่นจากทั้งแวดวงวิชาการและอุตสาหกรรมเนื่องจากมูลค่าจากการใช้งานหลากหลาย แม้ว่าเทคนิคการออปติคอลแบบติดตามที่มีอยู่สามารถให้ผลลัพธ์การติดตามที่แม่นยำ ต้นทุนผลิตภัณฑ์และความซับซ้อนเก็บจากการใช้งานชีวิตประจำวันมากที่สุด เมื่อเร็ว ๆ นี้ เครื่องมือวัดแรงประหยัด (IMU) และเทคนิค Kinect ให้โซลูชันประหยัดไปได้สำหรับวิถีดังกล่าวติดตามปัญหาขณะใดยังมีข้อจำกัดของตัวเอง ในกระดาษนี้ เราสามารถตรวจสอบวิธีการหลอมรวมข้อมูลจากเซ็นเซอร์ภายในของ IMU และฟิวส์ IMU ข้อมูล ด้วย Kinect เพื่อให้ข้อมูลชดเชยข้อจำกัดของเซนเซอร์ที่ตำแหน่งมือที่แข็งแกร่ง การคำนวณตำแหน่งตามลำดับคือความสำเร็จ โดยกลยุทธ์การฟิวชั่นสาม: ฟิวชั่นของ IMU และ Kinect คะแนนรวมคู่ของ IMU ภายในเซ็นเซอร์ IMU ฟิวชั่นภายในเซ็นเซอร์ ด้วยข้อจำกัดทางเรขาคณิตและเทียนกรองคาลมาน (UKF) ผลการทดลองแสดงว่า วิธีการสองครั้งแรกทรมานจากลอยผล ในขณะที่วิธีฟิวชั่นเสนอ IMU และ Kinect สามารถให้ผลลัพธ์ที่ดริฟท์ และราบรื่น เปรียบเทียบกับใช้ Kinect อยู่คนเดียว วิธีการนี้คือสามารถบรรลุผลลัพธ์ที่ดีกว่าในแง่ของทั้งความแม่นยำรวมทั้งความทนทานคำสำคัญ

ผลลัพธ์ (ไทย) 2:

ตอนบนกิ่งติดตามการเคลื่อนไหวที่ดึงดูดความสนใจจากทั้งการศึกษาและอุตสาหกรรมเนื่องจากความคุ้มค่าในช่วงกว้างของการใช้งาน แม้ว่าตามแสงเทคนิคในการติดตามที่มีอยู่สามารถให้ผลลัพธ์ที่ถูกต้องติดตามค่าใช้จ่ายของผลิตภัณฑ์และความซับซ้อนให้พวกเขาออกไปจากการใช้งานมากที่สุดในชีวิตประจำวัน เมื่อเร็ว ๆ นี้ที่มีต้นทุนต่ำหน่วยวัดแรงเฉื่อย (IMU) และเทคนิคการปฎิบัติให้แก้ปัญหาที่เป็นไปได้ / ประหยัดสำหรับปัญหาการติดตามเส้นทางการเคลื่อนที่ดังกล่าวในขณะที่ทั้งสองคนยังคงมีข้อ จำกัด ของตัวเอง ในบทความนี้เราตรวจสอบวิธีการที่จะหลอมรวมข้อมูลจากเซ็นเซอร์ภายในของ IMU และหลอมรวมข้อมูล IMU กับ Kinect ในการสั่งซื้อเพื่อให้ข้อมูลตำแหน่งมือที่แข็งแกร่งสำหรับการชดเชยข้อ จำกัด ของการเซ็นเซอร์เหล่านั้น การคำนวณตำแหน่งที่จะประสบความสำเร็จตามลำดับโดยสามกลยุทธ์ฟิวชั่น: บูรณาการฟิวชั่นคู่ของเซ็นเซอร์ภายใน IMU ฟิวชั่นเซ็นเซอร์ IMU ภายในที่มีข้อ จำกัด ทางเรขาคณิตและตัวกรองคาลมาน unscented (ยูเคเอฟ) ตามของ IMU และ Kinect ผลการทดลองแสดงให้เห็นว่าทั้งสองวิธีแรกที่ต้องทนทุกข์ทรมานจากผลกระทบดริฟท์ในขณะที่เสนอ IMU และ Kinect วิธีการฟิวชั่นที่สามารถให้ผลการดริฟท์ฟรีและเรียบเนียน เมื่อเปรียบเทียบกับการใช้ Kinect เพียงอย่างเดียววิธีนี้คือสามารถที่จะบรรลุผลลัพธ์ที่ดีกว่าในแง่ของความถูกต้องทั้งสองเป็นความทนทาน. คำสำคัญ

ผลลัพธ์ (ไทย) 3:

ติดตามแขนเคลื่อนไหวดึงดูดความสนใจทั้งจากสถาบันการศึกษาและอุตสาหกรรมเนื่องจากค่าของมันในช่วงกว้างของการใช้งาน แม้ว่าแสงที่มีอยู่ตามติดตามเทคนิคสามารถให้ข้อมูลที่ถูกต้อง ติดตามผล ผลิตภัณฑ์ต้นทุน และเก็บให้ห่างจากการใช้งานในชีวิตประจำวันมากที่สุด เมื่อเร็วๆ นี้ ราคาแบบหน่วยวัด ( imu ) และเทคนิคปฎิบัติให้โซลูชั่นประหยัดไปได้ / วิถีดังกล่าวติดตามปัญหาในขณะที่ให้พวกเขายังคงมีข้อ จำกัด ของตัวเอง ในกระดาษนี้เราศึกษาวิธีการฟิวส์ข้อมูลจากเซ็นเซอร์ภายใน imu และฟิวส์ imu ข้อมูลกับ Kinect เพื่อให้คงทนตำแหน่งมือข้อมูลการชดเชยข้อจำกัดของเซนเซอร์นั้น การคำนวณตำแหน่งตามลำดับโดยสามของกลยุทธ์ : รวมคู่ของเซ็นเซอร์ภายใน imu imu ภายใน , เซ็นเซอร์ฟิวชั่นกับข้อจำกัดทางเรขาคณิตและตัวกรองคาลมาน unscented ( ukf ) ตามการ imu และ Kinect . ผลการทดลองแสดงให้เห็นว่าสองวิธีแรกประสบผลเลื่อนลอยในขณะที่เสนอ imu และวิธีการฟิวชั่น Kinect สามารถให้ล่องลอยผลลัพธ์ฟรีและเรียบ เปรียบเทียบกับการใช้ Kinect เท่านั้น วิธีการนี้จะสามารถที่จะบรรลุผลลัพธ์ที่ดีกว่า ทั้งในแง่ของความถูกต้องตลอดจนความทนทาน .คำสำคัญ