使用深度学习和结构感知的时间双边滤波器跟踪3-D运动

0
1478
Image Source: //ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9226608

研究人员 东北大学 已经提出 一种新颖的方法 使用深度学习和结构感知的时间双向滤波器,从柔性磁通量传感器阵列中捕获3-D运动数据。这种方法使跟踪活动更加有效。它可以跟踪各种运动,包括手指操纵物体,甲虫在有叶子和土壤的动物饲养室内移动以及不透明的流体流动。 

与3-D跟踪相关的挑战

从通量传感器数据计算标记的3D配置非常具有挑战性。这是因为现有的数值方法会遇到系统噪声,死角,初始化的需要以及传感器阵列中的约束’s layout. 

广告Coursera Plus标语,包含约翰·霍普金斯大学,谷歌和密歇根大学的课程,突出显示数据科学职业发展的内容

使用光学相机是目前追踪运动的主要方法。但是,光学相机遭受准确性和真实性问题。例如,如果手指或物体遮挡了视图,则相机将无法检测到运动。用于检测剧烈运动的SOTA性能的磁跟踪技术也面临着局限性。经典的跟踪技术会产生偏差,并且磁源具有死角复杂性。

新颖的方法

因此,研究人员采用了深度神经网络,可以学习从模拟通量值到LC线圈的回归’3D配置。可以将其应用于捕获容量内任何位置和方向的实际LC线圈。解决由硬件和感应原理引起的系统噪声和死角限制’根据其特性,研究人员提出了一种结构感知的时间双边滤波器,用于重建运动序列。 

//ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9226608

标记垂直于磁通量传感器计划,并使用新颖的方法和数值方法计算捕获的运动模式。传统方式具有特定的偏见。但是,提出的深度学习系统解决了这一难题,从而提高了准确性。当运动包含偶然的死角数据时,可以使用这些滤波器来重建数据,从而提供连续而可靠的运动。轻巧的无线标记器不需要任何电源。因此,该方法可以长时间跟踪运动。 

新的集成系统可以以毫米级的精度以100Hz的速度跟踪多个LC线圈。随着系统的自我学习,这有助于重构由于死角而引起的跟踪损耗。

拟议的结构感知时间双向滤波器利用了传感器’原始测量。因此,它们的性能优于其他常规滤波器。磁通传感器设计’的灵活性允许用户根据其应用程序对其进行重新配置,从而使这种新颖的方法适用于各种虚拟现实应用程序。

纸: //ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9226608

广告

发表评论

请输入您的评论!
请在这里输入您的名字

该网站使用Akismet减少垃圾邮件。 了解如何处理您的评论数据.