基于压力图像在可配置床上的三维人体姿态估计

机器人有潜力在床上协助人类，例如在医疗环境中，然而床单和毯子等寝具材料会使机器人难以观察人体。床上的压力感应垫可提供对寝具材料相对不敏感的压力图像。然而，先前从压力图像估计人体姿态的工作仅限于二维姿态估计和平床。在本工作中，我们提出两个卷积神经网络，用于从单张压力图像估计可配置床上行人的三维关节位置。第一个网络直接输出三维关节位置，而第二个输出包含估计关节角度和肢体长度的运动学模型。我们在来自17名人类参与者的数据上评估了我们的网络，包含两种床配置：仰卧和坐姿。我们的网络在测试集外人员数据时达到了77毫米的平均关节位置误差，优于若干基线方法。我们还提出了一个简单的力学模型，用以揭示肢体抬离压力垫所带来的模糊性，并证明Monte Carlo dropout可用于在这些情况下估计姿态置信度。最后，我们展示了一个演示：一个移动操作器利用我们网络估计的运动学模型，在人员坐于床上且被毯子覆盖的情况下到达其身体上的某位置。