利用超宽带定位在大型易遮挡环境中采集人体运动数据

随着机器人越来越多地融入人类环境，理解和预测人体运动对于实现安全高效的交互至关重要。现代人体运动与活动预测方法需要高质量和大量的数据用于训练和评估，这些数据通常通过运动捕捉系统、机载或固定传感器采集。由于硬件组件的复杂设置、广泛的校准程序、遮挡问题以及高昂的成本，部署这些系统极具挑战性。这些限制使得在新型大型环境中部署此类系统变得困难，并限制了它们在真实场景测量中的可用性。本文研究了应用新型超宽带（UWB）定位技术作为可扩展替代方案，用于在拥挤和易遮挡环境中进行人体运动捕捉的可能性。我们集成了额外的传感模态，如眼动追踪、机载机器人激光雷达和雷达传感器，并记录运动捕捉数据作为评估和比较的真值。该环境模拟了一个博物馆场景，最多有四名活跃参与者以自然方式走向随机目标，并提供了超过 130 分钟的多模态数据。我们的研究为超越基于视觉的系统，实现可扩展且精确的运动数据采集迈出了一步，为在仓库、机场或会议中心等更大、更复杂的环境中评估 UWB 等传感模态奠定了基础。