基于约束非线性卡尔曼滤波的高精度实时全身人体运动跟踪
系统与控制
2015-11-16 v1
摘要
我们提出一种新的在线方法，从运动捕获数据（即附着于人体上的标记点的位置和标签）跟踪人体全身运动。在噪声数据中的跟踪可借助成熟的递归状态估计技术有效进行。这使我们能系统考虑标记点测量的噪声。然而，由于估计过程中必须满足人体施加的关节限制，我们首先利用周期函数将该约束估计问题转化为无约束问题。然后，我们应用智能采样卡尔曼滤波器（Smart Sampling Kalman Filter）解决此无约束估计问题。所提出的递归状态估计方法使人体运动跟踪对标记点的部分遮挡非常鲁棒，并避免对任何缺失标记点进行特殊处理或重建。我们评估了一个基于 Master Motor Map 框架的运动学人体参考模型和 Vicon 运动捕获系统的具体实现。不同的捕获运动表明，我们的实现能实时准确估计全身人体运动，并优于现有的基于梯度的方法。此外，我们展示了其平滑处理不完整标记点数据的能力。
引用
@article{arxiv.1511.04278,
title = {High-Accuracy Real-Time Whole-Body Human Motion Tracking Based on Constrained Nonlinear Kalman Filtering},
author = {Jannik Steinbring and Christian Mandery and Nikolaus Vahrenkamp and Tamim Asfour and Uwe D. Hanebeck},
journal= {arXiv preprint arXiv:1511.04278},
year = {2015}
}