基于多视角姿态融合的遮挡感知3D人体姿态估计

鲁棒的3D人体姿态估计对于确保人类-机器人协作的安全和有效性至关重要。然而，由于强烈的遮挡和有限的摄像机视角，准确的人类感知尤其具有挑战性。当前的3D人体姿态估计方法在此类条件下十分脆弱。本文提出了一种用于人类-机器人协作环境中鲁棒3D人体姿态估计的新方法。我们不依赖于噪声的2D特征三角化，而是在由绝对单摄像方法提供的3D骨架上进行多视角融合。通过引入肢体长度对称约束进行重投影误差优化，获得准确的3D姿态估计。我们在公共数据集Human3.6M上评估了我们的方法，并在新版本Human3.6M-Occluded上进行测试，该版本通过在摄像机视角上添加人工遮挡，以测试在严重遮挡条件下的姿态估计算法。我们进一步在真实的人类-机器人协作工作单元上验证了该方法，在这些情况下我们显著超越了当前的3D人体姿态估计方法。我们的方法在处理具有强烈遮挡的挑战性场景方面优于最先进的多视角人体姿态估计技术，为实际的人类-机器人协作设置提供了可靠且有效的解决方案。