面向近距离人体网格恢复的多模态主动测量方法

对于物理人机交互（pHRI），机器人需要估计目标人物的准确身体姿态。然而，在此类 pHRI 场景中，由于目标人物须靠近机器人以进行物理交互，机器人无法用所装备的相机完整观测其身体。这种近距离导致严重的截断与遮挡，从而造成人体姿态估计精度较差。为在该挑战性环境中获得更好精度，我们提出一种由装备相机与触觉、测距传感器（如 2D LiDAR）组成的主动测量与传感器融合框架。触觉与测距传感器测量是稀疏但可靠且信息丰富的身体部位定位线索。在我们的主动测量过程中，相机视点与传感器放置被动态优化，以测量估计不确定性更高的身体部位，这与截断或遮挡密切相关。在我们的传感器融合过程中，假设触觉与测距传感器测量比基于相机的估计更可靠，我们将传感器测量通过使估计姿态对齐至测量点来融合到基于相机的估计姿态中。我们所提方法在标准遮挡基准（含模拟主动测量）上优于先前方法。此外，即便存在如毯子遮挡等实际约束，我们的方法也能利用真实机器人可靠估计人体姿态。