优化交互空间：扩大多个便携式动作捕捉设备的捕捉体积
机器人学
2024-10-23 v1
摘要
诸如 Leap Motion Controller (LMC) 之类的无标记动作捕捉设备已被广泛用作基于标记的动作捕捉 (MMC) 的替代方案，用于追踪手部、腕部和前臂位置。然而，先前的研究强调了 LMC 在可靠记录手部运动学方面的不佳性能。在本研究中，我们使用四台 LMC 设备来优化它们的集体追踪体积，旨在提高手部运动学的准确度和精确度。通过蒙特卡洛模拟，我们确定了四台 LMC 设备的优化布局，随后对十名受试者进行了包含 1560 次试验的可靠性和有效性实验。组合追踪体积与 MMC 系统进行了验证，特别是对于涉及腕部、食指和拇指屈曲的运动学运动。利用一台计算机中的计算资源，我们优化配置的结果具有更好的可见率，值为 0.05 0.55，而初始配置为 -0.07 0.40。多个 Leap Motion Controller (LMC) 已被证明可以增加捕捉体积的交互空间，但仍然无法从动态运动中给出一致的测量结果。
引用
@article{arxiv.2408.17287,
title = {Optimizing Interaction Space: Enlarging the Capture Volume for Multiple Portable Motion Capture Devices},
author = {Muhammad Hilman Fatoni and Christopher Herneth and Junnan Li and Fajar Budiman and Amartya Ganguly and Sami Haddadin},
journal= {arXiv preprint arXiv:2408.17287},
year = {2024}
}
备注
This paper has eight pages and five figures. It has been submitted to the IEEE for possible publication. The code used in this work is available at https://github.com/hilmanfatoni/Multi-LMC_Optimization