基于点云变分自编码器的PPE自动尺寸标定方法
机器学习
2021-05-24 v1
摘要
个人防护装备（PPE）的尺寸标定与贴合是产品创造过程中的关键部分；然而，执行此类工作的传统方法可能劳动密集，且基于有限或不具代表性的人体测量数据。对于PPE而言，不合适的贴合可能危及个人的健康与安全。在本文中，我们提出了一种无监督机器学习算法，可识别一组具有代表性的样本个体，这些个体可被设计者用作理想化的尺寸模型。该算法围绕一个变分自编码器（VAE）构建，其编码器和解码器架构受Point-Net启发，并在从CEASAR数据集获得的人体点云数据上训练。随后对学到的潜空间进行聚类，以识别指定数量的尺寸分组。我们在人体面部扫描上演示了该技术，为口罩和面部覆盖物的设计者提供一组参考个体，以测试现有的口罩样式。
引用
@article{arxiv.2105.10067,
title = {Towards Automatic Sizing for PPE with a Point Cloud Based Variational Autoencoder},
author = {Jacob A. Searcy and Susan L. Sokolowski},
journal= {arXiv preprint arXiv:2105.10067},
year = {2021}
}
备注
4 pages, Short PEARC Submission