TransPose：基于六个惯性传感器的实时三维人体位移与姿态估计
图形学
2021-05-12 v1 计算机视觉与模式识别
摘要
动作捕捉正面临惯性传感技术带来的新可能，其不像基于视觉的方案那样受遮挡或广域录制所困。然而，由于记录信号稀疏且噪声较大，在线性能与全局位移估计成为两个关键难点。本文提出 TransPose，一种基于 DNN 的方法，仅用 6 个惯性测量单元（IMUs）以超过 90 fps 的帧率完成全动作捕捉（含全局位移与身体姿态）。对于身体姿态估计，我们提出一个多阶段网络，将叶到全关节位置作为中间结果进行估计。该设计使姿态估计大为简化，从而同时获得更高精度与更低计算开销。对于全局位移估计，我们提出基于支撑脚的方法与基于 RNN 的方法，以基于置信度的融合技术稳健求解全局位移。定量与定性比较表明，我们的方法在精度与效率上均以较大优势超越最先进的基于学习与基于优化的方法。作为纯惯性传感器方案，我们的方法不受环境设置（如固定相机）限制，使捕捉免于广域运动空间与强遮挡等常见困难。
引用
@article{arxiv.2105.04605,
title = {TransPose: Real-time 3D Human Translation and Pose Estimation with Six Inertial Sensors},
author = {Xinyu Yi and Yuxiao Zhou and Feng Xu},
journal= {arXiv preprint arXiv:2105.04605},
year = {2021}
}
备注
Accepted by SIGGRAPH 2021. Project page: https://xinyu-yi.github.io/TransPose/