UMotion：基于不确定性的惯性单元与超宽带单元人体运动估计
图形学
2025-05-15 v1 人工智能
计算机视觉与模式识别
摘要
稀疏可穿戴惯性测量单元 (IMU) 在 3D 人体运动估计中已得到广泛应用。然而，诸如姿态模糊、数据漂移以及对不同体型的适应性有限等挑战依然存在。为解决这些问题，我们提出了 UMotion，一个由六个集成的、佩戴在身上的超宽带 (UWB) 距离传感器与 IMU 支持的、基于不确定性的在线全融合状态估计框架，用于 3D 人体形状与姿态估计。UWB 传感器测量节点间距离以推断空间关系，结合人体测量数据有助于解决姿态模糊与体型变化。遗憾的是，IMU 易发生漂移，而 UWB 传感器受身体遮挡影响。因此，我们开发了一个紧耦合的无迹卡尔曼滤波 (UKF) 框架，基于个体体型融合来自传感器数据与估计人体运动的不确定性。UKF 通过将 IMU 与 UWB 测量值与不确定的人体运动约束实时对齐，迭代地对其进行优化，为两者产生最优估计。在合成与真实数据集上的实验证明了 UMotion 在稳定传感器数据方面的有效性，以及在姿态精度上对 SOTA 的改进。
引用
@article{arxiv.2505.09393,
title = {UMotion: Uncertainty-driven Human Motion Estimation from Inertial and Ultra-wideband Units},
author = {Huakun Liu and Hiroki Ota and Xin Wei and Yutaro Hirao and Monica Perusquia-Hernandez and Hideaki Uchiyama and Kiyoshi Kiyokawa},
journal= {arXiv preprint arXiv:2505.09393},
year = {2025}
}
备注
Accepted by CVPR 2025