Pelacakan gerakan 3-D yang akurat dan efisien menggunakan pembelajaran yang mendalam
Machine

Pelacakan gerakan 3-D yang akurat dan efisien menggunakan pembelajaran yang mendalam


Kredit: Universitas Tohoku

Metode penginderaan baru telah membuat pergerakan pelacakan lebih mudah dan lebih efisien. Sebuah kelompok riset dari Tohoku University telah menangkap data gerakan 3-D yang cekatan dari array sensor fluks magnet yang fleksibel, menggunakan pembelajaran mendalam dan filter bilateral temporal yang sadar struktur.

Data gerakan 3-D yang cerdik dapat digunakan untuk berbagai tujuan: ahli biologi dapat menggunakan data tersebut untuk merekam pergerakan rinci hewan kecil di lingkungan hidup mereka, ilmuwan dapat melacak aliran cairan, dan peneliti dapat melacak gerakan jari dan objek yang dimanipulasi oleh pengguna. dalam realitas virtual.

Saat ini, kamera optik adalah metode pelacakan pergerakan yang paling menonjol. Namun kamera optik kesulitan dengan akurasi dan keandalan. Jika ada hewan kecil yang bersembunyi atau jika jari atau benda menghalangi pandangan, kamera akan gagal mendeteksi gerakan.

Teknologi pelacakan magnetik juga digunakan untuk gerakan yang cekatan. Namun, bahkan sistem magnetis yang canggih menghadapi keterbatasan. Metode pelacakan klasik menciptakan bias dan sumber magnet memiliki masalah sudut mati atau penanda besar.

Tim peneliti menemukan metode baru mereka dengan menerapkan jaringan saraf dalam dan filter bilateral temporal yang sadar struktur baru pada prinsip pelacakan magnetik baru. Pertama, jaringan saraf mempelajari regresi dari nilai fluks simulasi ke konfigurasi koil LC 3-D di lokasi dan orientasi mana pun.

Pelacakan gerakan 3-D yang akurat dan efisien menggunakan pembelajaran yang mendalam

Urutan gerakan yang ditangkap dengan orientasi marker dipertahankan vertikal ke bidang sensor fluks dan dihitung dengan metode yang diusulkan dan metode numerik. Metode tradisional memiliki bias tertentu sementara pendekatan pembelajaran mendalam yang diusulkan memecahkan masalah untuk mencapai akurasi yang lebih tinggi. Kredit: Universitas Tohoku

Filter baru mengkompensasi data lebih lanjut untuk merekonstruksi gerakan yang halus dan akurat. Penanda tidak membutuhkan baterai, sehingga waktu observasi dapat dimaksimalkan.

Hasilnya, sistem terintegrasi baru dapat melacak beberapa kumparan LC dengan kecepatan 100Hz pada tingkat akurasi milimeter. Pelacakan kerugian karena sudut mati dapat direkonstruksi karena sistem belajar sendiri.

Pelacakan gerakan 3-D yang akurat dan efisien menggunakan pembelajaran yang mendalam

Jika gerakan sesekali berisi data sudut mati, hasilnya salah, tetapi dapat direkonstruksi dengan filter. Kinerja filter bilateral temporal sadar struktur yang diusulkan melampaui filter konvensional lainnya karena memanfaatkan pengukuran mentah dari sensor. Kredit: Universitas Tohoku

“Penerapan penelitian kami tersebar luas. Gerakan tangan dapat dilacak untuk memudahkan pembuatan animasi yang halus, marker dapat dimasukkan ke dalam cairan untuk melacak alirannya, dan pelacakan dapat dilakukan pada hewan kecil,” tambah Kitamura.


E-skin yang dipelajari secara mendalam menerjemahkan gerakan manusia yang kompleks


Informasi lebih lanjut:
Jiawei Huang dkk. Rekonstruksi Data Gerakan 3D Dexterous dari Sensor Magnetik Fleksibel dengan Pembelajaran Mendalam dan Penyaringan Sadar Struktur, Transaksi IEEE pada Visualisasi dan Grafik Komputer (2020). DOI: 10.1109 / TVCG.2020.3031632

Disediakan oleh Universitas Tohoku

Kutipan: Pelacakan gerakan 3-D yang akurat dan efisien menggunakan pembelajaran dalam (2020, 30 November) diambil pada 30 November 2020 dari https://techxplore.com/news/2020-11-accurate-efficient-d-motion-tracking.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP