RGB-D cameras
PulseAugur coverage of RGB-D cameras — every cluster mentioning RGB-D cameras across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架实现可变形物体的自主3D跟踪
研究人员开发了TrackDeform3D，一个新颖的框架，仅使用RGB-D摄像头即可收集可变形物体的3D数据集。该系统自主识别和跟踪3D关键点，并结合运动一致性以确保数据平滑连贯。TrackDeform3D在准确性方面优于现有方法，并已用于创建包含6个可变形物体和110分钟轨迹数据的大规模数据集。
-
新的机器学习框架实时分析人体姿势以进行人体工程学评估
研究人员开发了一种新颖的机器学习框架，用于实时分析人体姿势，专门针对人体工程学评估进行优化。该系统利用3D体积视频数据和点云分析来克服固定摄像机视角和遮挡的限制。通过在用户标记的实时骨骼标记姿势上训练个性化深度学习分类器，该框架为工作场所安全和健康监测提供了一种可扩展且实用的方法。
-
事件相机增强动态环境下的6D物体姿态跟踪
研究人员开发了一种新颖的6D物体姿态跟踪方法，该方法利用事件相机，在动态环境中提供了显著优势。该方法融合了运动和外观信息，使用基于事件的光流进行姿态传播，并使用基于模板的模块进行校正。这种无需学习的技术在与最先进算法相比时，表现相当或更优，尤其是在快速移动的物体上，而传统的RGB-D相机在这些物体上会受到运动模糊和帧率限制的影响。
-
UbiSLAM系统使用固定摄像头进行动态室内环境测绘
研究人员开发了UbiSLAM，一个用于动态室内环境实时测绘与定位的新型系统。与依赖移动传感器的传统SLAM系统不同，UbiSLAM利用固定RGB-D摄像头网络创建持续更新的全局地图。这种方法通过将计算负载从单个机器人卸载，增强了机器人导航，减少了碰撞，并改善了人机交互。
-
机器人使用RGB摄像头进行3D场景映射，改进探索能力
研究人员开发了一种新的3D场景图生成框架，该框架仅使用RGB摄像头即可运行，无需激光雷达等深度传感器。这种方法允许在各种机器人平台和深度传感器不可行的环境中更灵活地部署。该系统还结合了主动探索策略，机器人能够智能地选择视点来收集信息，与传统方法相比，显著提高了物体检测和场景理解能力。