Vicon
PulseAugur coverage of Vicon — every cluster mentioning Vicon across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
无人机使用可解释模糊推理进行目标跟踪
研究人员开发了一个可解释的模糊推理框架，用于引导无人机（UAV）跟踪地面目标。该系统从YOLO边界框中提取低维特征，如质心位置、面积和纵横比，以生成连续的偏航指令，而无需显式的几何建模或大型数据集。一个具有27条规则的Takagi-Sugeno模糊模型在VICON运动捕捉环境中实现了0.140度的平均绝对误差，证明了其适用于实时、资源受限的应用。
-
Human4K数据集通过4K多视角动作捕捉数据推动三维人体重建 · 跟踪到2个来源
研究人员推出了Human4K，一个旨在改进三维人体重建的新大规模数据集。该数据集包含超过六百万张从八视角相机系统捕获的4K图像，并与专业动作捕捉数据同步。Human4K旨在通过提供高分辨率图像和精确的复杂全身运动标注来解决现有数据集的局限性，包括深度模糊和自遮挡等挑战性场景。使用Human4K训练模型已显示出在人体几何重建方面的显著改进，尤其是在手和脚等四肢方面。
-
新方法通过运动学校正改进机器人遥操作
研究人员开发了一种名为手臂运动学校正（AKC）的新方法，以改进无标记、单RGB-D摄像头运动捕捉系统中的深度估计。该技术利用恒定手臂长度和勾股定理的几何约束来重建被遮挡的关节深度，无需复杂的概率模型。实验结果表明，AKC增强了鲁棒性和解剖学一致性，证明了其在机器人遥操作和人机交互等实时应用中的实用性。
-
BadmintonGRF数据集实现无标记地面反作用力估计
研究人员推出了BadmintonGRF，这是一个新的多模态数据集，旨在无需标记即可估计羽毛球中的地面反作用力。该数据集将同步的多视角视频与力台和运动捕捉系统的数据配对。它包括一个将2D姿态映射到GRF的基准任务，以及预处理代码和基线模型，以促进该领域的研究。
-
K2MUSE数据集发布，用于康复机器人，包含多模态行走数据
研究人员推出了K2MUSE，一个旨在推动下肢康复机器人发展的新型多模态数据集。该数据集从42名参与者那里收集了运动学、动力学、超声和肌电图数据，涵盖了各种坡度、速度和模拟的非理想采集条件。K2MUSE旨在为康复机器人和生物力学分析中的数据驱动方法提供全面的资源。