整体概述
Initial Poser系列的第一篇论文,也就是第一个使用少量(6个)惯性传感器进行人体动作捕捉(姿态估计与建模)的论文。
传感器位置
手腕、小腿、腰部、头部
突破
- 利用了SMPL人体模型(利用一个现实的身体模型,结合了拟人化的约束(与一个骨骼装备)
- 一次优化一个序列的所有帧的所有姿态(一种联合优化框架,将身体模型的姿态适合到多个帧上的方向和加速度测量)
- 以前的大多数方法逐帧集成加速度,当使用很少的传感器时,会导致不稳定的估计。逐帧优化类似于双显式积分方案,该方案是不稳定的,仅在较小的时间间隔内精确。
- 因此,我们的目标函数加强了身体模型方向和加速度估计之间的一致性。实际地,实际的身体模型简化了估计问题,提供了足够的约束来解决稀疏测量的问题,即使是复杂的运动。
局限性
- 使用的是基于迭代优化的方法,不能实时建模
- 基于优化的方法,类似神经网络训练的过程(与之相对的是基于回归的方法,即使用训练好的神经网络进行推理的过程)