关于多元视觉系统在协作机器人应用中检测人类姿势的评估
Aswin K Ramasubramanian1, Marios Kazasidis1, Barry Fay1
1Laboratory for Advanced Manufacturing Simulation and Robotics, School of Mechanical and Materials Engineering, University College Dublin, Belfield, D04 V1W8 Dublin, Ireland.
Sensors (Basel, Switzerland)
|January 23, 2024
概括
追踪人类在协作机器人附近的姿势是安全和效率的关键. 微软Azure Kinect在3米以下表现出色,而Stereolabs ZED2在3米以上表现更好,为人机器人协作系统提供了洞察力.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人与计算机的交互
- 计算机视觉 计算机视觉
背景情况:
- 有效的人操作员跟踪对于提高人机协作 (HRC) 的安全性,人体工程学和任务执行至关重要.
- 商业空间计算套件提供实时人类姿势跟踪功能,这对于HRC应用至关重要.
研究的目的:
- 评估和比较不同商业空间计算套件的性能,用于在HRC场景中跟踪人类操作员.
- 研究结合多种硬件和软件框架的潜在好处,以提高人类姿势检测准确度.
- 评估跟踪距离和数据过对人类姿势估计的准确性和可重复性的影响.
主要方法:
- 使用了三个商业空间计算套件 (微软Azure Kinect,英特尔RealSense D455,立体实验室ZED2) 和他们的SDK.
- 评估了两种人体姿势和六个深度级别的传感器性能,比较原始和过数据.
- 采用激光测量设备进行地面真相,并计算根平均平方误差 (RMSE) 进行准确性评估.
- 应用了基于卡尔曼的过器来融合骨架数据并重建不同距离的操作员姿势.
主要成果:
- 性能因跟踪距离而有显著差异;微软Azure Kinect在3米以下显示出更高的精度.
- 立体实验室ZED2在超过3米的距离上表现出更好的跟踪性能.
- 数据过提高了准确性,卡尔曼过有效地融合了骨架数据以重建姿势.
结论:
- 空间计算套件的选择取决于HRC应用中所需的追踪距离.
- 结合不同的传感器功能和使用先进的过技术可以提高人类姿势跟踪可靠性.
- 精确的人体姿势跟踪对于优化协作机器人环境中的安全性和性能至关重要.
