使用sEMG信号和RGB-D摄像头估计下肢关节角度

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 人与计算机的交互

背景情况:

• 精确的人类关节角度估计对于运动分析和手势识别等应用至关重要.
• 现有的方法面临信号变化和数据采集问题的挑战.

研究的目的:

• 开发一种基于模型的新型方法,用于可靠和准确的人类关节角度估计.
• 集成表面电肌图 (sEMG) 和RGB-D数据,用于强大的运动分析.

主要方法:

• 一个双分支网络,结合编码的sEMG信号和RGB-D图像数据.
• 一个用于sEMG特征压缩的卷积自编码器和基于视觉的联合回归网络以实现稳定性.
• 一个功能融合网络权重 sEMG 功能用于图像数据集成.

主要成果:

• 实现了有效的人体关节角度估计.
• 成功缓解了与非静态sEMG信号和视觉数据采集相关的问题.
• 在运动分析和预测方面证明了更高的准确性和可靠性.

结论:

• 拟议的双分支网络为人类关节角度估计提供了强大的解决方案.
• 有效的sEMG和RGB-D数据的融合增强了运动分析和意图预测.
• 该方法解决了单个数据源的局限性,以获得全面的运动理解.