提出了一种用于 3D 姿势估计的低成本、无侵入感的多传感器算法，基于 OpenPose 2D 姿势和机器人轨迹，使用粒子滤波器，技术可应用于 PHRI 领域，性能比使用 OpenPose 或机器人轨迹的单一传感器人体姿势估计更好，以及在使用 RULA 评估工具上的姿势评估表现更好。

Aug, 2022

提出了一种基于 DULA 和 DEBA 的人机相互作用姿势评估和优化框架，用于改善人机相互作用中的人体工效学和人体舒适性问题。

May, 2022

新方法的人机交互通过连续观察人的姿势，并调用相应的机器人动作来优化机体人工力学。利用 RGB-D 相机实时计算和监测人的关节角度以确定当前的人工力学状态，并通过 6 个普遍性机器人反应来使人回到最佳人工力学状态。经过研究证明了这种新方法对于改善人的人工力学有所帮助。

May, 2018

通过主动测量和传感器融合，提出了一种新的方法，将相机、触摸传感器和 2D LiDAR 传感器的信息融合，用于精确估计人体姿态或模型恢复。在实验证明，该方法在人体姿态估计准确度上具有优势，能够可靠地估计前景实际场景中的目标人物姿态。

Oct, 2023

介绍了一种基于人类肢体空间关系推理的符号表示方法，用于解释机器人看到的人体姿态，实现可解释的活动识别。

Oct, 2022

研究了如何使用压力敏感垫和卷积神经网络来预测人体在床上的三维姿态，从而使机器人在床上的应用更加有效。

Apr, 2018

通过创建一个数据集，包含了人体模型的人工图像和真实人体照片，以及通过卷积神经网络提取所需关节角度，我们得到了在测试数据集上的均方根误差（RMSE）为 12.89、平均绝对误差（MAE）为 4.7 的结果，从而解决了二维人体姿势识别中不可见身体部位的问题。

May, 2024

本文探讨在制造应用中优化人机协作（HRC）框架以解决工作相关肌肉骨骼疾病（WMSDs）的高患病率，并提出两个假设：通过动作数据从重要的传感器中量化专业任务，将最危险的任务分配给协作机器人；通过包括手势识别和空间适应来提高 HRC 方案人体工效学并减少运营商肌肉骨骼搬运的身体努力。本文在电视制造过程中进行了 HRC 场景优化，并训练了一个基于深度学习的手势识别模块。

Mar, 2022

我们开发了一种适用于儿童的三维姿势估计器，通过改进现有的三维身体建模方法并结合线性回归模型来纠正儿童的三维网格姿势，从而在控制环境和真实环境中成功地估计儿童的三维身体姿势。

Feb, 2024

该研究提出了一个创新的计算机视觉框架，旨在通过与现有软件的无缝集成来分析工业环境中的人体运动，以增强生物力学分析。该框架利用先进的图像处理和建模技术，通过卷积神经网络（CNNs）、直接线性变换（DLT）和长短期记忆（LSTM）网络准确地检测关键身体节点，重建 3D 标记点，并生成详细的 3D 人体网格。广泛的评估验证了该框架的有效性，在各种动作下与传统基于标记点的模型展示出了可比较的结果，并在关节角度估计和体重、身高估计方面具有精确性。生物力学 - 57 关键骨骼模板的集成进一步增强了该框架的鲁棒性和可靠性。该框架显示出在工业环境中进行细致的生物力学分析的显著潜力，消除了笨重的标记物的需求，并将其用途扩展到包括研究特定外骨骼装置对促进受伤工人迅速返回工作任务的影响在内的各个研究领域。

Apr, 2024