May, 2023

EgoLocate：使用稀疏身体传感器进行实时运动捕捉、定位和建图

PDF
TL;DR本文介绍了一种基于惯性和图像的同时定位和映射技术，可以实时捕捉人的运动并定位人在场景中的位置，与此同时处理局限于每个领域的挑战，从而在计算机视觉和图形方面取得更好的定位和映射的效果。
computer visiongraphicshuman motion capturelocalizationmapping
发现论文，激发创造
  • 通过自我头部姿态估计进行自我身体姿态估计

    该研究介绍了一种新方法，利用头部运动作为中间表示，将三维人体运动的预测分解为两个阶段，并使用条件扩散生成多个可能的全身动作，消除了需要训练配对数据集的需求，可以分别利用大规模的追踪数据集和运动捕捉数据集。

    Dec, 2022

  • EgoCap：使用两个鱼眼相机的自我中心无标记运动捕捉

    采用鱼眼相机进行骨骼姿态估计的实时无标记头盔运动捕捉的新方法，使用户能够在室内外和拥挤的场景中进行自由移动和交互，并创建运动捕捉的虚拟身体。

    Sep, 2016

  • BodySLAM: 联合相机定位、建图和人体运动跟踪

    本文报告了一种基于单目 - SLAM 系统的 BodySLAM，同时估计人体位置、形态、姿态、摄像机轨迹等参数，并且引入新的人体运动模型，提高估计结果的准确性。

    May, 2022

  • 使用移动传感器进行长期视觉定位

    本研究提出使用手机的 GPS、罗盘和重力传感器等附加传感器来解决室外场景下相机定位的挑战性问题，通过开发出直接的二维 - 三维匹配网络和采集公开数据集等手段，证明了该方法的有效性。

    Apr, 2023

  • 将单目图像和稀疏 IMU 信号融合用于实时人体运动捕捉

    将 RGB 图像与惯性信号相结合的实时人体运动捕捉方法通过双坐标策略利用不同目标的 IMU 信号进行完全探索，并引入了隐藏状态反馈机制以应对极端输入情况。定量和定性结果表明，通过精心设计的融合方法，我们的技术在全局方向和局部姿势估计上明显优于最先进的视觉，IMU 和融合方法。

    Sep, 2023

  • EgoCap: 两个鱼眼相机实现无标记主观动作捕捉（扩展摘要）

    提出一种新的方法，可以在室内和室外等各种场景下，实时地通过佩戴在头盔或虚拟现实头戴式显示器上的轻量级鱼眼立体相机，使用生成式姿势估计和基于 ConvNet 的身体部位检测器，无需标记，从而捕捉全身运动。

    Dec, 2016

  • 单目视频和稀疏惯性测量单元的混合三维人体姿态估计

    我们提出了一个新的框架（Real-time Optimization and Fusion，RTOF），通过将稀疏惯性方向信息与参数化的人体骨骼结构相结合，优化并融合视觉和惯性观测数据，从而实现对时态三维人体姿势的准确估计和干扰问题的解决，提供平滑及生物力学合理的人体动作估计结果，并通过全面实验与消融研究验证了其合理性和效率。

    Apr, 2024

  • EventEgo3D：从主观事件流中进行的 3D 人体动作捕捉

    使用单眼自我中心 3D 人体动作捕捉问题，该文介绍了基于事件相机和鱼眼镜头的 3D 人体动作捕捉方法，并开发了 EE3D 框架，具有高 3D 重建准确度和实时 3D 姿势更新速率。

    Apr, 2024

  • 稀疏惯性姿态估计：基于稀疏 IMUs 的自动 3D 人体姿态估计

    本文提出了一种利用少量惯性传感器进行人体动作捕捉的方法，通过应用逼真的统计身体模型和使用关节优化框架来实现六个传感器进行任意人类动作的三维姿态估计，并在户外场景下的运动中展示了其高准确性。

    Mar, 2017

  • HybridCap: 惯性辅助的单目捕捉具有挑战性的人体运动

    本研究提出了一种名为 HybridCap 的轻量级、混合的 3D 运动捕捉技术，通过仅使用 4 个惯性测量单元的传感器，加上基于合作式门控循环单元块的层次运动推理模块和混合优化方案，可以实现对各种运动的鲁棒跟踪。

    Mar, 2022