Um sich an das offene städtische Umfeld anzupassen, müssen intelligente Körper die Körperbewegungen der umliegenden Menschen und die Struktur der Szene in Echtzeit erfassen. Die traditionelle Wahrnehmung, die auf Trägheitssensoren und Kameras basiert, die die Probleme der langjährigen Datendrift und der Empfindlichkeit gegenüber Licht- und Umgebungsdynamikveränderungen aufweisen, sind schwierig, die Nachfrage nach menschlicher Körperbewegung und Szenenerfassung in komplexen Umgebungen in der Anwendung zu decken Felder intelligenter Fahren, Service -Robotik und Sporttraining.
Seit 2022 ist das Team von Prof. Cheng Wang und Prof. Chenglu Wen als erster die Lidar Human Motion Capture -Technologie in der internationalen Arena vor (Lidarcap, CVPR 2022; HSC4D, CVPR 2022; Sloper4d, CVPR 2023). In dieser Veröffentlichung, HISC4D, durchbricht das Team eine Methode, um verschiedene Interaktionsbewegungen und 3D-Szenen mit zwei Personen in großem Maßstab in groß angelegten Innen- und Outdoor-Szenen zu erfassen. Die Methode konstruiert ein mehrstufiges Gelenkoptimierungsrahmen, indem die inertiale Anleitung und die Lidar-Daten geschlossen werden, das das durch Trägheitsanleitung verursachte Driftproblem effektiv löst und die Genauigkeit der Szenenrekonstruktion erheblich verbessert und den Bereich der räumlichen, menschlichen Bewegung und Interaktionserfassung erweitert. Gleichzeitig wird der erste multimodale Zwei-Personen-Interaktionsdatensatz veröffentlicht, der verschiedene Szenentypen und diversifizierte menschliche Bewegungen abdeckt und Trainingsdatenressourcen für verwandte Forschungsfelder bereitstellt. Die Hisc4d-Technologie verwendet Lidar als Kernsensor, um menschliche Bewegungen und 3D Zur gleichen Zeit, die eine neue Denkweise für verkörperte Intelligenz eröffnet, um in die riesige Natur zu gehen und sich in die Menge zu integrieren.
