HelmetPoser: A Helmet-Mounted IMU Dataset for Data-Driven Estimation of Human Head Motion in Diverse Conditions

要約

ヘルメットに取り付けられたウェアラブルポジショニングシステムは、産業、建設、緊急救助環境の安全性を高め、調整を促進するために重要です。
Lidar-inertial odometry（LIO）および視覚型臭気（VIO）を含むこれらのシステムは、ほこり、煙、限られた視覚的特徴などの環境条件の不利な状態により、局在化において課題に直面することがよくあります。
これらの制限に対処するために、データ駆動型のIMUポーズ推定を進めることを目的とした、グラウンドトゥルースを備えた新しいヘッドマウント慣性測定ユニット（IMU）データセットを提案します。
データセットは、ヘルメットに取り付けられたシステムを使用して人間のヘッドモーションパターンをキャプチャし、10人の参加者のデータがさまざまなアクティビティを実行しています。
IMUバイアスを修正し、ローカリゼーションの精度を向上させるために、特に長期メモリ（LSTM）と変圧器ネットワークのニューラルネットワークの適用を調査します。
さらに、さまざまなIMUデータウィンドウの寸法、モーションパターン、センサータイプにわたるこれらのメソッドのパフォーマンスを評価します。
公開されているデータセットをリリースし、ヘルメットベースのローカリゼーションの高度なニューラルネットワークアプローチの実現可能性を実証し、この分野での将来の研究のベースラインを確立するための評価メトリックを提供します。
データとコードは、https：//lqiutong.github.io/helmetposer.github.io/にあります。

要約(オリジナル)

Helmet-mounted wearable positioning systems are crucial for enhancing safety and facilitating coordination in industrial, construction, and emergency rescue environments. These systems, including LiDAR-Inertial Odometry (LIO) and Visual-Inertial Odometry (VIO), often face challenges in localization due to adverse environmental conditions such as dust, smoke, and limited visual features. To address these limitations, we propose a novel head-mounted Inertial Measurement Unit (IMU) dataset with ground truth, aimed at advancing data-driven IMU pose estimation. Our dataset captures human head motion patterns using a helmet-mounted system, with data from ten participants performing various activities. We explore the application of neural networks, specifically Long Short-Term Memory (LSTM) and Transformer networks, to correct IMU biases and improve localization accuracy. Additionally, we evaluate the performance of these methods across different IMU data window dimensions, motion patterns, and sensor types. We release a publicly available dataset, demonstrate the feasibility of advanced neural network approaches for helmet-based localization, and provide evaluation metrics to establish a baseline for future studies in this field. Data and code can be found at https://lqiutong.github.io/HelmetPoser.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google