UMotion: Uncertainty-driven Human Motion Estimation from Inertial and Ultra-wideband Units

要約

スパースウェアラブル慣性測定ユニット（IMUS）は、3Dヒトの動きを推定するために人気を博しています。
ただし、あいまいさ、データドリフト、多様な身体への限定的な適応性などの課題は持続します。
これらの問題に対処するために、IMUを備えた6つの統合された身体装飾ウルトラワイドバンド（UWB）距離センサーによってサポートされている、3Dの人間の形状とポーズ推定のための不確実なオンラインの融合推定フレームワークであるUMotionを提案します。
UWBセンサーは、ノード間距離を測定して空間的関係を推測し、人体測定データと組み合わせると、ポーズのあいまいさと体の形状の変動を解決するのを支援します。
残念ながら、IMUSはドリフトする傾向があり、UWBセンサーはボディオクロシオンの影響を受けます。
その結果、センサーデータから不確実性を融合し、個々の体型に基づいて人間の動きを推定する緊密に結合されていないカルマンフィルター（UKF）フレームワークを開発します。
UKFは、IMUおよびUWB測定をリアルタイムの不確実な人間の動きの制約と整列させることにより、IMUおよびUWB測定を繰り返し洗練し、それぞれに最適な推定値を生成します。
合成データセットと現実世界の両方のデータセットでの実験は、センサーデータを安定化するにおけるUMotionの有効性と、ポーズの精度の最先端の改善を示しています。

要約(オリジナル)

Sparse wearable inertial measurement units (IMUs) have gained popularity for estimating 3D human motion. However, challenges such as pose ambiguity, data drift, and limited adaptability to diverse bodies persist. To address these issues, we propose UMotion, an uncertainty-driven, online fusing-all state estimation framework for 3D human shape and pose estimation, supported by six integrated, body-worn ultra-wideband (UWB) distance sensors with IMUs. UWB sensors measure inter-node distances to infer spatial relationships, aiding in resolving pose ambiguities and body shape variations when combined with anthropometric data. Unfortunately, IMUs are prone to drift, and UWB sensors are affected by body occlusions. Consequently, we develop a tightly coupled Unscented Kalman Filter (UKF) framework that fuses uncertainties from sensor data and estimated human motion based on individual body shape. The UKF iteratively refines IMU and UWB measurements by aligning them with uncertain human motion constraints in real-time, producing optimal estimates for each. Experiments on both synthetic and real-world datasets demonstrate the effectiveness of UMotion in stabilizing sensor data and the improvement over state of the art in pose accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google