Sistema multi-cámara de estimación de pose sin marcadores para pHRI

• Asensio Huonder, Santiago ^[1] ; Fernández Carmona, Manuel ^[1] ; Arévalo Espejo, Vicente ^[1] ; Urdiales García, Cristina ^[1] ; Gómez de Gabriel, Jesús ^[1]
  1. [1] Universidad de Málaga

     Universidad de Málaga

     Málaga, España

     
• Localización: Jornadas de Automática, ISSN-e 3045-4093, Nº. 45, 2024
• Idioma: español
• Títulos paralelos:
  • Markerless multi-camera pose estimation system for pHRI
• Enlaces
  • Texto completo
• Resumen
  • español

    Este trabajo presenta un sistema basado en visión que utiliza redes neuronales para la estimación de poses humanas en 3D. La solución desarrollada identifica en el sujeto analizado 18 "puntos clave" o keypoints mediante cuatro cámaras RGB calibradas. La utilización de múltiples cámaras permite superar problemas inherentes al uso de una sola cámara RGBD/estéreo como la pérdida de keypoints por la existencia de oclusiones o una mayor incertidumbre en la estimación de la profundidad, proporcionando una base robusta para futuras investigaciones y aplicaciones en campos como la rehabilitación física. Asimismo, se presenta un dataset, que ha sido puesto a disposición de la comunidad, con la posición 3D de los keypoints identificados durante la realización de seis ejercicios distintos. Este trabajo contribuye a la literatura actual ofreciendo un enfoque novedoso en la recopilación y análisis de datos de posturas humanas y demuestra la viabilidad de nuestra metodología, abriendo nuevas vías para investigaciones futuras en el contexto del pHRI.

  • English

    This paper presents a vision-based system that utilizes neural networks for estimating human poses in 3D. The developed solution identifies 18 keypoints on the subject using four calibrated RGB cameras. The use of multiple cameras overcomes problems inherent to the use of a single RGBD/stereo camera, such as the loss of keypoints due to occlusions or increased uncertainty in depth estimation, providing a robust foundation for future research and applications in fields such as physical rehabilitation. Furthermore, the 3D position of the identified keypoints was recorded and made available to the community during the performance of six different exercises focused on the movement of the subject’s right arm. This work contributes tothe current literature by offering a novel system for obtaining human pose and demonstrates the feasibility of our methodology,paving the way for future research in the context of pHRI.