Fusing data from inertial measurement units and a 3D camera for body tracking
Notice bibliographique
Résumé
Recent developments in the domains of virtual and augmented reality have created frameworks for exploring new research topics related to applications ranging from unmanned aerial vehicles (UAVs) to devices used in the rehabilitation of patients affected by various disabilities. This paper proposes a novel architecture for a rehabilitation-focused full-body motion tracking Virtual Personal Trainer (VPT) system comprising nine Inertial Measurement Unit (IMU) sensors and a 3D camera. The 3D camera is used for the generation of a point of reference that iss shown to be important for stabilizing the output of the IMU sensors, as well as to counteract the inherent gyroscopic IMU drift and interference from surrounding electromagnetic fields. The fused data is displayed to the user as a 3D virtual reality scene containing visual cues corresponding to the correctness of the user's body. The Unity game engine was used for rendering the 3D interface as it allows for a detailed physics-based real-time visualization of the synchronized virtual skeleton-driven model. This paper therefore describes the design and implementation of the hardware and software of the VPT system, thereby enabling a completely wireless full-body sensor array system to educate, validate, and find solutions for the user's form with reference to an ideal form. Data obtained by measuring various parameters of the system will show how the resulting unrestricted 3-dimensional tracking exhibits the required accuracy for a useful rehabilitation system, thereby providing an affordable alternative to having on-site trainers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».