// Без комментариев — Kinect и HoloLens, отслеживание людей и калибровка Kinect


• Сканирование физических объектов с помощью Xbox One Kinect для использования в качестве голограмм в HoloLens.

• Отслеживание и идентификация людей в Интернете с помощью RFID и Kinect

• Надежная внутренняя и внешняя калибровка камер RGB-D

Иногда новости достаточно хорошо сообщаются в других местах, и нам нечего добавить, кроме как обратить на это ваше внимание.

Без комментариев — это формат, в котором мы представляем исходную информацию об источнике, слегка отредактированную, чтобы вы могли решить, хотите ли вы следить за ней.

Сканирование физических объектов с помощью Xbox One Kinect для использования в качестве голограмм в HoloLens

Совершенно очевидно, что у Microsoft есть два устройства, которые очень хорошо сочетаются друг с другом — Kinect и HoloLens. После просмотра демонстраций использования Kinect в качестве сканера для создания объектов, которые можно отображать с помощью HoloLens, Йост ван Шайк решил, что пришло время реализовать и задокументировать технику, чтобы другие могли сделать то же самое.

Это пошаговая процедура с использованием существующего оборудования и программного обеспечения. Вам в основном понадобится Kinect 2, работающий на ПК, и бесплатное приложение для 3D-сканирования, копия CloudCompare с открытым исходным кодом и копия Unity.

Ссылка на CloudCompare, указанная в описании, не работает. Вместо этого вы можете использовать:

http://www.cloudcompare.org/

Из демонстрационного видео видно, что еще предстоит проделать работу:

Отслеживание и идентификация людей в Интернете с помощью RFID и Kinect

Kinect можно использовать для определения местонахождения людей. RFID можно использовать для идентификации людей, но не так хорошо для определения их положения. Соедините их вместе, и вы получите трекер людей:

Мы представляем новую, точную и практичную систему отслеживания и идентификации людей в реальном времени. Мы использовали датчик Kinect V2 для отслеживания, который создает скелет тела для шести человек в поле зрения.

Мы выполняем идентификацию с использованием как Kinect, так и пассивного RFID, сначала измеряя вектор скорости скелета человека и его RFID-метки, используя положение антенн RFID-считывателя в качестве контрольных точек, а затем находя наилучшее совпадение между скелетами и метками.

Мы представляем метод синхронизации данных Kinect, которые собираются регулярно, с нерегулярным или отсутствующим считыванием данных RFID. Наши эксперименты показывают разрешение отслеживания людей сантиметрового уровня со средней точностью идентификации 80% для шести человек в помещениях, что отвечает потребностям многих приложений. Наша система может сохранять конфиденциальность пользователей и работать с разным освещением.

Надежная внутренняя и внешняя калибровка камер RGB-D

Если вы используете, скажем, Kinect для серьезных приложений и кто больше использует его для игр, калибровка жизненно необходима. У нас есть новая реализация новой процедуры калибровки, и хорошая новость заключается в том, что код является открытым исходным кодом, и вы можете использовать его в своих собственных проектах:

Камеры глубины цвета (камеры RGB-D) стали основными датчиками в большинстве робототехнических систем, от сервисной робототехники до приложений промышленной робототехники. Типичные камеры RGB-D потребительского уровня имеют грубую внутреннюю и внешнюю калибровку, которая обычно не отвечает требованиям точности, требуемым для многих приложений робототехники (например, высокоточная реконструкция и картографирование трехмерной среды, высокоточное распознавание и локализация объектов, .. .).

В этой статье мы предлагаем удобную для человека, надежную и точную структуру калибровки, которая позволяет легко оценить как внутренние, так и внешние параметры пары датчиков общей глубины цвета. Наш подход основан на новой, двухкомпонентной модели ошибок измерения, которая объединяет источники ошибок для различных пар RGB-D на основе различных технологий, таких как 3D-камеры со структурированным освещением и времяпролетные камеры.

Предлагаемая модель коррекции реализована с использованием двух различных параметрических карт неискажения, которые обеспечивают калиброванные показания посредством линейных комбинаций функций управления. Наш метод обеспечивает некоторые важные преимущества по сравнению с другими современными системами: он универсален (т.е. хорошо подходит для различных типов датчиков), основан на простом и стабильном протоколе калибровки, он обеспечивает более высокую точность калибровки. , и он был реализован в рамках робототехники ROS. Мы сообщаем подробные и всесторонние экспериментальные проверки и сравнения производительности в поддержку наших заявлений.

Результаты калибровки, примененные к набору облаков стены на разных расстояниях.


Добавить комментарий