机械外骨骼辅助康复中上肢运动视觉姿态估计模型的基准测试研究
《Robotics》:Benchmarking Markerless Vision-Based Human Pose Estimation with an Upper-Limb Rehabilitation Exoskeleton
【字体:
大
中
小
】
时间:2026年10月24日
来源:Robotics 3.6
摘要
可靠的人体姿态估计(HPE)对于基于视觉的上肢运动监测在机械外骨骼辅助康复中至关重要。然而,机器人结构、相机位置和手臂朝向可能对姿态估计性能构成挑战,且广泛使用的无标记模型在这些条件下的基准测试仍显不足。本文在一名健康参与者穿着上肢外骨骼(空闲状态,协作操作臂锁定)的视频序列上对10个代表性HPE模型进行了基准测试,使用OAK-D相机从正面、顶部俯视和侧面位置进行录制,涵盖在肩关节屈曲和肩关节外展条件下的肘关节屈伸运动。性能评估涵盖精度、鲁棒性、时间稳定性和速度。RTMO-M取得了最高精度(关键点正确百分比(PCK)= 0.921 ± 0.081),而YOLO26m提供了最佳精度-吞吐量折中(PCK = 0.896 ± 0.125,27.0 ± 3.5 帧/秒)。相机位置对精度的影响大于模型选择:正面位置的平均PCK为0.947,而侧面为0.719,差距超过最大的模型间差异。在五个YOLO尺寸变体和三种录制分辨率上的消融实验进一步刻画了精度-速度折中和分辨率敏感性。结果突出了模型和相机配置在实验室场景下对基于机械外骨骼上肢的视觉姿态估计的重要性,该场景代表康复条件。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号