Dernière nouvelle: Le premier prototype est prêt : Pour une démonstration du produit, communiquez avec nous par courriel à hello@vitaal.fit ou par téléphone au +41 44 586 88 34

Publication: A Fully-Automatic Gap Filling Approach for Motion Capture Trajectories was published in Applied Sciences

Publication d'un article par notre partenaire Fraunhofer AICOS

Vânia Guimarães et son équipe de Fraunhofer AICOS ont publié avec succès un article dans Applied Sciences : An international, peer-reviewed, open access journal on all aspects of applied natural sciences published semimonthly online by MDPI.

A Fully-Automatic Gap Filling Approach for Motion Capture Trajectories" a été publié dans Applied Sciences.

Les informations manquantes sur les marqueurs sont un problème courant dans les systèmes de capture de mouvement (MoCap). Les logiciels commerciaux de MoCap proposent plusieurs méthodes pour reconstruire les trajectoires incomplètes des marqueurs ; cependant, ces méthodes reposent toujours sur une intervention manuelle. Les alternatives actuelles proposées dans la littérature présentent encore des inconvénients qui empêchent leur adoption à grande échelle. L'absence de solutions entièrement automatisées et universelles pour le comblement des lacunes est toujours une réalité. Nous proposons une routine de remplissage automatique des lacunes en fonction du cadre qui explore simultanément les restrictions entre la distance des marqueurs et la dynamique des marqueurs dans un problème de minimisation des moindres carrés. Cet algorithme constitue la principale contribution de notre travail en surmontant simultanément plusieurs limitations des méthodes précédentes, notamment en ne nécessitant pas d'intervention manuelle, d'entraînement préalable ou de données d'entraînement, en n'exigeant pas d'informations sur le squelette ou un essai de calibration dédié et en étant capable de reconstruire tous les vides, même s'ils sont situés dans les images initiales et finales d'une trajectoire. Nous avons testé notre approche dans un ensemble de lacunes générées artificiellement, en utilisant l'ensemble des marqueurs du corps complet, et nous avons comparé les résultats avec trois méthodes disponibles dans le logiciel commercial MoCap : spline, pattern et rigid body fill. Notre méthode a obtenu la meilleure performance globale, présentant des erreurs de reconstruction plus faibles dans toutes les conditions testées. Voir le texte complet

Lien vers l'article: https://doi.org/10.3390/app11219847.