CC BY
70
3. Чащин В.А. Пневмоавтоматика и пневмопривод летательных аппаратов. М.: Издательство МАИ-ПРИНТ, 2009.
4. Пневматические приводы летательных аппаратов // Под ред. Саяпина В.В. М.: Машиностроение, 2002.
5. Сопов В.И. Динамическая жесткость дроссельных рулевых приводов. М.: Труды ЦАГИ, Вып. 1957, 1978.
6. Прудников С.Н., Подчуфаров А.А. Динамические характеристики пневматических исполнительных механизмов систем автоматического регулирования и дистанционного управления // Известия ВУЗов . Изд-во МГТУ им. Н.Э.Баумана. Машиностроение. 2015. № 2.
7. Донской А.С. Моделирование и расчет пневматических приводов // Санкт-Петербургский политехнический университет Петра Великого. Санкт-Петербург. 2017.
8. Кондратьев А.Б., Чащин В.А. Об управлении жесткостью рулевого пневматического привода // Тематический сборник научных трудов МАИ. М., 1991.
9. Сопов В.И. Метод исследования динамических свойств контура следящего привода с помощью обобщенных характеристик основных его элементов. М.: Труды ЦАГИ, Вып. 1820, 1977.
10. Костин С.В., Петров Б.И., Гамынин Н.С. Рулевые приводы. М., Машиностроение, 1973.
Кондратьев Александр Борисович, канд. техн. наук, [email protected], Россия, Москва, Московский авиационный институт (национальный. исследовательскийуниверситет)
INVESTIGATION OF AN ADAPTIVE PNEUMATIC DRIVE SYSTEM WITH AN IMPLICIT REFERENCE MODEL
A3. Kondratiev
The issue of ensuring the specified accuracy of the control loop and the stability of the tracking steering pneumatic drive associated with the normalization of the rigidity of the drive in relation to the load is investigated. At the same time, various components of the load are distinguished and the limits of the change in the stiffness of the drive are determined. The process of adapting the dynamic stiffness of the drive to the load has been studied in a wide frequency range, taking into account changes in a number of parameters that need to be changed to build an adaptive system.
Key words: pneumatic actuator, dynamic rigidity, adaptive system.
Kondratiev Alexander Borisovich, candidate of technical sciences, docent, kondr48@mail. ru, Russia, Moscow, Moscow Aviation Institute (National Research University)
УДК 004.94
DOI: 10.24412/2071-6168-2023-1-118-122
ИССЛЕДОВАНИЕ БЕЗМАРКЕРНОЙ СИСТЕМЫ ЗАХВАТА ДВИЖЕНИЯ
А.С. Конурова, И.И. Бикмуллина
Статья посвящена исследованию безмаркерных систем захвата движения. Значительное внимание уделяется описанию принципа работы данной технологии. Выделяются и описываются характерные особенности, достоинства и недостатки безмаркерных систем захвата движения. В заключение излагается взгляд на их дальнейшие перспективы применения в различных областях знаний.
Ключевые слова: безмаркерная система, захват движения.
Введение. Технология захвата движения в подавляющем большинстве случаев применяется для анимирования трехмерных моделей персонажей в компьютерных играх и киноиндустрии [1-3].
Однако в настоящее время растет популярность технологии захвата движения не только в индустрии развлечений, но также в таких сферах, как медицина [4] и спорт. Благодаря данной технологии пациенты с проблемами двигательной активности могут получить более эффективное лечение, а спортсмены улучшить свою спортивную технику.
Система захвата движений подразделяется по способу оцифровки движений человека на [5]:
Маркерные системы захвата движений;
Безмаркерные системы захвата движений.
Основное различие между данными двумя технологиями заключается в наличие у подвижного объекта специальных меток - маркеров.
Маркерная система захвата движения использует при работе специальные помещаемые на отслеживаемый объект датчики, которые указывают на положение тела в пространстве.
118
Безмаркерные системы захвата движения в отсутствие маркеров используют технологию распознавания образов.
В настоящее время безмаркерная система активно развивается и совершенствуется. Поэтому в дальнейшем статья будет посвящена исследованию принципов работы безмаркерных систем захвата движения.
Безмаркерная система захвата движения. Безмаркерные системы в отличие от других технологий захвата движения используют в качестве входных данных только снятый на камеру видеоматериал с движущимся объектом. Применение в работе простых видеокамер, которые рядовой пользователь может купить за сравнительно небольшую цену, делает безмаркерную систему доступной для использования большинству людей.
Данная особенность является главным достоинством безмаркерной системы - дешевая стоимость реализации аппаратной части. Благодаря данному преимуществу понижается стоимость производства за счет сохранения бюджетных средств на покупку дополнительного оборудования в виде датчиков движения.
В основе безмаркерной системы захвата движения лежит технология распознавания образов. Однако не всегда системе удается точно определить положение тела человека.
Если актер во время съемок скроет свою руку от объектива камеры, положение кисти будет невозможно определить и соответственно отследить движение руки. Поэтому главным недостатком данной технологии является сравнительно низкая точность распознавания отдельных частей тела человека.
В силу своих недостатков, чтобы получить анимацию, наиболее приближенную к действительности, применяется ряд требований к содержимому видеофайла, его свойствам, а также месту съемки и актерам:
- Видеофайл должен иметь высокое разрешение;
- Место съемки должно иметь правильно настроенное освещение;
- Наличие контраста между цветом фона и одеждой актера;
- Актеры должны полностью попадать в объектив камеры и предотвращать перекрытие частей тел друг друга;
- Актеры не должны носить свободную одежду и закрывать колени, локти, кисти.
В силу своих недостатков применение безмаркерной системы захвата движения не слишком востребовано в кинематографе и индустрии создания компьютерных игр, так как большое количество неточностей в определении положения тела человека, требует долгой последующей постобработки для устранения конвульсивных движений и дрожи в получившейся анимации.
Использование безмаркерной системы захвата движения является выгодным решением для ограниченных бюджетом проектов и создания коротких анимаций. Тем не менее, заранее на стадии подготовки к съемкам необходимо подготовить съемочную площадку (освещение, фон), а также предусмотреть одежду и взаимное расположение актеров относительно друг друга.
Принцип работы. Главным принципом работы безмаркерной системы захвата движения является определение ключевых точек (keypoints) на теле человека. В качестве ключевых точек могут выступать: колени, локти, кисти рук, плечевые суставы, тазобедренные суставы, лодыжки, макушка головы и т.д. Впоследствии данные точки посредством линий определенным образом объединяются между собой, образуя виртуальный скелет человека.
Как говорилось выше, безмаркерная система захвата движения использует технологию распознавания образов для нахождения человека на изображении. Довольно сложные задачи обнаружения актера и определения ключевых точек решаются при помощи нейронных сетей и машинного обучения [6].
На стадии разработки программного обеспечения нейронная сеть проходит глубокое обучение на некоторой обучающей выборке изображений, пытаясь по характерным признакам определить ключевые точки на теле человека [7, 8].
Процесс обучения нейронной сети занимает большое количество времени, однако чем длиннее процесс обучения, тем точнее нейронная сеть способна распознать требуемые образы. Но даже такой длительный процесс не может целиком и полностью обучить нейронную сеть. Всегда остается вероятность неудачного распознавания искусственным интеллектом очертаний человека на изображении.
Безмаркерная система захвата движения в качестве аппаратной части применяет видеокамеры для трекинга положения тела человека. Однако существует принципиальная разница в логике работы программной части системы в случаях использования одной или нескольких камер.
При использовании одной видеокамеры системе дается на обработку один единственный набор последовательных двумерных изображений. Принимая во внимания тот факт, что двумерные изображения не несут информации о глубине объектов относительно окружающего пространства, задача определения расстояние ключевых точек до камеры осложняется.
Например, если видеокамера находится прямо напротив актера, который приседает (вытягивает руки вперед и сгибает колени) система захвата движения может ошибочно определить, что движение руками идет не вперед, а назад.
Если количество камер более одной > 1) на вход системы поступают N снятых одновременно видеофайлов, то есть N наборов двумерных изображений. Данные наборы описывают один и тот же движущийся объект только с разных точек зрения.
На следующем шаге, как и в случае с применением одной видеокамеры, для каждого набора изображений определяются ключевые точки. Следует отметить, что на данном этапе идет обработка каждого набора изображений по отдельности, и наличие какой-либо связи между ними не учитывается. В итоге на выходе после данного этапа получаются N анимированных скелетов человека.
Следующий весьма важный шаг заключается в сопоставлении друг с другом соответствующих ключевых точек каждого из N наборов и проецировании их в неком виртуальном объеме. Данную задачу решает триангуляция, благодаря которой движущийся объект приобретает глубину [9].
Метод триангуляции заключается в следующем: имеются две камеры F1 и F2, а также 3D-точка X [10]. Точка X попадает в объектив каждой из камер F1 и F2 и образует на их матрицах соответствующие проекции XI и х2 (рис. 1).
Зная, данные проекции достаточно легко вычислить положение точки X в пространстве, применив один из множества алгоритмов триангуляции.
В итоге, за счет наличия нескольких камер создается возможность отслеживания движений объекта в реальном трехмерном пространстве.
Таким образом, базовый алгоритм оцифровки движений безмаркерной системы можно представить в виде схемы, на вход которой поступают видеоданные о поведении актера, а на выходе формируется его анимированный скелет (рис. 2).
Камсра 1 Камера 2 . . . Камера г.
Внртуальмьш скелет
Рис. 2. Алгоритм работы безмаркерной системы захвата движения
Следует учесть, что представленный алгоритм является основой для создания безмаркерных систем захвата движения. На практике данный алгоритм может дополняться различными функциональными блоками, улучшающими конечную анимацию. Однако, несмотря на это, основной принцип построения безмаркерных систем остается неизменным.
Заключение. Безмаркерная система захвата движения на сегодняшний день является самым бюджетным вариантом среди всех существующих технологий захвата движения. Малое количество оборудования позволяет создавать анимацию даже в домашних условиях.
Несмотря на недостатки системы в виде шумов и помех в конечной анимации, данная технология пользуется большой популярностью и всё чаще применяется на практике. Учитывая тот факт, что с каждым годом нейронные сети, на которых строятся безмаркерные системы захвата движения, активно развиваются и становятся более точными, существует вероятность, что в будущем безмаркерная технология станет передовой технологией и расширит свой круг применения в различных областях деятельности.
В дальнейшем результаты, полученные на базе данного исследования, будут использоваться для последующего более глубокого изучения данной предметной области, а также для детального сравнительного анализа существующих программных средств, реализующих безмакерную систему захвата движения.
Список литературы
1. Гужов В.И. Методы измерения 3D-профиля объектов. Контактные, триангуляционные системы и методы структурированного освещения: учебное пособие. Новосибирск: НГТУ, 2015. 82 с.
2. Куркова Н.С. Цифровые технологии и анимационное искусство // Визуальные искусства в современном художественном и информационном пространстве. Кемерово: КемГИК, 2017. Выпуск 2. С. 351-365.
3. Mucherino A. Введение расстояния взаимодействия в контексте геометрии расстояния для движений человека // Чебышевский сборник. 2019. № 2 (70). С. 273-283.
4. Видеоанализ движений человека в клинической практике (обзор) / Борзиков, Рукина, Воробьева [и др.] // Современные технологии в медицине. 2015. № 4. С. 201-210.
5. Батенькина О.В. Технологии анимации: учебное пособие. Омск: ОмГТУ, 2015. 116 с.
6. Baitenova L.M., Munaitbas G.N. Object tracking algorithms in video streams // Вестник Казахского университета экономики, финансов и международной торговли. 2014. № 3. С. 138-141.
7. Гонсалес Р., Вудс Р. Цифровая обработка изображений. 3-е изд., испр. и доп. М.: Техносфера, 2012. 1104 с.
8. Филиппов Ф. В. Моделирование нейронных сетей глубокого обучения: учебное пособие. Санкт-Петербург: СПбГУТ им. М.А. Бонч-Бруевича, 2019. 79 с.
9. Клетте Р. Компьютерное зрение. Теория и алгоритмы: учебник; перевод с английского А.А. Слинкина. М.: ДМК Пресс, 2019. 506 с.
10. Richard Hartley, Andrew Zisserman. Multiple View Geometry in Computer Vision (2nd. ed.). Cambridge University Press, USA. 2003.
Конурова Анастасия Сергеевна, студентка, [email protected], Россия, Казань, Казанский национальный исследовательский технический университет им. А. Н. Туполева - КАИ,
Бикмуллина Ильсияр Ильдаровна, канд. техн. наук, доцент, [email protected], Россия, Казань, Казанский национальный исследовательский технический университет им. А. Н. Туполева - КАИ
INVESTIGATION OF THEMARKERLESSMOTION CAPTURE SYSTEM A.S. Konurova, I.I. Bikmullina
The article is devoted to the study of markerless motion capture systems. Considerable attention is paid to the description of the principle of operation of this technology. The characteristic features, advantages and disadvantages of markerless motion capture systems are highlighted and described. In conclusion, a look at their future prospects of application in various fields of knowledge is presented.
Key words: markerless system, motion capture.
Konurova Anastasiya Sergeyevna, student, [email protected], Russia, Kazan, Kazan National Research Technical University named after A.N. Tupolev-KAI,
Bikmullina Ilsiyar Ildarovna, candidate of technical sciences, docent, elsiyar-b @yyandex.ru, Russia, Kazan, Kazan National Research Technical University named after A.N. Tupolev-KAI
