申请/专利权人：东南大学

申请日：2023-08-08

公开（公告）日：2023-11-14

公开（公告）号：CN117058713A

主分类号：G06V40/10

分类号：G06V40/10;G01C21/16;G01C21/00;G01C21/20;G01S19/47;G01S13/88;G01S7/02;G01S13/06;G01S13/66;G06V10/77;G06V10/80;G06V10/34;G06T7/73;G06V10/82;G06N3/0464;G06N3/0442;G06N3/0455;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.01#实质审查的生效;2023.11.14#公开

摘要：本发明公开了一种基于头戴式毫米波雷达的第一人称姿态估计方法及系统，首先通过与雷达集成的IMU中获得雷达的运动数据，将运动数据送入神经网络学习后，获得雷达的相对6D轨迹；再将毫米波点云从雷达坐标系全部转换为H坐标系，解耦雷达运动的影响，通过神经网络学习上半身准确的关节位置；最后利用上半身和下半身之间的关联，通过神经网络分别对上半身骨架和下半身点云进行特征提取，并进行特征融合，学习人体运动先验，从而得到人体下半身准确的关节位置，最终完成全身的人体姿态估计。本方法利用人体运动先验成实现人体下半身的姿态估计，克服了下半身信息缺失的挑战，实现了在各种环境下进行稳健的人体姿态估计并避免隐私泄露，更加的精准安全。

主权项：1.基于头戴式毫米波雷达的第一人称姿态估计方法，其特征在于，包括如下步骤:S1，基于头部运动特征的雷达轨迹追踪：通过与雷达集成的IMU中获得雷达的运动数据，将运动数据送入神经网络学习后，获得雷达相对于H点的6D轨迹；所述H点为人体锁骨的中间位置；S2，基于雷达运动解耦的上半身姿态估计：将毫米波点云从雷达坐标系全部转换为H坐标系，解耦雷达运动的影响，通过神经网络学习上半身准确的关节位置；S3，基于人体运动先验的下半身姿态估计：利用上半身和下半身之间的关联，通过神经网络分别对上半身骨架和下半身点云进行特征提取，并进行特征融合，学习人体运动先验，从而得到人体下半身准确的关节位置。

全文数据：

权利要求：

百度查询： 东南大学 基于头戴式毫米波雷达的第一人称姿态估计方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD