康奈爾大學的研究人員開發了一個能夠在3D中跟踪整個身體姿勢的腕帶。
該設備稱為Boditrak，依賴於深處神經網絡這允許手腕安裝的相機實時生成佩戴者動作的全身圖形。
被發現技術，有一天可以將可穿戴的解決方案集成到商業手錶和電話中。它在一個研究文章由計算機協會發布。
該報紙的高級作者鄭張說：“由於智能手錶已經擁有相機，因此像Boditrak這樣的技術可以理解用戶的姿勢並提供實時反饋。” “這很方便，負擔得起，並且不限制用戶的移動區域。”
深度學習模型可以估計14個身體關節的3D位置。它對9名參與者進行了測試，包括行走，包括步行在內的12種活動。
該工具的平均誤差為6.9厘米（2.7英寸），使用一個11.5mm x 9.5mm的紅綠色藍色攝像頭，戴在向身體的腕部上，讀寫紙張。
該模型可以讀取運動中用戶身體的粗略圖像或輪廓，並將其與傳感器捕獲的數據結合使用。
博士生和該論文的主要作者Hyunchul Lim說：“我們的研究表明，我們不需要身體框架完全在相機視圖中以進行身體感測。” “如果我們只能捕獲身體的一部分，那就是重建全身的很多信息。”
根據這項研究，手錶沒有相機和足夠的電池壽命來集成全身感測。
發射激光雷達傳感器
位於慕尼黑的激光雷達系統製造商視野宣布了一個新傳感器的可用性，該傳感器可在單個設備上捕獲和處理3D數據。
該傳感器稱為QB2，在CES 2022揭幕，現在可以交付。
集成的計算模塊使公司的感知軟件堆棧能夠在設備上運行，提供用於音量監視，人群分析和其他傳感器基礎架構的數據。
通過消除對其他計算機的需求並帶來更快的見解，QB2還可以改善響應時間，並通過Edge Computing提供改進的帶寬可用性。
從技術角度來看，QB2還提供了改進的功能和性能，例如增強的適應性視野，檢測範圍，掃描模式和分辨率。
LIDAR技術的應用之一是高性能生物識別技術。
該工具的發布近一年後獲得資金在一個價值3100萬美元的A系列中。
根據crunchbase該公司去年7月又籌集了1500萬歐元（約合1527萬美元）的債務融資。
