مدل سازی خودکار شده شبیه سازی مهندسی انسانی با استفاده از Kinect

چکیده

کلمات کلیدی

1.مقدمه

۲. پیشینه پژوهشی

۲.۱ خودکار نمودن مدل سازی

شکل ۱. مطالعه ردیابی انسانی با استفاده از Kinect

۲.۲ مطالعات ارگونومی با استفاده از Kinect

۲.۳ VRPN

۳. سیستم کالیبراسیون (تنظیم) Kinect

شکل ۲. معماری VRPN 

۳.۱ معماری سیستم کالیبراسیون Kinect-چندگانه

شکل  ۳. معماری سیستم

۳.۲ مدل داده

۳.۳ الگوریتم کالیبراسیون داده

شکل ۴. معماری اسکلت انسانی. داده مفصل انسانی ، و کلاس های فهرست مفصل انسانی

جدول ۱. کلاس داده اسکلتی

۴. مورد مطالعاتی

شکل ۵. جریان فرایند کالیبراسیون داده

جدول ۲. نتایج سناریوی مورد مطالعاتی

۴.۱ سناریوی ۱: شبیه سازی مهندسی-انسانی مرسوم

۴.۲ سناریوی ۲: شبیه سازی با استفاده از یک دوربین Kinect

۴.۳ سناریوی ۳: شبیه سازی با استفاده از دوربین های Kinect چندگان

۵. جمع بندی 

 

بسیاری از پژوهشگران مهندسی انسانی بدنبال تقویت کارایی و کاهش حجم کاری بوسیله تجزیه و تحلیل حجم کارگر ، کارامدی کار ، و تولید با استفاده از روش های آنالوگ ، همچون چک لیست ها می باشند. تجزیه و تحلیلات اخیر عملکرد شغلی را با استفاده از مدل های انسانی دیجیتال خلق شده توسط ذخیره (ثبت) دیجیتالی حرکات کارگران واقعی از طریق داده های ورودی صفحه کلید و موشواره (Mouse) آزمایش و بررسی نموده اند. هرچند ، این روش مدل سازی دو مشکل دارد: این مدل سازی زمان بسیار زیادی برای مدل سازی تمامی حرکات نیاز دارند ، و درستی (صحت) وابسته به مسئول فنی مدل سازی است. برای حل این مسائل ، این مطالعه سیستم خودکار مدل سازی انسانی دیجیتال را با استفاده از Kinect - دستگاه ورودی داده Microsoft Xbox ، بمنظور مدل سازی حرکات انسانی ارایه می نماید. سیستم بمنظور استفاده از Kinect های چندگانه طراحی شده ، و مدل داده به انتقال و مدیریت داده از این دستگاه ها بمنظور کالیبره نمودن الگوریتمی که می توان برای خلق مدل انسانی دیجیتال استفاده نمود ، می پردازد. از طریق این سیستم ، تولید ساده مدل انسانی دیجیتال به درستی (همراه با صحت) بصورت مقرون به صرفه ای (ارزان) ، و کارامد ممکن می سازد. سیستم خودکار مدل سازی انسانی دیجیتالی توسعه یافته با استفاده از ۴ سناریو تایید اعتبار شده ، و نتایج ، محدودیت ها و برنامه توسعه مطالعه توصیف شده است.

از جاییکه رقابت تولید کنندگان در حال افزایش بوده و چرخه های عمر محصول کوتاه تر می شود ، تولید کنندگان تلاش های متعددی بمنظور بهبود کارایی محصول تولیدی و کاهش هزینه ها انجام می دهند. بهینه سازی نه تنها بر تسهیلات ، بلکه همچنین بروی کارگران - کسانی که محصولات را بوسیله استفاده از این تسهیلات سرهم بندی می کنند - متمرکز است. مهندسی انسانی در تلاش برای تقویت کارامدی کاری و کاهش حجم کاری بوسیله تجزیه و تحلیل حجم کارگران ، کارامدی کار ، و تولید است. تجزیه و تحلیلات پیشین مهندسی انسانی با استفاده از روش های آنالوگ مبتنی بر چک لیست ها انجام شده بوده ، اما تجزیه و تحلیل کنونی مبتنی بر مدل دیجیتالی بوده که بوسیله ذخیره دیجیتالی حرکات کارگران واقعی ، انجام شده است. مدل های انسان دیجیتال پیشین بصورت دستی - از طریق داده های ورودی مبتنی بر صفحه کلید و موشواره خلق شده ، که دارای دو محدودیت محسوس (عمده) است: زمان لازمه برای مدل سازی تمامی حرکات و صحت وابسته به مسئول فنی مدل سازی. برای حل این مسائل ، روش مدل سازی خودکار با استفاده از دوربین Vicon ، بمنظور مدل سازی سریع و درست حرکات پیشنهاد شده است ، اگرچه هزینه دوربین بالا می باشد. بنابراین ، مطالعات درباره خودکار سازی مدل نیز همچنین با دوربین های Kinect استفاده شده ، که دستگاه های بازی (با هزینه کم) بوده که صحت و درستی کمتری برای مدل سازی (نسبت به دوربین Vicon) دارند. در این مطالعه ، برای حل مسئله درستی (صحت) پایین ، در هنگام استفاده از یک دوربین Kinect ، چندین دوربین Kinect برای خودکار نمودن مدل سازی استفاده شده است. مدل داده بمنظور ترکیب نمودن داده از چندین دوربین Kinect ، و یک سیستم بمنظور یکپارچه سازی داده اسکلتی از Kinect از طریق شبکه پیرامونی واقعیت مجازی (VRPN) که طراحی شده ، پیشنهاد شده است. داده یکپارچه سازی شده ورودی اطلاعات پایه از طریق Jack بوده - بسته نرم افزاری مهندسی انسانی - تا بدین منظور کنش های معکوس تجزیه و تحلیل گردد. نتایج از طریق آزمایش مدل سازی با استفاده از سیستم توسعه یافته ، تایید اعتبار شده بود.