Zusammenfassung
Dieses Kapitel beschreibt zwei auf Selbstorganisierenden Karten (englisch Self-Organizing Maps (SOMs)) basierende Verfahren für die Posenbestimmung des menschlichen Körpers und der Hand. SOMs sind ein Verfahren aus dem Bereich des unüberwachten maschinellen Lernens und dienen als eine spezielle Art der KNNs zur Abstraktion beziehungsweise Dimensionsreduktion von Daten [¢¢]. Die Grundidee, diesen Ansatz für die Posenbestimmung zu nutzen, liegt in einer vereinfachten, repräsentativen Darstellung der zum Körper oder der Hand gehörenden Punktwolken, die insoweit Rückschlüsse auf die Körper- und Handposen zulässt, als dass die Positionen wichtiger Körpermerkmale wie zum Beispiel die Schultern, Ellenbogen, Hände oder im Falle der Handposenbestimmung die Fingerspitzen und das Handzentrum ermittelt werden können.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Ehlers, K. (2019). Posenbestimmung mit Hilfe Selbstorganisierender Karten. In: Echtzeitfähige 3D Posenbestimmung des Menschen in der Robotik. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-24822-2_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-24822-2_3
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-24821-5
Online ISBN: 978-3-658-24822-2
eBook Packages: Computer Science and Engineering (German Language)