Multi-Kinect Support

1Эволюция сама пришла к идеальному зрению — бинокулярному стереоскопическому. Мы решили, что сенсору Microsoft Kinect тоже не хватает этого очевидного преимущества. Чтобы «не изобретать велосипед» вначале мы взяли схему работы глаз рептилий – хамелеонов, т.е. два сенсора Kinect наблюдают независимо друг от друга за одним или несколькими объектами. Это дало нам некоторое расширение применимости сенсоров, большую область видимости, но создало ощутимые проблемы, когда сенсорам требуется наблюдать за одним объектом.
2
Хамелеоны умеют фокусироваться на одном объекте, получая стереоскопическую четкую картинку — им это необходимо для охоты. А нам позарез нужно было повысить точность работы Kinect, особенно в медицинских проектах (см. Habilect).
Решение сменить рептилию на млекопитающих пришло органически. Первая реализация алгоритма показала, что свести изображения — не такая большая проблема. А вот свести точки «скелетов» двух сенсоров задача весьма нетривиальная. Microsoft утверждает, что у Kinect строго ортогональная пространственная координатная сетка, но на практике (!) это не совсем так. Наш R&D-отдел собрал мозги в кулак и разработал алгоритм для совмещения данных. Правда результат получился примерно такой:
3
С виду все хорошо, но полностью ручная калибровка сенсоров занимала много времени, а точность как-то не увеличилась. Зато, мы больше не зависели от «слепых зон» сенсора. Сенсоры Kinect устанавливаются в разных плоскостях (впереди объекта и сбоку), и в результате мы всегда «видим» все 25 точек.
Следующей задачей стало сделать процесс калибровки более простым. А кроме того, кто сказал, что сенсоров должно быть только два? И теперь, мы рады сообщить, что все наши проекты получат возможности новой библиотеки обработки данных с сенсоров. Ее главные преимущества:

  • полуавтоматическая калибровка сенсоров;
  • повышенная точность;
  • отсутствие «слепых зон»;
  • поддержка любого количества подключенных сенсоров Kinect;
  • специальный сервис записи и воспроизведения траекторий движений единой модели человека, синтезированной из данных со всех сенсоров.

4
У нас получилось!