研究论文

通过图形处理实现Windows V2的Kinect传感器性能

作者:

哈维尔瓦尔加斯,

基督教的马里诺,

粘土阿尔达斯,

路易斯莫拉莱斯、和

雷纳托托萨作者信息和声明

ICMLC’18：2018年第十届机器学习和计算国际会议记录

2018年2月

页263-268

https://doi.org/10.1145/3195106.3195116

出版:2018年2月26日出版历史

获取访问权限

摘要

本文描述了一项基于Kinect V2的传感器（颜色、深度和身体跟踪）获得的帧的损耗和增益的研究。为此，使用本机Kinect V2库和其他图形处理库，确定了获取每秒每帧（FPS）的时间，评估三个评估实例中传感器的性能。此外，为了验证基于每个传感器图形处理的测试应用程序的最佳性能，进行了几项实验测试。

工具书类

[1]

Xbox One的Kinect | Xbox：http://www.xbox.com/en-US/xbox-one/accessories/kinect。

[2]

Kinect-Windows应用程序开发：https://developer.microsoft.com/en-us/windows/kinect。

[3]

Kinect硬件：https://developer.microsoft.com/en-us/windows/kinect/hardware。

[4]

Kinect硬件设置：https://developer.microsoft.com/en-us/windows/kinect/hardware-setup。

[5]

Mokhov，S.A.、Song，M.、Llewellyn，J.、Zhang，J.，Charette，A.、Wu，R.和Ge，S.，2016年。在单个应用程序中实时收集和分析3-kinect v2骨架数据。（2016年7月）。

[6]

Córdova-Esparza，D.M.，Terven，J.R.，Jiménez-Hernández，H.和Herrera-Navarro，A.M.，2017年。Kinect V2的多摄像头校准和点云融合工具。143，（2017年9月），1-8。

[7]

Gao，T.S.，Sheng，D.B.，Nguyen，T.H.，Jeong，N.S.，Kim，H.K.和Kim，S.B.，2017年。基于深度图修复方法的鱼体伤口深度测量。(2017), 289--299.

[8]

Kim，C.、Yun，S.、Jung，S.W.和Won，C.S.，2016年。Kinect v2的颜色和深度图像对应。(2016), 333--340.

[9]

Yang，L.，Zhang，L.、Dong，H.、Alelaiwi，A.和Saddik，A.El，2015年。评估并改进Windows v2 Kinect的深度精度。2015年8月15日、8日，4275-4285。

[10]

Linder，T.、Wehner，S.和Arras，K.O.，2015年。（RGB）-D数据中的实时全身人类性别识别。（2015年6月），3039--3045。

[11]

Owens，J.D.、Houston，M.、Luebke，D.、Green，S.、Stone，J.E.和Phillips，J.C.，2008年。GPU计算。96、5（2008年5月）、879--899。

[12]

Ye，Q.和Gui，P.P.2015。一种新的深度传感器校准方法。2015年6月26日，1146--1151。

[13]

Zhang，S.，He，W.，Yu，Q.和Zheng，X.，2012年。使用Kinect的低成本交互式白板。(2012), 38--42.

[14]

Jafari，O.H.、Mitzel，D.和Leibe，B.2014年。基于实时RGB-D的移动机器人和头戴式摄像机的人员检测和跟踪。（2014年9月），5636--5643。

[15]

Andaluz，V.H.、Gallardo，C.、Santana，J.、Villacres，J.和Toasa，R.、Vargas，J.，Reyes，G.、Naranjo，T.和Sotelo，A.，2012年。带有运动传感器的双边虚拟控制人机。(2012), 101--104.

数字图书馆

[16]

Sell，J.和O'Connor，P.，2014年。芯片上的xbox-one系统和kinect传感器。34, 2 (2014), 44--53.

[17]

Jha，S.和Trivedi，P.，2013年。使用视点特征直方图和支持CUDA的GPU的自动视频监控系统。(2013), 1812--1816.

[18]

Chuan，C.H.，Chen，Y.N.和Fan，K.C.，2016年。基于动作森林模型的人体动作识别。（2016年5月），第914--917页。

[19]

Yao，H.、Ge，C.、Xue，J.和Zheng，N.，2017年。一种基于双目结构光的高空间分辨率深度传感方法。17、4（2017年4月）。

[20]

Newcombe，R.A.、Izadi，S.、Hilliges，O.、Molyneaux，D.、Kim，D.、Davison，A.J.、Kohli，P.、Shotton，J.、Hodges，S.和Fitzgibbon，A.2011。KinectFusion：实时密集曲面映射和跟踪。(2011), 127--136.

数字图书馆

[21]

OpenCV库：http://opencv.org/。

[22]

{OpenGL-高性能图形的行业标准：https://www.opengl.org/。

[23]

Unity-手册：DirectX 11和OpenGL核心：https://docs.unity3d.com/Manual/UsingDX11GL3Features.html。

[24]

Fernández-Cervantes，V.、García，a.、Ramos，M.a.、Méndez，a.和Ménderez，a.2015。基于RGBD传感器的模糊模式人脸几何识别。计算机系统。第19、3页（2015年10月），第529--546页。

[25]

Allusse，Y.、Horain，P.、Agarwal，A.和Saipriyadarshan，C.，2008年。GpuCV：用于图像处理和计算机视觉的开源GPU加速框架。(2008), 1089--1092.

数字图书馆

[26]

CUDA-OpenCV库：http://opencv.org/platforms/cuda.html。

[27]

Procesamiento paralello CUDA |魁北克大学|英伟达：http://www.nvidia.es/object/cuda-parallel-computing-es.html。

[28]

Carraro，M.、Munaro，M.和Menegatti，E.2016。性价比高的RGB-D智能摄像头，用于人员检测和跟踪。25、4（2016年7月）。

[29]

Munaro，M.、Basso，F.和Menegatti，E.，2016年。OpenPTrack：RGB-D摄像头网络的开源多摄像机校准和人员跟踪。75，（2016年1月），525--538。

数字图书馆

[30]

简介---OpenCV 2.4.13.3文档：http://docs.opencv.org/2.4/modules/core/doc/intro.html。

引用人

戈塔迪A托托拉S托塞洛E梅内加蒂E(2022)改进势场的机器人遥操作共享控制IEEE人机系统汇刊10.1109/泰晤士报2022.315571652:3(410-422)网上发布日期：2022年6月
https://doi.org/10.109/THMS.2022.3155716
塔利亚pietra L托塞洛E佩吉洛E梅内加蒂E(2022)用于高效自动规划的规划域定义语言生成器、解释器和知识库智能自治系统1610.1007/978-3-030-95892-3_43(563-579)在线发布日期：2022年4月8日
https://doi.org/10.1007/978-3-030-95892-3_43
马里诺C瓦尔加斯J(2019)基于非侵入式传感器的人体工效学姿势评估系统计算机科学、电子和工业工程的进展与应用10.1007/978-3-030-33614-1_19(274-286)在线发布日期：2019年10月24日
https://doi.org/10.1007/978-3-030-33614-1_19
显示更多引用者

索引术语

通过图形处理实现Windows V2的Kinect传感器性能
1. 硬件
  1. 通信硬件、接口和存储
    1. 传感器应用和部署
    2. 传感器设备和平台
2. 软件及其工程
  1. 软件创建和管理
    1. 软件验证和确认
      1. 工艺验证
        验收测试

建议

kinect v2传感器的深度完成

Kinect v2采用飞行时间（ToF）深度传感机制，与原始Kinect v 1相比，这会产生不同类型的深度伪影。本文的目的是提出一种深度完井方法，该方法是专门为井眼完井设计的。。。
阅读更多信息
kinect v2传感器在不同介质中的深度分析
摘要
近几年来，RGB-D相机被各个领域的研究人员广泛使用。其合理的成本和以高帧速率估计距离的能力使这些传感器成为游戏配件中的推荐应用。。。
阅读更多信息
Kinect V2飞行时间相机的计量特性

本文提出了飞行时间（TOF）相机的计量表征过程，并将其应用于Microsoft Kinect V2。根据《测量不确定度表示指南》（GUM），计算了三维（。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM其他会议

ICMLC’18：2018年第十届机器学习和计算国际会议记录

2018年2月

411页

国际标准图书编号：9781450363532

DOI（操作界面）：10.1145/3195106

版权所有©2018 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]

合作中

西南交通大学

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2018年2月26日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章
研究
推荐有限公司

会议

ICMLC 2018年

ICMLC 2018:2018第十届机器学习与计算国际会议

2018年2月26日至28日

中国澳门

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

5
引文总数
查看引文
112
总下载次数

下载次数（过去12个月）三
下载次数（最近6周）0

其他指标

查看作者指标

引文

引用人

戈塔迪A托尔托拉S托塞洛E梅内加蒂E(2022)改进势场的机器人遥操作共享控制IEEE人机系统汇刊10.1109/泰晤士报2022.315571652:3(410-422)网上发布日期：2022年6月
https://doi.org/10.109/THMS.2022.3155716
塔利亚皮埃特拉托塞洛E佩吉洛E梅内加蒂E(2022)用于高效自动规划的规划域定义语言生成器、解释器和知识库智能自治系统1610.1007/978-3-030-95892-3_43(563-579)在线发布日期：2022年4月8日
https://doi.org/10.1007/978-3-030-95892-3_43
马里诺C巴尔加斯J(2019)基于非侵入式传感器的人体工效学姿势评估系统计算机科学、电子和工业工程的进展与应用10.1007/978-3-030-33614-1_19(274-286)在线发布日期：2019年10月24日
https://doi.org/10.1007/978-3-030-33614-1_19
托萨R阿尔达斯C重述P珊瑚色R(2019)分布式系统中Apache Zookeeper服务的性能评估信息技术和系统10.1007/978-3-030-11890-7_35(356-364)在线发布日期：2019年1月29日
https://doi.org/10.1007/978-3-030-11890-7_35
马里诺C瓦尔加斯J阿尔达斯C莫拉莱斯L托萨R(2018)非侵入性监测环境：评估工作姿势的解决方案2018年第十三届伊比利亚信息系统和技术会议（CISTI）10.23919/CISTI.2018.8399204(1-4)在线发布日期：2018年6月
https://doi.org/10.23919/CISTI.2018.8399204

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

媒体

数字

其他

桌子