شبیه سازی مهندسی انسانی با استفاده از Kinect
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 Kinectهای 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 Kinectاز 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.
خودکار نمودن مدل سازی
دو روش برای مدل سازی حرکات کارگر با استفاده از اطلاعات محیطی دیجیتال استفاده شده بود: روش حس نمایی فعال ، که اطلاعات حرکتی را از طریق حسگرهای متصل شده به بدن کارگران بدست می آورد ، و روش حس نمایی منفعل ، که از دوربین برای تجزیه و تحلیل حرکات از فاصله دور استفاده می کند. روش حس نمایی فعال ، اطلاعات درست و صحیحی را فراهم می سازد ، اما اتصال حسگرها به سوژه زمان بر است. دستگاه حس نمایی فعال معمول Xsens MVNساخته شده توسط Xsens Coبوده که بصورت صحیح و درست به ذخیره حرکات با استفاده از حسگرهای الکترومغناطیسی متصل به کل بدن می پردازد. رویکرد حس نمایی منفعل به ذخیره اطلاعات حرکات با استفاده از دوربین - همچون Vicon- بوده که از تصاویر دو بعدی سوژه با نشانه های متصل شده به مفصل ها برای ذخیره حرکات می پردازد. بهبود در این فناوری Kinect بوده ، که از حسگرهای عمقی بدون هرگونه اتصال - بمنظور ذخیره حرکات - عمل می کند.
برسی کامل روش ها داخل ویدیو
مطلبی دیگر از این انتشارات
تا به حال از چه گزینه های تجهیز ابزاری استفاده کرده اید؟
مطلبی دیگر از این انتشارات
نحوه استفاده از انیمیشن در CSS
مطلبی دیگر از این انتشارات
مهمترین مفاهیم SCSS،SASS و Preprocessor ها