Implementing full-body pose estimation for Virtual Reality applications: A brief comparison among attainable tools
Authors
Lamda, Sofia ; Odrowaz-Sypniewski, Maciej Tomasz
Term
4. term
Education
Publication year
2022
Submitted on
2022-05-25
Pages
84
Abstract
I virtual reality gør fuld-krops bevægelsessporing det muligt for en avatar at spejle brugerens faktiske bevægelser, så oplevelsen føles mere naturlig og anvendelig på mange områder. Men mange nuværende systemer er svære at bruge: de kan kræve flere kameraer eller dyrt eksternt udstyr og indebærer ofte langvarig kalibrering. Denne kompleksitet står i vejen for målet om at gøre VR mere bærbar og integreret. Dette speciale har til formål at skabe en bredt tilgængelig løsning til fuld-krops tracking. Det gennemgår de værktøjer, der typisk bruges til bevægelsessporing, sammenligner forskellige metoder og drøfter, hvad de kan, og hvor de kommer til kort. Med udgangspunkt i disse indsigter udvikles en praktisk tilgang baseret på computersyn, det vil sige algoritmer, der udleder kropsstilling fra video, til at opfange bevægelser i hele kroppen. Resultatet peger mod en enklere og mere anvendelig fuld-krops tracking, som kan bringe realistiske bevægelser ind i VR uden barrierer fra komplicerede opsætninger.
In virtual reality, full-body motion tracking allows an avatar to mirror a user's real movements, making the experience feel more natural and useful across many applications. However, many current systems are hard to use: they may require multiple cameras or costly external hardware and often involve lengthy calibration. This complexity conflicts with the goal of making VR more portable and integrated. This thesis aims to create a widely accessible solution for full-body tracking. It reviews the tools commonly used for motion tracking, compares different methods, and discusses what they achieve and where they fall short. Based on these insights, the work develops a practical approach that uses computer vision—algorithms that estimate body pose from video—to capture full-body movement. The outcome points toward simpler, more approachable full-body tracking that can bring realistic motion into VR without the barriers of complicated setups.
[This summary has been rewritten with the help of AI based on the project's original abstract]
Keywords
Documents