Estimating missing marker positions using low dimensional Kalman smoothing

ضبط حرکت اغلب برای مطالعات در بیومکانیک مورد استفاده قرار می گیرد و برای شناخت حرکت انسان نیز مفید است. متاسفانه، رویکردهای ضبط حرکت اغلب ناپدید می شوند زمانی که نشانگرها مسدود شده یا از دست رفته و مکانیزمی است که موقعیت نشانگرهای گمشده را می توان برآورد کرد، بسیار مطلوب است. از اهمیت ویژه ای در برآورد موقعیت موقعیت نشانگر گمشده است که بدون اطلاع قبلی از قرار دادن مارکر شناخته شده است. رویکردهای موجود برای تکمیل نشانگر در این سناریو می تواند به طور گسترده ای به روش های ردیابی با استفاده از مدل سازی دینامیکی و تکمیل ماتریس پایین رتبه تقسیم شود. این مقاله نشان می دهد که این روش ها را می توان ترکیب کرد تا الگوریتم تکمیل مارکر را ارائه دهد که نه تنها اجزای مربوطه را بهتر از آن عمل می کند، بلکه مشکل خطای موقعیت های افزایشی که معمولا با رویکردهای ردیابی مرتبط است را حل می کند.