Sanntids 3D-datainnsamling og -visualisering av menneskelig bevegelse i komplekse omgivelser

I prosjektet skal det utvikles et lavkostsystem som integrerer sanntidsdatainnsamling og -visualisering av menneskelige bevegelser.

Det å kunne måle, analysere og visualisere slike bevegelser er aktuelt i en rekke ulike fagdisipliner. Innenfor helse og fysioterapi benyttes dette i biomekanisk forskning og diagnostisering til å studere motorisk atferd som følge av muskellidelser eller nevrologiske lidelser. Innenfor idrett studeres bevegelsene for å kunne hjelpe idrettsutøvere til å yte maksimalt i konkurranser. I tillegg benyttes datafangst og visualisering av menneskelig bevegelse i stadig større grad til 3D-animasjoner. Dette gjelder spesielt innenfor en raskt voksende digital film- og dataspillindustri, der evnen til å gjenskape virkelige menneskelige bevegelser er et viktig kvalitetskriterium.

I prosjektet skal bevegelsene fanges opp ved bruk av flere digitale videokamera som samtidig filmer forsøkspersonene. Små markører skal monteres på leddene til forsøkspersonene, og 3D-posisjonene til disse markørene beregnes ved hjelp av spesielle målemetoder (fotogrammetri og bildeanalyse), motion capturing. På grunnlag av de målte markørposisjonene, skal det bygges virtuelle 3D-datagrafikkmodeller av forsøkspersonene og 3D-modellenes bevegelser animeres og visualiseres.

Det å få menneskemodeller til å bevege seg på en mest mulig virkelighetsnær måte har stor betydning for den menneskelige oppfatningen av det som visualiseres. For at forsøkspersonene direkte skal kunne se og samtidig korrigere sine modell-
bevegelser, er det viktig at både datainnsamling og visualisering foregår i sanntid.

I prosjektet skal en studere hvordan virtuelle synsstimuli påvirker yteevnen til idrettsutøvere under trening. Dette er fortsatt relativt lite kjent. Det ligger store forskningsmessige utfordringer og kommersielt potensial i å utvikle algoritmer og visualiseringssystemer, som i sanntid fanger opp og gjenskaper menneskelig bevegelse mest mulig korrekt.