Comments 8
Спасибо за статью. Сами Xsens такие данные у себя не собирают?
Может, тем же IBM это интересно, так как они тоже работают со спортивным оборудованием и данными?
Может, тем же IBM это интересно, так как они тоже работают со спортивным оборудованием и данными?
Могу ошибаться, но насколько я в курсе — сами XSens данные не собирают и анализом не занимаются. Они участвуют в спортивных и научных проектах как партнёры, насколько я читал об этом.
Если IBM занимается чем-то подобным, то скорее всего это что-то более глобальное. У них может быть интерес к такому, но их собственные силы позволяют им продвинуться намного дальше и глубже. IMHO.
Если IBM занимается чем-то подобным, то скорее всего это что-то более глобальное. У них может быть интерес к такому, но их собственные силы позволяют им продвинуться намного дальше и глубже. IMHO.
интересная тема, правда не сильно широко применимая из-за дороговизны оборудования
В плане решения проблемы знаковой неустойчивости кватернионов, не рассматривали представление Rodrigues?
Спасибо, на этот момент не рассматривали. Дело в том, что целью видели построение системы потоковой разметки и анализа биомеханики, для множества потоков одновременно. А поскольку на входе кватернионы, то старались исключить любые лишние преобразования, которые невозможно выполнить эффективно на GPU. Всё-таки там данные поступают со скоростью порядка 264 Mb/s для одного потока. И всё это кватернионы, 66'000'000 кватернионов за секунду. Идея пользоваться тригонометрией для преобразования всего этого в реальном времени, как-то не грела.
Sign up to leave a comment.
Машинное обучение в горнолыжном спорте