Dieser Artikel stellt einen neuartigen Ansatz zur präzisen Lokalisation passiver magnetischer Marker vor. Traditionelle Methoden basieren auf iterativen Optimierungsverfahren, die rechenintensiv sind und Einschränkungen bei der Modellgenauigkeit aufweisen.
Unser Ansatz verwendet stattdessen neuronale Netze, um die Position und Orientierung des Markers direkt aus den Sensordaten zu schätzen. Um die Beschränkungen bestehender Methoden zu überwinden, generieren wir die Trainingsdaten effizient mit Finite-Elemente-Simulationen. Dadurch können wir beliebige achsensymmetrische Magnetformen abbilden, ohne auf vereinfachende analytische Modelle angewiesen zu sein.
Die Evaluation zeigt, dass unser Verfahren deutlich genauer und schneller ist als iterative Optimierungsansätze. In Experimenten erreichen wir eine mittlere Positionsgenauigkeit von 4 mm und eine Orientierungsgenauigkeit von 8 Grad in einem Arbeitsvolumen von 0,2x0,2x0,15 m. Darüber hinaus können wir die Lokalisation auf einem energieeffizienten Einplatinen-Computer in Echtzeit durchführen, was den Einsatz in portablen Anwendungen wie Prothesen ermöglicht.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問