Publications

Detailed Information

병적 보행 환자의 모션 캡쳐 데이터로부터 근골격 모델 추정 : Estimating A Patients Musculoskeletal Model Only Using Motion Capture Data of Pathologic Gait

DC Field Value Language
dc.contributor.advisor이제희-
dc.contributor.author박범수-
dc.date.accessioned2022-04-20T07:20:57Z-
dc.date.available2022-04-20T07:20:57Z-
dc.date.issued2021-
dc.identifier.other000000167396-
dc.identifier.urihttps://hdl.handle.net/10371/178532-
dc.identifier.urihttps://dcollection.snu.ac.kr/common/orgView/000000167396ko_KR
dc.description.abstractIn this paper, I propose a method to construct a system that can estimate a musculoskeletal model which walking similar to a patient in a virtual environment only using motion capture data captured by the patient. Motion capture is to record the movement of markers attached by the patient's body. Motion capture data consists of the marker's three-dimensional coordinate values recorded in the motion capture. The system includes two components that make this possible. The first is to learn a gait simulator of a musculoskeletal model that has muscle state and skeletal structure as parameters. Gaits of various musculoskeletal models can be calculated directly without additional learning. The second is to estimate a suitable musculoskeletal model by solving the optimization problem of finding the minimum value of a function that takes the model parameters as input and the difference between the simulation result and gait data as output. This paper demonstrates that it is possible to find a musculoskeletal model which walking similar to a patient for various patients.-
dc.description.abstract본 논문에서는 병적 보행 환자의 모션 캡쳐 데이터만으로 가상 환경에서 이와 유사하게 걷는 근골격 모델을 추정할 수 있는 시스템을 구축하는 방법을 제안한다. 모션 캡쳐란 환자의 몸에 마커를 부착한 뒤 시간에 따른 움직임을 기록하는 것이다. 모션 캡쳐 데이터는 모션 캡쳐에서 기록한 마커의 3차원 좌표값들로 구성된다. 이것을 가능하게 만드는 구성 요소는 두 가지가 있다. 첫 번째는 근육 상태를 매개 변수로 가지는 근골격 모델의 보행 시뮬레이터를 학습하여 사용한 것이다. 이를 이용하면 다양한 근골격 모델의 보행을 추가적인 학습 없이 바로 계산할 수 있다. 두 번째는 적합한 근골격 모델을 추정하는 문제를, 근골격 모델의 매개 변수를 입력으로, 시뮬레이션 결과와 보행 데이터의 차이값을 출력으로 하는 함수의 최솟값을 구하는 최적화 문제로 변환하여 해결한다. 본 논문은 다양한 환자에 대해 이와 유사한 시뮬레이션 결과를 보이는 근골격 모델을 찾을 수 있음을 보였다.-
dc.description.tableofcontents제 1 장 서론 1
제 2 장 관련 연구 4
2.1 근골격 모델 시뮬레이션 및 제어 4
2.2 강화 학습 4
제 3 장 근골격 모델 6
3.1 근육 모델 8
3.2 매개 변수화된 근골격 모델 9
제 4 장 근골격 모델 추정 11
4.1 보행 시뮬레이터 구축 13
4.2 골격 및 움직임 복원 16
4.3 근육 상태 추정 19
4.3.1 보행 차이 측정 20
제 5 장 실험 결과 22
5.1 골격 및 움직임 복원 결과 22
5.2 근골격 모델 추정 결과 26
제 6 장 고찰 및 결론 31
참고문헌 33
Abstract 39
감사의 글 41
-
dc.format.extentvi, 41-
dc.language.isokor-
dc.publisher서울대학교 대학원-
dc.subject컴퓨터 그래픽스-
dc.subject근골격계 모델-
dc.subject인체 시뮬레이션-
dc.subject맞춤형 인체 모델링-
dc.subjectComputer Graphics-
dc.subjectMusculoskeletal Model-
dc.subjectHuman Simulation-
dc.subjectCustomized Human Body Modeling-
dc.subject.ddc621.39-
dc.title병적 보행 환자의 모션 캡쳐 데이터로부터 근골격 모델 추정-
dc.title.alternativeEstimating A Patients Musculoskeletal Model Only Using Motion Capture Data of Pathologic Gait-
dc.typeThesis-
dc.typeDissertation-
dc.contributor.AlternativeAuthorBumsoo Park-
dc.contributor.department공과대학 컴퓨터공학부-
dc.description.degree석사-
dc.date.awarded2021-08-
dc.identifier.uciI804:11032-000000167396-
dc.identifier.holdings000000000046▲000000000053▲000000167396▲-
Appears in Collections:
Files in This Item:

Altmetrics

Item View & Download Count

  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Share