MAL-Homepage
Inhaltsverzeichnis
MAL Dokumentation:
Videometrie
Inhalt:
1.
EINRICHTEN
2.
KONFIGURATION
3.
AUTOTRACKING
3.1.
Methode
3.2.
Autotracking-Konfiguration
3.3.
Praktische Vorgangsweise
1. EINRICHTEN
Das Einrichten einer Archivierung von Videometrie-Daten
erfolgt nach dem Login als Anwender mit dem Menüpunkt
Insert und Auswahl von Motion-Measurement oder
Vicon-Measurement
(je nach dem vorhandenen Mess-System).
MAL-Homepage
Inhaltsverzeichnis
2. KONFIGURATION
Hat man in die Anwenderdaten des Messdaten-Archivs eine
Archivierung vom Typ Motion-Measurement oder
Vicon-Measurement
eingetragen, so erscheint nach Aufruf des Menüpunktes
Konfiguration ein Menü mit folgenden Auswahlmöglichkeiten:
- Parameters
dient zum Einstellen der allgemeinen Parameter für die Achivierung
von Videometrie-Daten.
- Names
öffnet ein Editor-Fenster zum Eingeben der
Markennamen.
- Connections
öffnet ein Editor-Fenster zum Eingeben
der Verbindungsliste.
- Animate Orientation
startet eine 3d-Darstellung zum Einstellen
der Orientierungsdaten.
- Edit Orientation
startet eine Eingabemaske zum Einstellen
der Orientierungsdaten.
Parameters
Der Menüpunkt Parameter dient zum Einstellen allgemeiner Parameter
für die Archivierung von Videometrie-Daten (kurz: Videodaten):

Der Parameter Messfrequenz gibt die Sampling-Frequenz
in Hertz an. Der Parameter Animationsmaßstab stellt die
Größe der Kontrollanimation, die bei jeder Archivierung
aufgerufen werden kann, ein.
Der Paramter Messdaten-Pfad gibt an, aus welcher
Directory die Tracks gelesen werden sollen (der abschließende
Backslash ist erforderlich!).
Wenn mit der Autotracking-Funktion archiviert werden soll,
so muss im Parameter Autotracking ein Verweis auf einen entsprechenden
Eintrag der Klasse "Autotracking_Net" enthalten sein (siehe Autotracking).
Andernfalls ist dieses Feld leer zu halten.
Bei der Archivierung von Vicon-Daten
mit Autotracking, muss bei der Messdatenerfassung der Punkt Reconstruct
im Pipelining angeklickt sein. Ausserdem muss darauf geachtet werden, dass das
c3d-File im IBM-PC Format (nicht im DEC-Format) abgespeichert wird. Die
erforderlichen Einstellungen sind unter User Preferences zu finden und sind wie
folgt vorzunehmen:
- C3D data save format: Real
- C3D real data format: PC
Bei der Archivierung
von Motion-Analysis-Daten mit Autotracking müssen
folgende Schritte mit EVA durchgeführt werden, um die Messdaten aufzubereiten:
- Laden des Projektes und der Kalibrationsdaten (Cube- und Wand-Calibration)
- Load, File-Type: Trial
- Track / Track all Frames
- File / Save Tracks / 3D – Ascii Type 3 (*.trc)
Der Parameter Interpolation dient zur Auswahl von Interpolations-
und Glättungsalgorithmen. Zur Auswahl stehen folgene Möglichkeiten:
- Ein Leerstring bewirkt keine Interpolation und Glättung.
- Linear_Interpolation
bewirkt lineare Interpolation und keine
Glättung.
- ggg Spline_Interpolation
bewirkt Interpolation und Glättung
mit kubischem Spline (ggg
ist die Glättungskonstante).
Verdeckte Marken im Vorspann- oder Nachspannbereich werden
generell nicht extrapoliert, sondern bleiben bei jedem Verfahren
verdeckt.
Wenn bei Trajektorien_archivieren und/oder
Analogwerte_archivieren 1 angegeben wird, so werden
die Trajektorien bzw. Analogwerte bei der Archivierung der Messdaten
berechnet und mit im Archiv abgespeichert. Das verkürzt zwar
die Laufzeit bei der Analyse der Messdaten, hat aber zwei entscheidende
Nachteile: erstens ist der benötigte Speicherplatz im Archiv größer und
zweitens werden bei einer eventuell später im Archiv durchgeführten
Veränderung der Orientierungsdaten oder ähnlichen Messparametern
die Messwerte nicht neu berechnet.
Names
Der Menüpunkt Names öffnet ein Editor-Fenster zum
Eingeben der Markennamen. Die Namen werden den von der Input-Datei
eingelesenen Messdaten (den Tracks) in der angegebenen Reihenfolge
spaltenweise (Track für Track) zugeordnet. Die in der Track-Datei
angegebenen Namen werden nicht berücksichtigt. Die Namen können
zeilenweise oder auch mehrere Namen in einer Zeile (durch Blank getrennt)
eingegeben werden. Innerhalb der Namen sind keine Blanks zugelassen.
Wenn Track-Files mit fehlenden Marken (Marken, die
während der ganzen Messzeit nicht sichtbar waren) archiviert
werden sollen, so können die Namen dieser Marken bei der
Archivierung in folgender Maske angegeben werden:

Connections
Der Menüpunkt Connections dient zum Einstellen der
Polygon-Verbindungen bei der 3d-Animation. Er öffnet ein
Editor-Fenster mit etwa folgendem Inhalt:

Jede Zahlenkolonne zwischen eckigen Klammern beschreibt die Eckpunkte eines Polygons,
wobei sich die Zahlen als Nummern der Tracks (mit eins beginnend) verstehen.
Zu beachten ist, dass jeweils vor und nach jeder Zahl oder eckigen Klammer
ein Blank oder Zeilenwechsel stehen muss (MAL-Syntax) und die eckigen
Klammern am Beginn und am Ende erforderlich sind.
Animate Orientation
Der Menüpunkt Anima Orientation started die 3d-Darstellung einer Mustermessung mit einem
eingeblendeten Koordinatenkreuz. Die Mustermessung kann aus allen im Messdaten-Pfad
gefundenen Track-Dateien ausgewählt werden. In der Animation werden zwei
Objekte (das Koordinatenkreuz "koordö und die Messdaten "figurö) dargestellt.
Durch Markieren eines Objektes mit dem Menüpunkt Markieren (durch Eingabe
eines Leerstrings wird die Markierung aufgehoben) können die Objekte separat
verdreht und verschoben werden, bis die Figur die gewünschte Lage in Bezug
auf das Koordinatensystem hat. Beim Verlassen der Animation wird noch
abgefragt, ob die Drehmatrix gerundet werden soll. Diese Funktion stellt
die Orientierung auf einen rechten Winkel ein. Sie funktioniert aber nur
einwandfrei, wenn die Orientierung bereits annähernd rechtwinkelig ist,
da nur die einzelnen Komponenten der Drehmatrix gerundet werden.
Edit Orientation
Der Menüpunkt Edit Orientation startet folgende Eingabemaske
zum Einstellen der Orientierungsdaten:

MAL-Homepage
Inhaltsverzeichnis
3. AUTOTRACKING
3.1. Methode
Das Autotracking-Verfahren beruht auf lernenden Mustererkennungssystemen,
nämlich Neuralen Netzen.
Für jede Markerkonfiguration und Bewegungsart (Stand, Gehen, Laufen, Schritt, Trab...)
muss ein eigenes Neurales Netz konfiguriert und mit Beispieldaten
(bereits korrekt getrackte Daten) trainiert werden.
Das Neurale Netz wird beim Autotracking dazu benutzt, aus der ungeordneten
Menge der exakten Raumpositionen der Marken, für jede mit Namen eindeutig
definierte Marke eine ungefähre Raumposition (Schätzposition) zu berechnen.
Durch ein Minimum-Distanzverfahren werden die exakten Raumpositionen
den geschätzten Markenpositionen paarweise zugeordnet. Somit erhält man
eine eindeutige Zuordnung der exakten Raumpositionen zu den Markernamen.
Um aus der ungeordneten Menge der Raumpositionen brauchbare Eingangsdaten
(Lernmuster) für das neurale Netz zu berechnen, wird folgendes Verfahren verwendet:
Der Messraum wird in jede Dimension in eine voreinstellbare Anzahl von gleichen
Abschnitten geteilt. So erhält man eine Menge gleich großer Quader. Jeweils
dem Zentrum dieser Quader ist ein gedachter (virtueller) Sensor zugeordnet,
der die Distanzen zu allen Raumpositionen berechnet, gewichtet und summiert.
Gewichtet wird nach der Funktion der Gauß´schen Glockenkurve. Weit entfernte
Punkte fallen also weniger ins Gewicht als nahe Raumpositionen.
Wird der Raum z.B. in X-Richtung in 2, in Y-Richtung in 3 und in Z-Richtung in
4 Abschnitte geteilt, so erhält man 2 * 3 * 4 = 24 Quader mit entsprechend 24
Sensoren, also 24 Eingangssignale für das neurale Netz.
Beim Training des neuralen Netzes werden diese Eingangssignale als
Muster-Datensatz (Pattern-Sample) und die dazugehörigen Koordinaten
der Markenpositionen als Solldatensatz (Target-Sample) verwendet.
MAL-Homepage
Inhaltsverzeichnis
3.2. Autotracking-Konfiguration
Das Konfigurationsmenü für Auswertungen vom Typ "Autotracking_Net" hat folgende
Menüpunkte:
- Parameter
stellt allgemeine Parameter ein.
- Connections
öffnet ein Editor-Fenster zum Eingeben der
Polygon-Verbindungen der Marken.
- Reset-Patternfile
setzt die Lernmuster-Datei zurück bzw. richtet sie ein.
- Neural-Net
startet ein Untermenü für die Konfiguration
des Neuralen Netzes.
- Test
startet ein Untermenü für das Prüfen der
Lernergebnisse.
- Autotracking
startet eine probeweise Anwendung der gelernten Muster.
Parameter
Der Menüpunkt Parameter ruft folgende Maske auf:

Number_of_Markers muss die Anzahl der Marken
enthalten. Die Parameter X-Raster, Y-Raster und Z-Raster
bestimmen, in wie viele gleichgroße Abschnitte der Messraum in jede Richtung
geteilt wird, also die Anzahl der virtuellen Sensoren in jede Richtung.
Pattern-File enthält den Pfad einer Puffer-Datei in der die
Lerndaten für das Neurale Netz gespeichert werden. Diese Datei kann
mit dem Menüpunkt Reset-Patternfile explizit eingerichtet
oder rückgesetzt werden (bestehende Lerndaten werden dabei gelöscht).
Es wird aber auch jeweils beim Start der Auswertung gefragt, ob das
Pattern-File rückgesetzt werden sollen. Wird es nicht rückgesetzt, so
werden die neuen Lernaten an die bestehenden angehängt. Besteht die
Datei aber noch nicht, so muss sie unbedingt rückgesetzt (eingerichtet)
werden.
Sample-Step gibt an, jedes wievielte Bild aus den Musterdaten
für das Lernen verwendet werden soll. Im obigen Beispiel würde also jedes
10-te Bild verwendet, das gibt bei einer Messfrequenz von 120 Hz eine
Sample-Rate von 12 Hz. Nachdem bei den meisten Messungen mehrere
Zyklen abgespeichert sind und die Zyklusfreuquenz in der Regel kein
exakter Teiler von 12 Hz ist, reicht diese Rate durchaus aus, um alle Phasen
des Bewegungszyklus zu erfassen.
Der Parameter Limit_Measurement_Space dient dazu weitab
liegende, falsche Markenpositionen zu unterdrücken. Ist er auf 1 gesetzt,
so werden alle Marken, die außerhalb des darunter angeführten
Koordinatenbereiches liegen, unterdrückt.
Der Parameter maximum_Distance_Deviation dient für
eine abschließende Plausibilitätskontrolle der getrackten Daten. Wenn
hier ein Wert ungleich Null angegeben wird, so werden im Anschluß an das
automatische Tracking die Längen der unter 'Connections' angegebenen
Verbindungslinien geprüft. Dabei werden Marken, deren Distanzen um
mehr als der angegebene Wert von dem über die Zeit gerechneten Medianwert
abweichen, als ungültig ausgeblendet. In einem abschließenden Korrektur-Track
wird dann versucht, die so erkannten Fehler zu korrigieren.
Neural-Net
Unter dem Menüpunkt Neural Net erreicht man
das Konfigurations- und Testmenü für
das Neurale Netz, das beim Autotracking verwendet wird.
Es hat folgenden Aufbau:
- Configure
dient zum Einstellen der Netztopologie.
- Init
richtet das Netz ein und initialisiert die synaptischen
Gewichte.
- Learn
startet den Lernvorgang.
- Drawings
zeigt Zeitdiagramme der Lernerfolge an.
Configure
Bei Auswahl des Punktes Configure wird folgende
Maske geöffnet:

Die Zeile Topologie beschreibt die Struktur des
Neuralen Netzes. Die erste Zahl ist die Anzahl der Input-Synapsen.
Diese muss immer gleich der Anzahl der virtuellen Raumsensoren sein
und wird dynamisch errechnet. Die letzte Zahl ist die Anzahl der Output-Synapsen.
Sie muss immer gleich der Anzahl der Marker-Koordinaten (also 3 * Markeranzahl)
sein und wird ebenfalls dynamisch berechnet. Dazwischen können
ein oder mehrere Zahlen für die Beschreibung der Hidden-Layer
stehen (siehe auch Neurale Netze). In der Praxis hat
sich ein Hidden-Layer bewährt, dessen Anzahl der Synapse etwa gleich der
Anzahl der Marken ist.
Der Parameter Init_Faktor_k stellt ein, in welchem Wertebereich
die zufälliger Initalisierung der Synaptischen Gewichte erfolgen soll.
Iterations_per_Training stellt die Zahl der Iterationen bei einem
Lerndurchlauf ein. Im Prinzip gilt: Je größer, desto besser werden die Muster gelernt.
Allerdings steigt auch die Dauer der Lernphase. Die oben angeführte Zahl der Iterationen
benötigt auf einem durchschnittlichen PC einige Minuten Rechenzeit (es gibt keine
Fortschrittsanzeige beim Lernen, man muss einfach warten).
Init
Nachdem das Netz mit Init initialisiert wurde, kann ein oder mehrmals
mit dem Menüpunkt Learn trainiert werden. Diese beiden
Punkte werden aber beim Starten der Auswertung automatisch durchgeführt.
Learn kann aber zum Beispiel zum Verbessern der Lernerfolge
wiederholt aufgerufen werden.
Drawings
Der Menüpunkt Drawings zeigt zwei Zeitdiagramme am Schirm an.
Das untere ist für das Autotracking nicht von Bedeutung. Das obere Diagramm
zeigt den mittleren Restfehler während der Lernphase an. Die Zeitachse ist in
Prozent der Lerndauer. Bei normalem Lernerfolg zeigt diese Kurve eine
asymptotische Annäherung an einen Minimalwert, der zumindest unter 0.5 liegen
sollte. Je geringer der Restfehler, desto besser hat das Netz gelernt.
Test
Die letzten Beiden Menüpunkte (Test und Autotracking) dienen zum
Überprüfen der Lernerfolge. Test wechselt in ein Untermenü mit folgendem Aufbau:
Bilder
Bilder zeigt Zeitreihen mit den Ist- und Sollwerten
aller Koordinaten aller Marken. Es werden zuerst die X-Koordinaten aller Marken (in der Reihenfolge der Namensliste), dann die Y-Koordinaten aller Marken und schließlich die Z-Koordinate aller Marken angezeigt.
Beispiel:

Die rote Kurve zeigt den Sollwert-Verlauf, die schwarze den Istwert. Rechts oben wird die maximale und
mittlere Sollwertabweichung eingetragen. Man muss bei der Interpretation der Zahlenwerte darauf achten,
dass der Messraum in jede Dimension auf den Wertebereich (0..1) normalisiert wird. Das bedeutet, die
Maximalabweichung beträgt im obigen Bild 3.2% des Messraumes.
Animation
Mit Animation können die Ist- und Sollwerte in einer
3d-Ansicht verglichen werden. Die Istwerte sind als frei schwebende
Marken dargestellt und die Sollwerte durch Polygone entsprechend den
in Connections eingestellten Verbindungen verbunden. Alle
Werte werden im normalisierten Raum dargestellt.
Zuordnung
Mit Zuordnung kann die automatische Zuordnung der
Istwerte zu den Sollwerten getestet werden. Nach der Berechnung der
Markenzuordnung (benötigt etwas Zeit) wird ebenfalls eine 3d-Animation
gestartet. In dieser sind aber die Istwerte entsprechend durch Polygone
verbunden und die Sollwerte durch frei schwebende Marken dargestellt.
Wenn man mit dem Menüpunkt Joggen die Zeit verstellt,
kann man an den Strichfiguren leicht erkennen, ob die Zuordnung für
alle Lerndaten richtig funktioniert hat.
MAL-Homepage
Inhaltsverzeichnis
3.3. Praktische Vorgangsweise
Die für das Autotracking benötigten Neuralen Netze und ihre dazugehörigen
Konfigruationsdaten kann jeder Anwender mit der Funktion Insert
(Auswertungstyp: "Autotracking_Net") in seinen Arbeitsbereich laden,
konfigurieren und mit Hilfe bereits archivierter Muster-Messdaten trainieren,
indem er die Auswertung startet.
Autotracking-Auswertungen können wahlweise mit Einfachselektion
oder mit Mehrfachselektion eingerichtet werden. Bei Mehrfachselektion
können mehrere Messdatensätze im Archiv ausgewählt werden, bevor das Berechnen
der Lerndaten und das Trainieren des Netzes gestartet wird.
Vorgehen bei der Anwendung:
- Voraussetzung ist, dass bereits fertig getrackte
Muster-Messdaten im Archiv sind, die genau die
gewünschte Markenanzahl und -konfiguration haben.
Die Messdaten müssen den Namen "Video" haben, d.h.
die Routine zum Archivieren muss "Video" heissen.
- Eintragen von "Autotracking_Net" mit Insert/Analyse
in den User-Bereich. Der Name des neu angelegten Autotracking-Eintrags
muss bei der Archivierungsroutine unter
Paramters eingetragen
werden.
- Konfigurieren:
- Config/Analyse/Parameter
Anzahl der Marken und Raster einstellen.
Pfad fuer "Pattern-File" pruefen.
- Connections
Verbindungen fuer Animation einstellen.
- Reset-Pattern-File
- Lerndaten berechnen:
Starten der Analyse und Auswahl der Muster-Lerndaten
aus dem Messdate-Archiv.
- Netztopologie und Anzahl der Lernschritte einstellen:
Configure/Analyse/Neural Net/Configure
- Netz trainieren:
- Init (beim Nachlernen nicht erforderlich)
- Learn (braucht eine Weile)
- Drawings (obere Kurve zeigt die Approximation)
- Lernerfolg Kontrollieren:
Configure/Analyse/Neural Net/Test
- Bilder (zeigt die Abweichungen einzelner Koordinaten
als Weg-Zeit-Diagramm).
- Numerisch (gibt Tabelle mit mittleren und maximalen
Abweichungen aus).
- Animation (zeigt die Abweichungen als 3-Animation).
- Zuordnung (testet die automatische Markenzuordnung).
MAL-Homepage
Inhaltsverzeichnis