Была разработана вычислительная среда для автоматической реконструкции виртуальных сцен, состоящих из 3D-аватаров солдат, с использованием изображений и/или видеоданных. Виртуальные сцены помогают оценить воздействие избыточного давления при взрыве во время тренировок с оружием. Этот инструмент позволяет реалистично отображать позу человека при моделировании воздействия взрывной волны в различных сценариях.
Методическая статья
Генерация аватаров бойцов на основе изображений сцен тренировки с оружием для моделирования воздействия взрывной волны
В этой статье
Краткое содержание
Аннотация
Военнослужащие, участвующие в тренировках с оружием, подвергаются многократным выстрелам на низкой высоте. Преобладающий метод оценки взрывной нагрузки включает в себя носимые взрывомеры. Однако, используя данные носимых датчиков, взрывные нагрузки на голову или другие органы не могут быть точно оценены без знания положения тела военнослужащего. Была разработана дополнительная экспериментально-вычислительная платформа, дополненная изображением/видео для проведения более безопасных тренировок с оружием. В данном исследовании описывается протокол автоматизированного создания сцен обучения обращению с оружием на основе видеоданных для моделирования воздействия взрывной волны. Сцена взрыва, извлеченная из видеоданных в момент стрельбы из оружия, включает в себя аватары тела военнослужащего, оружие, землю и другие конструкции. Вычислительный протокол используется для реконструкции положения и поз военнослужащих с использованием этих данных. Изображения или видеоданные, извлеченные из силуэтов военнослужащих, используются для создания анатомического скелета и ключевых антропометрических данных. Эти данные используются для создания 3D-аватаров поверхности тела, сегментированных на отдельные части тела и геометрически преобразованных в соответствии с извлеченными позами военнослужащих. Финальная сцена виртуальной тренировки с оружием используется для 3D-компьютерного моделирования нагрузки взрывной волной на военнослужащих. Генератор сцен обучения обращению с оружием был использован для создания 3D-анатомических аватаров тел отдельных военнослужащих на основе изображений или видео в различных ориентациях и позах. Представлены результаты формирования учебной сцены на основе данных изображения наплечного штурмового вооружения и минометного вооружения. Инструмент Blast Overpressure (BOP) использует виртуальную сцену обучения обращению с оружием для 3D-моделирования нагрузки взрывной волной на тела аватаров военнослужащих. В данной статье представлено трехмерное вычислительное моделирование распространения взрывной волны от стрельбы из оружия и соответствующих взрывных нагрузок на военнослужащих во время обучения.
Введение
Во время военных учений военнослужащие и инструкторы часто подвергаются воздействию взрывов на малой высоте из тяжелого и легкого оружия. Недавние исследования показали, что воздействие взрыва может привести к снижению нейрокогнитивных способностей 1,2 и изменениям биомаркеров крови 3,4,5,6. Многократное воздействие взрывной волны на низких уровнях приводит к проблемам с поддержанием оптимальной производительности и сведением к минимуму риска травм 7,8. Традиционный подход с использованием носимых датчиков давления имеет недостатки, особенно когда речь идет о точном определении давления взрыва на головке9. Известные неблагоприятные последствия повторного воздействия взрывной волны низкого уровня на работоспособность человека (например, во время обучения и выполнения оперативных функций) усугубляют эту проблему. Мандаты Конгресса (разделы 734 и 717) предусматривают требование о мониторинге воздействия взрывной волны во время учений и боевых действий и о его включении в медицинскую карту военнослужащего.
Носимые датчики могут использоваться для контроля избыточного давления взрыва во время этих учебно-боевых операций. Тем не менее, на эти датчики влияют такие переменные, как положение тела, ориентация и расстояние до источника взрыва из-за сложного характера взаимодействия взрывной волныс телом человека. На распределение давления и измерения датчиков влияют следующие факторы9:
Расстояние от источника взрыва: Интенсивность давления изменяется в зависимости от расстояния по мере рассеивания и ослабления взрывной волны. Датчики, расположенные ближе к месту взрыва, регистрируют более высокое давление, что влияет на точность и согласованность данных.
Положение тела: Различные позы подвергают различные поверхности тела воздействию взрыва, изменяя распределение давления. Например, стояние и приседание приводит к разным показаниям давления 9,11.
Ориентация: Угол наклона тела относительно источника взрыва влияет на то, как волна давления взаимодействует с телом, что приводит к расхождениям в показаниях9. Численное моделирование, основанное на физике, обеспечивает более точную оценку за счет систематического учета этих переменных, предлагая контролируемый и всесторонний анализ по сравнению с носимыми датчиками, которые по своей природе подвержены влиянию этих факторов.
В ответ на эти вызовы были предприняты согласованные усилия по разработке более совершенных инструментов. В этом направлении разработан инструмент избыточного давления дутья (BOP). Этот инструмент разработан для оценки воздействия избыточного давления при различных положениях военнослужащих и положениях вокруг систем вооружения. В инструменте BOP11 есть два различных модуля. Это (а) модуль SCENE инструмента BOP и модуль SITE инструмента BOP. Эти модули используются для оценки избыточного давления взрыва при стрельбе из оружия12. Модуль BOP SCENE предназначен для оценки избыточного давления при взрыве, испытываемого отдельными военнослужащими или инструкторами, участвующими в учебном сценарии, в то время как модуль BOP SITE реконструирует учебный курс с высоты птичьего полета, отображая зоны избыточного давления взрыва, создаваемые несколькими огневыми станциями. На рисунке 1 показан снимок обоих модулей. В настоящее время модули BOP Tool включают в себя характеристики избыточного давления взрыва оружия (эквивалентный термин источника взрыва) для четырех систем вооружения Tier-1, определенных Министерством обороны, включая снайперскую винтовку специального применения (SASR) M107 калибра .50, плечевое штурмовое оружие M136, миномет M120 для стрельбы непрямой наводкой и заряды прорыва. Термин «ядро взрыва оружия» относится к эквивалентному термину источника взрыва, разработанному для воспроизведения того же поля взрыва, которое окружает систему оружия, что и реальное оружие. Более подробное описание вычислительной структуры, использованной для разработки инструмента BOP, доступно для дальнейшей справки11. Моделирование избыточного давления выполняется с помощью механизма решателя CoBi-Blast. Это многомасштабный мультифизический инструмент для моделирования избыточного давления взрывной волны. Возможности моделирования взрыва двигателя проверены на основе экспериментальных данных из литературы12. Этот инструмент BOP в настоящее время интегрируется в Range Managers Toolkit (RMTK) для использования на различных полигонах для стрельбы. RMTK — это многофункциональный набор настольных инструментов, предназначенный для удовлетворения потребностей руководителей полигонов в армии, корпусе морской пехоты, военно-воздушных силах и военно-морском флоте за счет автоматизации операций на полигоне, безопасности и процессов модернизации.
Рисунок 1: Графический пользовательский интерфейс (GUI) для модуля BOP tool SCENE и модуля BOP tool SITE. Модуль BOP SCENE предназначен для оценки избыточного давления взрыва на моделях тел военнослужащих и инструкторов, в то время как модуль BOP SITE предназначен для оценки контуров избыточного давления на плоскости, представляющей тренировочное поле. Пользователь имеет возможность выбрать высоту, на которой плоскость располагается относительно земли. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
Одним из ограничений существующего модуля BOP SCENE является использование вручную оцененных данных для построения моделей тел виртуальных военнослужащих, включая их антропометрию, позу и положение. Ручная генерация виртуальных военнослужащих в соответствующем положении является трудоемкой и длительной11,12. Устаревший инструмент BOP (устаревший подход) использует базу данных предварительно настроенных поз для создания сцены обучения обращению с оружием на основе данных изображений (если они доступны). Кроме того, поскольку позы аппроксимируются вручную с помощью визуальной оценки, правильные позы могут быть не зафиксированы в сложных постуральных условиях. В результате, такой подход вносит неточности в оценку воздействия избыточного давления для отдельных военнослужащих (поскольку изменение позы может изменить воздействие избыточного давления на более уязвимые участки). В документе представлены усовершенствования, которые были внесены в существующую вычислительную среду для обеспечения быстрого и автоматического создания моделей военнослужащих с использованием существующих современных инструментов оценки позы. В данной статье обсуждается усовершенствование инструмента BOP, в частности, разработка нового и быстрого вычислительного конвейера для реконструкции сцен взрывных работ с использованием видео- и видеоданных. Улучшенный инструмент также может реконструировать подробные модели тел военнослужащих и инструкторов в момент стрельбы из оружия, используя видеоданные для создания персонализированных аватаров по сравнению с устаревшим подходом. Эти аватары точно отражают осанку военнослужащих. Эта работа оптимизирует процесс создания сцен взрыва и способствует более быстрому включению сцен взрыва для дополнительных систем оружия, что значительно сокращает время и усилия, необходимые для создания сцен обучения оружию. На рисунке 2 показана схема усовершенствованной вычислительной структуры, обсуждаемой в данной статье.
Рисунок 2: Схема, показывающая общую блок-схему процесса в вычислительной структуре. Различные этапы включают обработку изображений/видеоданных, создание виртуального истребителя, реконструкцию сцены взрыва и моделирование избыточного давления взрыва. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
В статье представлен автоматизированный подход, реализуемый в инструменте BOP, который представляет собой значительное усовершенствование вычислительных инструментов, доступных для оценки воздействия избыточного давления во время обучения и эксплуатации. Этот инструмент отличается быстрым созданием персонализированных аватаров и сценариев обучения, что позволяет иммерсивно симулировать избыточное давление взрыва. Это знаменует собой значительный отход от традиционной зависимости от усредненных по популяции моделей человеческого тела, предлагая более точный и индивидуализированный подход.
Вычислительные средства, используемые в процессе автоматизации
Автоматизация создания виртуальных моделей военнослужащих — это многоступенчатый процесс, в котором используются передовые вычислительные инструменты для преобразования необработанных изображений или видеоданных в подробные 3D-представления. Весь процесс автоматизирован, но при необходимости может быть адаптирован для ручного ввода известных измерений.
Инструменты 3D оценки позы: В основе конвейера автоматизации лежат инструменты 3D-оценки позы. Эти инструменты анализируют данные изображения, чтобы определить положение и ориентацию каждого сустава в теле военнослужащего, эффективно создавая цифровой скелет. В настоящее время конвейер поддерживает Mediapipe и MMPose, которые предлагают API Python. Тем не менее, система разработана с учетом гибкости, что позволяет использовать другие инструменты, такие как камеры глубины, при условии, что они могут выводить необходимые 3D-данные о суставах и костях.
Генератор антропометрических моделей (АМГ): После того, как 3D-поза оценена, в игру вступает AMG. Этот инструмент использует данные позы для создания 3D-модели поверхности кожи, которая соответствует уникальным размерам тела военнослужащего. Инструмент AMG позволяет автоматически или вручную вводить антропометрические измерения, которые затем связываются с основными компонентами инструмента для соответствующего преобразования 3D-сетки тела.
Скелетное моделирование в OpenSim: Следующий шаг включает в себя платформу OpenSim13 с открытым исходным кодом, где скелетная модель настраивается для выравнивания с 3D-данными позы. Инструменты оценки позы не обеспечивают постоянную длину костей в скелете, что может привести к нереалистичной асимметрии тела. Использование анатомически правильного скелета OpenSim позволяет получить более реалистичную костную структуру. Маркеры размещаются на скелете OpenSim в соответствии с центрами суставов, определенными инструментом оценки позы. Эта скелетная модель затем прикрепляется к 3D-сетке кожи с использованием стандартных техник анимации.
Обратная кинематика и скрипты на Python: Для окончательной проработки позы виртуального военнослужащего используется алгоритм обратной кинематики. Этот алгоритм корректирует модель скелета OpenSim в соответствии с предполагаемой 3D-позой. Весь конвейер позирования полностью автоматизирован и реализован в Python 3. Благодаря интеграции этих инструментов процесс создания виртуальных моделей участников службы был значительно ускорен, что сократило время, необходимое для этого, с нескольких дней до секунд или минут. Это усовершенствование представляет собой скачок вперед в моделировании и анализе сценариев обучения обращению с оружием, обеспечивая быструю реконструкцию конкретных сценариев, задокументированных с помощью изображений или видео.
Протокол
Изображения и видео, использованные в этом исследовании, не были получены авторами непосредственно от людей. Одно изображение было взято из бесплатных ресурсов на Викимедиа Коммонс, которые доступны под лицензией общественного достояния. Другое изображение было предоставлено сотрудниками Армейского научно-исследовательского института Уолтера Рида (WRAIR). Данные, полученные от WRAIR, не были идентифицированы и были переданы в соответствии с их институциональными руководящими принципами. Для изображений, предоставленных WRAIR, протокол следовал рекомендациям комитета по этике исследований на людях WRAIR, включая получение всех необходимых разрешений и согласий.
1. Доступ к модулю BOP Tool SCENE
- Откройте модуль BOP Tool SCENE из интерфейса BOP Tool, нажав кнопку BOP Tool SCENE Module .
- Нажмите « Определение сценария », а затем перейдите на вкладку «Сведения о сценарии ».
2. Чтение и обработка данных изображения
- Нажмите кнопку POSETOOL IMPORT в модуле BOP tool SCENE. Открывается всплывающее окно, в котором пользователю предлагается выбрать соответствующее изображение или видео.
- Перейдите в папку и выберите нужное изображение/видео с помощью мыши.
- Нажмите « Открыть » во всплывающем окне после выбора изображения.
ПРИМЕЧАНИЕ: Эта операция считывает изображение или видеофайл, генерирует изображение, если выбрано видео, запускает алгоритм оценки позы в фоновом режиме, генерирует виртуальные модели военнослужащих, участвующих в сцене тренировки с оружием, и загружает их в модуль BOP Tool SCENE в соответствующих положениях.
3. Настройка оружия и стрелка
- Выберите имя сценария с помощью текстового поля в разделе Имя сценария. Это выбор пользователя. Для рассматриваемого здесь сценария разработчики выбрали имя сценария BlastDemo1.
- Выберите пользовательское имя в поле «Имя» в поле «Определение оружия». Это, опять же, выбор пользователя. Для рассмотренного здесь сценария разработчики выбрали название оружия 120Mortar.
- Выберите подходящий класс оружия, например, ТЯЖЕЛЫЙ МИНОМЕТ, из списка опций в выпадающем меню.
- Выберите оружие (в данном случае M120) из списка вариантов в выпадающем списке. После выбора системы оружия соответствующее ядро взрыва будет автоматически загружено в графический интерфейс на подвкладке «Заряды».
ПРИМЕЧАНИЕ: В выпадающем списке будут представлены различные возможные системы оружия, специфичные для выбранного выше класса оружия. - Выберите боекомплект (Full Range Training Round) для выбранной системы вооружения с помощью выпадающих вариантов.
- Выберите «Без стрелка » в полях «Антропометрия», «Осанка», «Шлем» и «Защитная броня» в разделе «Определение стрелка» из выпадающих вариантов. На рисунке 3 показаны настроенные стрелки и военнослужащие.
ПРИМЕЧАНИЕ: Поскольку стрелок будет включен в сцену, импортированную с помощью шага 4, в определении стрелка не был выбран ни один стрелок.
Рисунок 3: Импортированная сцена взрыва из данных изображения. Сцена взрыва отображается в окне визуализации в правой части графического интерфейса. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
4. Настройка участников службы
- Перейдите на вкладку «Военнослужащие». Эта вкладка управляет положением и ориентацией военнослужащих, импортированных из данных изображения; Для этого используйте опции X, Y, Z и поворот. Для аватара, соответствующего помощнику наводчика, авторы скорректировали положение Y с 2,456 до 2 для более разумной позиции помощника наводчика.
- Выберите пользовательские имена для всех моделей виртуальных участников службы, импортированных в графический интерфейс, с помощью поля Имя на вкладке Участники службы. S1, S2, S3, S4 и S5 выбираются здесь для всех автоматически импортируемых моделей участников службы.
ПРИМЕЧАНИЕ: Для рассматриваемого здесь сценария они были названы S1 и S2. Остальные поля заполняются автоматически. Пользователи могут изменять их, чтобы уточнить автоматически оцениваемое положение/позы. - Используйте кнопку «Удалить », чтобы удалить S2, S4 и S5. В показанном здесь сценарии в момент стрельбы присутствуют только стрелок и помощник наводчика.
ПРИМЕЧАНИЕ: Это было сделано для демонстрации пользовательских опций для удаления или добавления моделей участников службы по мере необходимости в существующую сцену.
5. Настройка виртуальных датчиков
- Перейдите на вкладку Датчики . Добавьте новый виртуальный датчик, нажав на кнопку «Добавить датчик».
- Выберите пользовательское имя в поле Имя. Разработчики выбрали V1 для демонстрации в этой статье.
- Выберите тип как Виртуальный , щелкнув раскрывающийся список под полем Тип датчика.
- Выберите местоположение датчика (-0,5, 2, 0,545), отредактировав текстовые поля под полями X, Y и Z. Для обсуждаемого здесь сценария разработчики создали четыре различных датчика в четырех разных местах в демонстрационных целях. Разработчики выбрали V2, V3 и V4 в качестве имен датчиков для дополнительных датчиков.
- Повторите шаги с 5.1 по 5.4, чтобы создать дополнительные датчики в точках (-0.5, 1, 0.545), (-0.5, 0.5, 0.545) и (-0.5, 0, 0.545). Оставьте значение Поворота равным нулю.
ПРИМЕЧАНИЕ: Пользователь также может выбрать планарные датчики, во время вращения которых можно использовать для регулировки ориентации датчика по отношению к заряду взрыва.
6. Сохранение и запуск программы
- Сохраните сцену тренировки с оружием, нажав кнопку «Сохранить сценарий » в графическом интерфейсе вверху.
- Запустите симуляцию избыточного давления взрыва для сцены тренировки с оружием M120, нажав кнопку «Запустить сценарий » внизу. Ход выполнения моделирования отображается с помощью индикатора выполнения в нижней части.
7. Визуализация результатов
- Перейдите на вкладку «Вид модели», чтобы изучить моделирование воздействия избыточного давления при взрыве.
- Нажмите кнопку Текущая , чтобы загрузить завершенную симуляцию в окно визуализации.
- После загрузки симуляции визуализируйте ее с помощью кнопки « Воспроизвести » в нижней части экрана.
- Пользователь может выбирать между различными вариантами на панели навигации для воспроизведения и приостановки симуляции на разных скоростях. На скриншоте управления игрой ниже показаны дополнительные параметры. Пользователь может управлять интерактивным окном с помощью мыши. Щелкните правой кнопкой мыши и перетащите, чтобы повернуть режим, левую кнопку — чтобы перевести модель, и среднюю кнопку — чтобы прокрутить внутрь/наружу.
- После просмотра моделирования перейдите на вкладку Blast Load Metrics , щелкнув по ней.
- Нажмите кнопку Current, чтобы загрузить графики избыточного давления в местах расположения виртуальных датчиков.
ПРИМЕЧАНИЕ: При этом информация о избыточном давлении будет загружена в разные места расположения датчиков на разных графиках. - Перейдите к выпадающему списку «Серия для отображения» и выберите, установив флажок для соответствующего датчика , чтобы построить график избыточного давления, зарегистрированного на этом виртуальном датчике (см. рис. 4).
Рисунок 4: Построение графиков управления избыточным давлением на различных виртуальных датчиках с течением времени. Пользователи могут выбрать серию для отображения, установив или сняв флажки с различных датчиков. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
Результаты
Автоматизированная реконструкция виртуальных военнослужащих и сцен взрывов
Автоматизированное создание виртуальной модели тела военнослужащего и модели сцены обучения обращению с оружием было достигнуто благодаря возможностям автоматизации BOP Tool. На рисунке 5 показана виртуальная обучающая сцена, созданная на основе данных изображения. Как можно наблюдать здесь, результирующая сцена была хорошим представлением данных изображения. Изображение, использованное для демонстрации на рисунке 5, было получено из Wikimedia Commons.
Рисунок 5: Виртуальная сцена обучения обращению с оружием из данных изображения. На левом изображении показаны данные изображения, соответствующие стрельбе из оружия AT4, а с правой стороны показана виртуальная автоматически сгенерированная сцена обучения обращению с оружием. Эта цифра была получена из Wikimedia Commons. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
Кроме того, этот подход был применен для реконструкции сцены стрельбы из оружия M120. Изображение было собрано WRAIR в рамках сбора данных о давлении для минометного орудия M120. На рисунке 6 ниже показана реконструированная сцена стрельбы из виртуального оружия вместе с исходным изображением. В виртуальной реконструкции наблюдалось несоответствие должности помощника наводчика. Это можно исправить, отрегулировав положение помощника наводчика с помощью пользовательских опций графического интерфейса BOP. Кроме того, положение таза инструктора выглядело неточным, вероятно, из-за препятствий со стороны кольев на изображениях. Интеграция этого подхода с другими методами визуализации глубины была бы полезна для устранения этих расхождений.
Рисунок 6: Виртуальная сцена обучения обращению с оружием из данных изображения. На левом рисунке показаны данные изображения, соответствующие стрельбе из оружия M120, а на правой стороне показана виртуальная автоматически сгенерированная сцена обучения обращению с оружием. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
Валидация подхода к автоматизированной генерации сцен
Используемый в этом исследовании генератор моделей человеческого тела прошел валидацию с использованием базы данных сканирования человеческого тела ANSUR II14, которая включала антропометрические измерения по данным медицинской визуализации. Автоматизированный метод реконструкции, в котором использовался этот генератор моделей человеческого тела, прошел качественную проверку с использованием имеющихся данных. Этот процесс проверки включал в себя сравнение восстановленных моделей с экспериментальными данными (изображениями) путем их наложения. На рисунке 7 представлено сравнение 3D-моделей аватаров с экспериментальными данными. Тем не менее, необходима более тщательная проверка этого метода, что потребует дополнительных экспериментальных данных с места происшествия, включая точные позиции, позы и ориентацию различных военнослужащих, участвующих в учебной сцене.
Рисунок 7: Качественное сравнение виртуальной модели человеческого тела, созданной с помощью изображения. На левой панели отображается исходное изображение, на средней — сгенерированная виртуальная модель тела, а на правой — виртуальная модель, наложенная на исходное изображение. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
Репрезентативное моделирование избыточного давления взрывной волны
После настройки сцены взрыва авторы смогли перейти к критической фазе моделирования избыточного давления взрыва (ПВО). Это позволит нам понять распределение взрывных нагрузок на различных военнослужащих, участвующих в сцене стрельбы из оружия. На рисунке 8 представлены результаты этих симуляций BOP во время стрельбы из оружия AT4. Моделирование обеспечивает детальную визуализацию нагрузок избыточного давления на виртуального военнослужащего в сцене в различные моменты времени. В заключение можно сказать, что полученные результаты демонстрируют не только осуществимость, но и эффективность протокола в создании точных и аналитически полезных реконструкций сценариев обучения обращению с оружием, тем самым прокладывая путь к более глубоким исследованиям в области безопасности и эффективности военной подготовки.
Рисунок 8: Воздействие избыточного давления взрыва на стрелка. (A, B, C и D) На четырех панелях показана модель, прогнозируемое избыточное давление взрыва на виртуальных военнослужащих, участвующих в стрельбе из миномета M120 в разные моменты времени. На панелях (C) и (D) показано распространение избыточного давления из-за отражения от земли. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
Обсуждение
Представленная в данной работе вычислительная структура значительно ускоряет создание учебных сцен взрывного оружия по сравнению с ранее использовавшимися ручными методами с использованием визуальной оценки. Такой подход демонстрирует способность системы быстро фиксировать и реконструировать различные военные позиции.
Преимущества современного подхода
Создание виртуальных моделей человеческого тела в определенных позах и положениях является сложной задачей, для которой доступно ограниченное количество инструментов. Традиционный метод, используемый в устаревшем подходе, в частности, для инструмента BOP, использовал CoBi-DYN 14,15,16,17. Этот метод предполагал ручное создание виртуальных моделей человеческого тела с одеждой, шлемами, защитными доспехами и ботинками. Модели были созданы с помощью приближенной визуальной аппроксимации, в которой отсутствовал системный подход. В устаревшем инструменте BOP CoBi-DYN использовался для создания базы данных моделей человеческого тела, которая была доступна на этапе настройки сценария. Пользователи вручную должны были выбрать приблизительную конфигурацию осанки и расположить ее примерно для конкретной системы вооружения для выполнения сценария BOP. Несмотря на то, что реконструкция сцены взрыва из существующей базы данных военнослужащих (доступ к которой осуществляется из выпадающего списка в BOP Tool) была относительно быстрой, первоначальное создание виртуальной базы данных модели военнослужащих было трудоемким, занимая около 16-24 часов на каждую сцену из-за ручного и приблизительного характера процесса. В отличие от этого, новый подход использует хорошо зарекомендовавшие себя инструменты оценки позы для более автоматизированного и быстрого создания виртуальных моделей человеческого тела. Эти инструменты автоматически используют видео- и видеоданные для быстрой реконструкции сцен взрыва с помощью виртуальных аватаров военнослужащих. Это значительно сокращает время, необходимое для создания базы данных о теле человека. Новый подход включает в себя одно нажатие кнопки для создания или реконструкции полной виртуальной сцены на основе данных визуализации без необходимости использования дополнительного программного обеспечения. Весь процесс теперь занимает примерно 5-6 секунд на сцену (после чтения данных изображения, как будет показано в видео), что свидетельствует о значительном повышении эффективности по сравнению с устаревшим методом. Этот метод призван не заменить первоначальный подход, а скорее дополнить его за счет ускорения генерации виртуальных моделей участников службы (которые в будущем могут быть добавлены в базу данных моделей тел военнослужащих). Это упрощает добавление новых конфигураций с различной сложностью и облегчает интеграцию новых систем вооружения в будущем, тем самым повышая расширяемость инструмента BOP. По сравнению с устаревшим подходом, очевидно, что представленный метод предлагает более оптимизированное и автоматизированное решение, сокращая ручные усилия и время, одновременно повышая точность и систематический характер создания виртуальных моделей человеческого тела. Это подчеркивает силу и инновационность описанного метода в этой области.
Валидация автоматизированной генерации сцен
Проведена качественная валидация подхода путем наложения реконструированных сценариев на данные изображения. Однако количественная валидация была невозможна из-за отсутствия доступных данных о позиционировании и позе для этих изображений. Авторы признают важность более тщательной валидации и планируют рассмотреть этот вопрос в будущей работе. Для достижения этой цели авторы планируют провести комплексные усилия по сбору данных для получения точной информации о позиционировании и позе. Это позволит нам провести детальную количественную валидацию, что в конечном итоге повысит надежность и точность подхода.
Валидация моделирования воздействия взрывной волны
Ядерные ядра взрыва оружия были разработаны и проверены с использованием данных карандашного щупа, собранных во время стрельбы из оружия. Более подробная информация о ядерном ядре взрыва оружия и соответствующих воздействиях будет включена в предстоящую публикацию. Некоторая информация по этому вопросу имеется также в предыдущих публикациях 11,12. Эта постоянная работа будет способствовать повышению точности и эффективности моделирования избыточного давления взрывной волны, повышая эффективность использования инструмента.
Представленный здесь подход также может быть использован для создания виртуальных аватаров военнослужащих, которые впоследствии могут быть включены в базу данных для отбора с помощью инструмента BOP. Несмотря на то, что текущий процесс не позволяет автоматически сохранять модели в базе данных, авторы планируют включить эту функцию в будущие версии инструмента BOP. Кроме того, авторы располагают собственными инструментами, которые позволяют вручную изменять позу после того, как автоматизированная поза и 3D-модель были сгенерированы на основе данных изображения. В настоящее время эта возможность существует независимо и не интегрирована в инструмент BOP, так как требуется дальнейшая доработка пользовательского интерфейса. Тем не менее, эта работа еще не завершена, и авторы намерены включить ее в будущие версии инструмента BOP.
Данные о взрывной нагрузке также могут быть экспортированы в виде текстового файла ASCII, а дальнейшие этапы постобработки могут быть применены для более детального изучения структуры доз взрыва для различных систем вооружения. В настоящее время ведется работа по разработке передовых инструментов постобработки для выходных показателей, таких как импульс, интенсивность и других, которые могли бы помочь пользователям понять и исследовать более сложную повторяющуюся взрывную нагрузку во время этих сценариев. Кроме того, инструменты разработаны для повышения вычислительной эффективности и обеспечивают высокую скорость моделирования. Таким образом, эти инструменты позволяют нам проводить исследования обратной оптимизации для определения оптимальной позы и положения во время стрельбы из оружия. Такие усовершенствования повышают применимость инструмента для оптимизации протоколов тренировок на различных полигонах для стрельбы. Оценки дозы взрыва могут быть также использованы для разработки более совершенных макромасштабных вычислительных моделей с высоким разрешением для различных уязвимых анатомических областей, таких как мозг, легкие и другие 18,19,20 и микромасштабных моделей травм 20,21. В данном случае шлем и броня, включенные в модели, предназначены исключительно для визуального представления и не влияют на дозу взрыва в этих симуляциях. Это связано с тем, что модели считаются жесткими конструкциями, а это означает, что их включение не изменяет и не влияет на результаты моделирования избыточного давления взрыва.
В этой статье используется существующий инструмент оценки позы с открытым исходным кодом для оценки позы человека в сценариях обучения обращению с оружием. Обратите внимание, что разработанная и обсуждаемая здесь структура не зависит от инструмента, т.е. авторы могут заменить существующий инструмент новым инструментом по мере дальнейшего совершенствования. В целом, тестирование показало, что, хотя современные программные инструменты чрезвычайно мощны, определение позы на основе изображений является сложной задачей. Тем не менее, есть несколько рекомендаций, которые можно использовать для повышения производительности распознавания поз. Эти инструменты работают лучше всего, когда интересующий вас человек находится в поле зрения камеры. Хотя это не всегда возможно во время учений по обращению с оружием, учет этого при размещении камеры может улучшить результаты определения позы. Кроме того, военнослужащие, выполняющие учения, часто носят камуфляжную форму, которая сливается с окружающей обстановкой. Это затрудняет их обнаружение как человеческим глазом, так и алгоритмами машинного обучения (ML). Существуют методы повышения способности алгоритмов машинного обучения обнаруживать людей, носящих камуфляж23, но они нетривиальны в реализации. Там, где это возможно, сбор изображений тренировок с оружием в месте с высококонтрастным фоном может улучшить обнаружение позы.
Кроме того, традиционный подход к оценке 3D-величин по изображениям заключается в использовании методов фотограмметрии с несколькими углами камеры. Запись изображений/видео с разных ракурсов также может быть использована для улучшения оценки позы. Объединить оценки позы с нескольких камер относительно просто24. Еще один метод фотограмметрии, который может улучшить результаты, заключается в использовании шахматной доски или другого объекта известных размеров в качестве общей точки отсчета для каждой камеры. Сложность использования нескольких камер заключается в том, чтобы синхронизировать их по времени. Специально обученные модели машинного обучения могут быть разработаны для обнаружения таких характеристик, как шлем вместо лица, или для обнаружения людей, носящих военную одежду и снаряжение (например, ботинки, жилеты, бронежилеты). Существующие инструменты оценки позы могут быть дополнены с помощью специально обученных моделей машинного обучения. Несмотря на то, что это отнимает много времени и утомительно, это может значительно повысить производительность модели оценки позы.
Подводя итог, можно сказать, что в этом документе подробно описаны различные компоненты усовершенствованной системы избыточного давления взрывной обработки. Здесь авторы также признают потенциал для повышения его применимости и эффективности за счет более бесшовной интеграции и полной автоматизации конвейера. Такие элементы, как создание масштабированной 3D-сетки тела с помощью инструмента AMG, находятся в процессе автоматизации, чтобы сократить ручной ввод данных пользователем. В настоящее время ведутся работы по интеграции этих возможностей в модуль BOP tool SCENE. По мере развития этой технологии она станет доступной для всех заинтересованных сторон и лабораторий Министерства обороны. Кроме того, текущая работа включает в себя определение характеристик и валидацию ядер оружия для дополнительных систем вооружения. Эти постоянные усилия по совершенствованию и валидации методологий гарантируют, что инструменты, разрабатываемые авторами, остаются на переднем крае технологического прогресса, внося значительный вклад в безопасность и эффективность военных учений. В будущих публикациях будет представлена более подробная информация об этих разработках, что внесет свой вклад в более широкую область военной подготовки и безопасности.
Раскрытие информации
Авторам нечего раскрывать.
Благодарности
Исследование финансируется Координационным офисом исследований взрывных травм Министерства обороны США в рамках проекта MTEC под названием MTEC-22-02-MPAI-082. Авторы также отмечают вклад Хамида Гарахи (Hamid Gharahi) в разработку ядер взрывных ядер оружия и Чжицзяня Дж Чена (Zhijian J Chen) в разработку возможностей моделирования избыточного давления при стрельбе из оружия. Взгляды, мнения и/или выводы, выраженные в этой презентации, принадлежат авторам и не отражают официальную политику или позицию Министерства армии или Министерства обороны.
Материалы
| Имя | Компания | Каталожный номер | Комментарии |
|---|---|---|---|
| Генератор антропометрических моделей (AMG) | CFD Research | N/A | Для создания 3D-моделей человеческого тела с различными антропометрическими характеристиками. Инструмент имеет открытый исходный код DoD. |
| BOP Tool | CFD Research | N/A | Для настройки взрывных работ и моделирования избыточного давления. Инструмент имеет открытый исходный код от DoD. |
| BOP Tool SCENE Module | CFD Research | N/A | Для настройки взрывных сцен и моделирования избыточного давления. Инструмент имеет открытый исходный код от DoD. |
| Mediapipe | версии 0.9 | Библиотека оценки позы с открытым исходным кодом. | |
| MMPose | OpenMMLab | Version 1.2 | Библиотека оценки позы с открытым исходным кодом. |
| OpenSim | Стэнфордский университет | версии 4.4 | Платформа с открытым исходным кодом для моделирования и симуляции опорно-двигательного аппарата. |
| Python 3 | Anaconda Inc | Версия 3.8 | Индивидуальная редакция с открытым исходным кодом, содержащая Python 3.8 и предустановленные пакеты для обработки видео и подключения инструментов оценки позы. |
Ссылки
- LaValle, C. R., et al. Neurocognitive performance deficits related to immediate and acute blast overpressure exposure. Front Neurol. 10, (2019).
- Kamimori, G. H., et al. Longitudinal investigation of neurotrauma serum biomarkers, behavioral characterization, and brain imaging in soldiers following repeated low-level blast exposure (New Zealand Breacher Study). Military Med. 183 (suppl_1), 28-33 (2018).
- Wang, Z., et al. Acute and chronic molecular signatures and associated symptoms of blast exposure in military breachers. J Neurotrauma. 37 (10), 1221-1232 (2020).
- Gill, J., et al. Moderate blast exposure results in increased IL-6 and TNFα in peripheral blood. Brain Behavior Immunity. 65, 90-94 (2017).
- Carr, W., et al. Ubiquitin carboxy-terminal hydrolase-L1 as a serum neurotrauma biomarker for exposure to occupational low-Level blast. Front Neurol. 6, (2015).
- Boutté, A. M., et al. Brain-related proteins as serum biomarkers of acute, subconcussive blast overpressure exposure: A cohort study of military personnel. PLoS One. 14 (8), e0221036(2019).
- Skotak, M., et al. Occupational blast wave exposure during multiday 0.50 caliber rifle course. Front Neurol. 10, (2019).
- Kamimori, G. H., Reilly, L. A., LaValle, C. R., Silva, U. B. O. D. Occupational overpressure exposure of breachers and military personnel. Shock Waves. 27 (6), 837-847 (2017).
- Misistia, A., et al. Sensor orientation and other factors which increase the blast overpressure reporting errors. PLoS One. 15 (10), e0240262(2020).
- National Defense Authorization Act for Fiscal Year 2020. Wikipedia. , https://en.wikipedia.org/w/index.php?title=National_Defense_Authorization_Act_for_Fiscal_Year_2020&oldid=1183832580 (2023).
- Przekwas, A., et al. Fast-running tools for personalized monitoring of blast exposure in military training and operations. Military Med. 186 (Supplement_1), 529-536 (2021).
- Spencer, R. W., et al. Fiscal year 2018 National Defense Authorization Act, Section 734, Weapon systems line of inquiry: Overview and blast overpressure tool-A module for human body blast wave exposure for safer weapons training. Military Med. 188 (Supplement_6), 536-544 (2023).
- Delp, S. L., et al. OpenSim: open-source software to create and analyze dynamic simulations of movement. IEEE Trans Biomed Eng. 54 (11), 1940-1950 (2007).
- Zhou, X., Sun, K., Roos, P. E., Li, P., Corner, B. Anthropometry model generation based on ANSUR II database. Int J Digital Human. 1 (4), 321(2016).
- Zhou, X., Przekwas, A. A fast and robust whole-body control algorithm for running. Int J Human Factors Modell Simulat. 2 (1-2), 127-148 (2011).
- Zhou, X., Whitley, P., Przekwas, A. A musculoskeletal fatigue model for prediction of aviator neck manoeuvring loadings. Int J Human Factors Modell Simulat. 4 (3-4), 191-219 (2014).
- Roos, P. E., Vasavada, A., Zheng, L., Zhou, X. Neck musculoskeletal model generation through anthropometric scaling. PLoS One. 15 (1), e0219954(2020).
- Garimella, H. T., Kraft, R. H. Modeling the mechanics of axonal fiber tracts using the embedded finite element method. Int J Numer Method Biomed Eng. 33 (5), (2017).
- Garimella, H. T., Kraft, R. H., Przekwas, A. J. Do blast induced skull flexures result in axonal deformation. PLoS One. 13 (3), e0190881(2018).
- Przekwas, A., et al. Biomechanics of blast TBI with time-resolved consecutive primary, secondary, and tertiary loads. Military Med. 184 (Suppl 1), 195-205 (2019).
- Gharahi, H., Garimella, H. T., Chen, Z. J., Gupta, R. K., Przekwas, A. Mathematical model of mechanobiology of acute and repeated synaptic injury and systemic biomarker kinetics. Front Cell Neurosci. 17, 1007062(2023).
- Przekwas, A., Somayaji, M. R., Gupta, R. K. Synaptic mechanisms of blast-induced brain injury. Front Neurol. 7, 2(2016).
- Liu, Y., Wang, C., Zhou, Y. Camouflaged people detection based on a semi-supervised search identification network. Def Technol. 21, 176-183 (2023).
- Batpurev, T. Real time 3D body pose estimation using MediaPipe. , Available from: https://temugeb.github.io/python/computer_vision/2021/09/14/bodypose3d.html (2021).
Перепечатки и разрешения
Теги
