-
数据集
一系列
*.json
文件,每个文件中包含20轮实验数据,每轮数据:-
以
{"round" : , "target" : }
开头,表示目标物体的世界坐标,深度z
均为3 -
之后为每一帧的数据
{"t": , ...}
t
表示与上一帧的时间差;headOri, headDir, gazeOri, gazeDir
分别表示头的位置、方向,视线的位置、方向;gazeX, gazeY, targetX, targetY
分别表示在以头为原点的局部坐标系下,视线和目标的方向,深度z
均为1,(虽然这个数据可以通过前面的算出来,但是直接记下来比较方便)。
-
-
目标
预测注视点和目标物体的偏移,进行补偿
令
y = gazePos - target
`x1, x2,... = headPos, gazePos_{i-1}, ...?`
求一个拟合的比较好的模型
y = f(x1, x2, ...)
方法我比较倾向于
sklearn
里面的一些,比较好应用还好解释,不过直接深度学习也没啥问题