视力受损的导航系统:融合视觉和深度传感器

文摘

许多年来,科学家一直在试图发展成艾滋病可以使视力受损的人更加独立,意识到自己的环境。基于计算机的自动导航工具是这方面的一个例子,出于越来越小型化的电子产品和处理能力的提高和传感功能。介绍了一个完整的基于低成本导航系统和身体不引人注目的一个照相机和一个红外传感器等传感器。该系统是基于角落Kinect的红外传感器和深度值。障碍检测中发现相机的图片使用角落,尽管来自深度传感器的输入提供了相应的距离。结合既高效和健壮。系统不仅识别障碍,也表明一个安全的路径(如果可用)到左边或者右边,告诉用户停止,移动离开,或向右走。系统已经被蒙上眼睛和实时测试在不同的室内和室外盲人位置,充分证明了它的运作。

1。介绍

有视觉障碍的人需要一个导航系统识别周围的三维空间的布局,然后帮助他们谈判的障碍途中他们的目的地。传统的援助,这是一个白手杖,横扫从一边到另一边的人;然而,计算机技术有潜力提供更不突兀和远程艾滋病。获取这些信息,可以使用各种各样的传感器;总结了一些常用的表1。声纳和激光剥线钳能提供对象的距离,因此曾被用于机器人和人类发展中自动导航解决方案。然而,所有的这些传感器具有一定的局限性,如声纳的角分辨率差,因为它的宽波束宽度(1)和激光剥线钳的成本。没有明确的赢家在传感器的选择;但是便宜,体积小,易于集成摄像头让他们有吸引力,如果你可以克服困难的分段对象等等。可以说,最吸引人的方式来产生这样一个系统是使用body-mounted摄像机与计算机视觉相结合。作为一个相机无法探测距离,一对相机通常是用作他们允许计算机立体视觉来确定距离障碍/人类[2]。

一个更有吸引力的解决方案是直接探测距离,微软Kinect和类似设备提供的能力。尽管发达国家最初作为Xbox 360游戏输入设备,Kinect在视觉研究中已变得很流行,因为它的低成本和可用性的软件来获取和处理数据(3]。Kinect特性传统彩色相机和深度传感器,后者操作时,将红外结构光模式和使用相机在红外敏感捕捉它落在对象,然后比较捕获模式和一个引用来确定差异,因此深度。原则上,一个应该能够确定障碍只使用深度传感器的位置;然而,在实践中,有距离估计和结构性和噪音问题4)使它很难获得距离信息从一些对象,因为他们不是在红外波段反射。例如,闭塞导致阴影,造成盲点不能用于获得距离。然而,研究人员已经使用Kinect生产导航系统(5- - - - - -8]。在[5],Kinect是结合vibrotactile数组元素建立一个助理盲人导航。同样的,(7,8)使用Kinect识别对象的距离,尽管在工作传感器系统是静态的,只使用距离传感器的数据来确定一个障碍用户的距离。

这项研究还使用Kinect传感器但过程所获得的数据深度传感器和照相机。一直尝试利用的力量传感器通过检测障碍检测和估计他们使用角落距离使用同一场景的深度图。重点是要克服的局限性视觉算法在检测和匹配特性受几何和光度转换(9]。

剩下的论文结构如下。部分2介绍了Kinect及其工作和传感器的校准和提供上下文有关计算机视觉处理和简要回顾一些当地的图像特性,可以用于建立导航。此外,它提供了完整的导航系统工作,节中给出的结果3。这种系统的准确性比速度更重要;因此,系统测试是两个人,一个蒙上眼睛,另一个视力受损。部分3所示。3描述了一个蒙着眼睛的人如何回应系统的指导,然后系统如何引导有视觉障碍的人。蒙住眼睛的部分还包括反应时间分析和盲人。基于这些反馈,部分4检查当前系统的局限性和将来如何解决这些。最后,部分5给出了一些结论。

2。材料和方法

2.1。微软的Kinect Xbox 360

Kinect是一个由微软开发的传感器获取人体运动为Xbox 360游戏机,如图1。它有两个传感器,一个照相机和一个红外传感器设计估计用户的运动,玩游戏。其SDK发布后不久,研究人员用它不仅开发3 d游戏,而且对于其他一些有趣的应用程序,包括跟踪,相框,镜子和数字3]。

然而,人们必须小心在使用Kinect发展导航系统传感器是不完美的,有一些局限性。例如,it项目红外线和利用其反射计算深度图像。这些反射可能有时感觉不正确,也可能不在由于不规则或无反射表面。同样,可以淹没在强烈的红外线光源如阳光;,最重要的是,深度值的传感器是不稳定的,即使它是静止的4]。这些不准确的深度数据减少系统的准确性。此外,反射从完整的视野,例如,地板,也获得,所以障碍检测变得困难,没有理解图像内容。

校准Kinect传感器。Kinect传感器位于一小段距离,所以第一步使用Kinect在视觉系统校准他们单独并确定分离;后者尤为重要,对于这个应用程序作为分离的可怜的测量是表现为颜色和深度传感器之间的差距。

校准Kinect,一个可以使用一个专用的Matlab工具箱(10]或识别角落在颜色和深度图像中描述(11,12]。后一种方法是用在这里,因为它类似于算法用于导航系统,允许它被集成到其初始化阶段,而不是作为一个曾经只有离线标定。执行校准,校准目标使用Kinect的一个捕获的图像传感器,然后确定相同的角点颜色和距离图像手动。从这些值、镜头畸变系数和变换矩阵可以计算使用[描述的过程11,12]。涉及的各种参数总结在接下来的公式,而他们的校准参数如表所示2: 的旋转矩阵和翻译矩阵从这些结果 Kinect距离传感器返回一个深度“形象”,即每个像素对应于物体的距离在一个彩色图像像素,与一些平移和旋转的物理分离设备上的两个传感器。因此,为了找到彩色图像像素的深度,一个项目深度图像在现实世界中通过计算每个颜色图像像素的3 d坐标 在哪里是米的距离计算 在哪里是来源于Kinect的深度值。这种转换是很重要的,因为旋转和转换矩阵和计算在米在现实世界中。从这些3 d坐标,二维投影图像的色彩可以计算使用 这样的色彩图像像素对应深度评估可以确定。加快这一进程,可以生成二维查找表,索引2 d预测的深度图像像素。

2.2。导航系统的底层图像特征

图像理解和匹配已经长期存在,重要研究领域在设计安全的导航系统为人类和机器人(13]。建立导航系统通常使用基于特征匹配的视频帧。这些图像特性可以blob、边缘、角落,或地区。团是一个图像区域强度显著差异的地区,例如,一个黑点在明亮的区域或一个亮点在一个黑暗的地区(14]。边缘是图像之间的边界地区,通常是确定的颜色或强度差异,和分割图像时重要的区域(15]。同样,也用作图像区域特征匹配分割任务(16]。最后,角点的图像对应的方向急剧变化的区域边界(17]。

尽管可以使用任何这些本地图像特性对于这个应用程序,红外传感器的灵敏度反光材料意味着使用blob深度计算可能会降低系统的性能,尤其是在户外。此外,提取区域需要更多的时间比角落但给更少的图像内容的信息。图2表明,如果检测到特征边缘或斑点,结果是图像中每一个变形区。这可能是有用的应用程序所需的整个图像内容识别,如分割、全景拼接,和单应性评估;然而,在这个导航应用程序有意义的图像等领域的障碍是很重要的,结果在图2 (c)表明,角点识别重要的图像内容。

此外,角落尤其具有吸引力,因为它们的快速计算和躺在边界障碍。因此,角点被选择找到图像对应位置的障碍。

匹配在图像检测角点之后,他们在后续视频帧需要一个导航或跟踪应用程序。最著名的方法在文献中跟踪特性homography-based匹配(18),视觉测程法、光流和粒子滤波。视觉大满贯(19)和相关系统也被开发使用局部图像的匹配特性(20.]或[角落21]。尽管有这些努力,有视觉算法来检测和匹配特性的局限性在几何和光度转换(9),导致重复性低分数和不稳定的反应在不同的尺度上,这使得它很难获得一致的、连续的信息安全导航。本研究探讨是否可能的解决方案之一是组合来自不同传感器的图像信息,如Kinect摄像头和红外传感器。

2.3。kinect导航系统

这里描述的导航系统需要一个标准的Kinect传感器、电池和笔记本电脑/处理器,所有这些都在一个背包由用户或肩袋。Kinect是由密封铅酸12 V电池如图73,输出的是美联储通过直流直流变换器,以确保一个稳定的供应12 V。电池的容量足够力量Kinect和饮用CPU为3小时。前面的Kinect传感器进行用户使用带在脖子上;虽然易于管理,这是笨重的,作者希望生产系统传感器重新打包成一个单元,身体小,易于管理,也许肩膀上。

软件问题。图4描述了算法开发。拟议的系统使用Harris & Stephens角落探测器发现角落在RGB图像通过Kinect摄像头,从深度查找表获得他们的深度是由二维投影深度图像的像素使用节中描述的测量2。1。

重要的是要记住,并不是所有的值从Kinect距离传感器是正确的因为节中提到的问题1。图5深度图显示一个黑色像素的RGB图像没有区域和深度,因此,如果检测角点是其中一个像素那么它的深度值不能用于距离计算。要解决这个问题,系统搜索一个明智的深度值像素周边彩色图像的角落。

使部分视力的自由航行,整个图像分为区域(面具),如图6。每个地区的白色像素需要无障碍的人朝着另外一个方向移动,还有单独的掩模图像(图中从左到右)转向左边,一直往前走,向右。这些白色区域被称为“安全导航区域。“安全航行区域的宽度中心掩模图像设置为匹配的区域平均大小的人占据了在现实世界坐标系,所以附近的人宽,更窄的距离。三个面具在图像的比例是80%,10%,10%,中央,左,和正确的面具。每个窗口的最小深度保持不变,也就是说,1.85多一根白色的平均长度(1.42米),和红外传感器的最大工作范围内。

处理。系统检查两种类型的障碍,那些可以完全阻止进步和较小的如椅子,可以避免通过改变方向。对于前者,图像特征检测器可能会失败如果表面无特色的系统检查所有安全航行区域内(图深度值6),如果平均深度小于一个阈值用户通知停止使用语音合成。否则,功能点和探测器发现角落,根据角落的深度,警告可能发行改变方向向右或向左。系统采用深度处理()和颜色()图像从Kinect三级处理算法中描述以下段落:(1)预处理。校准参数应用到输入图像(和),这样扭曲可以删除。然后,角点被发现在彩色图像的深度图像数据转换成米,所有点的二维投影的发现和描述的二维查找表部分2。1计算。快速处理,这一阶段在单独的线程,因为计算工作和是相互独立的。(2)导航处理。中央安全航行区域扫描像墙一样的障碍的平均深度值。如果平均深度小于一个阈值(1.85年的这项工作,根据白手杖建议用户),系统激活alarm-generation模块和警告用户停止。否则,系统查找每个角落中央安全航行区域内点的深度。如果一个或多个角落点似乎接近的人(他们的距离小于阈值),这些点的系统开始计算框架仍然是一个风险。盲人的行走速度通常是2至3公里/小时(0.6 m / s) (22)如果危险角落像素保持活跃地区五帧,它检查左右安全航行区域为一个清晰的路线,选择一个没有像墙一样的障碍,进一步从用户最近的角落。一旦选中左边或者右边窗口,系统启动alarm-generation模块通知用户。如果没有找到障碍,系统仍保持平静。(3)报警。如果处理过程中触发警报,提醒用户使用语音合成,生成,例如,“停止:“如果有一个障碍。向左或向右运动,系统生成”左”或“正确的。”

图7说明了三个不同的场景。角点是在五个不同的颜色:(我)黄色的点是nonhazard角落外的安全航行区域。(2)绿色点表示潜在危险(在安全的导航区域)。(3)蓝色的点是潜在危险(在安全的导航区域)。(iv)红色的点是危害(在安全的导航区域)。(v)黑色的在深度图像像素表示盲点。

在图7 (c),系统没有找到任何墙或障碍所以所有角点是绿色并没有警告用户。在图7(一),有一些点躺在中央安全导航区域和交叉安全距离阈值(红色角落),因此,系统检查左、右安全导航区域,发现左边的一个是安全,所以提示用户移动了。相反,图7 (b)显示,后在中央安全航行地区找到一个障碍,系统识别正确的是安全,提示用户移动。

虽然Kinect传感器连接到主体的身体,因此不期间保持静止的运动,然而,由于在同一轴,安装两个传感器的校准补偿抖动的影响。

3所示。系统测试

该系统旨在提供导航帮助视力受损的人,所以测试的可能的用户是至关重要的。规避任何潜在的问题,有两种测试用例。在第一种情况下,一个被蒙上眼睛的人被要求在一个未知的环境中使用系统导航包含障碍,而在第二种情况下一个视力受损的人是要求实时系统和评估其准确性。

图8给出了硬件设置用于执行这些实验。实验的持续时间都短,因为设备笨重又重,虽然通过腰皮带也用于提供额外的支持和均匀地分配设备的重量。Kinect和触摸屏监控安装在便携式CPU和所有的三个设备(CPU、Kinect和监视器)是由电池供电,如图3,这是放置在一个背包里。下面给出的实验结果。

3.1。测试用例1:一个被蒙上眼睛的用户

图9展示了人试图通过适当的视觉感觉环境使用kinect系统而不是他自己的眼睛。系统是根据用户的需要调整高度,设置阈值的距离和数量的帧/响应的步行速度相匹配。

用户可以在不同的室内和室外移动位置有很好的信心系统的指导。然而,正如所料,用户发现系统响应时间是缓慢的。这似乎是由于一个人有良好的视觉不自然地走盲人一样慢慢走,步行速度,和困难。这变得相当明显时相同的用户被要求使用白手杖作为流动性助理(如图10)。他的压力水平高在这个实验中,与用户保持他的另一只手臂接近他的身体来救自己从碰撞。同样,步行速度明显慢,显示使用一个陌生的流动性援助影响用户的信心。

3.2。测试用例2:视障用户

Keith博士库里,一个天生的盲人,参加了实验测试Kinect-aided导航系统。基斯是对整个实验因为他的热情和乐观感兴趣这样的流动艾滋病。作者佩服他的勇气和勇敢为测试开发系统。图11显示他使用系统以及白手杖,让他熟悉系统和校准,根据他的需求。

为了增加他的舒适度与系统,该系统在每交替帧调整沟通,说“好吧“在第一次尝试,即使没有检测到障碍。通过这种方式,用户可以知道系统工作,他可以采取进一步措施没有撞到一个障碍。此外,让他使用白手杖以及自动化系统帮助盲人识别最好的距离阈值。最初,距离阈值设置为0.3,比他白手杖大约1.42米长。因此,基思能够感知障碍之前,系统,因此没有发现它有帮助。然而,在距离阈值更改为1.85,之前的系统可以通知用户白手杖,改善它的实用性。图12介绍了位置基斯测试系统:不同的室内和室外的位置。

3.3。提出的分析系统

当前系统可以处理在8到10帧每秒Kinect数据(一个英特尔酷睿2四核2.83 GHz处理器),这是足够快的警告任何碰撞的试验主题,是谁走平均速度为0.65米/秒(盲)。数据13- - - - - -15在选定的帧用来显示系统的处理以及模拟导航路径记录在每个位置。在每个数据13- - - - - -15帧的行显示,逐渐减少距离障碍。

角点的颜色表明他们是否潜在危险与否,使用annotation计划在前一节中描述。每行包含一个序列的三帧的视频逐渐减少距离障碍。系统的响应在室内的位置被发现更合适和更好的时间比在户外的位置。这在意料之中,因为强烈的阳光和阴影在深度图像被创建盲点Kinect和这些影响系统的精度。

表3给分析蒙住眼睛的障碍检测和步行速度和盲人。被蒙上眼睛的人的速度似乎比盲目的人。如前所述,一个被蒙上眼睛的人并不感到舒适使用流动性援助,因此慢慢地走。此外,盲人的行走速度非常接近他的自然步行速度。因此,系统显示其潜力成为一个好的导航援助对视力受损的人。

表4提出系统的给出了一个比较与先前提出的导航系统在过去的十年。尽管声纳和相机是廉价的传感器,但是,增加传感器的数量在23,24),系统变得昂贵,需要适当的校准。因此,而不是使用很多类似的传感器,该系统利用两个廉价传感器的优势,产生了很好的效果,这一概念也用于(25,26]。

4所示。当前的局限性和未来的发展方向

该系统能够识别障碍在合理的距离和速度;然而,它是由盲人用户,如果自动导航系统可以结合白手杖,可以有一个安全可靠的流动性援助。这主要是因为表面地形和低级使用白手杖障碍很容易被识别,而自动导航系统可以帮助定位人头高障碍和识别障碍阻止一个人的道路。

经历了与当前的所有问题系统由于红外传感器,因为它似乎开始给盲点(没有深度值)在强烈的阳光下。在未来,代之以其他深度传感器,如激光剥线钳,可能产生更准确的反应。然而,结合视觉与感觉意象传达的概念很好地工作。安卓手机配备了GPS、惯性传感器,和一个RGB相机,很可能是这类系统的值得探索。

5。结论

一个为盲人导航系统的设计,实现,和评估在室内和室外环境。输入从Kinect摄像头和距离传感器补偿每个传感器的局限性。

系统测试在一个被蒙上眼睛的人,一个视力受损的人。用户发现系统有前途和强调其潜在在未来成为一个好的导航援助。虽然有些问题是经验丰富的室外Kinect的位置,它被发现在室内合理可靠。建议的解决方案还提供了强有力的理由使用混合技术,因为所有的传感器无法在所有环境条件下工作(阳光、雨水等)。

利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. a . m .弗林”,结合声纳与红外传感器对移动机器人导航,”国际机器人研究杂志》上,7卷,不。6、为5 - 14,1988页。视图:出版商的网站|谷歌学术搜索
2. r·r·Igorevich p .公园,j . Choi和d . Min”两个手势识别使用立体相机,“国际计算机与电子工程》杂志上,5卷,不。1,第72 - 69页,2013。视图:出版商的网站|谷歌学术搜索
3. Kinect黑客,2015,http://www.kinecthacks.com/。
4. r·m·安德森,t·延森,p . Lisouski et al .,“Kinect深度传感器评估计算机视觉应用中,“技术。众议员ECE-TR-6 2012。视图:谷歌学术搜索
5. 曼,j .黄r·简森et al .,”盲人导航可穿戴范围相机和vibrotactile头盔,”19学报》国际会议多媒体(毫米' 11)ACM,页1325 - 1328年,2011年12月。视图:出版商的网站|谷歌学术搜索
6. l .夏。陈,j . k . Aggarwal“人类通过Kinect检测使用深度信息,”《IEEE计算机学会学报计算机视觉与模式识别会议研讨会(CVPRW 11)IEEE, 2011年6月,页15 - 22日。视图:出版商的网站|谷歌学术搜索
7. 答:汗,f . Moideen j·洛佩兹,w·l·邱和z朱,“Kindectect: kinect检测对象,”电脑帮助人们有特殊需要卷,7383在计算机科学的课堂讲稿施普林格,页588 - 595年,柏林,德国,2012年。视图:出版商的网站|谷歌学术搜索
8. c·斯托尔r . Palluel-Germain诉Fristot, d . Pellerin d . Alleysson和c·格拉夫”导航从深度图像转换成声音,“应用仿生学和生物力学ID 543492条,卷。2015年,9页,2015。视图:出版商的网站|谷歌学术搜索
9. n .坎瓦尔s伊桑·a·f·克拉克,“兴趣运营商的性能差异显著?“在计算机图像分析和模式卷,6855在计算机科学的课堂讲稿施普林格,页429 - 436年,柏林,德国,2011年。视图:出版商的网站|谷歌学术搜索
10. c . d . Herrera j . Kannala j .么,“准确、实用一双颜色深度和相机的标定,”计算机图像分析和模式卷,6855在计算机科学的课堂讲稿施普林格,页437 - 445年,柏林,德国,2011年。视图:出版商的网站|谷歌学术搜索
11. n . Burrus“Kinect校准”,2013年,http://nicolas.burrus.name/index.php/Research/KinectCalibration。视图:谷歌学术搜索
12. 大肠Bostanci:坎瓦尔,a·f·克拉克,“从kinect传感器获取平面特性,”第四届计算机科学和电子工程研讨会论文集(欧洲12)2012年9月,页111 - 116。视图:出版商的网站|谷歌学术搜索
13. d .销售、d·科雷亚f·s .奥索里奥·d·f·沃尔夫,“3 d应用自主导航系统使用安和kinect传感器,”神经网络的工程应用:第13次国际会议,EANN 2012年,伦敦,英国,2012年9月,20 - 23日。诉讼卷,311通信在计算机和信息科学施普林格,页305 - 314年,柏林,德国,2012年。视图:出版商的网站|谷歌学术搜索
14. t . Lindeberg和j·加尔省,“Shape-adapted平滑估计仿射变形的三维形状提示当地的二维亮度结构,”图像和视觉计算,15卷,不。6,415 - 434年,1997页。视图:出版商的网站|谷歌学术搜索
15. j .精明的边缘检测的计算方法,“IEEE模式分析与机器智能,8卷,不。6,679 - 698年,1986页。视图:谷歌学术搜索
16. k . Mikolajczyk t . Tuytelaars c·施密德et al .,“仿射区域检测器比较,”国际计算机视觉杂志》上,卷65,不。1 - 2,页43 - 72,2005。视图:出版商的网站|谷歌学术搜索
17. c·哈里斯和m . Stephens,”角落和边缘检测器相结合”学报阿尔维愿景会议,15卷,p。50,曼彻斯特,英国,1988年。视图:谷歌学术搜索
18. Benhimane和e·马里“Homography-based 2 d视觉跟踪和伺服,”国际机器人研究杂志》上,26卷,不。7,661 - 676年,2007页。视图:出版商的网站|谷歌学术搜索
19. e .挫败和t·德拉蒙德,”单眼大满贯边缘地标。”图像和视觉计算,27卷,不。5,588 - 596年,2009页。视图:出版商的网站|谷歌学术搜索
20. m . Agrawal k Konolige, m·布拉斯特区”谴责:中心环绕极值实时特性检测和匹配”电脑Vision-ECCV 2008卷,5305在计算机科学的课堂讲稿施普林格,页102 - 115年,柏林,德国,2008年。视图:出版商的网站|谷歌学术搜索
21. 大肠Rosten t·德拉蒙德,“高速检测,机器学习”电脑Vision-ECCV 2006施普林格,页430 - 443年,2006年。视图:谷歌学术搜索
22. n . Rouphail r·休斯和k·崔,“探索性仿真环形路的行人”交通运输工程学报,卷131,不。3、211 - 218年,2005页。视图:出版商的网站|谷歌学术搜索
23. 美国舒瓦尔,乌尔里希,j·伯伦斯坦”Navbelt和guide-cane(避障系统为盲人和视力受损),“IEEE机器人和自动化》杂志,10卷,不。1,9-20,2003页。视图:出版商的网站|谷歌学术搜索
24. m . Bousbia-Salah a . Redjati m . Fezari和m . Bettayeb“盲人的超声波导航系统,”《IEEE国际会议信号处理和通信(ICSPC ' 07)IEEE,页1003 - 1006年,2007年11月。视图:出版商的网站|谷歌学术搜索
25. a·库马尔r .智利的m . Manjunatha j . Mukhopadhyay,和a . k . Majumdar”电子旅游导航援助的视力受损的人,”学报》第三届国际会议在通信系统和网络(COMSNETS 11)2011年1月,页1 - 5,IEEE,。视图:出版商的网站|谷歌学术搜索
26. f . Prattico、c·塞拉和f . Petroni”一个新的混合infrared-ultrasonic电子旅游辅助盲人,“传感器和执行器:物理卷,201年,第370 - 363页,2013年。视图:出版商的网站|谷歌学术搜索
27. e·b·凯泽和m .朗沃,“可穿戴的视障和盲人导航系统,”学报11计算机与信息科学国际会议(艾多酷的12)IEEE,页230 - 233年,上海,中国,2012年6月。视图:出版商的网站|谷歌学术搜索
28. s . a . Bouhamed j . f . Eleuch i . k . Kallel和d s Masmoudi”新电子为盲人手杖障碍检测和识别,”《IEEE车辆电子和安全国际会议(icf的12)2012年7月,页416 - 420。视图:出版商的网站|谷歌学术搜索
29. r .避讳,b . Mocanu A Bursuc, t . Zaharia”分享服务障碍检测和分类系统对帮助视力受损的人来说,”学报14 IEEE计算机视觉国际会议研讨会(ICCVW 13)IEEE,页444 - 451年,悉尼,澳大利亚,2013年12月。视图:出版商的网站|谷歌学术搜索
30. c, s . Azenkot和m . Cakmak”设计一个盲人在室内环境中,机器人指南”学报第十届ACM和IEEE国际会议上人机交互扩展抽象ACM,页107 - 108年,2015年3月。视图:出版商的网站|谷歌学术搜索

版权

版权©2015 Nadia坎瓦尔等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。