综述
# 基于LiDAR技术的三维人体运动分析：系统综述
赖嘉琪（Jiaqi Lai）、Mohammad Yavari、Peter Vee Sin Lee、David C. Ackland
澳大利亚维多利亚州帕克维尔墨尔本大学生物医学工程系，邮政编码3010
## 文章信息
关键词：
关节运动学
点云
运动检测
机器学习
## 摘要
三维激光探测与测距（LiDAR）凭借其非侵入式采集动态三维姿态数据的能力，在人体运动分析领域受到越来越多的关注。然而，从稀疏无序的点云中准确提取运动信息仍然是一项不小的挑战。本研究旨在系统综述用于人体运动分析的三维LiDAR数据处理方法。研究通过五个数据库（Web of Science、Scopus、Medline、PubMed和Embase）检索识别使用LiDAR数据进行三维人体运动检测的相关方法。对752篇文章进行筛选后，共纳入38项研究。卷积神经网络（CNNs）是从LiDAR数据中检测人体最常用的算法，而PointNet系列则被广泛应用于人体关节位置估计的点云特征提取。基于CNN的YOLOv3模型实现了最高的人体检测精度（97.7%），而融合三维LiDAR数据与四个惯性测量单元的方法获得了最低的平均关节位置误差（30.0 mm）。采用结合动态层共享的基于CNN的联邦学习框架实现了最高的行为识别准确率（98%）。集成深度学习技术能够从原始、稀疏且无序的点云中有效提取时空运动模式，提升基于LiDAR的人体运动分析效果。目前，提升三维LiDAR系统的可用性仍存在诸多重大挑战，尤其是在处理多人场景，以及确保LiDAR存在遮挡时人体运动分析的鲁棒性方面。
### 1. 引言
人体运动分析对我们理解人体关节功能至关重要，目前已常规应用于医疗保健、运动科学、国防、游戏、影视动画行业以及机器人领域（Haque等，2020；Lui等，2025；van der Kruk和Reijne，2018）。由于关节运动测量能够提供神经肌肉骨骼功能的客观信息，因此运动分析在肌肉骨骼疾病诊断、手术规划、康复、工效学、人类表现与损伤风险评估，以及人-机交互评价中始终发挥着重要作用。
基于标记点的光电动作捕捉被认为是临床运动分析领域的黄金标准。然而，市售动作捕捉系统价格高昂，需要大量准备时间，且通常仅能部署在专业的运动分析实验室中（Sun et al., 2023）。相比之下，惯性测量单元（IMU）这类可穿戴传感器可以记录加速度、陀螺仪和磁力计数据，使用不受光照、温度等环境因素和外部条件的影响，也不会受采集空间范围的限制。虽然IMU常被用于测量身体节段和关节的相对角运动，但无法确定身体节段在空间中的绝对位置（López-Nava and Muñoz-Meléndez, 2016）。其运动测量还依赖于精准的传感器放置、与骨性标志的对齐、传感器融合算法以及漂移校正，因此在实际应用中，精确的三维运动估计仍颇具挑战（Yi et al., 2021）。
基于视频的运动分析系统涵盖了智能手机和消费级网络摄像头配备的红-绿-蓝（RGB）相机，这类系统无需使用实体标记点即可从外部视角捕捉全身运动。但这类系统通常需要两台或更多视频相机，会引发隐私担忧，在家庭或医疗场景中使用时尤为突出（Martinez-Martin et al., 2021; Uhlrich et al., 2023; Zheng et al., 2024）。此外，基于视频的系统本质上依赖可见光，这使得它们对
---
光照条件变化（如弱光环境）十分敏感，这可能会降低跟踪的鲁棒性（Tatana et al., 2025）。
近年来，三维激光探测与测距（3D LiDAR）在人体动作捕捉应用中的普及率不断上升，原因在于它能够支持非接触式采集全身三维运动和环境信息（Ul Alam et al., 2021）。该技术无需依赖可穿戴标记点或传感器即可提供连续空间测量，并且可以捕捉人体的绝对三维位置，而非身体节段的相对朝向。LiDAR不会记录可识别的皮肤或面部特征，因此部分缓解了传统基于视频的技术引发的隐私担忧。由于LiDAR可以记录传感器视野范围内所有物体的三维位置和朝向，因此它具备评估人类活动方式以及人类与环境互动方式的能力。
尽管LiDAR能够提供丰富的三维空间信息，但其采集得到的点云通常是稀疏、无序和非结构化的，这给计算准确的人体运动信息带来了巨大挑战。目前已有多种机器学习和深度学习建模框架被开发出来，用于将3D LiDAR数据转换为人体运动数据，包括应对无序输入的对称聚合网络、表示拓扑关系的图神经网络（GNNs）、从投影表示中提取空间信息的卷积神经网络（CNNs），以及整合时间连续性的循环神经网络（RNNs）（Cong et al., 2022; Li et al., 2022; Lin et al., 2024）。
尽管3D LiDAR在人体运动分析领域的应用日益增多，从稀疏点云提取人体运动学信息的数据处理方法仍缺乏充分研究。本研究旨在系统综述使用LiDAR技术开展人体运动分析的各类方法，以及这些方法在人体检测、关节位置估计和行为识别方面的准确性。本研究的结果可为LiDAR用于活动能力测量提供支持，包括居家场景下的远程监测、远程医疗和康复。
### 2. 方法
本系统评价遵循PRISMA指南开展（Page 等人，2021）。根据资格标准依次对研究进行标题、摘要筛选，随后开展全文评审以确定最终纳入研究。
#### 2.1. 数据库检索策略
本研究开展文献检索，筛选2000年1月1日至2025年2月13日发表的文献，共使用五个电子数据库：(1) Web of Science、(2) Scopus、(3) Medline、(4) PubMed、(5) 基于Ovid平台的Embase。为尽可能减少遗漏相关研究，采用如下检索策略：("LiDAR") AND ("human activity recognition" OR "human motion" OR "joint angle" OR "human movement" OR "human kinematics" OR "human biomechanics" OR "human joint motion" OR "human joint movement")。
#### 2.2. 筛选标准
去重后，所有标题和摘要均经过筛选，确保纳入研究为使用LiDAR数据开展人体运动分析的研究。排除标准包括：(i) 非英文研究；(ii) 学位论文或综述文章；(iii) 未以活人体受试者为研究对象的研究；(iv) 未报告任何用于评价方法准确性或可靠性的定量指标的研究（图1）。
#### 2.3. 质量评价
所有纳入研究的质量采用基于Downs & Black、QUADAS-2和PRO-BAST清单定制的质量评估工具进行评价（Downs 和 Black，1998；Moons 等人，2019；Whiting 等人，2011）（表1）。质量评估问题覆盖了纳入研究的关键特征，包括研究目标清晰度、数据源透明度、标注可靠性、方法设计可重复性、误差分析、验证策略以及模型
Fig. 1. PRISMA flow diagram for systematic review.
---
Table 1
1apie 1 Quality assessment checklist.
| No. | Questions |
| 1 | Was the study's aim clearly defined? |
| 2 | Were the datasets or data collection procedures clearly described and justified? |
| 3 | Were ground-truth annotations obtained using reliable reference systems? |
| 4 | Was the experimental design appropriate to answer the stated research? |
| 5 | Was the methodology described in sufficient detail to ensure clarity? |
| 6 | Were evaluation metrics clearly defined? |
| 7 | Was internal validation or external validation on independent datasets performed? |
| 8 | Did the study compare the proposed method with existing baselines or state-of-the-art approaches? |
| 9 | Were code, models, or parameters provided to support reproducibility? |
比较。总共包含9个问题，每个问题按未涉及、部分涉及、完全涉及三个等级分别计0分、1分和2分。汇总所有质量得分后，计算得分的均值和范围。方法学高质量定义为得分$\geq$ 16 分（满分18分），中等质量定义为得分$\geq$ 12 分且 < 16，低质量定义为得分 < 12 分。两名评价者独立开展质量评估，评分存在分歧时通过讨论解决分歧。
### 3. 结果
#### 3.1. 检索结果与质量评价
初步检索共从初始搜索中识别出752项研究，其中去除重复研究131项。经标题和摘要筛选后，根据选择标准筛选出131项符合要求的研究进入全文筛查。全文筛查过程中，通过手动查阅参考文献额外纳入3项研究，同时排除96项研究，排除原因包括：缺乏量化性能指标（n = 16）、未使用3D LiDAR采集运动信息（n = 40）、不涉及人体运动（n = 37）、非英文撰写（n = 2）以及文献无法获取（n = 1）。最终共有38项研究被纳入数据提取（Fig. 1）。纳入研究的方法学质量评分为13~18分，平均得分为16.4分（Fig. 2）。
纳入研究中30项为高质量研究，8项为中等质量研究，无低质量研究。研究在与研究目的、数据集、实验设计、方法学和评价指标相关的问题（问题1、2、4、5、6）上得分最高，所有研究在这些领域均获得满分。但验证、基准测试和可重复性方面表现相对薄弱，验证项（问题7）平均得分为1.6分，与现有方法比较项（问题8）平均得分为1.8分，代码可获得性项（问题9）平均得分为1.1分。2019年（1项）至2024年（16项）期间，相关文献的发表数量呈逐年增长趋势（Fig. 3）。
#### 3.2. LiDAR 数据预处理技术
数据预处理是LiDAR分析中关键的第一步，用于滤除非人体或无关数据，保留有用的人体相关点云信息。最常用的LiDAR数据预处理技术依次为：(i) 背景去除、(ii) 聚类、(iii) 点云重采样，三个步骤按顺序执行。
背景去除是指移除环境中的静态物体，分离出人体运动数据以供后续处理。常用方法是首先在无受试者的环境中采集静态背景点云，随后对包含人体运动的后续帧减去预先记录的背景信息进行处理，可有效消除静止物体，仅保留对应人体运动的动态点（Karki et al., 2024; Kim et al., 2019; Tian et al., 2020; Ul Alam et al., 2021; Yamaguchi et al., 2024; Alam et al., 2020; Gomez et al., 2023; Li et al., 2022; Patil et al., 2020; Patil et al., 2021）。该方法的局限性在于需要提前预录制背景数据。
Fig. 3. Distribution of the included articles by year of publication.
Fig. 2. Results of the quality assessment based on nine questions for each reviewed study. Scores of 2, 1, and 0 are shown in green, orange, and red, respectively. (For interpretation of the references to colour in this figure legend, the reader is referred to the web version of this article.)
---
完成背景去除后，通常会进行聚类操作，将点云分割为不同的簇，从背景中分离出单个受试者或身体部位。目前已有的成熟方法包括具有噪声的基于密度的空间聚类应用算法（DBSCAN）（Lin et al., 2024; Ul Alam et al., 2021; Alam et al., 2020）、基于欧氏距离的分割算法（Wu et al., 2020; Yamaguchi et al., 2024）、均值漂移算法（Karki et al., 2024）。聚类完成后，会对人体相关点进行重采样，以标准化每帧的点数量，确保所有帧的输入维度一致。最远点采样算法被广泛用于标准化每帧的点数量（Han et al., 2024; Ren et al., 2023, 2024a,b）。
若LiDAR与其他设备融合，预处理通常需要完成多传感器坐标标定与时间同步。当LiDAR传感器与IMU或摄像机配合工作时，需要进行坐标标定才能将所有传感器数据对齐到统一参考系中。这一目标可以通过利用已知传感器间空间关系进行几何对齐的方法实现（Cong et al., 2023; Krebs et al., 2024; Roche et al., 2022），也可以利用已知的人体初始位姿来实现（Dai et al., 2022）。为实现精准的时间同步，已有研究采用标定运动对齐传感器数据（Dai et al., 2022; Yan et al., 2023; Yan et al., 2024），也有研究采用基于硬件的精确时间协议（Lin et al., 2024）。
#### 3.3. 人体检测
利用LiDAR数据开展人体检测，是指在传感器视野范围内识别并定位一个或多个人体存在的过程。共有16项研究对基于LiDAR的人体检测进行了探究（Budiyanta et al., 2024; Dai et al., 2022; Huynh and Alaghband, 2023; Iftikhar et al., 2022; Karki et al., 2024; Kim et al., 2020; Krebs et al., 2024; Roche et al., 2022; Tian et al., 2020; Ul Alam et al., 2021; Xu et al., 2023; Yamaguchi et al., 2024; Zhong et al., 2021; Alam et al., 2020; Cong et al., 2022; Gomez et al., 2023）。在这些研究中，KITTI数据集是最广泛用于测试和验证户外环境活动人体检测算法的数据集（Budiyanta et al., 2024; Huynh and Alaghband, 2023; Iftikhar et al., 2022; Tian et al., 2020）。共有6项人体检测研究采用数据融合策略来处理多输入数据模态（Fig. 4a）。具体而言，5项研究将LiDAR数据与RGB图像融合（Huynh and Alaghband, 2023; Iftikhar et al., 2022; Krebs et al., 2024; Roche et al., 2022; Tian et al., 2020），1项研究将LiDAR与IMU数据结合以提升检测性能（Dai et al., 2022）。针对LiDAR数据的人体检测，3项研究采用传统机器学习技术（Ul Alam et al., 2021; Yamaguchi et al., 2024; Alam et al., 2020），11项研究采用深度学习方法（Budiyanta et al., 2024; Cong et al., 2022; Dai et al., 2022; Gomez et al., 2023; Huynh and Alaghband, 2023; Iftikhar et al., 2022; Karki et al., 2024; Kim et al., 2020; Roche et al., 2022; Tian et al., 2020; Zhong et al., 2021）（Fig. 4b）。CNNs是LiDAR人体检测领域最常使用的深度学习模型。
量化人体检测准确率最常用的指标包括精确率（Gomez et al., 2023; Iftikhar et al., 2022; Karki et al., 2024; Roche et al., 2022）、召回率（Cong et al., 2022; Gomez et al., 2023; Iftikhar et al., 2022; Karki et al., 2024; Roche et al., 2022）和F1-score（Gomez et al., 2023; Karki et al., 2024; Roche et al., 2022）（Supplementary Material, Table S1）。基于CNN的检测模型YOLOv3取得了最优的人体检测性能，该模型的平均精确率为97.7%，召回率为97.6%（Iftikhar et al., 2022）。融合RGB图像与LiDAR数据的几何对齐方法取得了最高F1-score，为0.95（Roche et al., 2022）。
目前已有多种方法被提出，用于利用激光雷达（LiDAR）数据实现多人检测与跟踪（Budiyanta et al., 2024; Huynh and Alaghband, 2023; Iftikhar et al., 2022; Karki et al., 2024; Krebs et al., 2024; Tian et al., 2020; Ul Alam et al., 2021; Yamaguchi et al., 2024; Alam et al., 2020; Cong et al., 2022; Gomez et al., 2023）。其中，一项研究通过结合DeepSORT与Forest Path Cutting解决多人跟踪问题，为每个个体描绘出一致的运动轨迹（Krebs et al., 2024）。另一项研究采用Global Nearest Neighbour数据分配方法，在三人行走、复杂姿态和遮挡场景中分别获得了96.4%、97.5%和91.2%的精度（Gomez et al., 2023）。为进一步解决多人跟踪问题，结合交叉路径消歧算法（Crossover Path Disambiguation Algorithm）的自适应阶隐马尔可夫模型（Adaptive Order Hidden Markov Model）在不同环境的个体间实现了最大欧氏距离11.6的结果（Ul Alam et al., 2021）。还有研究利用基于卡尔曼滤波（Kalman filter）的方法预测个体位置，维持帧间身份一致性，平均精度达到97.3%（Yamaguchi et al., 2024）。相比之下，部分研究仅在多人数据集中完成逐帧检测，没有利用时间连续性进行识别或跟踪，这类研究依赖基于密度的聚类（Karki et al., 2024; Alam et al., 2020; Cong et al., 2022），并将CNNs与图像数据相结合（Iftikhar et al., 2022）。
#### 3.4. 人体关节位置估计
基于激光雷达数据的人体关节位置估计，目标是从传感器数据中确定人体解剖关节的三维位置和朝向。共有18项研究开展了基于激光雷达数据的人体关节位置估计工作（Cai et al., 2024; Cong et al., 2023; Dai et al., 2022, 2023, 2024; Han et al., 2024; Jang et al., 2023; Kim et al., 2019; Lin et al., 2024; Ren et al., 2023, 2024a,b, Zhang et al., 2024a,b; Klein et al., 2024; Li et al., 2022; Patil et al., 2020; Yan et al., 2024）。针对户外环境下活动的关节位置估计研究，LidarHuman26M是最常用的数据集（Li et al., 2022）。超过半数
Fig. 4. Combinations and counts of human detection approaches across (a) input data types and (b) method categories.
---
的综述研究开展了多模态数据融合，将激光雷达数据与惯性测量单元（IMU）、RGB图像等互补传感模态相结合（图 5a）。具体而言，四项研究将激光雷达数据与IMU数据融合（Dai et al., 2024; Patil et al., 2020; Patil et al., 2021; Ren et al., 2023），五项研究结合激光雷达与RGB图像（Cai et al., 2024; Cong et al., 2023; Kim et al., 2019; Klein et al., 2024; Lin et al., 2024），还有一项研究采用激光雷达、RGB图像与事件基数据融合的方案提升关节位置估计的效果（Yan et al., 2024）。
为了从激光雷达（LiDAR）数据中估计关节位置，深度学习模型是目前最常用的方法，共有13项研究采用了该方案，且自2022年以来其应用规模大幅增长（Cai et al., 2024; Cong et al., 2023; Han et al., 2024; Jang et al., 2023; Lin et al., 2024; Ren et al., 2023, 2024a,b, Zhang et al., 2024a,b; Klein et al., 2024; Li et al., 2022; Yan et al., 2024）（图 5b）。这些深度学习模型涵盖了多种架构，包括RNN、多层感知器（MLP）、GNN和Transformer。尽管架构存在差异，大多数深度神经网络方法都使用PointNet系列编码器进行特征提取，其中最主要的是PointNet（Cong et al., 2023; Han et al., 2024; Ren et al., 2023, 2024a,b; Qi et al., 2017a）和PointNet++（Cai et al., 2024; Jang et al., 2023; Lin et al., 2024; Qi et al., 2017b; Zhang et al., 2024a,b; Li et al., 2022; Yan et al., 2024）。这些编码器依靠对称聚合函数处理关节点云的无序特性，是当前基于激光雷达的人体关节位置估计流程的骨干网络，支撑了多种时间和空间建模策略（Qi et al., 2017b; Qi et al., 2017a）。
为了利用激光雷达数据捕捉运动动力学特征，目前已有多种时间建模策略得到应用。基于RNN的模型，例如双向门控循环单元（biGRU），常被用于提取帧间时间依赖关系（Cai et al., 2024; Cong et al., 2023; Lin et al., 2024; Ren et al., 2023, 2024a; Zhang et al., 2024a; Li et al., 2022; Yan et al., 2024）。为了捕捉人体的空间结构，基于GNN的模型（包括时空图卷积网络ST-GCN）得到了应用（Cai et al., 2024; Jang et al., 2023; Li et al., 2022; Lin et al., 2024; Yan et al., 2024; Zhang et al., 2024a; Zhang et al., 2024b）。近期更多研究采用了基于Transformer的模型，通过注意力机制捕捉长距离时空关系（Cong et al., 2023; Han et al., 2024; Jang et al., 2023; Ren et al., 2024a,b; Zhang et al., 2024b; Yan et al., 2024）。最后，MLP被用作输出头，利用提取得到的特征预测关节运动（Cai et al., 2024; Cong et al., 2023; Han et al., 2024; Jang et al., 2023; Lin et al., 2024; Ren et al., 2023, 2024a,b; Zhang et al., 2024a; Li et al., 2022）。
就关节位置估计的准确率而言，现有研究已采用平均关节位置误差（mean per joint position error, MPJPE）（Cai等人，2024；Cong等人，2023；Dai等人，2023；Han等人，2024；Jang等人，2023；Kim等人，2019；Lin等人，2024；Ren等人，2023、2024a；Zhang等人，2024a、b；Li等人，2022）、正确关键点百分比（percentage of correct keypoints, PCK）（Cong等人，2023；Li等人，2022；Yan等人，2024；Zhang等人，2024a；Zhang等人，2024b）以及加速度误差（Cai等人，2024；Ren等人，2024b；Zhang等人，2024a、b；Li等人，2022；Yan等人，2024）作为评价指标（补充材料表S1）。在本综述纳入的所有研究中，采用MPJPE指标的模型性能范围为30.0 mm至119.3 mm（图6a）。在报告了MPJPE的研究中，LiDAR Human26M和SLOPER4D是利用LiDAR数据开展关节位置估计时应用最广泛的基准数据集。具体而言，共有6个模型在LiDAR Human26M数据集上完成了评估，包括LiDARCap（基线）（Li等人，2022）、LEIR（Yan等人，2024）、LiDAR-HMP（Han等人，2024）、LiDAR CapV2（Zhang等人，2024a）、Neighborhood-enhanced LidarCap（Zhang等人，2024b）、Fine TemporalPose（Cai等人，2024）和LIP（Ren等人，2023）。在难度更高、包含户外场景的SLOPER4D数据集上接受评估的模型包括基线模型（Dai等人，2023）、PEAR-Fuse（Lin等人，2024）、Neighborhood-enhanced LidarCap（Zhang等人，2024b）、LiDAR Cap（Dai等人，2023；Li等人，2022）、LiveHPS（Ren等人，2024a）以及LiveHPS++（Ren等人，2024b）。
LIP模型是一款基于PointNet的LiDAR-IMU融合框架，可将点云特征与来自手腕和踝关节的IMU信号相结合，在不同模型的对比中，它在LiDARHuman26M基准数据集上取得了最优的MPJPE性能（Ren等人，2023）（图6b）。该模型在来自TotalCapture数据集的模拟点云上取得了最低的MPJPE（30.0 mm）（图6a）。LiveHPS++模型在第二常用的基准数据集SLOPER4D上取得了最低的MPJPE（77.0 mm）（Ren等人，2024b）（图6b）。作为一款纯基于点云的模型，LiveHPS++引入了抗噪声速度预测器来回归人体速度，进一步提升了该模型在含噪声输入数据上的性能。
在纳入的研究中，LiDARCCapV2模型取得了最优的PCK性能（96.5%），该模型采用混合架构，将PointNet++与biGRU、MLPs、ST-GCN（Yu等人，2018）以及带蒙皮的多人线性模型结合，用于关节位置估计（Zhang等人，2024a；Loper等人，2015）。采用交叉注意力融合策略的LEIR模型取得了人体关节间最低的平均加速度误差（23.9 mm/s $^2$）（Yan等人，2024）。该方法还结合了RGB相机图像与事件式传感器数据进行数据融合，以提升时间平滑性和运动一致性。
#### 3.5 人类日常活动识别
人类日常活动识别旨在识别和分类人类的日常动作，包括行走、坐下、饮水和拾取物体。共有10项研究利用LiDAR数据开展人类日常活动识别研究（Lin等人，2024；Rahman等人，2021；Roche等人，2022；Shen等人，2023；Ul Alam等人，2021；Wu等人，2020；Xu等人，2023；Yamaguchi等人，2024；Alam等人，2020；Tu
(a)
(b)
Fig. 5. Combinations and counts of human joint position estimation approaches across (a) input data types and (b) method categories.
---
Fig. 6. Performance comparison of state-of-the-art joint position estimation methods, showing (a) mean per joint position error (MPJPE) results of all models, and (b) MPJPE results on the LiDAR Human26M and SLOPER4D datasets.
et al., 2021）。为实现这一目标，已有两项研究将LiDAR数据与RGB图像相结合（Lin et al., 2024; Roche et al., 2022），另一项研究则将LiDAR与雷达数据融合，以提升活动分类性能（Rahman et al., 2021）（图 7a）。为基于LiDAR数据实现活动识别，两项研究采用了传统机器学习技术（Wu et al., 2020; Yamaguchi et al., 2024），八项研究采用了深度学习方法（Lin et al., 2024; Rahman et al., 2021; Roche et al., 2022; Shen et al., 2023; Ul Alam et al., 2021; Xu et al., 2023; Alam et al., 2020; Tu et al., 2021）（图 7b）。
在人类日常活动识别研究中，活动分类准确率是评估模型性能最主要的指标（Lin et al., 2024; Rahman et al., 2021; Roche et al., 2022; Ul Alam et al., 2021; Yamaguchi et al., 2024; Alam et al., 2020; Tu et al., 2021）（补充材料，表S1）。人类活动识别的最高准确率为98%，该结果由基于CNNs的动态层共享联邦框架实现（Tu et al., 2021）。研究人员已从点云中提取人体关键点，将其作为输入对40类日常活动（包括行走、站立、拾取物体和饮水）进行分类（Lin et al., 2024）。在该研究中，STGCN框架被用于捕获骨骼关节之间的空间依赖性以及连续帧之间的时间动态，从而能够明确表示关节间的拓扑关系。
#### 3.6 遮挡处理
基于LiDAR的人体运动分析中的遮挡由传感器直线视线被阻挡导致，这可能造成运动测量不完整或数据缺失（图 8a 和图 8b），可分为自遮挡和外部遮挡两类。在不同遮挡程度下的人体检测实验中，当超过一半身体被遮挡时，检测性能显著下降，平均Recall从0.902降至0.782（Cong et al., 2022）。
除遮挡外，人体点云还会受到来自附近物体、墙壁和家具的环境噪声影响。例如，当人站立时离物体过近，两个物体表面的点云无法被清晰划分，就会产生干扰。目前人体点云数据的噪声抑制，通过预先分割排除周围物体、墙壁、家具及其他环境噪声实现。尽管这一假设简化了处理流程，但会降低这些方法的鲁棒性，在存在背景物体的场景中尤为明显（Ren et al., 2024b）。
为提升对噪声污染数据的鲁棒性，一种对噪声不敏感的方法LiveHPS++采用交叉注意力机制，将每个人体关节与最相关的点特征相关联，最大程度降低了无关噪声的影响（Ren et al., 2024b）。该研究表明，将合成噪声污染数据与真实
Fig. 7. Combinations and counts of human daily activity recognition approaches across (a) input data types and (b) method categories.
---
Fig. 8. Impact of occlusion on LiDAR data (Zhang et al., 2024a), illustrating (a) sample point clouds under different occlusion levels and (b) the corresponding joint position prediction errors.
样本混合可以提升模型鲁棒性。将合成数据占比从0%提高到100%后，模型鲁棒性得到提升，抖动从68.8降至30.9，顶点误差从166.3降至136.9。LiDARCapV2模型在其AgNoise-Segment模块中采用了噪声增强，降低了模型对人体点云噪声的敏感度（Zhang et al., 2024a）。该方法的有效性在不同噪声水平（0.1、0.2、0.3、0.4）下进行了评估，得到的MPJPE值分别为71.3 mm、72.0 mm、71.4 mm和72.9 mm。这些研究结果表明，遮挡和噪声仍是基于LiDAR的人体感知面临的关键挑战，通过噪声感知建模和渐进式合成数据增强，可以显著提升鲁棒性。
### 4. 讨论
本研究的目的是综述使用三维LiDAR进行人体运动分析的相关策略，重点关注人体检测、关节位置估计和日常活动识别的方法。尽管作为一种无标记、非侵入式的传感方式，LiDAR在捕捉三维全身运动方面极具潜力，但基于LiDAR的运动分析仍面临固有挑战，这些挑战来源于点云数据稀疏、不规则、无序的特性。深度学习的最新进展推动了LiDAR这类数据的处理，使人体运动估计的精度得到了显著提升。
在基于LiDAR的人体检测研究中，背景减法和基于聚类的分割方法需要提前录制视野内无人的背景数据，这限制了该方法在现实世界动态、复杂多人物环境中的适用性。近期研究探索了将LiDAR点云与RGB图像进行多模态融合，结合CNN等深度学习框架，提升不同场景下人体检测的鲁棒性（Huynh和Alaghband，2023；Iftikhar等人，2022；Krebs等人，2024；Roche等人，2022；Tian等人，2020）。在基于LiDAR的关节位置估计研究中，通常采用结合PointNet系列人工神经网络、RNN和MLP的混合架构来捕捉空间与时间特征。在活动识别研究中，基于LiDAR的方法以往是将原始或预处理后的点云直接输入分类网络。LiDAR获取的点云稀疏程度会受感知距离、所用LiDAR型号等因素影响，数据处理过程也需要消耗大量计算资源。深度学习越来越多地被用于从LiDAR数据中估计人体关节位置，可输出准确的三维关节运动数据，并
---
提升活动分类模型的性能（Lin等人，2024）。
基于标记的光学运动捕捉和IMU依赖可穿戴回射标记或传感器，而无标记基于视频的方法易受环境光照条件影响，并且由于会拍摄影像还可能引发隐私担忧。相比之下，LiDAR可提供一种无标记、非侵入式的三维全身运动分析方案，对环境光照具有良好鲁棒性。尽管不同数据集和模型设计会带来性能差异，已报道的基于LiDAR方法的性能范围与其他运动捕捉技术在同类应用中的表现基本相当（表2）。例如，在LiDAR、光电运动捕捉、IMU和无标记视频这几类方法中，都已有活动识别准确率超过90%的报道。鉴于LiDAR可用于人体三维运动分析，最高可达到98%的活动识别准确率，且关节中心位置误差低于30毫米，性能可与现有技术媲美，因此LiDAR有望成为未来运动分析系统在实验室内外场景中一个具备前景且可扩展的发展方向。目前多种用于人体运动分析的LiDAR数据处理技术仍存在局限性，这些局限性在未来应用中应当加以考虑。
首先，手、足等远端关节周围的点云稀疏性会导致空间采样不足，无法支撑可靠的运动测量。由于这些远端关节的表面积较小，其产生的点云密度往往不足，导致难以对这类解剖结构进行精确定位。因此，可靠捕捉远端关节运动仍然是一项重大挑战，在真实场景条件下尤为突出。对近期研究的对比分析显示，多模态融合（尤其是3D LiDAR与IMU的融合）可将MPJPE从100 mm以上降至约30.0 mm（Ren et al., 2023; Zhang et al., 2024b）。
其次，基于解剖结构定义的节段专属坐标系很少得到实际应用，这限制了基于LiDAR的方法在标准化生物力学运动分析中的应用，包括参考国际生物力学学会（ISB）推荐方案的分析工作（Wu and Cavanagh, 1995）。关节角度、活动度等运动学指标都需要基于解剖结构定义的节段局部坐标系。尽管基于深度学习的混合架构能够从LiDAR点云数据中得到相对准确的关节中心位置估计，但大多数研究都未建立节段专属坐标系。这从本质上限制了LiDAR技术在遵循ISB规范的正式解剖学人体运动分析研究中的应用。例如，识别疲劳状态下的深蹲动作需要捕捉关节角速度的细微变化和代偿运动模式（Erman et al., 2023），包括约6°的髋关节角度差异。当前Li-DAR数据处理模型缺乏检测细微功能下降或损伤风险所需的灵敏度，而这些正是正式人体运动研究的核心关注点。
第三，处理用于人体运动分析的3D点云数据需要大量计算资源。尽管能实现97.7%的人体检测精度和98%的行为识别准确率，但单帧原始LiDAR点云包含数万个点，数据量远高于单帧层面基于图像或IMU的表示方式。此外，过度依赖原始点云数据还可能对长期数据存储造成负担。例如，以约10 Hz的频率采集、每帧约80 000个点的60秒录制数据，需要接近1 Gigabyte的存储空间。数据存储限制最终会影响基于LiDAR的系统在便携边缘设备（例如资源受限的嵌入式系统）中的部署。
第四，多人场景下的人体运动测量仍然充满挑战，不同个体的运动轨迹会发生遮挡和交叉，进而导致目标身份切换和关节定位精度变差。尽管目前已有许多基于LiDAR的人体运动分析研究和公开数据集，但大多数数据都是在受控条件下采集的，多人交互十分有限，这限制了在更复杂环境中对算法鲁棒性和泛化性的基准测试（补充材料，表S2）（Dai et al., 2023; Geiger et al., 2013; Fan et al., 2023; Li et al., 2022）。近期已有少量研究开始应对这些挑战，通过引入注意力机制和噪声增强策略来提升拥挤、高噪声场景下的鲁棒性；但迄今为止，这些方法在真实场景和环境中的系统评估仍然十分有限，其中就包括临床、自由生活和工业环境中常见的多人场景。
这些局限性凸显了未来研究的多个方向。LiDAR与IMU传感器的多模态融合是克服基于几何的点云分析局限性的一种颇具前景的方案，尤其适用于存在遮挡的场景。未来研究应侧重于将关节坐标系整合到LiDAR模型中，以支撑运动分析的标准化，推动标准关节运动惯例的落地（Wu 和 Cavanagh，1995）。最后，未来研究还需提升点云处理的计算效率，例如可通过数据压缩，或用生物力学参数（如关节角度、角速度、关节中心位置）替换原始点云数据实现（Gao 等人，2025）。
### 5. 结论
LiDAR技术提供了一种非接触式的三维全身人体运动捕捉解决方案。深度学习方法，尤其是PointNet系列神经网络，被广泛
Table 2
Comparison of absolute error, mean per joint position error and activity classification accuracy for LiDAR and other established motion capture technologies.
| Joint center position detection | Activity recognition |
| Evaluation metric | Errors | Reference | Evaluation metric | Performance |
| Optoelectronic motion capture | Absolute error | ~ 10 mm - 50 mm (Dunn et al., 2026;\nMiranda et al., 2013) | Bi-plane fluoroscopy | Accuracy | ~ 82.3% - 90.6% (Basak et al., 2022) |
| IMUs | MPJPE | ~ 26-107 mm (Niu et al., 2024) | Optoelectronic motion capture | Accuracy | ~ 89.5% - 96.2% (Zhang et al., 2022) |
| Markerless Video | MPJPE | ~ 7-124 mm (Niu et al., 2024) | Optoelectronic motion capture | Accuracy | ~ 52.1% - 98.8% (Sharma et al., 2022) |
| LiDAR | MPJPE | ~ 30-139 mm (Dai et al., 2023;\nRen et al., 2023) | IMU / Optoelectronic motion capture | Accuracy | ~ 73.8% - 98% (Alam et al., 2020;\nTu et al., 2021) |
绝对误差（mm）：预测关节中心位置与真值关节中心位置之间的绝对差值。
MPJPE（平均单关节位置误差，mm）：所有关节的预测关节位置与真值关节中心位置之间的平均欧氏距离。
准确率（%）：所有样本中分类正确样本的占比。
动作识别性能采用标记试验进行评估。
---
应用于基于LiDAR的运动分析，这得益于其对称聚合函数，可确保模型从不有序稀疏点云学习时保持置换不变性。本综述的研究结果表明，基于LiDAR的方法在关节中心位置估计和动作识别性能上，可与基于IMU的系统、光学动作捕捉和基于视频的方法相媲美。尽管LiDAR在生物力学领域作为全面人体运动分析的可行替代方案已展现出应用前景，但要推动未来应用仍需解决若干局限性，包括构建解剖学定义的关节坐标系以获得准确的关节运动学参数、提升计算效率，以及增强多人物环境下的鲁棒性。
## 基金资助
本研究得到了中国国家留学基金委员会-墨尔本大学博士奖学金（编号：）的支持。
## CRediT 作者贡献声明
Jiaqi Lai：撰写——初稿、方法学、研究调查、形式分析、概念构建。Mohammad Yavari：撰写——审阅与编辑、形式分析。Peter Vee Sin Lee：项目管理、指导、撰写——审阅与编辑。David C. Ackland：概念构建、指导、撰写——审阅与编辑、项目管理。
## 利益冲突声明
作者声明，不存在已知的可能影响本文所报告工作的竞争性财务利益或私人关系。
### 附录A. 补充数据
本文的补充数据可在线获取于。
## 参考文献
Alam, M.A.U., Mazzoni, F., Rahman, M.M., Widberg, J.，2020。LAMAR：基于LiDAR的多人活动识别，发表于MobiQuitous 2020。《计算、网络与服务》，第1–9页。
Basak, H., Kundu, R., Singh, P.K., Ijaz, M.F., Wozniak, M., Sarkar, R., 2022. 《深度学习与基于群智能优化的结合用于3D人体动作识别》。Sci. Rep. 12, 5494.
Budiyanta, N.E., Yuniarno, E.M., Usagawa, T., Purnomo, M.H., 2024. 《利用结合垂直圆柱坐标投影的单阶段2D检测器处理3D LiDAR点云实现人体身份识别》。IEEE Access 12, 72672–72687.
Cai, S.Q., Ma, C.N., Wang, X., Lin, L., Yan, M., Lin, X.C., Fan, S.Q., Shen, S.Q., 2024. 《FTP：一种融合时序与细粒度特征的人体姿态估计方法》。Pr Mach Learn Res 260, 858–872.
Cong, P.S., Zhu, X.G., Qiao, F., Ren, Y.M., Peng, X.D., Hou, Y.N., Xu, L., Yang, R.G., Manocha, D., Ma, Y.X., 2022. 《STCrowd：面向拥挤场景行人感知的多模态数据集》，2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2022), pp. 19576-19585.
Cong, P.S., Xu, Y.T., Ren, Y.M., Zhang, J.Z., Xu, L., Wang, J.Y., Yu, J.Y., Ma, Y.X., 2023. 《基于单目相机与单个LiDAR的大规模场景弱监督3D多人姿态估计》。In Proceedings of the AAAI Conference on Artificial Intelligence.
Dai, Y.D., Lin, Y.T., Wen, C.L., Shen, S.Q., Xu, L., Yu, J.Y., Ma, Y.X., Wang, C., 2022. 《HSC4D：利用可穿戴IMU与LiDAR在大规模室内外空间实现以人为中心的4D场景捕捉》。In: 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 6782–6792.
Dai, Y., Lin, Y., Lin, X., Wen, C., Xu, L., Yi, H., Shen, S., Ma, Y., Wang, C., 2023. 《SLOPER4D：面向城市环境全局4D人体姿态估计的场景感知数据集》。In: 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 682–692.
Downs, S.H., Black, N., 1998. 《构建用于评估医疗保健干预随机与非随机研究方法学质量的检查清单的可行性》。J. Epidemiol. Community Health 52, 377–384.
Dai, Y., Wang, Z., Lin, X., Wen, C., Xu, L., Shen, S., Ma, Y., Wang, C., 2024. 《HiSC4D：利用可穿戴IMU与LiDAR在大规模空间实现以人为中心的交互与4D场景捕捉》。IEEE Trans. Pattern Anal. Mach. Intell. 46, 11236–11253.
Dunn, J.A., Alsaadi, O., Shelburne, K., Sabick, M.B., 2026. 《传统动作捕捉与双平面荧光透视法估算盂肱关节旋转中心的准确性对比》。J. Biomech. 197, 113168.
Erman, B., Vural, F., Dopsaj, M., Ozkol, M.Z., Kose, D.E., Aksit, T., 2023. 《疲劳对双侧深蹲过程中线性与角度运动学的影响》。PLoS One 18, e0289089.
Fan, B., Wang, S., Guo, W., Zheng, W., Feng, J., Zhou, J., 2023. 《Human-M3：面向户外场景3D人体姿态估计的多视图多模态数据集》，p. arXiv:2308.00628.
Gao, W., Xie, L., Fan, S.L., Li, G., Liu, S., Gao, W., 2025. 《基于深度学习的点云压缩：深度调研与基准测试》。IEEE T Pattern Anal 47, 10731–10752.
Geiger, A., Lenz, P., Stiller, C., Urtasun, R., 2013. 《视觉遇上机器人学：KITTI数据集》。Int. J. Rob. Res. 32, 1231–1237.
Gomez, J., Aycard, O., Baber, J., 2023. 《利用3D LiDAR传感器实现高效人体检测与跟踪》。Sensors (Basel) 23.
Han, X., Ren, Y., Yao, Y., Sun, Y., Ma, Y., 2024. In: 《面向基于LiDAR点云的实用人体运动预测》。Association for Computing Machinery, Melbourne VIC, Australia, pp. 7629–7638.
Haque, A.、Milstein, A.、Li, F.F.，2020年。利用环境智能照亮医疗健康领域的空白区域。《Nature》，第585卷，第193–202页。
Huynh, M.、Alaghband, G.，2023年。面向行人轨迹预测的带可学习不确定性估计器的多模态传感器框架。收录于：2023年IEEE第26届智能交通系统国际会议（ITSC），第582–589页。
Iftikhar, S.、Asim, M.、Zhang, Z.、El-Latif, A.A.A.，2022年。基于3D卷积神经网络的先进泛化技术，解决自动驾驶车辆中的行人误检问题。《Telecommun. Syst.》，第80卷，第545–557页。
Jang, D.K.、Yang, D.、Jang, D.Y.、Choi, B.、Jin, T.、Lee, S.H.，2023年。MOVIN：基于单激光雷达的实时动作捕捉技术。《Comput Graph. Forum.》。
Karki, S.、Pingel, T.J.、Baird, T.D.、Flack, A.、Ogle, T.，2024年。利用人体运动数据增强数字孪生：基于激光雷达的跟踪方法对比研究。《Remote Sens. (Basel)》，第16卷。
Kim, W.、Ramanagopal, M.S.、Barto, C.、Yu, M.-Y.、Rosaen, K.、Goumas, N.、Vasudevan, R.、Johnson-Roberson, M.，2019年。PedX：复杂城市交叉口行人三维度量姿态估计基准数据集。《IEEE Rob. Autom. Lett.》，第4卷，第1940–1947页。
Kim, W.、Tanaka, M.、Okutomi, M.、Sasaki, Y.，2020年。基于自动标注激光雷达训练序列的学习式人体分割与速度估计方法。《IEEE Access》，第8卷，第88443–88452页。
Klein, L.C.、Chellal, A.A.、Grilo, V.、Braun, J.、Gonçalves, J.、Pacheco, M.F.、Fernandes, F.P.、Monteiro, F.C.、Lima, J.，2024年。上肢康复角度评估：一种新型基于激光雷达（LiDAR）的方法。《Sensors-Basel》，第24卷。
Krebs, S.、Braun, M.、Gavrila, D.M.，2024年。EuroCity Persons 2.0：一个大规模多样性交通场景行人数据集。《IEEE Trans. Pattern Anal. Mach. Intell.》，第46卷，第10929–10943页。
Li, J.、Zhang, J.、Wang, Z.、Shen, S.、Wen, C.、Ma, Y.、Xu, L.、Yu, J.、Wang, C.，2022年。LiDARCap：基于激光雷达点云的远距离无标记三维人体动作捕捉。收录于2022年IEEE/CVF计算机视觉与模式识别会议（CVPR），第20470-20480页。
Lin, Y.、Wei, Z.、Zhang, W.、Lin, X.、Dai, Y.、Wen, C.、Shen, S.、Xu, L.、Wang, C.，2024年。收录于：HmPEAR：人体姿态估计与动作识别数据集。澳大利亚维多利亚州墨尔本，美国计算机协会，第2069–2078页。
Loper, M.、Mahmood, N.、Romero, J.、Pons-Moll, G.、Black, M.J.，2015年。SMPL：可蒙皮多人线性模型。《Acm T Graphic》，第34卷。
López-Nava, I.H.、Muñoz-Meléndez, A.，2016年。人体运动分析用可穿戴惯性传感器综述。《IEEE Sens. J.》，第16卷，第7821–7834页。
Lui, C.X.Y.、Yang, N.S.、Tang, A.R.、Tam, W.W.S.，2025年。社区和养老护理机构中智能家居技术预防和检测老年人跌倒的有效性评估：系统综述与元分析。《J. Am. Med. Dir. Assoc.》，第26卷。
Martinez-Martin, N.、Luo, Z.、Kaushal, A.、Adeli, E.、Haque, A.、Kelly, S.S.、Wieten, S.、Cho, M.K.、Magnus, D.、Fei-Fei, L.、Schulman, K.、Milstein, A.，2021年。医疗场景中应用环境智能的伦理问题。《Lancet Digit Health》，第3卷，e115–e123页。
Miranda, D.L.、Rainbow, M.J.、Crisco, J.J.、Fleming, B.C.，2013年。变向跳跃动作中光学动作捕捉与双平面X线摄影的运动学差异。《J. Biomech.》，第46卷，第567–573页。
Moons, K.G.M., Wolff, R.F., Riley, R.D., Whiting, P.F., Westwood, M., Collins, G.S., Reitsma, J.B., Kleijnen, J., Mallett, S., 2019. PROBAST：一种评估预测模型研究偏倚风险和适用性的工具。Ann. Intern. Med. 170, 51.
Niu, Z.H., Lu, K., Xue, J., Qin, X.Y., Wang, J.B., Shao, L., 2024. 从方法到应用：深度三维人体动作捕获综述。IEEE Trans. Circ Syst. Vid. 34, 11340–11359.
Page, M.J., McKenzie, J.E., Bossuyt, P.M., Boutron, I., Hoffmann, T.C., Mulrow, C.D., Shamseer, L., Tetzlaff, J.M., Akl, E.A., Brennan, S.E., Chou, R., Glanville, J., Grimshaw, J.M., Hrobjartsson, A., Lalu, M.M., Li, T.J., Loder, E.W., Mayo-Wilson, E., McDonald, S., McGuinness, L.A., Stewart, L.A., Thomas, J., Tricco, A.C., Welch, V.A., Whiting, P., Moher, D., 2021. PRISMA 2020声明：系统评价报告更新指南。Int. J. Surg. 88.
Patil, A.K., Balasubramanyam, A., Ryu, J.Y., B, N.P., Chakravarthi, B., Chai, Y.H., 2020. 面向人体动作实时姿态跟踪的多激光雷达与惯性传感器融合。Sensors (Basel) 20.
---
Patil, A.K., Balasubramanyam, A., Ryu, J.Y., Chakravarthi, B., Chai, Y.H., 2021. 基于异构多传感器系统的人体姿态估计与跟踪开源平台。Sensors (Basel) 21.
Qi, C.R., Su, H., Mo, K.C., Guibas, L.J., 2017a. PointNet：面向三维分类与分割的点集深度学习，第30届IEEE计算机视觉与模式识别会议（Cvpr 2017），pp. 77-85.
Qi, C.R., Yi, L., Su, H., Guibas, L.J., 2017b. PointNet++：度量空间中点集的深度分层特征学习。载于第31届国际神经信息处理系统会议论文集。
Rahman, M.M., Rahman, T., Kim, D., Alam, M.A.U., 2021. 面向高保真移动机器人视觉的自适应自动编码器同步学习跨成像模态知识迁移。In: 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 1267–1273.
Ren, Y.M., Zhao, C.F., He, Y.N., Cong, P.S., Liang, H., Yu, J.Y., Xu, L., Ma, Y.X., 2023. LiDAR辅助惯性姿态估计器：基于稀疏惯性和LiDAR传感器的大规模人体动作捕获。IEEE T vis Comput Gr 29, 2337–2347.
Ren, Y., Han, X., Zhao, C., Wang, J., Xu, L., Yu, J., Ma, Y., 2024a. LiveHPS：开放环境下基于LiDAR的场景级人体姿态与形状估计。In: 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 1281–1291.
Ren, Y., Han, X., Yao, Y., Long, X., Sun, Y., Ma, Y., 2024b. LiveHPS++：动态开放环境下鲁棒且连贯的动作捕捉。Springer-Verlag, pp. 127–144.
Roche, J., De-Silva, V., Hook, J., Moencks, M., Kondoz, A., 2022. 一种基于LiDAR的人体行为识别多模态数据处理系统。IEEE Trans. Cybern. 52, 10027–10040.
Sharma, V., Gupta, M., Pandey, A.K., Mishra, D., Kumar, A., 2022. 基准视频数据集上基于深度学习的人体行为识别研究综述。Appl Artif Intell 36.
Shen, C., Chao, F., Wu, W., Wang, R., Huang, G.Q., Yu, S., 2023. Lidar Gait：基于点云的三维步态识别基准测试。Proc Cvpr IEEE 1054–1063.
Sun, Z., Ke, Q., Rahmani, H., Bennamoun, M., Wang, G., Liu, J., 2023. 多种数据模态下的人体行为识别：综述。IEEE Trans. Pattern Anal. Mach. Intell. 45, 3200–3225.
Tatana, M.M., Tsoeu, M.S., Maswanganyi, R.C.，2025。《面向更鲁棒计算机视觉任务的弱光图像与视频增强：综述》。J Imaging 11。
Tian, R., Wu, H.-C., Ye, J., Wu, Y.，2020。《基于RGB图像与激光雷达点云混合的新型移动目标检测》。收录于：2020年IEEE宽带多媒体系统与广播国际研讨会（BMSB），第1–5页。
Tu, L.L., Ouyang, X.M., Zhou, J.Y., He, Y.Z., Xing, G.L.，2021。FedDL：面向人类活动识别的基于动态层共享的联邦学习。收录于第19届ACM嵌入式网络传感器系统会议论文集，Sensys 2021。
Uhlrich, S.D., Falisse, A., Kidzinski, L., Muccini, J., Ko, M., Chaudhari, A.S., Hicks, J.L., Delp, S.L.，2023。OpenCap：基于智能手机视频获取人体运动动力学。PLoS Comput. Biol. 19, e1011462。
Ul Alam, M.A., Rahman, M.M., Widberg, J.Q.，2021。PALMAR：面向点云技术中的自适应多居住者活动识别。IEEE Infocom Ser。
van der Kruk, E., Reijne, M.M.，2018。运动应用领域人体动作捕捉系统的精度：最新综述。Eur. J. Sport Sci. 18, 806–819。
Whiting, P.F., Rutjes, A.W.S., Westwood, M.E., Mallett, S., Deeks, J.J., Reitsma, J.B., Leeflang, M.M.G., Sterne, J.A.C., Bossuyt, P.M.M.，2011。Grp, Q.-. QUADAS-2：诊断准确性研究质量评估的修订工具。Ann. Intern. Med. 155, 529–U104。
Wu, G., Cavanagh, P.R.，1995。ISB关于运动学数据报告标准化的建议。J. Biomech. 28, 1257–1261。
Wu, J., Tamura, Y., Wang, Y., Woo, H., Moro, A., Yamashita, A., Asama, H.，2020。面向移动机器人安全的基于激光雷达点云的智能手机低头族检测。IEEE Rob. Autom. Lett. 5, 2256–2263。
Xu, Y., Cong, P., Yao, Y., Chen, R., Hou, Y., Zhu, X., He, X., Yu, J., Ma, Y.，2023。面向三维大规模场景的以人为中心场景理解。收录于2023年IEEE/CVF国际计算机视觉会议（ICCV）。
Yamaguchi, H., Rizk, H., Amano, T., Hiromori, A., Ukyo, R., Yamada, S., Ohno, M.，2024。迈向智能环境：基于三维点云的人体感知。Journal of Reliable Intelligent Environments 10, 281–298。
Yan, M., Wang, X., Dai, Y.D., Shen, S.Q., Wen, C.G., Xu, L., Ma, Y.X., Wang, C.，2023。CIMI4D：一个包含人-场景交互的大规模多模态攀爬运动数据集。IEEE/CVF计算机视觉与模式识别会议（CVPR）2023，第12977–12988页。
Yan, M., Zhang, Y., Cai, S., Fan, S., Lin, X., Dai, Y., Shen, S., Wen, C., Xu, L., Ma, Y., Wang, C.，2024。RELI11D：一个全面的多模态人体运动数据集与方法，收录于2024年IEEE/CVF计算机视觉与模式识别会议（CVPR），第2250-2262页。
Yi, X.Y., Zhou, Y.X., Xu, F.，2021。TransPose：基于六个惯性传感器的实时三维人体平移与姿态估计。ACM T Graphic 40。
Yu, B., Yin, H., Zhu, Z.，2018。时空图卷积网络：一种用于交通预测的深度学习框架。收录于第27届国际人工智能联合会议论文集，第3634–3640页。
Zhang, S., Li, Y., Zhang, S., Shahabi, F., Xia, S., Deng, Y., Alshurafa, N.，2022。可穿戴传感器人体活动识别中的深度学习：研究进展综述。Sensors, 22。
Zhang, J., Mao, Q., Shen, S., Wen, C., Xu, L., Wang, C., 2024a. LiDAR CapV2：基于LiDAR点云、结合人-物交互的三维人体姿态估计。Pattern Recogn. 156。
Zhang, J.Y., Mao, Q.H., Hu, G.S., Shen, S.Q., Wang, C., 2024b. 远距离户外场景下基于单目LiDAR的邻域增强三维人体姿态估计。载于AAAI人工智能会议论文集。
Zheng, C., Wu, W.H., Chen, C., Yang, T.J.N., Zhu, S.J., Shen, J., Kehtarnavaz, N., Shah, M., 2024. 基于深度学习的人体姿态估计：综述。ACM Comput. Surv. 56。
Zhong, T., Kim, W., Tanaka, M., Okutomi, M., 2021. 基于动态LiDAR数据的人体分割。Int C Patt Recog 1166–1172。