CN107616898B - 基于日常动作的上肢穿戴式康复机器人及康复评价方法 - Google Patents
基于日常动作的上肢穿戴式康复机器人及康复评价方法 Download PDFInfo
- Publication number
- CN107616898B CN107616898B CN201710767867.3A CN201710767867A CN107616898B CN 107616898 B CN107616898 B CN 107616898B CN 201710767867 A CN201710767867 A CN 201710767867A CN 107616898 B CN107616898 B CN 107616898B
- Authority
- CN
- China
- Prior art keywords
- motion
- data
- evaluation
- limb
- action
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于日常动作的上肢穿戴式康复机器人,包括3D机械跟踪部分,所述3D机械部分包括3D打印外骨骼、传感器检测单元和主动机电结构,上述各部件由控制端控制,所述控制端包括显示部分、动作分析部分、动作评价部分及辅助部分;利用上述康复机器人进行康复评价的方法:显示部分通过控制端进行实时运动形态显示,动作分析部分根据动作类型进行分类,将日常生活的动作分解为一系列动作,并对这些动作进行动作分析,动作评价部分将动作分析提供的数据与正常人的数据进行对比从而评价患者状况;本发明与依赖于医学基础动作的完成程度来判定康复结果的传统方法不同,该***可以更为细致地通过判别一些日常动作完成的精准程度来分析康复情况。
Description
技术领域
本发明涉及医疗机器人,尤其涉及一种基于日常动作的上肢穿戴式康复机器人,同时涉及利用该机器人进行患者康复评价的方法。
背景技术
随着生机电交互、智能控制及机器人等技术的不断发展,功能康复与辅助机器人在国际上已经逐步成为临床康复治疗的重要技术手段之一,并催生了一批新型康复机器人技术及***。针对因脑卒中等疾病造成的肢体运动功能障碍患者,除了传统的由物理治疗师来进行的肢体训练外,康复机器人技术也已经应用到康复治疗中。需要指出的是,这些肢体功能康复机器人***在临床应用中取得了一定的效果,但存在操作复杂、价格昂贵、缺乏主动康复功能等问题,因此,这些康复机器人在我国的临床康复中应用比较少。
同时,目前已经出现了许多穿戴式康复机器人,能够实现实时跟踪,并且利用虚拟现实方式辅助治疗;也能够通过患者完成某些任务来采集患者信息,给予医生一些专业医学参数作为评估依据,但是它们都需要患者进行指定的任务,因此采集的信息较为单一。在实际医学康复中,在恢复晚期时往往要求患者完成几个预定动作,有的患者即使可以完成预定动作,但和常人动作相比较,仍然有一些差距,这种差距是当前康复医疗机器所判定不了的。
发明内容
发明目的:本发明的目的是提供一种能够基于患者日常动作对患者的上肢进行康复评价的上肢穿戴式康复机器人,本发明的第二目的是提供一种利用上述康复机器人对患者进行康复评价的方法。
技术方案:一种基于日常动作的上肢穿戴式康复机器人,包括3D机械跟踪部分,所述3D机械部分包括3D打印外骨骼、用于获取人体姿态数据的传感器检测单元和用于驱动肢体运动的主动机电结构,上述各部件由控制端控制,所述控制端包括显示部分、动作分析部分、动作评价部分及辅助部分;其中,所述动作分析部分将所述3D机械部分采集的日常动作根据动作类型进行分类,并对动作进行数据分析,所述动作评价部分将动作分析部分提供的数据与正常人的数据进行对比评价。
所述传感器检测单元包括微处理器、惯性传感器组、通信接口芯片以及电源模块;所述惯性传感器组由微处理器控制,将测得的信息通过所述通信接口芯片传送给所述控制端;所述信息包括速度、加速度和地磁位置。
所述惯性传感器组包括三轴陀螺传感器、三轴加速度传感器和三轴地磁场传感器;各传感器采集获得的数据经捷联惯性姿态解算后获得相应的空间欧拉角,以确定对应肢体的姿态。
采用四元数法配合滤波算法进行捷联惯性姿态解算。
所述显示部分包括实时运动跟踪模块和实时运动显示模块。
一种所述上肢穿戴式康复机器人进行康复评价的方法,包括如下步骤:
(1)3D跟踪部分:
(1.1)利用3D扫描对用户肢体进行数据采集,获得点云数据,根据点云数据进行3D模型重建,建立用户肢体精确3D模型,根据此模型获取3D打印外骨骼;
(1.2)采用3D打印加工出与用户肢体紧密贴合的外骨骼与部分机构部件;
(1.3)在3D打印外骨骼中每一个关节部分,加上传感器检测单元,对肢体运动数据进行实时采集,并加上能够带动肢体关节运动的主动机电结构;
(1.4)控制端接收并处理每个关节的三轴姿态角以及加速度,然后通过无线蓝牙模块实时发送数据给所述控制端中上位机进行处理,通过多组三轴姿态角以及加速度的数据,实时计算出人体的三维模型;
(2)显示及分析:
(2.1)在控制端中利用上位机以及Visual3D软件建立出3D跟踪部分中获得的人体的三维模型,并且实现3D模型的实时仿真,显示人体的各个部位的运动状态并且记录其运动信息;
(2.2)判断肢体的当前位置,通过记录每一个关节点的空间位置,当收集足够的空间信息后,形成一个完整的人体空间位置模型;基于上述模型,利用加速度计算得出该部分的受力情况,通过受力情况以及对应关节位置,推断出后面的运动趋势,作为动作类型判断的依据;
(2.3)通过每个部位的两个相邻节点位置和加速度的变化,判断该动作的类型;根据此动作的类型,与相关的肌肉建立联系,记录此数据,作为评价依据之一;
(3)评价及辅助:
(3.1)收集正常人数据,积累正常参数作为标准参考数据库;
(3.2)比较患者数据和标准参考数据库,针对评价指标给出评价,通过比对患者信息与正常值,给出评分,差异值越大则评分越低。
所述步骤(1)中,以胸节点作为基点,由内而外地建立肢体模型;各三轴姿态角的参考坐标系为地面坐标系,计算出该肢体单元的基点坐标,以该坐标作为下一级单元的基点,从而建立空间模型;所述肢体单元包括胸部、肩部、肘部和腕部。
所述动作类型的主体包括上臂、肘关节和前臂;其中,上臂的动作类型包括外展、旋内、后伸和内收;肘关节的动作类型包括屈肘和伸肘;前臂的动作类型包括旋前和旋后。
所述评价指标包括强度、精确度和流畅度;其中,强度的判断依据包括加速度大小以及当前速度大小,精确度即稳定度,其判断依据为每个动作尾声是否出现小幅度振荡,流畅度的判断依据为考察动作是否有锯齿感、肌肉作用变化是否顺畅。
有益效果:与现有技术相比,本发明具有如下显著优势:1、采用穿戴式结构,价格更加低廉,适于推广;2、可以更为细致地判别一些日常动作完成的精准程度,并不依赖于医学上基础动作的完成程度判定康复结果。
附图说明
图1是本发明整体结构图;
图2是传感器检测单元结构原理图;
图3是惯性传感器组原理图;
图4是本发明的虚拟人体3D模型的建模方法算法图;
图5是四元数法进行姿态转换的解算方法算法图;
图6是康复评价方法算法图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
如图1所示,本发明的基于日常动作的上肢穿戴式康复机器人,包括3D机械部分、传感器检测单元和控制端;其中,3D机械部分包括一3D跟踪机械臂、4个传感器检测单元(胸部传感器检测单元、上臂传感器检测单元、前臂传感器检测单元、手部传感器检测单元)和主动机电结构;控制端包括显示部分、动作分析部分、动作评价部分及辅助部分;其中,动作分析部分将3D机械部分采集的日常动作根据动作类型进行分类,并对动作进行数据分析,动作评价部分将动作分析部分提供的数据与正常人的数据进行对比评价。
本实施例中,控制端采用PC,PC用于处理通过传感器检测单元传输的数据,构建虚拟三维模型,计算并且评判康复指标。
如图2所示,传感器检测单元包括以下结构:一个微处理器(MCU)、一个惯性传感器组、一个通信接口芯片以及电源模块;惯性传感器组获取速度、加速度、地磁位置等信息,由MCU控制,通过通信接口芯片将所获信息传送给PC,上述结构由电源模块供电。
进一步地,如图3所示,惯性传感器组包括以下结构:一个三轴陀螺传感器、一个三轴加速度传感器和一个三轴地磁场传感器;由于传感器采集获得的数据必须经过捷联惯性姿态解算,才能够获得相应的空间欧拉角,以确定某一段肢体的姿态。
利用上述上肢穿戴式康复机器人进行康复评价的方法,包括如下步骤:
(1)3D跟踪部分
机械结构:利用3D扫描技术对用户肢体进行数据采集,获得点云数据,根据点云数据进行3D模型重建,建立用户肢体精确3D模型。
采用3D打印加工出与用户肢体紧密贴合的外骨骼与部分机构部件,每个关节部分具有较高的自由度,整体结构较轻,使得结构对人体运动影响尽可能地小。
在3D打印外骨骼中每一个关节部分,加上小型高精度的MEMS传感器,可采用IMU单元,对肢体运动数据进行实时采集,且加上能够带动肢体运动的主动机电结构,从而能够带动关节运动。
电气控制:利用一PC作为中心控制端,一单片机作为中间处理端,单片机接收并处理每个关节的IMU的数据,然后通过无线蓝牙模块实时发送数据给PC端上位机进行更进一步的处理,通过多个IMU的数据,PC端上位机实时计算出人体的三维模型。
(2)显示及分析部分
(2.1)在PC端中利用上位机以及Visual3D软件建立出3D跟踪部分中获得的人体的三维模型,并且实现3D模型的实时仿真,显示人体的各个部位的运动状态并且记录其运动信息;记录的信息包含位置、速度、加速度、稳定性,利用这些信息进行肢体动作的判断及分析;
(2.2)判断肢体的当前位置,通过记录每一个关节点的空间位置,在收集足够的空间信息后,可以形成一个完整的人体空间位置模型;基于上述模型,利用加速度可以计算得出该部分所受力的情况,通过受力情况以及对应关节位置,推断出后面的运动趋势,作为动作类型判断的依据;
上述动作类型包含:对于上臂,有外展、旋内、后伸、内收;对于肘关节,有屈肘、伸肘;对于前臂,有旋前、旋后。
(2.3)通过每个部位的两个相邻节点位置和加速度的变化,利用算法获取该动作的类型,再根据此类型,与相关的肌肉相联系。如获取上臂两端点的速度和加速度值,根据算法判断出携带者在做上臂外展运动,与上臂外展关联的肌肉有三角肌、冈上肌。根据该部位运动的过程,通过算法及医学知识实现判断三角肌和冈上肌的肌肉运动情况,如上臂外展0~30°时,冈上肌作用最大,选取冈上肌为主要作用肌肉,外展30~120°时,三角肌作用最大,选取三角肌为主要作用肌肉,记录此数据,作为评价依据之一。如获取稳定度,则可以通过传感器统计关节处的抖动程度并且设置阈值,作为评价依据之一。
(3)评价及辅助部分
(3.1)通过大量收集正常人的数据,积累足够正常参数数据库,作为标准参考数据。
(3.2)通过比较患者和正常人测得的数据,给出评价。
评价指标主要有:强度、精确度、流畅度;强度根据加速度大小以及当前速度大小判断,精确度看每个动作尾声是否出现小幅度振荡,即稳定度,流畅度则考察动作是否有锯齿感,肌肉作用变化是否顺畅。通过比对这些信息与正常值的不同,给出评分,差异值越大则评分越低。
如图6所示为评价辅助方法的流程示意图;
如图4所示为本发明的3D跟踪部分中虚拟人体3D模型的建模方法:
以胸节点作为基点,由内而外地建立肢体模型;由于每个测量单元测量的姿态角的参考坐标系为地面坐标系,从而需要计算出该肢体单元的基点坐标,以该坐标作为下一级单元的基点,从而建立空间模型。运动采用根节点固定,子节点随根节点相对运动的规律进行。对于肩关节,根节点是胸腔骨骼,关节类型是万向节,自由度为3;对于肘关节,根节点是肩关节,关节类型是铰链,自由度为2;对于腕关节,根节点是肘关节,关节类型是铰链,自由度为2。
随着捷联式惯性技术的发展,为了更简便地描述刚体的角运动,采用了四元数这个数学工具,用它来弥补通常描述刚体角运动的3个欧拉角参数在设计控制***时的不足。四元数可以描述一个坐标系或一个矢量相对某一个坐标系的旋转,四元数的标量部分表示了转角的一半余弦值,而其矢量部分则表示瞬时转轴的方向、瞬时转动轴与参考坐标系轴间的方向余弦值。因此,一个四元数既表示了转轴的方向,又表示了转角的大小,往往称其为转动四元数。
工程上一般运用范数为1的特征四元数,特征四元数的标量部分表示转角的一般余弦值,其矢量部分表示瞬时转轴n的方向。矢量R相对参考坐标系旋转一个转角θ,旋转轴二的方向由四元数的虚部确定,cosα、cosβ、cosγ表示旋转轴n与参考坐标系轴间的方向余弦值。
R'=qRq'
式中:R为某矢量;
q=λ+p1i+p2j+p3k
四元数姿态矩阵微分方程式只要解4个一阶微分方程式组即可,比方向余弦姿态矩阵微分方程式计算量有明显的减少,能满足工程实践中对实时性的要求。
本发明采用采用四元数法,配合滤波算法进行姿态解算;四元数法解算方法算法图如图5所示,计算步骤如下:
(1)初始四元数的确定,其输人为初始的姿态角。
(4)载体姿态角计算,以确定姿态角θ、ψ、γ,输入为T11(n)、T12(n)、T13(n)、T23(n)、T33(n)计算公式
方向余弦法姿态矩阵的计算与四元数法的区别主要是姿态矩阵的描述不同。
如上所述,尽管参照特定的优选实施例已经表述和阐明了本发明,但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下,可对其在形式上和细节上作出各种变化。
Claims (2)
1.一种基于日常动作的上肢穿戴式康复机器人,其特征在于:包括3D机械跟踪部分,所述3D机械跟踪部分包括3D打印外骨骼、用于获取人体姿态数据的传感器检测单元和用于驱动肢体运动的主动机电结构,所述3D机械跟踪部分由控制端控制,所述控制端包括显示部分、动作分析部分、动作评价部分及辅助部分;其中,所述动作分析部分将所述3D机械跟踪部分采集的日常动作根据动作类型进行分类,并对动作进行数据分析,所述动作评价部分将动作分析部分提供的数据与正常人的数据进行对比评价;所述传感器检测单元包括微处理器、惯性传感器组、通信接口芯片以及电源模块;所述惯性传感器组由微处理器控制,将测得的信息通过所述通信接口芯片传送给所述控制端;所述信息包括速度、加速度和地磁位置;所述惯性传感器组包括三轴陀螺传感器、三轴加速度传感器和三轴地磁场传感器;针对各传感器采集获得的数据,采用四元数法配合滤波算法进行捷联惯性姿态解算,获得相应的空间欧拉角,以确定对应肢体的姿态;该上肢穿戴式康复机器人进行康复评价的方法包括如下步骤:
(1)3D跟踪部分:3D打印外骨骼包括胸部、肩部、肘部和腕部,以胸节点作为基点,由内而外地建立肢体模型;3D打印外骨骼的参考坐标系为地面坐标系,计算出当前3D打印外骨骼的基点坐标,以该基点坐标作为下一级单元的基点,从而建立空间模型;
(1.1)利用3D扫描对用户肢体进行数据采集,获得点云数据,根据点云数据进行3D模型重建,建立用户肢体精确3D模型,根据此模型获取3D打印外骨骼;
(1.2)采用3D打印加工出与用户肢体紧密贴合的外骨骼;
(1.3)在3D打印外骨骼中每一个关节部分,加上传感器检测单元,对肢体运动数据进行实时采集,并加上能够带动肢体关节运动的主动机电结构;
(1.4)控制端接收并处理每个关节的三轴姿态角以及加速度,然后通过无线蓝牙模块实时发送数据给所述控制端中上位机进行处理,通过多组三轴姿态角以及加速度的数据,实时计算出人体的三维模型;
(2)显示及分析:
(2.1)在控制端中利用上位机以及Visual3D软件建立出3D跟踪部分中获得的人体的三维模型,并且实现3D模型的实时仿真,显示人体的各个部位的运动状态并且记录其运动信息;
(2.2)判断肢体的当前位置,通过记录每一个关节点的空间位置,当收集足够的空间信息后,形成一个完整的人体空间位置模型;基于上述模型,利用加速度计算得出肢体当前位置的受力情况,通过受力情况以及对应关节位置,推断出后面的运动趋势,作为动作类型判断的依据;
(2.3)通过每个部位的两个相邻节点位置和加速度的变化,判断该动作的类型;根据此动作的类型,与相关的肌肉建立联系,记录此数据,作为评价依据之一;
(3)评价及辅助:
(3.1)收集正常人数据,积累正常参数作为标准参考数据库;
(3.2)比较患者数据和标准参考数据库,针对评价指标给出评价,通过比对患者信息与正常值,给出评分,差异值越大则评分越低;
所述动作类型的主体包括上臂、肘关节和前臂;其中,上臂的动作类型包括外展、旋内、后伸和内收;肘关节的动作类型包括屈肘和伸肘;前臂的动作类型包括旋前和旋后;
所述评价指标包括强度、精确度和流畅度;其中,强度的判断依据包括加速度大小以及当前速度大小,精确度即稳定度,其判断依据为每个动作尾声是否出现小幅度振荡,流畅度的判断依据为考察动作是否有锯齿感、肌肉作用变化是否顺畅。
2.根据权利要求1所述的基于日常动作的上肢穿戴式康复机器人,其特征在于:所述显示部分包括实时运动跟踪模块和实时运动显示模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710767867.3A CN107616898B (zh) | 2017-08-31 | 2017-08-31 | 基于日常动作的上肢穿戴式康复机器人及康复评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710767867.3A CN107616898B (zh) | 2017-08-31 | 2017-08-31 | 基于日常动作的上肢穿戴式康复机器人及康复评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107616898A CN107616898A (zh) | 2018-01-23 |
CN107616898B true CN107616898B (zh) | 2020-06-16 |
Family
ID=61089115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710767867.3A Active CN107616898B (zh) | 2017-08-31 | 2017-08-31 | 基于日常动作的上肢穿戴式康复机器人及康复评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107616898B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019085139A1 (zh) * | 2017-11-06 | 2019-05-09 | 苏州脉吉医疗技术有限公司 | 康复运动参数的测量***及方法 |
CN108225317A (zh) * | 2017-11-06 | 2018-06-29 | 苏州脉吉医疗技术有限公司 | 康复运动参数的测量***及方法 |
CN110477922A (zh) * | 2018-05-14 | 2019-11-22 | 东莞市易联交互信息科技有限责任公司 | 一种肢体运动检测方法及*** |
CN108735279B (zh) * | 2018-06-21 | 2022-04-12 | 广西虚拟现实科技有限公司 | 一种虚拟现实脑中风上肢康复训练***及控制方法 |
IT201800010368A1 (it) * | 2018-11-15 | 2020-05-15 | P2R S R L | Metodo e sistema di abilitazione sportiva e riabilitazione neuromotoria |
CN112669964A (zh) * | 2019-10-16 | 2021-04-16 | 深圳市迈步机器人科技有限公司 | 动力外骨骼及基于动力外骨骼的康复评价方法 |
CN111192656A (zh) * | 2019-12-09 | 2020-05-22 | 宿州学院 | 一种可穿戴肢体功能康复与治疗智能设备控制*** |
CN113499065A (zh) * | 2021-07-08 | 2021-10-15 | 山东蓓明医疗科技有限公司 | 一种基于惯性传感器的肢体动作捕捉方法及康复评估*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203829250U (zh) * | 2014-04-18 | 2014-09-17 | 东北大学 | 具有多种信息反馈的上肢康复训练*** |
CN106109176A (zh) * | 2016-07-18 | 2016-11-16 | 张力心 | 一种基于云平台智能康复机器人***及其操作方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005013442A (ja) * | 2003-06-26 | 2005-01-20 | Yaskawa Electric Corp | 歩行訓練装置及び歩行訓練装置の制御方法 |
CN102309393A (zh) * | 2010-07-06 | 2012-01-11 | 赵奇 | 外骨骼式上肢康复机器人 |
CN106420254A (zh) * | 2016-09-14 | 2017-02-22 | 中国科学院苏州生物医学工程技术研究所 | 多人交互虚拟现实康复训练与评估*** |
-
2017
- 2017-08-31 CN CN201710767867.3A patent/CN107616898B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203829250U (zh) * | 2014-04-18 | 2014-09-17 | 东北大学 | 具有多种信息反馈的上肢康复训练*** |
CN106109176A (zh) * | 2016-07-18 | 2016-11-16 | 张力心 | 一种基于云平台智能康复机器人***及其操作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107616898A (zh) | 2018-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107616898B (zh) | 基于日常动作的上肢穿戴式康复机器人及康复评价方法 | |
Slade et al. | An open-source and wearable system for measuring 3D human motion in real-time | |
Baldi et al. | GESTO: A glove for enhanced sensing and touching based on inertial and magnetic sensors for hand tracking and cutaneous feedback | |
CN102567638B (zh) | 一种基于微型传感器的交互式上肢康复*** | |
Hassan et al. | Wearable gait measurement system with an instrumented cane for exoskeleton control | |
CN106527738A (zh) | 一种用于虚拟现实***的多信息体感交互手套***及方法 | |
CN104147770A (zh) | 基于惯性传感器可穿戴式偏瘫康复设备及捷联姿态算法 | |
US20240122499A1 (en) | Wearable inertial sensor system and methods | |
Li et al. | Real-time hand gesture tracking for human–computer interface based on multi-sensor data fusion | |
CN109846487A (zh) | 基于MIMU/sEMG融合的大腿运动姿态测量方法和装置 | |
Jiang et al. | Motor Ability Evaluation of the Upper Extremity with Point‐To‐Point Training Movement Based on End‐Effector Robot‐Assisted Training System | |
Fang et al. | Wearable technology for robotic manipulation and learning | |
CN108538362B (zh) | 一种运动数据实时采集的肌腱异向受力损伤预警分析方法 | |
CN110675936B (zh) | 一种基于OpenPose和双目视觉的健体代偿评估方法和*** | |
CN109887570B (zh) | 一种基于rgb-d相机与imu传感器的机器人辅助康复训练方法 | |
Hunt et al. | Predictive trajectory estimation during rehabilitative tasks in augmented reality using inertial sensors | |
Lueken et al. | Using synthesized imu data to train a long-short term memory-based neural network for unobtrusive gait analysis with a sparse sensor setup | |
Galinski et al. | Evaluation of initialization procedures for estimating upper limb kinematics with MARG sensors | |
García-de-Villa et al. | Inertial sensors for human motion analysis: A comprehensive review | |
Carneiro et al. | Study of an assistive robotics 5-dof system prototype to be taught in undergraduate engineering classes | |
Szelitzky et al. | Data glove and virtual environment—A distance monitoring and rehabilitation solution | |
Kadir et al. | Wireless IMU: a wearable smart sensor for disability rehabilitation training | |
Kanjanapas et al. | A human motion capture system based on inertial sensing and a complementary filter | |
Otero-González et al. | Methods for gastrointestinal endoscopy quantification: a focus on hands and fingers kinematics | |
Zhang et al. | A wireless evaluation system for in-home physical rehabilitation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |