CN112890808B - 一种基于mems传感器的人体肢体关节轴校准装置 - Google Patents
一种基于mems传感器的人体肢体关节轴校准装置 Download PDFInfo
- Publication number
- CN112890808B CN112890808B CN202110056316.2A CN202110056316A CN112890808B CN 112890808 B CN112890808 B CN 112890808B CN 202110056316 A CN202110056316 A CN 202110056316A CN 112890808 B CN112890808 B CN 112890808B
- Authority
- CN
- China
- Prior art keywords
- joint
- calibration
- joint axis
- axis
- sensor
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1114—Tracking parts of the body
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种基于MEMS传感器的人体肢体关节轴校准装置,所述装置包括:IMU测量单元,所述IMU测量单元将人体运动关节作为铰链关节,建立人体关节约束条件,使用最小二乘估计寻找最优解的方法创建代价函数并实现局部关节轴的最优估计;针对现实关节动态校准情况提出新的关节约束误差条件,并结合角速度和传感器方位建立新的最小二乘代价函数,获取最优解,使校准装置更适用于现实关节轴校准,提高关节轴动态校准精度和适用性。
Description
技术领域
本发明涉及人体肢体关节轴校准领域,尤其涉及一种基于MEMS(Micro-Electro-Mechanical system,微机电***)传感器的人体肢体关节轴校准装置。
背景技术
随着微电子技术的飞速发展,惯性测量单元(IMU)由于其体积小、成本低、功耗低、无线传输不受环境限制等优势,已被广泛用于可穿戴人体运动分析中,通常利用IMU对人体动作数据进行采集,然后对建立的人体运动学模型进行驱动,从而可对人体运动姿态进行近似追踪。因此,建立一个符合人体行为特征的三维关节连接模型,如图1所示,图(a)一种是运动链模型,该模型把人体各肢体部位假设成用铰链连接的刚体,每相邻两个部位之间的自由度根据人体关节的旋转自由度而定,通常情况下,运动链由多个刚体部分组成,通过1至3个自由度的关节连接,因此第一步确定根段的全局方向和位置是至关重要的,然后根据不同身体段相对根段的方向,可以得到各个不同身体段的全局方向和位置;图(b)是自由部位模型,此类方法假设传感器拥有很高的精度,能够单独估计每个身体部位的姿态,该模型通常用于在人体姿态估计时某些轴上的运动自由度存在限制时使用,该方法需要使用随机约束(如运动学约束)进行估计,且对关节连接不作限制,可以独立估计各个部位的姿态,建立人体肘关节和膝关节模型时,难以准确定位旋转轴的真实方向,因此选用自由部位模型进行建模更为合适。
然而在IMU实际应用中常存在传感器坐标系与肢体坐标系不一致的情况,即将IMU安装到人体肢体并使得IMU局部坐标轴中的一个与关节轴精确地重合是非常困难,因此基于IMU的人体运动分析的一个基本问题是IMU的局部坐标轴与人体肢体轴不对齐,为解决IMU放置位置与理想姿态不一致的情况,需建立人体关节轴校准装置,虽然可以近似将IMU精确安装到朝向关节的预定关节轴上,或者通过手工测量关节轴的位置,最终可以将测量误差降低到几厘米左右,但是无法保证每次测量都能保证安装位置的一致性,而且使用多个传感器进行姿态测量时,IMU的安放误差以及多个传感器之间的不对准误差都会严重影响到多传感器数据融合算法的有效性,因此初始时刻必须使用人体关节轴校准装置进行校准。常见的方法是通过校准姿势或校准运动来完成此操作,通常该方法被称为IMU-to-segment(后简称I2S校准)。即在使用IMU研究肢体运动过程中,身体通常被建模为一组已知长度的刚性节段,并且假设IMU被刚性地安装在相关节段上,它们通过不同自由度的无摩擦关节连接在一起,因此需要将每个IMU的方向和位置与身体的段进行校准。
I2S校准问题一般分为两类,一种是人工指定位置的静态校准,即规定受试者做几个简单的动作,比如N型姿势、T形姿势或者静止站立等,然后使用IMU传感器此时收集的数据减去初始位置数据,以便建立传感器和身体段坐标系之间的关系,在此情况下,传感器坐标系和身体段坐标系之间的对准差异被认为是恒定的,这是大多数关于传感器到身体段校准研究中的经典假设,然而该方法的实验结果精度会受到对象可以执行姿势或运动精度的限制,因此任意运动校准方法(即功能性动态校准)的优势就体现出来了,即不再固定IMU具体的朝向、以及坐标轴的方位,而是建立一种关节轴校准装置,该装置可利用运动学约束(如铰链约束、球形约束,如图2所示)识别来自任意运动数据的位置姿态估计。
对于现实关节轴校准过程中,不免遇到关节两段肢体的运动幅度不一致的情况,如进行膝关节校准时,大腿一般相对静止,小腿做弯曲-伸展动作,此时传统关节轴校准因代价函数最优解收敛性差等问题不再适用,因此在传统关节校准的基础上建立人体关节轴校准装置并进行代价函数优化,可有效提高校准的有效性和适应性。
发明内容
本发明提供了一种基于MEMS传感器的人体肢体关节轴校准装置,该技术在人体运动关节连接类似于铰链关节的假设基础上,采用被试者完成一组动态动作的数据结合运动学约束方程实现传感器-肢体的校准,同时通过结合角速度和传感器方位建立新的最小二乘代价函数,使校准更适用于现实关节轴校准情况,以提高关节轴动态校准精度和适用性,详见下文描述:
一种基于MEMS传感器的人体肢体关节轴校准装置,,所述装置包括:IMU测量单元,
所述IMU测量单元将人体运动关节作为铰链关节,建立人体关节约束条件,使用最小二乘估计寻找最优解的方法创建代价函数并实现局部关节轴的最优估计;
针对现实关节动态校准情况提出新的关节约束误差条件,并结合角速度和传感器方位建立新的最小二乘代价函数,获取最优解,使校准装置更适用于现实关节轴校准。
其中,所述装置采用被试者完成一组动态动作的数据结合运动学约束方程实现传感器-肢体的校准。
进一步地,所述装置融合9轴惯性传感器数据进行关节轴估计。
进一步地,所述人体关节约束条件为:
其中,所述使用最小二乘估计寻找最优解的方法创建代价函数并实现局部关节轴的最优估计为:
其中,C为代价函数,N为采样数,ω1、ω2分别为传感器IMU1和IMU2采集的角速度信息。
其中,所述最优解为:
本发明提供的技术方案的有益效果是:
1、本发明设计利用运动学约束(铰链约束)可从人体关节轴校准装置采集的运动数据中确定传感器到人体段方向的局部关节轴坐标位置,不依赖于评估者执行预定使用规范的限制,减少了由安装标定和校准引起的误差,可以大大提高后期人体姿态追踪结果的稳定性;
2、本发明通过建立新的最小二乘代价函数改进了现有的关节轴校准中最优化估计,并融合9轴惯性传感器数据进行关节轴估计,适用于关节一端的肢体运动显著小于另一端的肢体运动幅度的现实关节动态校准情况,提高了人体关节运动校准中的实用性和准确性。
附图说明
图1为两种不同的生物力学模型表示法示意图;
其中,(a)为运动链模型;(b)为自由段模型。
图2为两种关节约束类型示意图;
其中,(a)为铰链关节约束;(b)为球形关节约束。
图3为膝关节校准示意图;
图4为将膝关节近似铰链关节并进行模型简化示意图;
图5为下肢外骨骼铰链连接示意图;
图6为使用两台笔记本电脑创建磁干扰环境示意图;
图7为关节主轴j2与参考关节轴之间的夹角误差示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例设计了一种适用于现实关节轴校准情况的肢体关节轴校准装置,该装置使用微机电***(MEMS,Micro-Electro-Mechanical System),即由加速度计、陀螺仪和磁力计组成的IMU测量单元(Inertial Measurement Unit,IMUs)和人体关节约束。通常情况当两个IMU和铰链关节组成的人体关节轴校准装置连接到关节上时,即可用于计算铰链关节角度,在大多数机器人和机械应用中,IMU可以以这样的方式安装,即局部坐标轴中的一个与铰链轴线重合,然而,人类肢体和大多数机器人的设置之间有一个非常重要的区别是,很难将IMU正确连接到肢体上,并使其中一个局部坐标轴与人体关节轴完全一致,通常更倾向于将IMU摆放在任意位置,因此处理任意传感器到肢体段安装是使用IMU进行运动分析的主要挑战,手动测量以及校准姿势和运动通常是IMU传感器到肢体段对齐的解决方案,IMU在运动分析领域应用中的另一个主要挑战是关节校准的准确性取决于相连接的两段肢体的运动幅度。
因此,本发明实施例提出一种结合特定动作下9轴IMU方向信息的关节校准装置,以适应现实关节轴校准情况。
其技术流程是:首先假设人体运动关节为铰链关节并结合两个IMU建立人体关节轴校准装置,该装置通过建立关节约束条件,使用最小二乘估计寻找最优解的方法,创建代价函数并实现局部关节轴的最优估计。随后针对一端肢体运动显著小于另一端的肢体运动幅度的现实关节动态校准情况,提出新的关节约束误差条件,并通过结合角速度和传感器方位建立新的最小二乘代价函数,使校准装置更适用于现实关节轴校准情况。
实施例2
下面结合图2-图7、具体的计算公式,对实施例1中的方案进行进一步地介绍,详见下文描述:
一、运动学约束
使用关节轴动态校准装置的目的在于在更真实、更方便的安装方向环境下,可自动识别连接在肢体两端传感器的局部关节轴坐标,而无需精确的IMU放置或精确的校准运动。关节轴动态校准假设人体肢体段通过铰链关节(如图2中(a)所示),利用由这种类型关节引起的运动学约束,使用非线性最小二乘法进行关节轴估计。此方法的优势在于无需考虑IMU的安装方向和位置,同时不受限于受试者执行预定姿势或动作准确性的影响,同时避免了使用惯性传感器估计人体运动姿态时传感器到身体段重合的假设。
以膝关节关节轴校准装置为例进行原理阐述。基于运动链模型,本发明装置实施例假定大腿和小腿各自附着一个任意位置及方向的IMU(分别为IMU1和IMU2),如图3所示。在每个IMU上分别定义固定在传感器三维中心处的笛卡尔坐标系(传感器坐标系S1和S2),同时定义一个相对固定不变的惯性坐标系U。使用下标i∈{1,2}表示特定传感器。定义采集数据集S(i)={ω1(t),ω2(t)},其中ω1(t),为角速度值,代表ωi的三个坐标的取值范围都是任意实数。
基于关节轴校准理论,将膝关节近似看成铰链关节并进行模型简化,如图4所示。理论上,ω1(t)和ω2(t)仅在关节角速度和(时变)旋转矩阵之间差异。因此,在大腿与小腿端传感器局部坐标系下,对于每个采样瞬间,ω1(t)和ω2(t)在各自关节平面的投影(关节轴和是法线向量的几何平面)中都具有相同的长度,此时关节约束必须满足:
其中,||·||2表示欧几里得范数。
然而,以上关节约束(以上简称TA约束)关节校准的准确性取决于相连接的两段肢体的运动幅度。为使校准方法更适用于现实关节轴校准情况,本研究对关节约束进行进一步优化。理论上,基于动态关节校准得到两个关节轴向量j1、j2分别在某一固定坐标系下的投影应互相重合,即从自身坐标系S2下转到相对固定的坐标系下时,应满足和完全重合:
即无论传感器在身体段上的安装位置和方向如何,以上关节轴约束条件(1)、(2)在理想条件下都成立。
二、关节轴动态校准优化模型
用采集数据集S(i),i∈{1,2}可自动识别参考坐标系下膝关节弯曲-伸展轴jU分别在各自传感器坐标系S1、S2下单位长度方向矢量和(二者一般为常数,仅取决于传感器相对关节的安装方向),从而将关节轴估计限制为单位长度。
使用最小二乘估计寻找最优解的方法,可对TA约束创建代价函数(4),进而实现局部关节轴的最优估计:
因此提出新的关节约束误差条件e2:
三、数据采集
为验证该关节轴校准优化装置的有效性,开展了关节轴校准装置的机械仿真实验。使用附着在下肢外骨骼机器人不同身体段上的IMU无线惯性传感器采集关节轴校准实验中大腿和小腿的运动传感数据。该九轴传感器包含三轴加速度计,三轴陀螺仪和三轴磁力计。其中,加速度计量程范围设置为±16G,陀螺仪量程范围为±500°/s,磁力计量程范围为±1Ga,采样频率为51.2Hz。
如图5所示,分别将IMU1和IMU2组成的校准装置附着在下肢外骨骼机器人身体段上,其中大腿和小腿通过铰链关节连接。
为比较关节轴校准装置在不同实验环境影响下表现的差异性,使用2台笔记本电脑创造了磁干扰环境(如图6所示)。
共设计了2组实验,分别是无磁干扰环境(Non-Mag)和有磁干扰环境(Mag)。下肢外骨骼机器人通过软件控制左、右膝关节以某一固定速度,反复执行弯曲-伸展运动,每组实验时长1分钟。
如图7所示,在下肢外骨骼机器人膝关节弯曲-伸展运动过程中,关节主轴j2值应与传感器的Z轴方向一致,因此参考关节轴设定为[0 0 1]T。为评估装置精度,本研究计算关节轴j2与参考关节轴之间的夹角作为估计的角度误差,T检验结果如表1所示。
表1 OA和TA两种约束在无磁干扰、有磁干扰环境下关节轴估计误差与T检验结果
由表1可知,在无磁干扰环境下OA约束的角度误差(3.71°±1.96°)显著低于TA约束(6.19°±3.97°)。由于TA约束没有采用磁感向量数据,其算法受磁场环境小,在Non-Mag和Mag两种情况下算法角度的误差没有显著性差别。
另一方面,在OA约束中采用了传感器的四元数位置信息对于约束进行了优化,其受磁干扰影响较TA约束大,但OA约束在磁干扰环境下的角度误差(4.65°±2.04°),显著小于TA约束(6.46°±3.05°)。
因此,本发明实施例提出的关节轴动态优化装置有效地提高了关节轴校准精度。
本发明实施例提出了一种适用于现实关节轴校准情况的肢体关节轴校准装置。该发明首先假设人体运动关节为铰链关节,通过建立关节约束条件,使用最小二乘估计寻找最优解的方法,创建代价函数并实现局部关节轴的最优估计。随后针对一端肢体运动显著小于另一端的肢体运动幅度的现实关节动态校准情况,提出新的关节约束误差条件,并通过结合角速度和传感器方位建立新的最小二乘代价函数,使校准方法更适用于现实关节轴校准情况,可以应用在残疾人康复、生活、娱乐等领域,可以大大获得更好的社会和经济价值。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于MEMS传感器的人体肢体关节轴校准装置,其特征在于,所述装置包括:IMU测量单元,
所述IMU测量单元将人体运动关节作为铰链关节,建立人体关节约束条件,使用最小二乘估计寻找最优解的方法创建代价函数并实现局部关节轴的最优估计;
针对现实关节动态校准情况提出新的关节约束误差条件,并结合角速度和传感器方位建立新的最小二乘代价函数,获取最优解,使校准装置更适用于现实关节轴校准;
其中,所述人体关节约束条件为:
所述使用最小二乘估计寻找最优解的方法创建代价函数并实现局部关节轴的最优估计为:
其中,C为代价函数,N为采样数,ω1、ω2分别为传感器IMU1和IMU2采集的角速度信息;
所述最优解为:
2.根据权利要求1所述的一种基于MEMS传感器的人体肢体关节轴校准装置,其特征在于,所述装置采用被试者完成一组动态动作的数据结合运动学约束方程实现传感器-肢体的校准。
3.根据权利要求1所述的一种基于MEMS传感器的人体肢体关节轴校准装置,其特征在于,所述装置融合9轴惯性传感器数据进行关节轴估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110056316.2A CN112890808B (zh) | 2021-01-15 | 2021-01-15 | 一种基于mems传感器的人体肢体关节轴校准装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110056316.2A CN112890808B (zh) | 2021-01-15 | 2021-01-15 | 一种基于mems传感器的人体肢体关节轴校准装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112890808A CN112890808A (zh) | 2021-06-04 |
CN112890808B true CN112890808B (zh) | 2022-03-11 |
Family
ID=76113725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110056316.2A Active CN112890808B (zh) | 2021-01-15 | 2021-01-15 | 一种基于mems传感器的人体肢体关节轴校准装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112890808B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114862662A (zh) * | 2022-04-25 | 2022-08-05 | 北京天智航医疗科技股份有限公司 | 肘关节旋转轴心识别模型的训练方法、识别方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10121066B1 (en) * | 2017-11-16 | 2018-11-06 | Blast Motion Inc. | Method of determining joint stress from sensor data |
CN106344026A (zh) * | 2016-09-21 | 2017-01-25 | 苏州坦特拉自动化科技有限公司 | 基于imu的便捷式人体关节参数估计方法 |
CN111419236B (zh) * | 2020-03-30 | 2023-05-05 | 哈尔滨工业大学 | 基于惯性传感器的运动模式无关下肢动力学实时解算方法 |
-
2021
- 2021-01-15 CN CN202110056316.2A patent/CN112890808B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112890808A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bachmann et al. | Inertial and magnetic tracking of limb segment orientation for inserting humans into synthetic environments | |
US6820025B2 (en) | Method and apparatus for motion tracking of an articulated rigid body | |
Bachmann et al. | Inertial and magnetic posture tracking for inserting humans into networked virtual environments | |
Seel et al. | Joint axis and position estimation from inertial measurement data by exploiting kinematic constraints | |
Yun et al. | Design, implementation, and experimental results of a quaternion-based Kalman filter for human body motion tracking | |
Chang et al. | Sensor glove based on novel inertial sensor fusion control algorithm for 3-D real-time hand gestures measurements | |
Baldi et al. | Upper body pose estimation using wearable inertial sensors and multiplicative kalman filter | |
Fang et al. | A novel data glove using inertial and magnetic sensors for motion capture and robotic arm-hand teleoperation | |
Santaera et al. | Low-cost, fast and accurate reconstruction of robotic and human postures via IMU measurements | |
Lin et al. | Development of the wireless ultra-miniaturized inertial measurement unit WB-4: Preliminary performance evaluation | |
Chen et al. | Drift-free and self-aligned IMU-based human gait tracking system with augmented precision and robustness | |
Mihelj | Human arm kinematics for robot based rehabilitation | |
Dong et al. | Calibration of low cost IMU’s inertial sensors for improved attitude estimation | |
CN112890808B (zh) | 一种基于mems传感器的人体肢体关节轴校准装置 | |
Mihelj | Inverse kinematics of human arm based on multisensor data integration | |
Xu et al. | Measuring human joint movement with IMUs: Implementation in custom-made low cost wireless sensors | |
Yang et al. | Research on human motion monitoring method based on multi-joint constraint filter model | |
JP3394979B2 (ja) | 関節角の計測方法及びその装置 | |
Lee et al. | Relative position estimation using Kalman filter based on inertial sensor signals considering soft tissue artifacts of human body segments | |
JP2016206081A (ja) | 動作推測装置および動作推測方法 | |
Seel et al. | IMU-based joint angle measurement made practical | |
Kaczmarek et al. | EKF-based method for kinematic configuration estimation of finger-like structure using low grade multi-IMU system | |
Joukov et al. | Closed-chain pose estimation from wearable sensors | |
Kitano et al. | Modeling of Hand and Forearm link using Inertial Sensors | |
Li et al. | A disturbance rejection adaptive filtering approach for human motion tracking |
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 |