CN107273611A - 一种基于下肢行走特点的下肢康复机器人的步态规划方法 - Google Patents

一种基于下肢行走特点的下肢康复机器人的步态规划方法 Download PDF

Info

Publication number
CN107273611A
CN107273611A CN201710448440.7A CN201710448440A CN107273611A CN 107273611 A CN107273611 A CN 107273611A CN 201710448440 A CN201710448440 A CN 201710448440A CN 107273611 A CN107273611 A CN 107273611A
Authority
CN
China
Prior art keywords
point
gait
half section
lower limb
human body
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.)
Granted
Application number
CN201710448440.7A
Other languages
English (en)
Other versions
CN107273611B (zh
Inventor
张武翔
何志敏
石狄
齐冲
丁希仑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201710448440.7A priority Critical patent/CN107273611B/zh
Publication of CN107273611A publication Critical patent/CN107273611A/zh
Application granted granted Critical
Publication of CN107273611B publication Critical patent/CN107273611B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1657—Movement of interface, i.e. force application means
    • A61H2201/1659—Free spatial automatic movement of interface within a working area, e.g. Robot
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/10—Leg

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pain & Pain Management (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Rehabilitation Therapy (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明基于下肢行走特点的下肢康复机器人的步态规划方法，首先基于下肢行走特点进行参数化建模：建立人体下肢髋、膝、踝转角的参数化数学模型，确定描述该模型函数曲线的形式和所需参数个数。随后建立曲线参数的数学反解方程组。接着寻找人体结构参数与特征关键点位之间的线性和非线性映射关系。最后测量人体结构参数，通过人体结构参数与特征关键点的映射关系，找出患者特征关键点，并反解曲线的参数，得到曲线具体表达式，最后根据下肢康复机器人的具体结构和构型，进行机器人运动学位置和相应下肢角度求解，生成机器人对应的关节运动指令。本发明更加符合人体下肢运动规律，更能揭示人体下肢运动的机理。

Description

一种基于下肢行走特点的下肢康复机器人的步态规划方法
技术领域
本发明属于机器人技术领域，具体涉及一种基于下肢行走特点的下肢康复机器人的步态规划方法。
背景技术
当今社会老龄化逐渐成为普遍的趋势，老人的身体机能是逐渐下降的，并且伴着脑卒中、偏瘫等疾病。治疗后期需要为这些疾病患者规划科学有效的康复训练计划，这样有助于帮助患者建立和恢复肢体运动功能。下肢康复机器人能够节约社会和医疗资源的优势就十分突出。
研究步态规划不仅对了解人体运动规律,发现肢体间的协调配合决策具有重要的意义,而且在临床诊断、康复医疗、人机工程学、体育科学以及仿生机构与类人机器人等领域都具有重要的意义。
参考文献1：王企远.步行康复训练机器人助行腿的步态规划与运动控制.上海大学,2011。其中，直接将某一组角度数据拟合得到的参数方程作为助兴腿步态规划的轨迹方程，未考虑不同人不同身体条件的差异性。参考文献2：赵凌燕.人体步态模型实验研究.哈尔滨工程大学,2008。其中，将矢状面内人体下肢的关节角度轨迹曲线与身高与行走速度相联系起来，研究身高与行走速度变化时，曲线幅值与初始相位的变化关系。但是对于更为复杂的，人体参数与曲线参数之间关系未作更为深入探究。参考文献3：周晓晨.下肢康复机器人步态规划的宜人性研究:河北工业大学，2015。其中，采用径向神经网络对所获得的样本数据进行训练，并以实验对象的身体参数为训练输入，输出需要的步长和步态周期，生成相应的步态进行运动规划。
人体下肢运动是一个复杂且符合生物学原理的过程，如果仅仅把步态规划作为一个数学处理的过程，而不结合人体下肢行走的特点，则会将人体行走的生物性质割裂开来，所得到的数学模型无实际意义，也不能揭示行走规律。
发明内容
本发明的目的在于提供一种基于下肢行走特点的下肢康复机器人的步态规划方法，通过测量患者的结构参数，规划出患者康复过程中的下肢运动轨迹。
本发明基于下肢行走特点的下肢康复机器人的步态规划方法，通过下述步骤实现：
步骤1：参数化建模：
建立人体下肢髋、膝、踝关节矢状面转角的参数化数学模型θ＝(θh θk θa)；θh、θk、θa分别为髋、膝与踝关节转角曲线模型，具体为：
其中，IC：Inicial Contact，足跟着地时刻；R.IC为右足跟着地时刻，L.IC为左足跟着地时刻；x为步态周期归一化后的百分比位置，范围是0％到100％；θa1和θk1是踝关节和膝关节转角曲线前半段的转角模型，θa2和θk2是踝关节和膝关节转角曲线后半段的转角模型；所述前半段与后半段以左侧足跟着地时刻(L.IC)为界划分；式(1)、(2)、(3)中a为转角曲线模型中的待定参数；式(1)中，a1～a7分别为髋关节转角曲线模型中的7个待定参数；式(2)中，a1～a4分别为膝关节转角曲线中前半段的4个待定参数；a5～a8分别为膝关节转角曲线中后半段的4个待定参数；式3中，a1～a4分别为踝关节转角曲线中前半段的4个待定参数；a5～a9分别为踝关节转角曲线中后半段的5个待定参数。
步骤2：建立转角曲线模型中的参数反解方程。
针对转角曲线模型的参数个数及曲线形式选取特征关键点，建立转角曲线模型中的参数反解方程；
步骤3：建立人体结构参数与特征关键点的映射关系。
寻找人体结构参数与特征关键点位之间的线性和非线性映射关系。
步骤4：运动轨迹的生成。
测量患者人体结构参数，通过人体结构参数与特征关键点的映射关系，找出患者的特征关键点，通过特征关键点反解出转角曲线的参数，得到转角曲线具体表达式，最后根据下肢康复机器人的具体结构和构型，进行机器人运动学位置和相应下肢角度求解，生成机器人对应的关节运动指令。
本发明的优点在于：
1、本发明基于下肢行走特点的下肢康复机器人的步态规划方法，是基于人体下肢行走特点的运动规划，相较于采用纯数学的方法，更加符合人体下肢运动规律，更能揭示人体下肢运动的机理。
2、本发明基于下肢行走特点的下肢康复机器人的步态规划方法，可根据患者的身体结构和运动特点，进行参数化的调整，实现不同个体的运动轨迹定制。
附图说明
图1为本发明基于下肢行走特点的下肢康复机器人的运动规划方法流程图。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
本发明提供基于下肢行走特点的下肢康复机器人的运动规划方法，通过对人体下肢运动的参数化描述，建立参数化的人体下肢运动模型，根据患者的不同结构参数，实现下肢运动轨迹的生成，包括基于下肢行走特点的参数化关节转角曲线建模、转角曲线模型参数反解、建立人体结构参数与特征关键点的映射关系和运动轨迹的生成四步，具体为：
步骤1：基于下肢行走特点的参数化建模。
本发明中下肢关节矢状面转角包括髋关节、膝关节与踝关节转角，各关节旋转角度的测量采用实验方法，选取多名志愿者，对每个志愿者通过三维运动捕捉系统采集人体在不同速度下的身体位置，测量点位为国际上通常采用的Helen Hayes model，通过标记点的位置变化计算出髋、膝、踝三个关节在矢状面内的旋转角度，所使用的光学捕捉系统的频率为100Hz，因而得到的是关节转角的散点图，通过MATLAB中cftool工具箱中的自定义拟合功能，将散点图拟合成连续的参数化转角曲线模型θ＝(θhθkθa)。选取的拟合函数如下：
其中，IC：Inicial Contact，足跟着地时刻；R.IC为右足跟着地时刻，L.IC为左足跟着地时刻；x为步态周期归一化后的百分比位置，范围是0％到100％；由于膝关节和踝关节角度变化规律复杂，因而分为两部分分别进行拟合，θa1和θk1是踝关节和膝关节转角曲线前半段的转角模型，θa2和θk2是踝关节和膝关节转角曲线后半段的转角模型；所述前半段与后半段以左侧足跟着地时刻(L.IC)为界划分；式(1)、(2)、(3)中a为转角曲线模型中的待定参数；式(1)中，a1～a7分别为髋关节转角曲线模型中的7个待定参数；式(2)中，a1～a4分别为膝关节转角曲线中前半段的4个待定参数；a5～a8分别为膝关节转角曲线中后半段的 4个待定参数；式3中，a1～a4分别为踝关节转角曲线中前半段的4个待定参数；a5～a9分别为踝关节转角曲线中后半段的5个待定参数。
建立上述参数化关节转角曲线模型之后，只要确定各个转角曲线模型θ＝(θh θkθa)的待定参数a＝(a1 a2 ... an)，就可以完全确定各个关节的转角曲线。
步骤2：建立转角曲线模型中的参数反解方程；
根据线性方程组求解基本的原则，N个线性无关方程可以求解出N个未知参数。对于步骤1建立的参数化的转角曲线模型中的参数a＝(a1 a2 ... an)，只要找出n个线性无关的方程组就可以求解出来，具体为：
a、髋关节
根据式(1)可知，求解髋关节转角曲线模型中参数，需要7个线性方程组；因此，选取人体行走过程中的7个关键的步态点Pi(xi,θh(xi))(i＝1,2,...,7)，其中xi为髋关节第i个步态关键点横坐标，θh(xi)为髋关节第i个步态关键点纵坐标。Pi(xi,θh(xi))分别是足跟着地点(起始点)P1(0,θh(0))、对侧足尖离地点P2(x2,θh(x2))、对侧足跟着地点P3(x3,θh(x3))、足尖离地点P4(x4,θh(x4))、极小值点P5(x5,θh(x5))、极大值点P6(x6,θh(x6))和下一个步态周期足跟着地点(终止点)P7(1,θh(1))。通过这7个关键步态点建立7个线性无关的方程组如下：
将上述线性方程组变形后得到矩阵方程：
将上述参数矩阵方程记为Xh·Ah＝Bh，该参数矩阵的解Ah＝Xh -1·Bh。
b、膝关节
根据式(2)可知，求解膝关节转角曲线前半段对应的转角模型中参数，需要4个线性无关的方程组，后半段需要4个线性无关的方程组，因此，在前半段选取了4个关键的步态点 Pi(xi,θk(xi))(i＝1,2,3,4)，θk(xi)为膝关节步态关键点的纵坐标。Pi(xi,θk(xi))分别是足跟着地点(起始点)P1(0,θk(0))、对侧足尖离地点P2(x2,θk(x2))、前半段极大值点P3(x3,θk(x3))和分段点(终止点)P4(1,θk(1))；在后半段选取了4个关键的步态点Pi(xi,θh(xi))(i＝5,6,7,8)，分别是分段点(起始点)P5(0,θk(0))、足尖离地点P6(x6,θk(x6))、后半段极大值点P7(x7,θk(x7))和下一个步态周期足跟着地点(终止点)P8(1,θh(1))。建立的线性方程组如下：
将上述线性方程组变形后得到矩阵方程：
上述参数矩阵方程记为Xk·Ak＝Bk，该参数矩阵的解Ak＝Xk -1·Bk。
c、踝关节
根据式(3)可知，求解踝关节转角曲线前半段对应的转角模型中参数，需要4个线性无关的方程组，后半段需要5个线性无关的方程组，为此，在前半段选取了4个关键的步态点 Pi(xi,θa(xi))(i＝1,2,3,4)，θa(xi)为踝关节第i个步态关键点的纵坐标。Pi(xi,θa(xi))分别是足跟着地点(起始点)P1(0,θa(0))、对侧足尖离地点P2(x2,θa(x2))、前半段极大值点P3(x3,θa(x3))和分段点(终止点)P4(1,θa(1))；在后半段选取了5个关键的步态点Pi(xi,θa(xi))(i＝5,6,7,8,9)，分别是分段点(起始点)P5(0,θa(0))、足尖Pi(xi,θa(xi))(i＝1,2,3,4)离地点P6(x6,θa(x6))、后半段极大值点P7(x7,θa(x7))、后半段极小值点P8(x8,θa(x8))和下一个步态周期足跟着地点(终止点)P9(1,θh(1))。建立的线性方程组如下：
将上述线性方程组变形后得到矩阵方程：
记为Xa·Aa＝Ba,所以，参数矩阵的解Aa＝Xa -1·Ba.
步骤3：建立人体结构参数M与特征关键点的映射关系
人体行走过程中有一些关键的步态点P＝(p1 p2 ... pn)，例如足跟着地时刻、足尖离地时刻、髋关节运动到极大值\极小值时刻等等，这些关键的步态点与人体的结构参数M有着十分密切的联系，可以通过建立人体结构参数M与特征关键点P的映射关系映射，从而能够通过测量某一位患者的结构参数M知晓该患者的特征关键点。具体各关节映射关系如下：
A、髋关节
对于髋关节的7个步态关节点Pi(xi,θh(xi))(i＝1,2,...,7)，将使用所测得的人体结构参数，利用多元回归分析，建立从结构参数M到步态关键点P的映射关系如下：
其中，v为步行速度，β0、β1、β2、β3、β4、β5为相关系数。
B、膝关节
对于膝关节的8个步态关节点Pi(xi,θk(xi))(i＝1,2,...,8)，将使用所测得的人体结构参数M，利用多元回归分析，建立从结构参数M到步态关键点P的映射关系如下：
C、踝关节
对于踝关节的9个步态关节点Pi(xi,θa(xi))(i＝1,2,...,9)，将使用所测得的人体结构参数M，利用多元回归分析，建立从结构参数M到步态关键点P的映射关系如下：
本发明中人体固有结构的属性参数为结构参数M，包括：
身高：从头顶点至地面的垂直距离H；
体重：裸体或穿着已知重量的工作衣称量得到的身体重量W；
年龄：从出生时起到计算时止生存的时间长度，统一统计虚岁，用Y表示；
性别：男性和女性，用S表示，男性为1，女性为0；
腿长：左腿大腿长Ll1、小腿长Ll2和右腿的大腿长Lr1、小腿长Lr2(具体定义见GB/T17245-2004)；
足长：足后跟点至最长的足趾尖点，左足长Ll4，右足长Lr4；
足宽：从胫侧跖骨点至腓侧跖骨点的直线距离，左足宽Dl1，右足宽Dr1；
步骤四：生成下肢康复机器人的运动轨迹。
所述运动轨迹的生成包括参数设置、运动生成和指令生成；其中：
1)参数设置方式为：
在下肢康复机器人内设置患者的结构参数M与患者的步态参数；其中，步态参数包括步速v与步长Lstride。
2)运动生成方式为：
下肢康复机器人根据输入的患者结构参数M，结合转角曲线模型θ，得到结构参数M到各关节的步态关键点P的映射关系g，再根据各关节的转角曲线参数反解方程，反解出各关节的转角曲线模型中的参数a，最后根据转角曲线的参数a，得到各关节的转角曲线；
3)指令生成：根据下肢康复机器人的具体结构和构型，进行机器人运动学位置和相应下肢角度求解，生成机器人对应的关节运动指令，即利用步骤2得到的函数曲线来驱动康复机器人各关节达到同样的角度和位置，以使患者熟悉正确的步态。

Claims (5)

1.一种基于下肢行走特点的下肢康复机器人的步态规划方法，其特征在于：通过下述步骤实现：
步骤1：参数化建模：
建立人体下肢髋、膝、踝关节矢状面转角的参数化数学模型θ＝(θh θk θa)；θh、θk、θa分别为髋、膝与踝关节转角曲线模型，具体为：
其中，IC：Inicial Contact，足跟着地时刻；R.IC为右足跟着地时刻，L.IC为左足跟着地时刻；x为步态周期归一化后的百分比位置，范围是0％到100％；θa1和θk1是踝关节和膝关节转角曲线前半段的转角模型，θa2和θk2是踝关节和膝关节转角曲线后半段的转角模型；所述前半段与后半段以左侧足跟着地时刻(L.IC)为界划分；式(1)、(2)、(3)中a为转角曲线模型中的待定参数；式(1)中，a1～a7分别为髋关节转角曲线模型中的7个待定参数；式(2)中，a1～a4分别为膝关节转角曲线中前半段的4个待定参数；a5～a8分别为膝关节转角曲线中后半段的4个待定参数；式3中，a1～a4分别为踝关节转角曲线中前半段的4个待定参数；a5～a9分别为踝关节转角曲线中后半段的5个待定参数。
步骤2：建立转角曲线模型中的参数反解方程；
针对转角曲线模型的参数个数及曲线形式选取特征关键点，建立转角曲线模型中的参数反解方程；
步骤3：建立人体结构参数与特征关键点的映射关系
寻找人体结构参数与特征关键点位之间的线性和非线性映射关系。
步骤4：运动轨迹的生成
测量患者人体结构参数，通过人体结构参数与特征关键点的映射关系，找出患者的特征关键点，通过特征关键点反解出转角曲线的参数，得到转角曲线具体表达式，最后根据下肢康复机器人的具体结构和构型，进行机器人运动学位置和相应下肢角度求解，生成机器人对应的关节运动指令。
2.如权利要求1所述一种基于下肢行走特点的下肢康复机器人的步态规划方法，其特征在于：步骤2具体方法为：
a、求解髋关节转角曲线模型中参数，需要7个线性方程组；因此，选取人体行走过程中的7个关键的步态点Pi(xi,θh(xi))(i＝1,2,...,7)，其中xi为髋关节第i个步态关键点横坐标，θh(xi)为髋关节第i个步态关键点纵坐标。Pi(xi,θh(xi))分别是足跟着地点(起始点)P1(0,θh(0))、对侧足尖离地点P2(x2,θh(x2))、对侧足跟着地点P3(x3,θh(x3))、足尖离地点P4(x4,θh(x4))、极小值点P5(x5,θh(x5))、极大值点P6(x6,θh(x6))和下一个步态周期足跟着地点(终止点)P7(1,θh(1))。通过这7个关键步态点建立7个线性无关的方程组如下：
将上述线性方程组变形后得到矩阵方程：
b、膝关节
求解膝关节转角曲线前半段对应的转角模型中参数，需要4个线性无关的方程组，后半段需要4个线性无关的方程组，因此，在前半段选取了4个关键的步态点Pi(xi,θk(xi))(i＝1,2,3,4)，θk(xi)为膝关节步态关键点的纵坐标。Pi(xi,θk(xi))分别是足跟着地点(起始点)P1(0,θk(0))、对侧足尖离地点P2(x2,θk(x2))、前半段极大值点P3(x3,θk(x3))和分段点(终止点)P4(1,θk(1))；在后半段选取了4个关键的步态点Pi(xi,θh(xi))(i＝5,6,7,8)，分别是分段点(起始点)P5(0,θk(0))、足尖离地点P6(x6,θk(x6))、后半段极大值点P7(x7,θk(x7))和下一个步态周期足跟着地点(终止点)P8(1,θh(1))。建立的线性方程组如下：
将上述线性方程组变形后得到矩阵方程：
c、求解踝关节转角曲线前半段对应的转角模型中参数，需要4个线性无关的方程组，后半段需要5个线性无关的方程组，为此，我们在前半段选取了4个关键的步态点Pi(xi,θa(xi))(i＝1,2,3,4)，θa(xi)为踝关节第i个步态关键点的纵坐标。Pi(xi,θa(xi))分别是足跟着地点(起始点)P1(0,θa(0))、对侧足尖离地点P2(x2,θa(x2))、前半段极大值点P3(x3,θa(x3))和分段点(终止点)P4(1,θa(1))；在后半段选取了5个关键的步态点Pi(xi,θa(xi))(i＝5,6,7,8,9)，分别是分段点(起始点)P5(0,θa(0))、足尖Pi(xi,θa(xi))(i＝1,2,3,4)离地点P6(x6,θa(x6))、后半段极大值点P7(x7,θa(x7))、后半段极小值点P8(x8,θa(x8))和下一个步态周期足跟着地点(终止点)P9(1,θh(1))。建立的线性方程组如下：
将上述线性方程组变形后得到矩阵方程：
3.如权利要求1、2所述一种基于下肢行走特点的下肢康复机器人的步态规划方法，其特征在于：步骤3的具体方法为：
A、髋关节建立从人体结构参数M到步态关键点P的映射关系如下：
其中，v为步行速度，β0、β1、β2、β3、β4、β5为相关系数。
B、膝关节建立从人体结构参数M到步态关键点P的映射关系如下：
C、踝关节建立从人体结构参数M到步态关键点P的映射关系如下：
。
4.如权利要求3所述一种基于下肢行走特点的下肢康复机器人的步态规划方法，其特征在于：步骤3的具体方法为：
人体结构参数M，包括：
身高：从头顶点至地面的垂直距离H；
体重：裸体或穿着已知重量的工作衣称量得到的身体重量W；
年龄：从出生时起到计算时止生存的时间长度，统一统计虚岁，用Y表示；
性别：男性和女性，用S表示，男性为1，女性为0；
腿长：左腿大腿长Ll1、小腿长Ll2和右腿的大腿长Lr1、小腿长Lr2(具体定义见GB/T17245-2004)；
足长：足后跟点至最长的足趾尖点，左足长Ll4，右足长Lr4；
足宽：从胫侧跖骨点至腓侧跖骨点的直线距离，左足宽Dl1，右足宽Dr1。
5.如权利要求1所述一种基于下肢行走特点的下肢康复机器人的步态规划方法，其特征在于：步骤1中，髋、膝与踝关节矢状面转角角度测量采用实验方法：具体为选取多名志愿者，对每个志愿者通过三维运动捕捉系统采集人体在不同速度下的身体位置，测量点位为国际上通常采用的Helen Hayes model，通过标记点的位置变化计算出髋、膝、踝三个关节在矢状面内的旋转角度，且将得到的关节转角散点图拟合成连续的参数化转角曲线模型θ＝(θh θk θa)。
CN201710448440.7A 2017-06-14 2017-06-14 一种基于下肢行走特点的下肢康复机器人的步态规划方法 Active CN107273611B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710448440.7A CN107273611B (zh) 2017-06-14 2017-06-14 一种基于下肢行走特点的下肢康复机器人的步态规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710448440.7A CN107273611B (zh) 2017-06-14 2017-06-14 一种基于下肢行走特点的下肢康复机器人的步态规划方法

Publications (2)

Publication Number Publication Date
CN107273611A true CN107273611A (zh) 2017-10-20
CN107273611B CN107273611B (zh) 2020-11-10

Family

ID=60066254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710448440.7A Active CN107273611B (zh) 2017-06-14 2017-06-14 一种基于下肢行走特点的下肢康复机器人的步态规划方法

Country Status (1)

Country Link
CN (1) CN107273611B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967687A (zh) * 2017-12-21 2018-04-27 浙江大学 一种获取目标物行走姿态的方法与系统
CN108305683A (zh) * 2018-02-09 2018-07-20 马立敏 一种膝关节疾病预测装置及系统
CN109397288A (zh) * 2018-10-18 2019-03-01 航天科工智能机器人有限责任公司 基于个体特征的机器人步态规划方法
CN109991979A (zh) * 2019-03-29 2019-07-09 华中科技大学 一种面向复杂环境的下肢机器人步态规划方法
CN110215648A (zh) * 2019-06-28 2019-09-10 华中科技大学 基于人体步态运动协调特性的外骨骼协调步态控制方法
CN110265112A (zh) * 2019-07-17 2019-09-20 北京航空航天大学 一种下肢康复机器人的三维步态康复训练方法
CN110400618A (zh) * 2019-07-17 2019-11-01 北京航空航天大学 一种基于人体运动结构特征的三维步态生成方法
CN110710976A (zh) * 2019-10-14 2020-01-21 深圳市迈步机器人科技有限公司 个性化步态生成方法存储介质、控制系统及外骨骼机器人
CN110815218A (zh) * 2019-10-31 2020-02-21 中国地质大学（武汉） 一种基于动作捕捉系统的机械臂拟人化轨迹规划方法
CN111419236A (zh) * 2020-03-30 2020-07-17 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
CN112137835A (zh) * 2019-06-27 2020-12-29 丰田自动车株式会社 学习系统、复健辅助系统、方法、程序及学习完毕模型
CN113012812A (zh) * 2021-02-03 2021-06-22 上海橙捷健康科技有限公司 一种膝、踝关节以及足底压力数据整合方法及系统
CN113835429A (zh) * 2021-09-08 2021-12-24 南方科技大学 一种仿生双足机器人的控制方法及仿生双足机器人
CN114419024A (zh) * 2022-01-27 2022-04-29 广州东利运动科技有限公司 一种基于视频图像分析来判断脚踝形变的智能算法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2811593A1 (en) * 2010-09-27 2012-04-05 Vanderbilt University Movement assistance device
US20150141878A1 (en) * 2013-11-20 2015-05-21 The University Of Maryland, Baltimore Method and apparatus for providing deficit-adjusted adaptive assistance during movement phases of an impaired joint
CN105615890A (zh) * 2015-12-24 2016-06-01 西安交通大学 人体下肢行走关节角度肌电连续解码方法
US20170027803A1 (en) * 2014-04-21 2017-02-02 The Trustees Of Columbia University In The City Of New York Human Movement Research, Therapeutic, and Diagnostic Devices, Methods, and Systems
CN106618979A (zh) * 2017-03-03 2017-05-10 杭州福祉医疗器械有限公司 步态康复机器人及用于步态康复机器人的控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2811593A1 (en) * 2010-09-27 2012-04-05 Vanderbilt University Movement assistance device
US20150141878A1 (en) * 2013-11-20 2015-05-21 The University Of Maryland, Baltimore Method and apparatus for providing deficit-adjusted adaptive assistance during movement phases of an impaired joint
US20170027803A1 (en) * 2014-04-21 2017-02-02 The Trustees Of Columbia University In The City Of New York Human Movement Research, Therapeutic, and Diagnostic Devices, Methods, and Systems
CN105615890A (zh) * 2015-12-24 2016-06-01 西安交通大学 人体下肢行走关节角度肌电连续解码方法
CN106618979A (zh) * 2017-03-03 2017-05-10 杭州福祉医疗器械有限公司 步态康复机器人及用于步态康复机器人的控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAONAN WANG等: ""A gait trajectory measuring and planning method for lower limb robotic rehabilitation"", 《2015 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION (ICMA)》 *
刘富强: ""行走辅助训练机器人研究"", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967687B (zh) * 2017-12-21 2018-11-23 浙江大学 一种获取目标物行走姿态的方法与系统
CN107967687A (zh) * 2017-12-21 2018-04-27 浙江大学 一种获取目标物行走姿态的方法与系统
CN108305683A (zh) * 2018-02-09 2018-07-20 马立敏 一种膝关节疾病预测装置及系统
CN109397288A (zh) * 2018-10-18 2019-03-01 航天科工智能机器人有限责任公司 基于个体特征的机器人步态规划方法
CN109991979B (zh) * 2019-03-29 2020-10-30 华中科技大学 一种面向复杂环境的下肢机器人拟人步态规划方法
CN109991979A (zh) * 2019-03-29 2019-07-09 华中科技大学 一种面向复杂环境的下肢机器人步态规划方法
CN112137835A (zh) * 2019-06-27 2020-12-29 丰田自动车株式会社 学习系统、复健辅助系统、方法、程序及学习完毕模型
CN110215648A (zh) * 2019-06-28 2019-09-10 华中科技大学 基于人体步态运动协调特性的外骨骼协调步态控制方法
CN110400618A (zh) * 2019-07-17 2019-11-01 北京航空航天大学 一种基于人体运动结构特征的三维步态生成方法
CN110265112A (zh) * 2019-07-17 2019-09-20 北京航空航天大学 一种下肢康复机器人的三维步态康复训练方法
CN110710976A (zh) * 2019-10-14 2020-01-21 深圳市迈步机器人科技有限公司 个性化步态生成方法存储介质、控制系统及外骨骼机器人
CN110815218A (zh) * 2019-10-31 2020-02-21 中国地质大学（武汉） 一种基于动作捕捉系统的机械臂拟人化轨迹规划方法
CN111419236A (zh) * 2020-03-30 2020-07-17 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
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
CN113012812A (zh) * 2021-02-03 2021-06-22 上海橙捷健康科技有限公司 一种膝、踝关节以及足底压力数据整合方法及系统
CN113012812B (zh) * 2021-02-03 2023-02-21 上海橙捷健康科技有限公司 一种膝、踝关节以及足底压力数据整合方法及系统
CN113835429A (zh) * 2021-09-08 2021-12-24 南方科技大学 一种仿生双足机器人的控制方法及仿生双足机器人
CN114419024A (zh) * 2022-01-27 2022-04-29 广州东利运动科技有限公司 一种基于视频图像分析来判断脚踝形变的智能算法
CN114419024B (zh) * 2022-01-27 2023-06-27 广州东利运动科技有限公司 一种基于视频图像分析来判断脚踝形变的方法

Also Published As

Publication number Publication date
CN107273611B (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN107273611A (zh) 一种基于下肢行走特点的下肢康复机器人的步态规划方法
CN102525795B (zh) 一种足部按摩机器人快速自动定位方法
CN108720841A (zh) 基于云检测的可穿戴下肢运动矫正系统
CN109953761A (zh) 一种下肢康复机器人感知系统及运动意图推理方法
Kutilek et al. Prediction of lower extremities' movement by angle-angle diagrams and neural networks.
Wang et al. Quantitative assessment of dual gait analysis based on inertial sensors with body sensor network
CN106821388A (zh) 脑卒中病人下肢康复定量评估方法
Zhang et al. Real-time gait phase recognition based on time domain features of multi-MEMS inertial sensors
Hossain et al. Deepbbwae-net: A cnn-rnn based deep superlearner for estimating lower extremity sagittal plane joint kinematics using shoe-mounted imu sensors in daily living
CN108388887A (zh) 基于学步期幼儿步态提取的双足机器人运动学分析方法
Mansour et al. A three dimensional multi-segmental analysis of the energetics of normal and pathological human gait
Li et al. Real-time gait event detection for a lower extremity exoskeleton robot by infrared distance sensors
CN104887237B (zh) 一种基于人体运动模式监测的行人导航方法
CN109124998A (zh) 动力外骨骼控制方法、装置、计算机设备及存储介质
CN108211318A (zh) 基于多方感知的竞走运动姿态分析方法
CN110400618B (zh) 一种基于人体运动结构特征的三维步态生成方法
Park et al. Measurement and analysis of gait pattern during stair walk for improvement of robotic locomotion rehabilitation system
Dinovitzer et al. Accurate real-time joint torque estimation for dynamic prediction of human locomotion
CN112472531A (zh) 面向医疗复健和助力行走的下肢外骨骼机器人步态平稳算法
Hayashibe et al. Muscle strength and mass distribution identification toward subject-specific musculoskeletal modeling
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
CN111260718A (zh) 一种基于Kinect摄像头的人体重心估计方法
Bae et al. Real-time estimation of lower extremity joint torques in normal gait
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
Chen et al. An adaptive gait learning strategy for lower limb exoskeleton robot

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