CN108030497B - 一种基于imu惯性传感器的步态分析装置及其方法 - Google Patents
一种基于imu惯性传感器的步态分析装置及其方法 Download PDFInfo
- Publication number
- CN108030497B CN108030497B CN201810038613.2A CN201810038613A CN108030497B CN 108030497 B CN108030497 B CN 108030497B CN 201810038613 A CN201810038613 A CN 201810038613A CN 108030497 B CN108030497 B CN 108030497B
- Authority
- CN
- China
- Prior art keywords
- inertial sensor
- data
- gait
- error
- imu
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 67
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 230000001133 acceleration Effects 0.000 claims description 38
- 238000009434 installation Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000003993 interaction Effects 0.000 abstract description 3
- 210000003127 knee Anatomy 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 210000000629 knee joint Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000002303 tibia Anatomy 0.000 description 1
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
- A61B5/112—Gait analysis
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6804—Garments; Clothes
- A61B5/6807—Footwear
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- 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IMU惯性传感器的步态分析装置及方法,所述步态分析装置包括主鞋和副鞋,主鞋中设置有第一IMU惯性传感器,用于采集第一只脚的步态数据,副鞋中设置有第二IMU惯性传感器,用于采集第二只脚的步态数据,主鞋和副鞋之间通过蓝牙进行数据交互,主鞋还用于将采集到的第一只脚的步态数据和第二只脚的步态数据上传至数据服务器。本发明所述步态分析装置具有灵巧、方便携带、功耗小、环境适应能力强等优点,测试人员穿上放有IMU惯性传感器的鞋在任意环境下按照正常走路方式行走即可完成步态的测量,为临床医疗和监护提供有效的参考数据。
Description
技术领域
本发明涉及步态分析技术领域,尤其涉及一种基于IMU惯性传感器的步态分析装置及其方法。
背景技术
步态分析是通过对人行走的姿态进行观察和力学等方面的分析,得到一系列关于距离、角度、时间、受力等参数和信号曲线,所以测量和分析人的步态信息在现实生活中有很多应用前景,例如步态分析可以用于预测老年人患认知障碍的可能性以及临床医学中监护病人的康复程度。
目前人体步态的测量和分析有多种方法,传统的临床测量借助卷尺、秒表、量角器等工具记录人体步态信息,这种方法由于人为因素造成的误差比较大,得到的结果误差也比较大,难以准确的应用于实际步态分析。
随着科技进步和发展,基于视频图像技术、压力信息技术、肌电信号技术和声学信号技术的步态分析方法正在兴起并逐步被应用,虽然这些技术在准确性上有了提高,但是只能用于实验室环境,实际操作起来的时间成本和经济成本都比较大,并不适合大范围任意环境的推广使用。
在现有技术中,例如,发明专利申请号201210425490.0公开了步态分析装置包括测量单元,配置为测量对象的运动;判定单元,被配置为基于对象的运动来判定对象开始行走的行走开始时间点;特征量计算部,被配置为当判定了行走开始时间点时,计算在从行走开始时间点开始的预定期间内测量的对象的运动的特征量,该预定期间作为对象的运动不稳定的期间;以及推定单元,被配置为基于特征量推定对象的行走状况。
又例如,专利申请号201610160391.2公开了发明名称为本发明涉及一种步态分析系统及方法。所述步态分析系统包含足部感测单元、膝部感测单元与可携式装置。足部感测单元用以感测压力信息。膝部感测单元用以感测第一与第二膝部三维角度信息。可携式装置用以根据压力信息、第一与第二膝部三维角度信息与反作用力方向模型产生反作用力方向信息,根据压力信息、第一与第二膝部三维角度信息、反作用力方向信息、胫骨长度与膝关节力矩模型产生膝关节力矩,根据压力信息、第一与第二膝部三维角度信息其中一者以及步态模型决定步态信息,根据步态信息、膝关节力矩与步态模型产生步态分析结果。本发明的系统和方法可感测使用者的足部与膝部的压力与角度数据,经过分析产生分析结果与调整建议。
以上发明专利申请涉及的步态分析装置或系统技术解决方案结构复杂,计算比较复杂实用性不尽理想,且未考虑测量单元或感测单元的初始标定误差,因此测量数据不够准确。
发明内容
为了解决现有技术中存在的上述问题,本发明提出一种基于IMU惯性传感器的步态分析装置及其方法,将IMU惯性传感器置于鞋的底部,测试人员穿上放有IMU惯性传感器的鞋在任意环境下按照正常走路方式行走即可完成步态的测量,为临床医疗和监护提供有效的参考数据。
为达到上述目的,本发明采用如下技术方案:
一种基于IMU惯性传感器的步态分析装置,包括主鞋和副鞋,所述主鞋中设置有第一IMU惯性传感器,用于采集第一只脚的步态数据,所述副鞋中设置有第二IMU惯性传感器,用于采集第二只脚的步态数据,所述主鞋和所述副鞋之间通过蓝牙进行数据交互,所述主鞋还用于将采集到的第一只脚的步态数据和第二只脚的步态数据上传至数据服务器。
优选地,所述主鞋还包括第一MCU主控模块、第一蓝牙模块和GSM模块,所述副鞋还包括第二MCU主控模块和第二蓝牙模块,所述第一蓝牙模块和所述第二蓝牙模块用于进行蓝牙通讯,所述GSM模块用于将采集到的第一只脚的步态数据和第二只脚的步态数据上传至数据服务器,所述第一MCU主控模块用于对所述第一IMU惯性传感器、所述第一蓝牙模块和所述GSM模块进行整体控制,所述第二MCU主控模块用于对所述第二IMU惯性传感器和所述第二蓝牙模块进行整体控制。
优选地,所述副鞋还包括GPS模块,所述GPS模块用于获取被测载体的位置信息,并发送给所述第二MCU主控模块,所述第二MCU主控模块通过所述第二蓝牙模块将所述位置信息发送给所述主鞋。
优选地,所述第一IMU惯性传感器和所述第二IMU惯性传感器均包括加速度计和陀螺仪,所述加速度计用于检测被测载体在三维空间的加速度信号,所述陀螺仪用于检测被测载体在三维空间的角速度信号。
一种基于IMU惯性传感器的步态分析方法,包括以下步骤:
步骤1、测量前,对IMU惯性传感器的标度因数误差、零偏误差和安装方位误差进行标定;
步骤2、测量后,对所述IMU惯性传感器采集的原始步态数据进行滤波,消除高频噪声;
步骤3、定义载体坐标系,计算所述IMU惯性传感器的初始不水平度;
步骤4、对滤波后的步态数据进行分析处理,得到跨步周期和步幅长度。
优选地,所述IMU惯性传感器包括加速度计和陀螺仪,在所述步骤1中,通过基于六面体的标定模型对所述IMU惯性传感器进行标定,所述加速度计的标定模型为:
其中Nax、Nay、Naz为所述加速度计的输出数字量,axb、ayb、azb为所述加速度计的输入量,Kax、Kay、Kaz为所述加速度计的标度因数误差,K0x、K0y、K0z为所述加速度计的零偏误差,Ayx、Azx、Axy、Azy、Axz、Ayz为所述加速度计的安装方位误差;
所述陀螺仪的标定模型为:
其中Ngx、Ngy、Ngz为所述陀螺仪的输出数字量,ωxb、ωyb、ωzb为所述陀螺仪的输入量,Kgx、Kgy、Kgz为所述陀螺仪的标度因数误差,D0x、D0y、D0z为所述陀螺仪的零偏误差,Eyx、Ezx、Exy、Ezy、Exz、Eyz为所述陀螺仪的安装方位误差。
优选地,在所述步骤2中,通过二阶低通滤波器对所述原始步态数据进行滤波,消除高频噪声。
优选地,在所述步骤3中,所述载体坐标系的X轴定义为垂直于脚的纵线并指向脚的右侧,Y轴定义为脚的纵轴方向,Z轴定义为垂直于地面向上的方向;
所述IMU惯性传感器包括加速度计,计算所述IMU惯性传感器的初始不水平度的步骤包括:
获取所述加速度计的原始采样数据:
Na=(Nax,Nay,Naz)T
利用标定好的标度因数误差、零偏误差和安装方位误差计算对所述原始采样数据补偿后的比例增量:
其中α=x,y,z,则补偿后的比例增量为:
其中,δT为采样周期,Ea、k0、kaa为安装方位误差、零偏误差和标度因数误差;
对所述比例增量进行积分和归一化处理:
Δwb=∑δwb
其中δwb表示加速度三个轴的比例,Δwb表示加速度三个轴的比例积分,为计算出来的三轴加速度,Δw为三轴比例积分归一化,/>为y轴加速度,/>为z轴加速度;
根据归一化处理结果计算所述IMU惯性传感器的初始姿态角:
θ=arcsinT32
θ,γ为初始的俯仰角度和横滚角度。
优选地,所述步骤4包括:
获取三轴加速度数据和三轴角速度数据;
基于互补滤波算法,从频域角度对所述三轴加速度数据和所述三轴角速度数据进行融合,得到被测载体走路时的加速度曲线和俯仰角度曲线;
根据所述加速度曲线和俯仰角度曲线得到跨步周期和步幅长度。
与现有技术相比,本发明具有以下有益效果:
本发明将IMU惯性传感器置于鞋的底部,测试人员穿上放有IMU惯性传感器的鞋在任意环境下按照正常走路方式行走即可完成步态的测量,基于IMU惯性传感器的步态分析装置具有灵巧、方便携带、功耗小、环境适应能力强等优点,最重要的是惯性器件精度较高,可感受行走过程中的微小变化,能记录行走过程中的每一个细节数据,从而准确地分析出人行走过程中的步态数据,为临床医疗和监护提供有效的参考数据。
附图说明
图1为本发明所述步态分析装置的结构示意图;
图2为本发明所述步态分析方法的流程图;
图3是三轴加速度数据在滤波前后的对比情况图;
图4是载体坐标系的定义图;
图5是人行走过程中对应的三轴加速度计数据和三轴陀螺仪数据;
图6是基于互补滤波算法计算出被测载体走路时候的姿态数据曲线;
图7是被测载体走路时的加速度曲线和俯仰角度曲线。
图中:1-主鞋,2-副鞋,101-第一IMU惯性传感器,102-第一MCU主控模块,103-第一蓝牙模块,104-GSM模块,201-第二IMU惯性传感器,202-第二MCU主控模块,203-第二蓝牙模块,204-GPS模块。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明提供了一种基于IMU惯性传感器的步态分析装置,如图1所示,包括主鞋1和副鞋2,主鞋1中设置有第一IMU惯性传感器101,用于采集第一只脚的步态数据,副鞋2中设置有第二IMU惯性传感器201,用于采集第二只脚的步态数据,主鞋1和副鞋2之间通过蓝牙进行数据交互,主鞋1还用于将采集到的第一只脚的步态数据和第二只脚的步态数据上传至数据服务器。
进一步地,主鞋1还包括第一MCU主控模块102、第一蓝牙模块103和GSM模块104,副鞋2还包括第二MCU主控模块202和第二蓝牙模块203,第一蓝牙模块103和第二蓝牙模块203用于进行蓝牙通讯,行走的时候两只鞋的距离不会很远,所以蓝牙通信完全可以保证数据的同步性;
GSM模块104用于将采集到的第一只脚的步态数据和第二只脚的步态数据上传至数据服务器,例如采用GSM2G通信技术,这样的设计既保证了左右脚之间的数据同步,又完整无误的将步态数据上传到数据服务器;
第一MCU主控模块102用于对第一IMU惯性传感器101、第一蓝牙模块103和GSM模块104进行整体控制,第二MCU主控模块202用于对第二IMU惯性传感器201和第二蓝牙模块203进行整体控制。
进一步地,副鞋2还包括GPS模块204,GPS模块204用于获取被测载体的位置信息,并发送给第二MCU主控模块202,第二MCU主控模块202通过第二蓝牙模块203将位置信息发送给主鞋1。
进一步地,第一IMU惯性传感器101和第二IMU惯性传感器201均包括加速度计和陀螺仪,其中,加速度计用于检测被测载体在三维空间的加速度信号,陀螺仪用于检测被测载体在三维空间的角速度信号。
测试人员穿上设置有第一IMU惯性传感器101的主鞋1和设置有第二IMU惯性传感器201的副鞋2在任意环境下按照正常走路方式行走即可完成步态的测量,惯性器件精度较高可感受行走过程中的微小变化,能记录行走过程中的每一个细节数据,准确的分析出人行走过程中的步态数据,为临床医疗和监护提供有效的参考数据。
相应地,本发明还提供了一种基于IMU惯性传感器的步态分析方法,如图2所示,所述方法包括以下步骤:
步骤1、测量前,对IMU惯性传感器的标度因数误差、零偏误差和安装方位误差进行标定;
步骤2、测量后,对所述IMU惯性传感器采集的原始步态数据进行滤波,消除高频噪声;
步骤3、定义载体坐标系,计算所述IMU惯性传感器的初始不水平度;
步骤4、对滤波后的步态数据进行分析处理,得到跨步周期和步幅长度。
惯性传感器由于器件个体差异以及安装缘故,需在使用之前对其标度因数、零偏以及安装误差进行标定,标定是为了保证测量的准确性和统一性。
具体地,IMU惯性传感器包括加速度计和陀螺仪,在步骤1中,通过基于六面体的标定模型对IMU惯性传感器进行标定,该模型简单易操作,并且准确性高。
加速度计的标定模型为:
其中Nax、Nay、Naz为所述加速度计的输出数字量,axb、ayb、azb为所述加速度计的输入量,Kax、Kay、Kaz为所述加速度计的标度因数误差,K0x、K0y、K0z为所述加速度计的零偏误差,Ayx、Azx、Axy、Azy、Axz、Ayz为所述加速度计的安装方位误差;
陀螺仪的标定模型为:
其中Ngx、Ngy、Ngz为所述陀螺仪的输出数字量,ωxb、ωyb、ωzb为所述陀螺仪的输入量,Kgx、Kgy、Kgz为所述陀螺仪的标度因数误差,D0x、D0y、D0z为所述陀螺仪的零偏误差,Eyx、Ezx、Exy、Ezy、Exz、Eyz为所述陀螺仪的安装方位误差。
通过上述的标定模型可以标定IMU惯性传感器的标度因数误差、零偏误差、安装方位误差,这些参数的准确性大幅提高了传感器数据的准确性,进而提高了步态参数的准确性。
进一步地,在步骤2中,通过二阶低通滤波器对所述原始步态数据进行滤波,消除高频噪声。
原始的传感器数据由于高频噪声的干扰导致产生误差,所以在计算之前必须利用滤波技术消除高频噪声,本发明根据数据的采样频率和人正常走路时候的运动特点,采用二阶低通滤波器有效过滤掉高频噪声,提高了原始数据的稳定性和准确性,为步态分析提供更加准确的数据源。图3是三轴加速度数据在滤波前后的对比情况,滤波后不但过滤掉了高频干扰噪声,而且能保留有效信息。
进一步地,如图4所示,在步骤3中,载体坐标系的X轴定义为垂直于脚的纵线并指向脚的右侧,Y轴定义为脚的纵轴方向,Z轴定义为垂直于地面向上的方向。
惯性传感器由于安装的缘故,初始上电后会造成与水平面呈现一定的角度,这个角度叫做初始不水平度,为使后续的姿态正确迭代下去,必须正确的获取这个初始角度,基于此本发明提出一种基于加速度计数据的初始不水平度算法模型。
IMU惯性传感器包括加速度计,计算IMU惯性传感器的初始不水平度的步骤包括:
获取加速度计的原始采样数据:
Na=(Nax,Nay,Naz)T
利用标定好的标度因数误差、零偏误差和安装方位误差计算对所述原始采样数据补偿后的比例增量:
其中α=x,y,z,上式是利用标定好的标度因数误差、零偏误差和安装方位误差计算比例增量,则补偿后的比例增量为:
其中,δT为采样周期,Ea、k0、kaa为安装方位误差、零偏误差和标度因数误差;
对比例增量进行积分和归一化处理:
Δwb=∑δwb
其中δwb表示加速度三个轴的比例,Δwb表示加速度三个轴的比例积分,为计算出来的三轴加速度,Δw为三轴比例积分归一化,/>为y轴加速度,/>为z轴加速度;
根据归一化处理结果计算IMU惯性传感器的初始姿态角:
θ=arcsinT32
θ,γ为初始的俯仰角度和横滚角度。
人体步行是一个持续的、具有和谐节律的周期性运动,步行周期性特点在相应的惯性步态数据中也有所体现,图5是人行走过程中对应的三轴加速度计数据和三轴陀螺仪数据。
具体地,步骤4包括:
首先,获取如图5所示的三轴加速度数据和三轴角速度数据;
然后,基于互补滤波算法,从频域角度对三轴加速度数据和三轴角速度数据进行融合,计算出被测载体走路时候的姿态数据曲线,如图6所示。基于以上数据,行走过程所对应的Y轴加速度曲线和俯仰角度曲线都呈现出了很强的规律性,根据姿态数据曲线可以得到被测载体走路时的加速度曲线和俯仰角度曲线,如图7所示。
最后,根据图7所示加速度曲线和俯仰角度曲线得到跨步周期和步幅长度。
根据图7中Y轴加速度和俯仰角度的变化情况可知:图中的A,C点代表脚尖即将离地,B,D点代表脚跟着地,因为一次脚尖离地到下一次脚跟着地的过程就是跨步周期,所以只要找到俯仰角或者加速度曲线波峰波谷对应的时间点,那么跨步周期就是这两个时间点对应的时间差。
根据上面提到的俯仰角度和Y轴方向加速度变化曲线,在找到对应的脚跟着地和脚尖离地点后,对这两个点之间的加速度进行二次积分即可得到距离,即步幅长度:
L=∫∫ay(t)dt。
为了验证本发明的实际效果,将IMU惯性传感器放在鞋底,测试人员穿上安装有惯性传感器的鞋在实验室行走,然后将本发明计算出距离和激光测出的距离进行对比,实验设备如下和实验人员信息如下:
利用激光测距测出测试人员行走时的真实距离,并将该距离和本发明算出的步幅累计距离比较,进而得出本发明的精度,实验结果如下,从实验结果来看本发明的精度在2%之内,能够非常好的满足步态分析相关应用。
本发明将传感器标定技术、滤波技术、姿态的初始对准技术融合在一起,进而提供了准确的人体行走方向的加速度变化、姿态变化,最终计算出了步幅长度、跨步周期等重要的步态参数,为临床医疗和监护提供有效的参考数据。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于IMU惯性传感器的步态分析方法,其特征在于,包括以下步骤:
步骤1、测量前,对IMU惯性传感器的标度因数误差、零偏误差和安装方位误差进行标定;
步骤2、测量后,对所述IMU惯性传感器采集的原始步态数据进行滤波,消除高频噪声;
步骤3、定义载体坐标系,计算所述IMU惯性传感器的初始不水平度;
步骤4、对滤波后的步态数据进行分析处理,得到跨步周期和步幅长度;
其中,所述IMU惯性传感器包括加速度计和陀螺仪,在所述步骤1中,通过基于六面体的标定模型对所述IMU惯性传感器进行标定,所述加速度计的标定模型为:
其中Nax、Nay、Naz为所述加速度计的输出数字量,axb、ayb、azb为所述加速度计的输入量,Kax、Kay、Kaz为所述加速度计的标度因数误差,K0x、K0y、K0z为所述加速度计的零偏误差,Ayx、Azx、Axy、Azy、Axz、Ayz为所述加速度计的安装方位误差;
所述陀螺仪的标定模型为:
其中Ngx、Ngy、Ngz为所述陀螺仪的输出数字量,ωxb、ωyb、ωzb为所述陀螺仪的输入量,Kgx、Kgy、Kgz为所述陀螺仪的标度因数误差,D0x、D0y、D0z为所述陀螺仪的零偏误差,Eyx、Ezx、Exy、Ezy、Exz、Eyz为所述陀螺仪的安装方位误差。
2.根据权利要求1所述的步态分析方法,其特征在于,在所述步骤2中,通过二阶低通滤波器对所述原始步态数据进行滤波,消除高频噪声。
3.根据权利要求1所述的步态分析方法,其特征在于,在所述步骤3中,所述载体坐标系的X轴定义为垂直于脚的纵线并指向脚的右侧,Y轴定义为脚的纵轴方向,Z轴定义为垂直于地面向上的方向;
所述IMU惯性传感器包括加速度计,计算所述IMU惯性传感器的初始不水平度的步骤包括:
获取所述加速度计的原始采样数据:
Na=(Nax,Nay,Naz)T
利用标定好的标度因数误差、零偏误差和安装方位误差计算对所述原始采样数据补偿后的比例增量:
其中α=x,y,z,则补偿后的比例增量为:
其中,δT为采样周期,Ea、k0、kaa为安装方位误差、零偏误差和标度因数误差;
对所述比例增量进行积分和归一化处理:
Δwb=Σδwb
其中δwb表示加速度三个轴的比例,Δwb表示加速度三个轴的比例积分,为计算出来的三轴加速度,Δw为三轴比例积分归一化,/>为y轴加速度,/>为z轴加速度;
根据归一化处理结果计算所述IMU惯性传感器的初始姿态角:
θ=arcsinT32
θ,γ为初始的俯仰角度和横滚角度。
4.根据权利要求1所述的步态分析方法,其特征在于,所述步骤4包括:
获取三轴加速度数据和三轴角速度数据;
基于互补滤波算法,从频域角度对所述三轴加速度数据和所述三轴角速度数据进行融合,得到被测载体走路时的加速度曲线和俯仰角度曲线;
根据所述加速度曲线和俯仰角度曲线得到跨步周期和步幅长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810038613.2A CN108030497B (zh) | 2018-01-16 | 2018-01-16 | 一种基于imu惯性传感器的步态分析装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810038613.2A CN108030497B (zh) | 2018-01-16 | 2018-01-16 | 一种基于imu惯性传感器的步态分析装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108030497A CN108030497A (zh) | 2018-05-15 |
CN108030497B true CN108030497B (zh) | 2023-12-19 |
Family
ID=62096786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810038613.2A Active CN108030497B (zh) | 2018-01-16 | 2018-01-16 | 一种基于imu惯性传感器的步态分析装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108030497B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108981631A (zh) * | 2018-07-02 | 2018-12-11 | 四川斐讯信息技术有限公司 | 一种基于惯性测量单元的路径长度测量方法及系统 |
CN109091151B (zh) * | 2018-09-06 | 2021-07-16 | 中国人民解放军战略支援部队信息工程大学 | 一种基于mimu的行人跌倒检测方法及装置 |
CN109528212B (zh) * | 2018-12-29 | 2023-09-19 | 大连乾函科技有限公司 | 一种异常步态识别设备及方法 |
CN109770911B (zh) * | 2019-01-21 | 2021-03-09 | 北京诺亦腾科技有限公司 | 一种步态分析方法、装置及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1361027A1 (en) * | 2000-11-17 | 2003-11-12 | Honda Giken Kogyo Kabushiki Kaisha | Gait pattern generating device for legged mobile robot |
CN202096210U (zh) * | 2011-03-28 | 2012-01-04 | 东南大学 | 一种基于足底压力的无线步态测量仪 |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
CN103234558A (zh) * | 2013-04-25 | 2013-08-07 | 哈尔滨工程大学 | 基于正六面体及大理石平台的光纤陀螺标定方法 |
CN103462619A (zh) * | 2013-09-30 | 2013-12-25 | 厦门大学 | 一种足底压力测量装置及其用于步态模式识别的方法 |
CN103815912A (zh) * | 2014-01-26 | 2014-05-28 | 大连大学 | 基于热红外传感器阵列的独居老人摔倒行为实时监测方法 |
CN105424040A (zh) * | 2016-01-15 | 2016-03-23 | 极翼机器人(上海)有限公司 | 一种新型mems惯性传感器阵列余度配置方法 |
CN106017507A (zh) * | 2016-05-13 | 2016-10-12 | 北京航空航天大学 | 一种用于中低精度的光纤惯组快速标定方法 |
CN106166071A (zh) * | 2016-07-04 | 2016-11-30 | 中国科学院计算技术研究所 | 一种步态参数的采集方法及设备 |
CN106175778A (zh) * | 2016-07-04 | 2016-12-07 | 中国科学院计算技术研究所 | 一种建立步态数据集的方法及步态分析方法 |
CN106643792A (zh) * | 2016-10-26 | 2017-05-10 | 中国科学院长春光学精密机械与物理研究所 | 惯性测量单元和地磁传感器整体标定装置及标定方法 |
CN106767917A (zh) * | 2016-12-08 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 一种斜置冗余惯导系统标定误差模型建模方法 |
CN107014377A (zh) * | 2017-04-17 | 2017-08-04 | 重庆邮电大学 | 一种基于惯性定位的多功能鞋垫 |
CN107314803A (zh) * | 2017-06-30 | 2017-11-03 | 汤建华 | 一种农机车载称重系统及其称重方法 |
CN208876547U (zh) * | 2018-01-16 | 2019-05-21 | 大连乾函科技有限公司 | 一种基于imu惯性传感器的步态分析装置 |
-
2018
- 2018-01-16 CN CN201810038613.2A patent/CN108030497B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1361027A1 (en) * | 2000-11-17 | 2003-11-12 | Honda Giken Kogyo Kabushiki Kaisha | Gait pattern generating device for legged mobile robot |
CN202096210U (zh) * | 2011-03-28 | 2012-01-04 | 东南大学 | 一种基于足底压力的无线步态测量仪 |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
CN103234558A (zh) * | 2013-04-25 | 2013-08-07 | 哈尔滨工程大学 | 基于正六面体及大理石平台的光纤陀螺标定方法 |
CN103462619A (zh) * | 2013-09-30 | 2013-12-25 | 厦门大学 | 一种足底压力测量装置及其用于步态模式识别的方法 |
CN103815912A (zh) * | 2014-01-26 | 2014-05-28 | 大连大学 | 基于热红外传感器阵列的独居老人摔倒行为实时监测方法 |
CN105424040A (zh) * | 2016-01-15 | 2016-03-23 | 极翼机器人(上海)有限公司 | 一种新型mems惯性传感器阵列余度配置方法 |
CN106017507A (zh) * | 2016-05-13 | 2016-10-12 | 北京航空航天大学 | 一种用于中低精度的光纤惯组快速标定方法 |
CN106166071A (zh) * | 2016-07-04 | 2016-11-30 | 中国科学院计算技术研究所 | 一种步态参数的采集方法及设备 |
CN106175778A (zh) * | 2016-07-04 | 2016-12-07 | 中国科学院计算技术研究所 | 一种建立步态数据集的方法及步态分析方法 |
CN106643792A (zh) * | 2016-10-26 | 2017-05-10 | 中国科学院长春光学精密机械与物理研究所 | 惯性测量单元和地磁传感器整体标定装置及标定方法 |
CN106767917A (zh) * | 2016-12-08 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 一种斜置冗余惯导系统标定误差模型建模方法 |
CN107014377A (zh) * | 2017-04-17 | 2017-08-04 | 重庆邮电大学 | 一种基于惯性定位的多功能鞋垫 |
CN107314803A (zh) * | 2017-06-30 | 2017-11-03 | 汤建华 | 一种农机车载称重系统及其称重方法 |
CN208876547U (zh) * | 2018-01-16 | 2019-05-21 | 大连乾函科技有限公司 | 一种基于imu惯性传感器的步态分析装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108030497A (zh) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108030497B (zh) | 一种基于imu惯性传感器的步态分析装置及其方法 | |
Luinge | Inertial sensing of human movement | |
CN102292025B (zh) | 确定用户的能量消耗 | |
JP5421571B2 (ja) | 歩行特性評価システムおよび軌跡生成方法 | |
JP4547537B2 (ja) | 身体状態検出装置、その検出方法及び検出プログラム | |
CN108186021B (zh) | 一种基于多模态信息融合的步态零速检测方法及系统 | |
JP2015062654A (ja) | 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム | |
Del Din et al. | Instrumented gait assessment with a single wearable: an introductory tutorial | |
US20100280792A1 (en) | Portable device and method for measurement and calculation of dynamic parameters of pedestrian locomotion | |
CN108245164A (zh) | 一种可穿戴式惯性器件人体步态信息采集计算方法 | |
CN108836344A (zh) | 步长步频估算方法和装置及步态检测仪 | |
CN108478222A (zh) | 一种基于神经网络的关节角误差补偿实验装置及方法 | |
Saito et al. | Ankle and knee joint angle measurements during gait with wearable sensor system for rehabilitation | |
JP6785917B2 (ja) | 走行又は歩行している個人の実時間の歩長と速度を計算する方法 | |
CN208876547U (zh) | 一种基于imu惯性传感器的步态分析装置 | |
CN114287890A (zh) | 基于mems传感器的帕金森患者的运动功能评估方法 | |
CN113229806A (zh) | 可穿戴人体步态检测及导航系统及其运行方法 | |
CN114096193A (zh) | 用于运动分析的系统和方法 | |
Ammann et al. | Human motion component and envelope characterization via wireless wearable sensors | |
US11497452B2 (en) | Predictive knee joint loading system | |
JP7259982B2 (ja) | 歩容計測システム、歩容計測方法、およびプログラム | |
WO2020126809A1 (en) | Method for equine motion analysis | |
WO2024124638A1 (zh) | 一种用于腿部姿态估计的可穿戴单节点设备及测量方法 | |
Alonge et al. | Use of accelerometers and gyros for hip and knee angle estimation | |
Rossanigo | Analysis of spatial parameters during gait with magneto-inertial sensors and infrared proximity sensors |
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 |