CN108042143B - 一种基于改进的zmp理论的人体失衡监测方法 - Google Patents

一种基于改进的zmp理论的人体失衡监测方法 Download PDF

Info

Publication number
CN108042143B
CN108042143B CN201711344914.XA CN201711344914A CN108042143B CN 108042143 B CN108042143 B CN 108042143B CN 201711344914 A CN201711344914 A CN 201711344914A CN 108042143 B CN108042143 B CN 108042143B
Authority
CN
China
Prior art keywords
human body
foot
human
information
zmp
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
Application number
CN201711344914.XA
Other languages
English (en)
Other versions
CN108042143A (zh
Inventor
徐光华
麻晓龙
梁仍昊
张四聪
罗爱玲
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.)
GUANGDONG XI'AN JIAOTONG UNIVERSITY ACADEMY
Xian Jiaotong University
Original Assignee
GUANGDONG XI'AN JIAOTONG UNIVERSITY ACADEMY
Xian Jiaotong 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 GUANGDONG XI'AN JIAOTONG UNIVERSITY ACADEMY, Xian Jiaotong University filed Critical GUANGDONG XI'AN JIAOTONG UNIVERSITY ACADEMY
Priority to CN201711344914.XA priority Critical patent/CN108042143B/zh
Publication of CN108042143A publication Critical patent/CN108042143A/zh
Application granted granted Critical
Publication of CN108042143B publication Critical patent/CN108042143B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种基于改进的ZMP理论的人体失衡监测方法，先提取人体全身骨骼节点的三维位置信息，为人体形体模型中各体段配置质量；然后通过人体在行走状态下各体段的空间位置、质量，根据各体段空间位置在时间上的差分求得各体段运动的速度、加速度信息，进而求出各体段的惯性力信息，构建出动态多刚体人体模型；计算动态多刚体人体模型的零力矩点(ZMP)的位置，构建人体行走时的动态支撑区，通过动态多刚体人体模型ZMP位置与动态支撑区位置做匹配，判断ZMP是否位于动态支撑区内，如果位于其内，则判断人体行走平衡；如果位于其外，则判断人体行走失衡；本发明将人体动态支撑区和ZMP理论结合进行人体行走状态监测，适用于人体行走状态的稳定性判断。

Description

一种基于改进的ZMP理论的人体失衡监测方法
技术领域
本发明涉及人体失衡监测技术领域，具体涉及一种基于改进的ZMP理论的人体失衡监测方法。
背景技术
ZMP理论(零力矩理论)多应用于双足机器人步态规划及平衡判定，零力矩点是指机器人足底与地面接触时受到反作用力N及力矩M，若存在一点P其反作用力、惯性力的力矩和为零，则点P称为零力矩点(简称ZMP)。与ZMP配合应用的另一个概念是支撑区，机器人行走时支撑脚与地面的接触区域(双脚支撑时，为两脚所构成的凸多边形的面积)称为支撑区。零力矩原理是指机器人行走过程中保持动态平衡的条件是零力矩点始终位于支撑区之内。人体行走过程中，在单侧足趾离地之后及单侧足跟落地之前的短暂时间内，无法实现双足同时支撑地面，该状态为人体行走的短暂不平衡期。在将ZMP理论应用于人体行走状态的稳定平衡判定中，该理论在人体两只腿交换支撑时的短暂不稳定平衡期无法给出判定结果。
发明内容
为了克服上述现有技术的缺点，本发明目的在于提供一种基于改进的ZMP理论的人体失衡监测方法，适用于人体行走状态的稳定性判断。
为了达到上述目的，本发明采用的技术方案是：
一种基于改进的ZMP理论的人体失衡监测方法，包括以下步骤：
第一步，采用集景深信息采集和彩色信息采集于一体的Kinect体感传感器，实时提取人体全身骨骼节点的三维位置信息；
第二步，通过《中华人民共和国国家标准:成年人人体惯性参数》的人体各体段质量之比例，为人体形体模型中各体段配置质量；所构建的包含人体形体信息及运动信息的人体形体模型由头颈体段、上躯干体段、下躯干体段、上臂体段、下臂体段、大腿体段、小腿体段、手、脚15个段构成；将每个人的体重作为已知输入参数，同时参照《中华人民共和国国家标准:成年人人体惯性参数》中身体各部重量占体重比例来确定此模型中各段肢体的质量；此人体形体模型具备：人体解剖学结构、人体空间位置坐标信息和人体姿态更新的特点；
第三步，通过人体在行走状态下各体段的空间位置、质量，根据各体段空间位置在时间上的差分求得各体段运动的速度、加速度信息，进而求出各体段的惯性力信息，从而构建出动态多刚体人体模型；
第四步，计算动态多刚体人体模型的零力矩点(ZMP)的位置；具体求解过程如下公式所示：
Figure GDA0002409678730000021
式中：mi——动态多刚体人体模型各体段的质量；
Xi、Yi、Zi——动态多刚体人体模型各体段的质心；
Figure GDA0002409678730000022
——动态多刚体人体模型各体段的加速度；
第五步，构建人体行走时的动态支撑区；采用Kinect体感传感器所提取到的“脚部体感信息+脚码推测”的方法来求解人体双脚支撑区的近似解，Kinect体感传感器能够提供的脚部体感信息是脚踝、脚掌中心的三维坐标，由这两点坐标能够确定脚的方向，再通过结合人体脚码将支撑区的轮廓推测出来；
行走状态的人体双脚支撑区求解过程如下：
1)O1、O2：定义为脚跟中心，Kinect体感传感器能够提供的脚踝的三维坐标，O1、O2为双脚脚踝坐标在脚掌平面内的投影；
2)F1、F2：定义为脚掌中心，Kinect体感传感器能够提供脚掌中心的三维坐标；
3)Q1、Q2：定义为脚掌前顶点，通过脚码尺寸L及脚掌宽与脚码的比例尺寸k得到，Q1求解公式如下，Q2的求解方式与Q1相同；
Figure GDA0002409678730000031
Figure GDA0002409678730000032
4)Q2'、Q1'：定义脚掌侧顶点，通过脚码尺寸L及脚掌宽与脚码的比例尺寸k得到，Q1'求解公式如下，Q2'的求解方式与Q1'相同；
Figure GDA0002409678730000033
Figure GDA0002409678730000034
5)H1、H2：定义为脚跟后底点，通过脚码尺寸L及脚跟与脚码的比例尺寸m得到，H1的求解公式如下，H2的求解方式与H1相同；
Figure GDA0002409678730000035
Figure GDA0002409678730000036
6)H1'、H2'：定义为脚跟侧底点，通过脚码尺寸L及脚跟与脚码的比例尺寸m得到，公式如下
Figure GDA0002409678730000037
Figure GDA0002409678730000038
至此脚掌外围轮廓近似解的8个定位点都已求解完成，通过Q1’、Q1、Q2、Q2’、H2’、H2、H1、H1’的X、Z坐标能够确定这8个点依次连接成首尾封闭的虚线框，即双脚支撑区数值解；
第六步，通过第四步求出的动态多刚体人体模型ZMP位置，与第五步所求得的动态支撑区位置做匹配，判断ZMP是否位于动态支撑区内，如果位于其内，则判断人体行走平衡；如果位于其外，则判断人体行走失衡。
所述的第一步中Kinect体感传感器以图像的方式采集人体体感信息，使用时人体尽可能正对Kinect体感传感器站在其视场范围内。
所述的第一步中Kinect体感传感器采集时以30帧/秒的频率，同步获取视场空间内彩色信息、深度信息及人体骨骼节点的三维位置信息，其三维位置信息是指在Kinect坐标系中以Kinect体感传感器中心为坐标原点的人体骨骼节点的三维位置(X，Y，Z)。
与背景技术相比，本发明具有的有益效果是：
本发明将人体动态支撑区和ZMP理论结合起来，进行人体行走状态监测，可求得人体实时更新的ZMP点坐标，兼顾运算效率及测量系统简洁性，达到人体行走失衡的实时监测。
附图说明
图1是本发明的流程图。
图2是人体骨骼节点信息示意图。
图3是行走状态中动态多刚体人体模型的惯性力信息图。
图4是摆动相后期及脚掌俯视图。
图5是脚部轮廓求解示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示，一种基于改进的ZMP理论的人体失衡监测方法，包括以下步骤：
第一步，如图2所示，采用集景深信息采集和彩色信息采集于一体的Kinect体感传感器，以较高频率实时提取人体全身骨骼节点的三维位置信息；Kinect体感传感器以图像的方式采集人体体感信息，因此使用时人体尽可能正对Kinect体感传感器站在其视场范围内；Kinect体感传感器采集时以30帧/秒的频率，同步获取视场空间内彩色信息、深度信息及人体骨骼节点的三维位置信息，其三维位置信息是指在Kinect坐标系中以Kinect体感传感器中心为坐标原点的人体骨骼节点的三维位置(X，Y，Z)；
第二步，通过《中华人民共和国国家标准:成年人人体惯性参数》的人体各体段质量之比例，为人体形体模型中各体段配置质量；在《中华人民共和国国家标准:成年人人体惯性参数》标准中人体体段划分以明显的骨性标志位分界点，将人体分为头颈、上躯干、下躯干、左上臂、右上臂、左前臂、右前臂、左手、右手、左大腿、右大腿、左小腿、右小腿、左足、右足等15个部位，因此最终所构建的包含人体形体信息及运动信息的人体形体模型由头颈体段、上躯干体段、下躯干体段、上臂体段、下臂体段、大腿体段、小腿体段、手、脚15个段构成；将每个人的体重作为已知输入参数，同时参照《中华人民共和国国家标准:成年人人体惯性参数》一书中身体各部重量占体重比例来确定此模型中各段肢体的质量；此人体形体模型具备：人体解剖学结构、人体空间位置坐标信息和人体姿态更新的特点；
第三步，如图3所示，通过人体在行走状态下各体段的空间位置、质量，根据各体段空间位置在时间上的差分求得各体段运动的速度、加速度信息，进而求出各体段的惯性力信息，从而构建出动态多刚体人体模型；图中a1至a15描述了各体段加速度的基本信息；
第四步，计算动态多刚体人体模型的零力矩点(ZMP)的位置；所建立的动态多刚体人体模型能够实时反应目标人体各体段的质量信息及运动信息，因而可求得人体实时更新的ZMP点坐标，具体求解过程如下公式所示：
Figure GDA0002409678730000051
式中：mi——动态多刚体人体模型各体段的质量；
Xi、Yi、Zi——动态多刚体人体模型各体段的质心；
Figure GDA0002409678730000052
——动态多刚体人体模型各体段的加速度；
第五步，如图4所示，构建人体行走时的动态支撑区；采用Kinect体感传感器所提取到的“脚部体感信息+脚码推测”的方法来求解人体双脚支撑区的近似解，Kinect体感传感器能够提供的脚部体感信息是脚踝、脚掌中心的三维坐标，由这两点坐标能够确定脚的方向，再通过结合人体脚码将支撑区的轮廓推测出来；
如图5所示，行走状态的人体双脚支撑区求解过程如下：
1)O1、O2：定义为脚跟中心，Kinect体感传感器能够提供的脚踝的三维坐标，O1、O2为双脚脚踝坐标在脚掌平面内的投影；
2)F1、F2：定义为脚掌中心，Kinect体感传感器能够提供脚掌中心的三维坐标；
3)Q1、Q2：定义为脚掌前顶点，通过脚码尺寸L及脚掌宽与脚码的比例尺寸k得到，Q1求解公式如下，Q2的求解方式与Q1相同；
Figure GDA0002409678730000061
Figure GDA0002409678730000062
4)Q1’、Q2’：定义脚掌侧顶点，通过脚码尺寸L及脚掌宽与脚码的比例尺寸k得到，Q1’求解公式如下，Q2’的求解方式与Q1’相同；
Figure GDA0002409678730000063
Figure GDA0002409678730000064
5)H1、H2：定义为脚跟后底点，通过脚码尺寸L及脚跟与脚码的比例尺寸m得到，H1的求解公式如下，H2的求解方式与H1相同；
Figure GDA0002409678730000065
Figure GDA0002409678730000066
6)H2’、H2’：定义为脚跟侧底点，通过脚码尺寸L及脚跟与脚码的比例尺寸m得到，公式如下
Figure GDA0002409678730000071
Figure GDA0002409678730000072
至此脚掌外围轮廓近似解的8个定位点都已求解完成，通过Q1’、Q1、Q2、Q2’、H2’、H2、H1、H1’的X、Z坐标能够确定这8个点依次连接成首尾封闭的虚线框，即双脚支撑区数值解；
第六步，通过第四步求出的动态多刚体人体模型ZMP位置，与第五步所求得的动态支撑区位置做匹配，判断ZMP是否位于动态支撑区内，如果位于其内，则判断人体行走平衡；如果位于其外，则判断人体行走失衡。

Claims (3)

1.一种基于改进的ZMP理论的人体失衡监测方法，其特征在于，包括以下步骤：
第一步，采用集景深信息采集和彩色信息采集于一体的Kinect体感传感器，实时提取人体全身骨骼节点的三维位置信息；
第二步，通过《中华人民共和国国家标准:成年人人体惯性参数》的人体各体段质量之比例，为人体形体模型中各体段配置质量；所构建的包含人体形体信息及运动信息的人体形体模型由头颈体段、上躯干体段、下躯干体段、上臂体段、下臂体段、大腿体段、小腿体段、手、脚15个段构成；将每个人的体重作为已知输入参数，同时参照《中华人民共和国国家标准:成年人人体惯性参数》中身体各部重量占体重比例来确定此模型中各段肢体的质量；此人体形体模型具备：人体解剖学结构、人体空间位置坐标信息和人体姿态更新的特点；
第三步，通过人体在行走状态下各体段的空间位置、质量，根据各体段空间位置在时间上的差分求得各体段运动的速度、加速度信息，进而求出各体段的惯性力信息，从而构建出动态多刚体人体模型；
第四步，计算动态多刚体人体模型的零力矩点ZMP的位置；具体求解过程如下公式所示：
Figure FDA0002409678720000011
式中：mi——动态多刚体人体模型各体段的质量；
Xi、Yi、Zi——动态多刚体人体模型各体段的质心；
Figure FDA0002409678720000012
——动态多刚体人体模型各体段的加速度；
第五步，构建人体行走时的动态支撑区；采用Kinect体感传感器所提取到的“脚部体感信息+脚码推测”的方法来求解人体双脚支撑区的近似解，Kinect体感传感器能够提供的脚部体感信息是脚踝、脚掌中心的三维坐标，由这两点坐标能够确定脚的方向，再通过结合人体脚码将支撑区的轮廓推测出来；
行走状态的人体双脚支撑区求解过程如下：
1)O1、O2：定义为脚跟中心，Kinect体感传感器能够提供的脚踝的三维坐标，O1、O2为双脚脚踝坐标在脚掌平面内的投影；
2)F1、F2：定义为脚掌中心，Kinect体感传感器能够提供脚掌中心的三维坐标；
3)Q1、Q2：定义为脚掌前顶点，通过脚码尺寸L及脚掌宽与脚码的比例尺寸k得到，Q1求解公式如下，Q2的求解方式与Q1相同；
Figure FDA0002409678720000021
Figure FDA0002409678720000022
4)Q'2、Q'1：定义脚掌侧顶点，通过脚码尺寸L及脚掌宽与脚码的比例尺寸k得到，Q'1求解公式如下，Q'2的求解方式与Q'1相同；
Figure FDA0002409678720000023
Figure FDA0002409678720000024
5)H1、H2：定义为脚跟后底点，通过脚码尺寸L及脚跟与脚码的比例尺寸m得到，H1的求解公式如下，H2的求解方式与H1相同；
Figure FDA0002409678720000025
Figure FDA0002409678720000026
6)H'1、H'2：定义为脚跟侧底点，通过脚码尺寸L及脚跟与脚码的比例尺寸m得到，公式如下
Figure FDA0002409678720000031
Figure FDA0002409678720000032
至此脚掌外围轮廓近似解的8个定位点都已求解完成，通过Q1’、Q1、Q2、Q2’、H2’、H2、H1、H1’的X、Z坐标能够确定这8个点依次连接成首尾封闭的虚线框，即双脚支撑区数值解；
第六步，通过第四步求出的动态多刚体人体模型ZMP位置，与第五步所求得的动态支撑区位置做匹配，判断ZMP是否位于动态支撑区内，如果位于其内，则判断人体行走平衡；如果位于其外，则判断人体行走失衡。
2.根据权利要求1所述的一种基于改进的ZMP理论的人体失衡监测方法，其特征在于：所述的第一步中Kinect体感传感器以图像的方式采集人体体感信息，使用时人体尽可能正对Kinect体感传感器站在其视场范围内。
3.根据权利要求1所述的一种基于改进的ZMP理论的人体失衡监测方法，其特征在于：所述的第一步中Kinect体感传感器采集时以30帧/秒的频率，同步获取视场空间内彩色信息、深度信息及人体骨骼节点的三维位置信息，其三维位置信息是指在Kinect坐标系中以Kinect体感传感器中心为坐标原点的人体骨骼节点的三维位置(X，Y，Z)。
CN201711344914.XA 2017-12-15 2017-12-15 一种基于改进的zmp理论的人体失衡监测方法 Active CN108042143B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711344914.XA CN108042143B (zh) 2017-12-15 2017-12-15 一种基于改进的zmp理论的人体失衡监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711344914.XA CN108042143B (zh) 2017-12-15 2017-12-15 一种基于改进的zmp理论的人体失衡监测方法

Publications (2)

Publication Number Publication Date
CN108042143A CN108042143A (zh) 2018-05-18
CN108042143B true CN108042143B (zh) 2020-06-02

Family

ID=62132961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711344914.XA Active CN108042143B (zh) 2017-12-15 2017-12-15 一种基于改进的zmp理论的人体失衡监测方法

Country Status (1)

Country Link
CN (1) CN108042143B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109394231B (zh) * 2018-12-10 2021-06-11 吉林大学 一种站起运动平衡监测与动力学解析系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3443077B2 (ja) * 1999-09-20 2003-09-02 ソニー株式会社 ロボットの運動パターン生成装置及び運動パターン生成方法、並びにロボット
JP2004249374A (ja) * 2003-02-18 2004-09-09 Sony Corp 脚式移動ロボット
CN103976739B (zh) * 2014-05-04 2019-06-04 宁波麦思电子科技有限公司 穿戴式摔倒动态实时检测方法和装置
JP2017086184A (ja) * 2015-11-02 2017-05-25 国立大学法人埼玉大学 筋活動可視化システムと筋活動可視化方法

Also Published As

Publication number Publication date
CN108042143A (zh) 2018-05-18

Similar Documents

Publication Publication Date Title
CN108056898B (zh) 基于下肢连杆模型和力觉信息的虚拟场景交互式康复训练机器人及其控制方法
CN102323854B (zh) 人体运动捕获装置
Scurr et al. Breast displacement in three dimensions during the walking and running gait cycles
Wang et al. Using wearable sensors to capture posture of the human lumbar spine in competitive swimming
CN107115653A (zh) 调整泳姿的装置、泳姿信息处理系统、泳姿信息处理方法
CN107137089A (zh) 一种穿戴式传感鞋系统及步态评估方法
CN106078752A (zh) 一种基于Kinect的仿人机器人人体行为模仿方法
WO2016173099A1 (zh) 一种基于惯性传感器进行虚拟现实行走控制的方法及系统
CN103598889A (zh) 基于Kinect视觉步态分析的情景交互康复训练方法
CN104224498A (zh) 一种外骨骼机器人系统及基于运动学末端检测的控制方法
CN109310913A (zh) 三维模拟方法及装置
CN112704491B (zh) 基于姿态传感器和动捕模板数据的下肢步态预测方法
CN105147295A (zh) 一种基于加速度传感器的跑步姿势判断和矫正方法
CN113172635A (zh) 双足机器人行走控制方法、装置、设备及存储介质
JP6649323B2 (ja) 歩行解析システム及び方法
CN112182682B (zh) 一种运动服装版型生成方法及系统
CN105117545B (zh) 下肢假肢行走运动仿真实验的方法
CN108042143B (zh) 一种基于改进的zmp理论的人体失衡监测方法
CN108211318A (zh) 基于多方感知的竞走运动姿态分析方法
Boutin et al. From human motion capture to humanoid locomotion imitation Application to the robots HRP-2 and HOAP-3
Jeong et al. Comparison of segmental analysis and sacral marker methods for determining the center of mass during level and slope walking
KR101696909B1 (ko) 보행 단계 인식 시스템
CN109284006A (zh) 一种人体运动捕获装置和方法
CN105184845B (zh) 角色模型的形成方法及系统
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

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