CN108279773B - 一种基于marg传感器和磁场定位技术的数据手套 - Google Patents

Abstract

本发明提供了一种基于MARG传感器和磁场定位技术的数据手套，该数据手套利用MARG传感器组设计了人手姿态检测系统HAMS（Hand Attitude Measurement System），并结合磁场定位技术实时监测人的手部姿态，发挥HAMS定位不受外界干扰且能够检测人的手部位置信息的优势，结合磁场定位的设备简单，定位快速的特点，能够以低成本实现高性能的手部检测性能。

Description

一种基于MARG传感器和磁场定位技术的数据手套

技术领域

本发明涉及一种数据手套的设计，尤其涉及一种基于MARG传感器和磁场定位技术的手套，即采用人手姿态测量系统HAMS和人手磁场检测模型来测定人手位姿信息的方法。

背景技术

人类与外界进行交互的过程中，手势动作是最重要的交互方式之一。人手具有很高的自由度，可以完成各种复杂的动作。人们用手势动作来表达思想，传递信息，与客观世界进行交互。社会的发展与技术的进步促使了很多新兴领域的出现，在这些新的领域中，手势动作受到越来越多的关注，人们希望记录、分析、再现这些动作。数据手套就是这样一种测量手的空间姿态、位置、手指弯曲角度并将信息记录或者传送到其他系统的硬件实现。它可以跟踪穿戴者灵活的手势姿态，记录穿戴者的动作，并实时地将其传送至显示系统。数据手套依托其自然高效的人机互动方式，在手语识别、游戏娱乐、动画设计、手术教学、康复治疗、远程控制、智能机器人、多媒体教学、军事情报等领域发挥着至关重要的作用，尤其在虚拟现实领域内，更是不可缺少的输入交互设备。

数据手套分为基于传感设备的系统和基于视觉图像的系统两种类型。其中，基于传感设备的系统主要有基于压电式、光纤式、机械式等。这些系统不仅价格比较昂贵，而且在实际应用中都有其特定的局限性，例如基于视觉图像的数据手套对光照有一定要求而且只能在特定的区域内使用，基于传感设备的柔性材料数据手套(如光纤式)由于材料疲劳所以使用寿命相对较短，机械式也存在因磨损而导致精度降低的问题。

低成本的数据手套使用6个航姿参考系统(AHRS)获取手在空间中的位置信息。由于传感器的精度和漂移影响，使得AHRS必须以复杂的解算算法才能够完成定位。使用6个AHRS只能检测出人手23个旋转自由度中的13个，而使用更多的AHRS一方面增加成本，另一方面对定位精度的要求更高。

发明内容

为了解决以上问题，本发明提供了一种基于MARG(Magnetometer,Accelerometerand Rate Gyro)传感器和磁场定位技术的数据手套，该数据手套利用MARG传感器组设计了人手姿态检测系统HAMS(Hand Attitude Measurement System)，并结合磁场定位技术实时监测人的手部姿态，发挥HAMS定位不受外界干扰且能够检测人的手部位置信息的优势，结合磁场定位的设备简单，定位快速的特点，能够以低成本实现高性能的手部检测性能。

MARG(Magnetometer,Accelerometer and Rate Gyro)是指利用各向异性磁阻AMR、加速度计和陀螺仪组成的传感器组，具有尺寸小、精度高、低成本和冗余性等特点。HAMS(Hand Attitude Measurement System)是利用MARG传感器组设计的人手姿态检测系统，该系统采集多个传感器数据，能够提供物体的俯仰、横滚和偏航信息，并包含了嵌入式的姿态数据解算算法，具有提供准确可靠的姿态数据的功能。

为了实现上述目的，本发明采用如下技术方案：

数据手套由6个HAMS系统以及5个磁场发生线圈组成。

由于HAMS适合检测自由度较高的关节，所以将其布置在大拇指的手掌指节和其余4指的近指指节上，每个HAMS系统检测相应关节的2个自由度。中央处理模块由一个HAMS系统、MCU微处理器模块以及其他必要模块组成，负责检测手腕的3个自由度以及总的数据处理和通信交互功能。布置在手指指尖的五个线圈由中央处理模块驱动，配合同一个手指中的HAMS系统中的磁力计，在分时复用的情况下完成磁场定位功能。在同一根手指上HAMS与磁场线圈位于同一平面内，线圈产生的磁场可以检测远指骨与近指骨之间的角度。所以本设备通过检测人手的各个自由度并结合人手的行为习惯，输出人手的动作姿态。

数据手套系统包括以下三个方面：

1)姿态解算算法

a.将加速度计、陀螺仪传感器分别建模，分别建立它们的静态和动态误差模型和漂移模型；

b.通过当地地磁场的磁偏角以及误差建立模型，纠正磁阻传感器的数据；

c.建立基于卡尔曼滤波器的数据融合滤波器，将三组传感器数据快速收敛稳定输出；

d.建立满足手部姿态高动态性状态的姿态解算算法。

2)手部磁场定位技术

a.在三个方向上分别建立磁阻传感器与圆环线圈之间的角度解算算法。；

b.根据手部姿态待测自由度与磁场检测之间的联系，设计传感器以及圆环线圈的布置位置，以及检测方法；

c.建立能够通过磁场变化高效检测手部姿态的解算方法。

3)PC机人手模型

a.通过VS2015以及OpenGL建立人的手部模型，并根据正常人手的活动空间对人手模型进行约束；

b.通过人手模型对数据手套获取的手部姿态信息进行约束，并实时将手部姿态以及位置信息显示。

与现有技术相比，本发明具有如下突出的实质性特点和显著的优点：

(1)本发明设备简单，成本很低；

(2)本发明利用MARG传感器和磁场定位技术实时监测人的手部姿态，能够实现较高的手部检测性能。

附图说明

图1为本发明中人手骨骼模型。

图2为本发明中人手坐标系。

图3为本发明中系统整体布置方案图。

图4为本发明中手指磁场定位模型的示意图。

图5为本发明中手指磁场定位运动模型。

图6为本发明中线圈定位磁场位置关系。

图7为本发明中基于新息的卡尔曼滤波算法。

图8为本发明中系统的硬件布置。

具体实施方式

下面结合附图对本发明的具体实施例进行具体描述。

实施例一：参见图1～图6，本实施例基于MARG传感器和磁场定位技术的数据手套，包括6个HAMS系统(6、6′)和5个磁场发生线圈(7)，其特征在于：所述HAMS系统(6、6′)，一个HAMS系统(6′)放置于手掌背面中央位置，用于捕捉手腕关节的3个转动自由度；其余5个HAMS系统(6)分别安放在拇指(1)的手掌骨背面和其余4指(2、3、4、5)的近指骨的背面，用于捕捉手腕骨拇指关节的弯曲和扩展自由度，以及其余4指(2、3、4、5)的掌指关节的弯曲和扩展自由度；所述5个磁场发生线圈(7)分别安放在5根手指(1、2、3、4、5)的远指骨背面上，与HAMS系统(6)中的AMR磁阻构成磁阻-线圈磁场检测模型，用于检测远指骨与近指骨之间的角度；5个磁场发生线圈(7)由中央处理模块(8)的线圈驱动电路驱动，并由中央处理模块(8)的微处理器MCU控制其分时开启和关闭；中央处理模块(8)与5根手指(1、2、3、4、5)的HAMS系统(6)通过SPI总线连接，与PC端软件通过串口发送接收数据，完成与数据手套的数据交互。

实施例二：本实施例与实施例一基本相同，特别之处如下：所述MARG传感器包括采集加速度信号的加速度传感器，采集角速度信号的陀螺仪，以及采集磁场信号的磁阻传感器；所述HAMS系统是利用MARG传感器组设计的人手姿态检测系统。所述磁阻-线圈磁场检测模型由HAMS系统中的AMR磁阻和圆环线圈组成，其中HAMS系统中的AMR磁阻布置于近指指节，圆环线圈布置于远指指节，通过电流激励使圆环线圈产生磁场，利用AMR磁阻检测来自线圈的磁场，确定线圈相对于磁阻的旋转角度；然后利用自然状态下人手的近指关节与远指关节旋转角度的约束关系，获得近指关节和远指关节的旋转角度。所述磁阻-线圈磁场检测模型的定位技术关系式如下：令HAMS系统(6)相对于线圈的位置为P(x,y,z)，由于HAMS系统(6)与线圈位于同一根手指上，所以点P相对于线圈在Y方向上为零，因此实际的相对位置为P(x,0,z)；θ_DIP为远指关节的旋转角度，θ_PIP为近指关节的旋转角度；线圈和HAMS-ARM磁阻在OXZ平面内，可以得到θ与P的关系；

点P(x,0,z)与角度之间的关系解析表达式如下：

其中L_PP为近指关节到HAMS的距离，L_MP为中指关节的长度；式中的x，y，z是在线圈坐标系下点P的坐标；λ为从线圈到远指关节的距离，由于人手在自然状态下θ_DIP与θ_PIP满足关系：

因此设：

将点在圆柱坐标系下表示P(ρ,θ,z)，HAMS系统所在的系统坐标系相对于线圈所在的线圈坐标系旋转了5β；由此得到点P与手指关节旋转角度之间的关系，其表达式为：

同时，将HAMS-AMR磁阻与线圈的相对运动轨迹和圆柱坐标系下点P的位置表示在同一个坐标系下，通过确定线圈圆柱坐标系下点P处的磁场强度

和HAMS-AMR系统坐标系下传感器解算得到的磁场强度

之间的旋转关系，确定出点P处HAMS-AMR系统相对于线圈的旋转角度，从而确定手指关节的旋转角度；

通过HAMS-AMR磁阻得到系统坐标系下的传感器检测的磁场矢量

但是在做进一步运算之前，必须将其中叠加的地磁矢量去除，因此采用了分时检测的方法，在不同的时间段检测不同的手指磁场，避免相互之间的干扰；在同一时间段首先检测地磁场，然后使相应手指的线圈通电产生磁场，检测空间内磁场；由于地磁场和空间磁场检测时间间隔很短，人手运动速度相对较慢，因此将两次检测的时间差忽略，从而得到去除地磁干扰的系统磁场

固定于人手近指指节的HAMS-AMR磁阻通过人手远指关节旋转角度θ_DIP和近指关节旋转角度θ_PIP的旋转，相对于磁场线圈旋转了一定的角度，通过上一小节中介绍的运动关系，可以确定这个角度的大小为：

5β＝θ_DIP+θ_PIP

从而根据坐标系旋转关系得HAMS-AMR系统坐标系相对于圆环线圈坐标系的旋转矩阵：

因此将HAMS-AMR系统坐标系下的磁场信息转换到线圈坐标系下：

通过圆环线圈磁场模型和运动轨迹之间的关系得到角度β与磁场之间的关系：

由于现有的磁场数学模型过于复杂，根据ρ＞＞R,z＞＞R，将位置P处的磁场公式化简为：

B_θ＝0

其中N为线圈的匝数；

根据所述的点P(ρ,θ,z)与运动轨迹的关系，确定β：

ρ＝L_DPcos5β+L_MPcos2β+λ

z＝L_DP sin5β+L_MPsin2β

由于θ_DIP＝2β，θ_PIP＝3β，从而获得θ_DIP和θ_PIP，根据自然状态下人手关节旋转的约束关系，其满足以下范围：

实施例三，本实施基于MARG传感器和磁场定位技术的数据手套，详述如下：

如图1所示，人手骨骼由五根手指和手掌组成，1表示大拇指，2表示食指，3表示中指，4表示无名指，5表示小拇指，1-1表示拇指关节(IP)，1-2表示掌指关节(MCP)，1-3表示拇掌关节(TM)，2-1表示远指关节(DIP)，2-2表示近指关节(PIP)，2-3表示掌指关节(MCP)。手掌与手臂之间通过腕关节连接，手掌与五根手指之间通过掌指关节(MCP)连接。除掌指关节外，大拇指还有拇指关节(IP)，而其余四指则有远指关节(DIP)和近指关节(PIP)。在手掌中可以活动的关节有拇掌关节(TM)。人手的所有骨骼可以分为a、b、c、d四部分，其中，a表示远指指节(DP)、b表示中指指节(MP)、c表示近指指节(PP)和d表示手掌(MC)，而手掌掌骨又可以分为大拇指掌骨、食指掌骨、中指掌骨、无名指掌骨和小拇指掌骨。

人手姿态与手部关节的转动相关联，各个关节完成相应的旋转，从而产生特定的手部姿态。关节的旋转自由度和旋转角度因关节而异，例如掌指关节可以完成弯曲和摆动，而远指关节和近指关节只能完成弯曲动作。其中，4个远指关节和4个近指关节以及1个拇指关节各有一个自由度，5个掌指关节和1个拇掌关节各有2个自由度，腕关节只考虑转动的情况下有3个自由度，因此人手一共有23个转动自由度。

如图2所示，(c)中1、2、3、4、5的含义与图1相同，人手的坐标系分别建立在16个活动关节节点上。每个坐标系的原点位于在各个活动关节节点上，腕关节节点坐标系的Y_wrist轴沿中指方向由手腕关节指向中指掌指关节(M-MCP)，

轴垂直于手掌平面由手心指向手背，X_wrist轴指向右侧，符合右手定则。如(a)所示，拇掌关节节点坐标系Y_TM沿大拇指掌骨由拇掌关节(TM)指向大拇指掌指关节(T-MCP)，如(b)所示，Z_TM根据人手大拇指掌骨的转动特性，由手心指向手背并与Z_wrist轴呈一定角度，X_TM指向右侧，符合右手定则。其余活动关节节点坐标系的Y轴沿所在指骨方向，Z轴由所在指骨的指肚指向指背，X轴指向右侧，符合右手定则。

通过对人手骨骼的研究，建立了适用于人手捕捉的手部模型以及手部坐标系统。对人手在自然状态下的各个关节的转动角度和转动范围进行了测量，在人手坐标系统上绘制了各个关节点的转动关系，利用这些关系和磁场定位技术，建立了人手单自由度角度定位模型和解算方法，提高了人手姿态捕捉的自由度。并且利用人手模型匹配技术，过滤、纠正误差过大的数据，提高了人手动作捕捉的精度。

如图3所示，1、2、3、4、5的含义与图1相同，6和6′表示HAMS系统，7表示磁场发生线圈，8表示中央处理模块。由于HAMS系统适合检测自由度较高的关节，所以将其布置在大拇指的手掌指节和其余4指的近指指节上，每个HAMS系统检测相应关节的2个自由度。中央处理模块由一个HAMS系统、MCU微处理器模块以及其他必要模块组成，负责检测手腕的3个自由度以及总的数据处理和通信交互功能。布置在手指指尖的五个线圈由中央处理模块驱动，配合同一个手指中的HAMS系统中的磁力计，在分时复用的情况下完成磁场定位功能。

该数据手套原理上，利用MARG传感器组和圆环线圈设计了人手姿态测量系统HAMS和人手磁场检测模型，一方面基于HAMS实现基于微惯性技术的人手姿态检测系统。另一方面，利用HAMS系统中的各向异性磁阻AMR和圆环线圈，构建磁阻-线圈磁场检测模型，实现单自由度手指关节角度检测。将两种技术结合，实现了高自由度人手姿态检测。

如图4所示，本发明设计的人手磁场定位方法利用HAMS系统中AMR磁阻和圆环线圈检测人手近指关节和远指关节的旋转角度。其中HAMS系统中的AMR磁阻布置于近指指节，圆环线圈布置于远指指节。通过电流激励使圆环线圈产生磁场，利用AMR磁阻检测来自线圈的磁场，确定线圈相对于磁阻的旋转角度。然后利用自然状态下人手的近指关节与远指关节旋转角度的约束关系，获得近指关节和远指关节的旋转角度。

如图7所示，详细演示了基于新息的卡尔曼滤波器在基于人手动作捕捉场景下的设计原理。本文利用实际观测量与估计观测量之间产生的残差序列，设计了该滤波器，将通过加速度产生的观测误差反映到滤波增益系数中，调整滤波器对观测量的置信度，输出最优估计姿态角。

本发明利用四元数Q＝[q₀,q₁,q₂,q₃]^T作为系统姿态的表示方法。通过转动角度θ和转轴单位向量

可表示HAMS的一次定轴转动：

将上式两边求导，通过角速度

可表示四元数旋转的微分方程：

其中

表示系统坐标系内系统坐标系相对于地理坐标系的转动角速。为符合四元数运算，将其看作零标量四元数：

通过四元数乘法运算法则将上式表示为矩阵形式：

由于本发明设计的HAMS陀螺仪的输出量为数字信号，因此将微分方程离散化，设t_k时刻的旋转四元数为q(t_k)，在采样时间间隔t_k至t_k+1内，对上式积分：

设陀螺仪输出的角速度增量为Δθ，将上式指数部分通过泰勒级数展开，并忽略掉第五阶以及以后的项，可得：

上式为四阶必卡算法，其中：

通过对微分方程的积分获得自适应卡尔曼滤波器的状态方程：

q_k,k-1＝Φ_k,k-1q_k-1+Γ_k-1W_k-1

其中，状态量q_k为系统的姿态四元数q_k＝[q₀,q₁,q₂,q₃]^T，W_k-1为系统的噪声阵，满足高斯白噪声条件。系统的状态转移矩阵:

其中Δθ为t_k时刻HAMS中陀螺仪角速度的增量输出。

在前文中提到，MARG传感器组通过检测重力场和地磁场获得系统姿态角。然而这种检测方法存在根本性的缺陷，当与人手捷联的HAMS跟随人手一起运动时，加速度检测的重力矢量会受到运动的影响，使观测噪声V随着人手的运动变化。在本文中，系统的观测方程：

Z_k＝H_kq_k+V_k

其中观测量就是通过重力矢量和地磁矢量获得Z_k＝[θ,φ,ψ]^T,同时根据四元数与欧拉角的转换公式获得量测阵：

为了解决上述问题，本发明引入了观测量Z_k和估计观测量H_kq_k,k-1的残差序列v_k，将人手运动产生的量测突变信息保存在残差(新息)序列中：

v_k＝Z_k-H_kq_k/k-1

利用新息序列调节观测噪声方差阵R_k：

d_k＝(1-b)/(1-b)^k+1

从而将由于人手运动产生的误差传递到观测噪声中，其中b为遗忘因子，满足0<b<1，此处取b＝0.96。遗忘因子能够调整新息对滤波器产生的影响，使新观测得到的数据影响系数高于过去的数据。利用带有残差的观测噪声方差阵R_k获取卡尔曼滤波器的增益：

q_k＝q_k,k-1+K_k(Z_k-H_kq_k,k-1)

P_k＝(I-K_kH_k)P_k,k-1

根据卡尔曼的基本公式进行迭代推算。

如图8所示，微控制器模块、电源模块以及通信模块均放置在手掌单片机中，硬件系统由一个中央处理模块作为整个系统的信号处理以及通讯中心。由于磁场线圈需要专用的驱动电路，因此5个磁场线圈由中央处理模块的线圈驱动电路驱动，并由MCU控制其分时开启和关闭。指骨和手掌传感器由加速度计、陀螺仪和磁阻传感器组成。通过SPI接口同各自的单片机通讯。磁场线圈由I/O接口直接驱动。指骨单片机通过I2C总线同手掌单片机通讯。手掌单片机将信息整理之后通过串口将手掌的位置和姿态信息发送到上位机，驱动在上位机中的3D手部模型。

该数据手套中软件设计分为上位机软件和下位机软件。上位机软件接收下位机的信息，将人手的实时状态显示在屏幕上，并将理论值与实际值进行比较从而分析手部姿态的精度。下位机利用C语言编写，结合四元数姿态转换算法以及卡尔曼滤波算法解算HAMS的姿态。通过对磁场线圈与磁阻传感器之间的磁场变化建立模型，通过磁阻传感器的磁场信号得到手指的弯曲角度。为避免磁场线圈相互之间以及磁场线圈产生的磁场与大地磁场之间相互干扰，采取分时采样的方法获取各个线圈以及大地磁场的方向。

总的来说，本发明利用微惯性技术和磁场定位技术设计了一种新的人手动作捕捉系统，设计了基于MARG传感器的人手姿态检测系统HAMS。通过与磁场线圈组合，设计了手指磁场定位模型，通过两种技术结合实现了高自由度的数据手套。

Claims (3)

1.一种基于MARG传感器和磁场定位技术的数据手套，包括6个HAMS系统(6、6′)和5个磁场发生线圈(7)，其特征在于：所述HAMS系统(6、6′)，一个HAMS系统(6′)放置于手掌背面中央位置，用于捕捉手腕关节的3个转动自由度；其余5个HAMS系统(6)分别安放在拇指(1)的手掌骨背面和其余4指(2、3、4、5)的近指骨的背面，用于捕捉手腕骨拇指关节的弯曲和扩展自由度，以及其余4指(2、3、4、5)的掌指关节的弯曲和扩展自由度；所述5个磁场发生线圈(7)分别安放在5根手指(1、2、3、4、5)的远指骨背面上，与HAMS系统(6)中的AMR磁阻构成磁阻-线圈磁场检测模型，用于检测远指骨与近指骨之间的角度；5个磁场发生线圈(7)由中央处理模块(8)的线圈驱动电路驱动，并由中央处理模块(8)的微处理器MCU控制其分时开启和关闭；中央处理模块(8)与5根手指(1、2、3、4、5)的HAMS系统(6)通过SPI总线连接，与PC端软件通过串口发送接收数据，完成与数据手套的数据交互；

所述磁阻-线圈磁场检测模型的定位技术关系式如下：令HAMS系统(6)相对于线圈的位置为P(x,y,z)，由于HAMS系统(6)与线圈位于同一根手指上，所以点P相对于线圈在Y方向上为零，因此实际的相对位置为P(x,0,z)；θ_DIP为远指关节的旋转角度，θ_PIP为近指关节的旋转角度；线圈和HAMS-ARM磁阻在OXZ平面内，可以得到θ与P的关系；

点P(x,0,z)与角度之间的关系解析表达式如下：

其中L_PP为近指关节到HAMS的距离，L_MP为中指关节的长度；式中的x，y，z是在线圈坐标系下点P的坐标；λ为从线圈到远指关节的距离，由于人手在自然状态下θ_DIP与θ_PIP满足关系：

因此设：

将点在圆柱坐标系下表示P(ρ,θ,z)，HAMS系统所在的系统坐标系相对于线圈所在的线圈坐标系旋转了5β；由此得到点P与手指关节旋转角度之间的关系，其表达式为：

同时，将HAMS-AMR磁阻与线圈的相对运动轨迹和圆柱坐标系下点P的位置表示在同一个坐标系下，通过确定线圈圆柱坐标系下点P处的磁场强度

和HAMS-AMR系统坐标系下传感器解算得到的磁场强度

之间的旋转关系，确定出点P处HAMS-AMR系统相对于线圈的旋转角度，从而确定手指关节的旋转角度；

通过HAMS-AMR磁阻得到系统坐标系下的传感器检测的磁场矢量

但是在做进一步运算之前，必须将其中叠加的地磁矢量去除，因此采用了分时检测的方法，在不同的时间段检测不同的手指磁场，避免相互之间的干扰；在同一时间段首先检测地磁场，然后使相应手指的线圈通电产生磁场，检测空间内磁场；由于地磁场和空间磁场检测时间间隔很短，人手运动速度相对较慢，因此将两次检测的时间差忽略，从而得到去除地磁干扰的系统磁场

固定于人手近指指节的HAMS-AMR磁阻通过人手远指关节旋转角度θ_DIP和近指关节旋转角度θ_PIP的旋转，相对于磁场线圈旋转了一定的角度，确定这个角度的大小为：

5β＝θ_DIP+θ_PIP

从而根据坐标系旋转关系得HAMS-AMR系统坐标系相对于圆环线圈坐标系的旋转矩阵：

因此将HAMS-AMR系统坐标系下的磁场信息转换到线圈坐标系下：

通过圆环线圈磁场模型和运动轨迹之间的关系得到角度β与磁场之间的关系：

由于现有的磁场数学模型过于复杂，根据ρ＞＞R,z＞＞R，将位置P处的磁场公式化简为：

B_θ＝0

其中N为线圈的匝数；

根据所述的点P(ρ,θ,z)与运动轨迹的关系，确定β：

ρ＝L_DPcos5β+L_MPcos2β+λ

z＝L_DPsin5β+L_MPsin2β

由于θ_DIP＝2β，θ_PIP＝3β，从而获得θ_DIP和θ_PIP，根据自然状态下人手关节旋转的约束关系，其满足以下范围：

2.根据权利要求1所述基于MARG传感器和磁场定位技术的数据手套，其特征在于：所述MARG传感器包括采集加速度信号的加速度传感器，采集角速度信号的陀螺仪，以及采集磁场信号的磁阻传感器；所述HAMS系统是利用MARG传感器组设计的人手姿态检测系统。

3.根据权利要求1所述基于MARG传感器和磁场定位技术的数据手套，其特征在于：所述磁阻-线圈磁场检测模型由HAMS系统中的AMR磁阻和圆环线圈组成，其中HAMS系统中的AMR磁阻布置于近指指节，圆环线圈布置于远指指节，通过电流激励使圆环线圈产生磁场，利用AMR磁阻检测来自线圈的磁场，确定线圈相对于磁阻的旋转角度；然后利用自然状态下人手的近指关节与远指关节旋转角度的约束关系，获得近指关节和远指关节的旋转角度。

Images