CN108836346A - 一种基于惯性传感器的人体步态分析方法和系统 - Google Patents
一种基于惯性传感器的人体步态分析方法和系统 Download PDFInfo
- Publication number
- CN108836346A CN108836346A CN201810419231.4A CN201810419231A CN108836346A CN 108836346 A CN108836346 A CN 108836346A CN 201810419231 A CN201810419231 A CN 201810419231A CN 108836346 A CN108836346 A CN 108836346A
- Authority
- CN
- China
- Prior art keywords
- human body
- gait
- phase
- sensor
- walking
- 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.)
- Withdrawn
Links
- 230000005021 gait Effects 0.000 title claims abstract description 134
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 230000033001 locomotion Effects 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 10
- 230000001133 acceleration Effects 0.000 claims description 45
- 210000003141 lower extremity Anatomy 0.000 claims description 45
- 210000002683 foot Anatomy 0.000 claims description 40
- 230000005358 geomagnetic field Effects 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 210000001699 lower leg Anatomy 0.000 claims description 21
- 210000000689 upper leg Anatomy 0.000 claims description 21
- 210000002414 leg Anatomy 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 230000005484 gravity Effects 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 14
- 238000009825 accumulation Methods 0.000 claims description 11
- 244000309466 calf Species 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 210000000629 knee joint Anatomy 0.000 claims description 9
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- 210000003423 ankle Anatomy 0.000 claims description 5
- 210000004394 hip joint Anatomy 0.000 claims description 5
- 210000001503 joint Anatomy 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 7
- 241001269238 Data Species 0.000 abstract 1
- 238000007619 statistical method Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001227561 Valgus Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000011179 visual inspection Methods 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6828—Leg
-
- 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
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6829—Foot or ankle
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于步态分析技术领域，尤其涉及一种基于惯性传感器的人体步态分析方法和系统。根据人体运动特征，对传感器信号进行滤波处理消除信号噪声误差，使用改进的零速度更新算法消除积分误差，使其适用于不同的步行场景；使用迪纳维特‑哈坦伯格法融合多个传感器数据，减少腿部位置计算误差；经过误差矫正，精确计算被测者行走过程中的步速、步长、步频、步行周期和步行轨迹；建立步态数据库，通过分位数回归分析方法对不同被测者的步态数据进行统计分析。本发明能够提高步态参数测量精度，通过标准化处理使不同被测者的步态参数具有可比性。
Description
技术领域
本发明属于步态分析技术领域，尤其涉及一种基于惯性传感器的人体步态分析方法和系统。
背景技术
人体步态是人体步行过程中下肢协调关系的行为特征，涉及到个人运动习惯、健康状况、性别、年龄、职业等因素，人体步态检测具有显著的意义。例如，在运动康复方面，步态分析可以评估被测者下肢运动能力恢复情况。在远程医疗方面，便携式步态分析设备可以减少护理人员长时间值守。在个人导航方面，通过对行人下肢运动轨迹信息的计算可以实现在无GPS信号的环境下的位置定位。
现有的步态分析方法包括传统的基于目测法、足印法、光学信号、超声信号、压力信号等方法。专利号为7457439的美国专利System and method for motion capture使用多个摄像机恢复出身体的三维运动信息。但是基于光学的运动测量系统普遍存在信号遮挡问题，使用受限制；公开号为CN 102670207的专利介绍了一种基于足底压力的步态分析方法，通过分析足底压力分布随时间的变化来识别人体步态相位和下肢运动信息模式，但是此方法只能得到足部与地面接触时的压力变化，进而无法得到一个完整步态周期的步态信息；公开号为CN101694499的专利描述了一种行人步速测量的系统，通过固定于腹部正前方的双轴加速度传感器获得被测者在运动过程中的运动信号。这种方法很容易受到腹部软组织形变的影响，系统步速检测精度较低。
随着微型机电系统(MEMS)技术的高速发展，可穿戴式传感器在人体运动康复领域获得广泛应用。现有的基于穿戴式惯性传感器的步态分析方法都使用了零速度更新算法来消除误差累积，但是零速度更新的效果严重依赖于算法阈值的选择，现有的确定阈值的方法往往采用三轴加速度信号的模值结合角速度变化的变化率(一阶导数)来确定能够使用零速度更新算法的时间段。由于在站立期加速度和加速度值并不为零，而是在零附近波动，而且从加速度值和角速度值曲线来看，都不存在一个明显的波峰或者波谷。因此很难找到一个普遍适用的阈值检测方法。现有的步态分析方法都是计算绝对步速、步长和步频，并未考虑身高对检测结果的影响，这样得到的测量结果对于不同的被测对象不具备可比性。另外，由于腿部肌肉在运动过程中存在形变，会引起传感器坐标系与地面参考坐标系相对关系发生变化。而人体下肢各个部位只有足部适用零速度更新算法消除误差，其余部位的位置与方位角信息估算不可避免地存在较大误差。
发明内容
本发明主要解决现有技术的难以有效地消除使用运动信号积分误差的技术问题，提出一种基于惯性传感器的人体步态分析方法和系统，以达到提高人体步行过程中下肢运动信息计算的精确性和可靠性的目的。
一种基于惯性传感器的人体步态分析方法，具体步骤如下：
步骤1，将三加速度计、三轴陀螺仪以及三轴电子罗盘分别对应安装在被测者的大腿中段、小腿中段以及足背位置；用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
人体步行过程中下肢的运动信号通过三轴加速度计和三轴陀螺仪采集得到；人体步行过程中的三维地磁场分量信号通过三轴电子罗盘采集得到；
步骤2，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态；初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角；根据人体的初始姿态获得传感器坐标系与地面坐标系之间的偏差量，利用偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步骤3，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻；从开始时刻使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息；并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数；其中，步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
步骤4，消除传感器误差积累，更新人体步态参数
当检测到站立相中期时，小腿与地面垂直，以着地的腿作为摆动轴，被测者身体重心前移，对人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；
当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数；
下肢运动学模型建立的两个约束条件为：
其中，为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位移向量，为通过置于大腿部位的传感器计算出的髋关节位移向量，为通过传感器测量到膝关节加速度，为通过传感器测量到踝关节加速度，t为采样周期，计算公式如下：
其中，和分别为基于小腿运动的膝关节在X、Y、Z轴的位移；和分别为置于大腿部位的传感器计算出的髋关节在X、Y、Z轴的位移；和分别为基于足部的传感器计算出的脚踝在X、Y、Z轴的位移；α、β、γ分别为绕X、Y、Z轴旋转的欧拉角，L1为通过人体测量器测出的小腿长度，L2为通过人体测量器测出的大腿长度，L3为通过人体测量器测出的踝关节高度；
步骤5，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库
通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，得到标准化处理后的人体步态参数；其中，l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒；L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步；C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒。
一种基于惯性传感器的人体步态分析系统，包括数据采集装置、数据分析处理装置和步态数据库单元；
所述的数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号，运动信号包括三维加速度和三维角速度；人体步行过程中下肢的运动信号通过三轴加速度计和三轴陀螺仪采集得到；人体步行过程中的三维地磁场分量信号通过三轴电子罗盘采集得到；三轴加速度计、三轴陀螺仪以及三轴电子罗盘分别对应安装在被测者的大腿中段，小腿中段以及足背位置；
惯性传感器标定单元，用于标定传感器，通过三维转台和三维导轨对传感器进行标定；
传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
数据滤波单元，用于对采集到的运动信号和三维地磁场分量信号进行去噪声处理；
自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中；
所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；
初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，运动信号包括三维加速度信号和三维角速度信号，根据人体的初始姿态获得传感器坐标系与地面坐标系之间的偏差量，利用偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，从开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数；其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
误差矫正单元，用于消除传感器误差积累，更新人体步态参数；当检测到站立相中期时，小腿与地面垂直，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
本发明的有益效果：
1、使用放置在小腿的辅助传感器显著提高了足部零速度更新算法的有效性。
2、将机器人领域迪纳维特-哈坦伯格坐标变换方法应用在下肢运动模型，减少位置计算误差，提高了腿部位置信息的计算精度。
3、将测算出的人体步态参数中的步速、步长、步频进行标准化处理，实现不同被测者步态数据具有横向可比性。对不同性别，不同年龄被测者的步态数据进行分位数回归分析，可以得到步态参数的变化趋势。
4、数据采集不依赖于外部设备，完全自容式存储，消除了无线传输模式数据丢包的弊端。
5、测量精度高，灵敏度高，成本较低，方便操作者使用，可用于步态信息的精确测量和人体其他部位的运动信息检测。
附图说明
图1为本发明实施例提供的基于惯性传感器的人体步态分析方法的实现流程图；
图2为本发明实施例中传感器安装示意图；
图3为本发明实施例中三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据示意图；
图4为本发明实施例中人体下肢传感器的坐标系变换示意图；
图5为本发明实施例中实例1计算得到的被测者沿矩形路线行走两圈的三维方向角信息示意图；
图6为本发明实施例中实例1计算得到的被测者沿直线行走十步的足部三维角度信息示意图；
图7为下肢疼痛与下肢关节旋转角度的关系示意图；
图8为本发明实施例提供的基于惯性传感器的人体步态分析系统的结构图。
具体实施方式
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
实施例一
图1为本发明实施例提供的基于惯性传感器的人体步态分析方法的实现流程图。本发明实施例提供的基于惯性传感器的人体步态分析方法可以由本发明实施例提供的基于惯性传感器的人体步态分析系统来执行，该系统可以由软件和/或硬件来实现。如图1所示，本发明实施例提供的基于惯性传感器的人体步态分析方法包括：
步骤1，利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号。
其中，所述运动信号包括三维加速度信号和三维角速度信号。具体的，通过三维转台和三维导轨对传感器进行标定；采集人体步行过程中下肢的运动信号和三维地磁场分量信号；对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；将采集到的运动信号和三维地磁场分量信号保存到存储设备中。其中，去噪声处理可以包括对检测到的三维加速度信号、三维角速度信号以及三维地磁场分量信号进行高通(0.001赫兹)滤波，低通(5赫兹)滤波和陷波(50赫兹)处理。图2为本发明实施例中传感器安装示意图。参照图2，可以通过三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号，通过三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在人体大腿中段、小腿中段和足背位置。图3为本发明实施例中三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据示意图。将三轴加速度、三轴陀螺仪和三轴电子罗盘采集的数据用计算机进行处理可得到图3。图3中X、Y和Z分别代表传感器的三个相互正交的坐标轴，VPT代表运动信号能量，用于检测步行开始时刻，ZUPT代表零速度更新算法开关信号。
为了采集数据的准确性，在采集数据之前可以通过三维转台和三维导轨对传感器进行标定，目的是避免因传感器基线漂移带来的误差。标定的具体过程为：加速度计静态参数标定，利用重力g，使传感器每个轴分别与重力方向重合，检测传感器输出与g的偏差量；加速度计动态参数标定，利用三维导轨，施加额定方向的加速度，将传感器分别固定于导轨三个轴向，感应导轨由于电机牵引皮带产生的固定加速度，与传感器输出量进行比对计算得到偏差量；陀螺仪静态参数标定，传感器静置，三轴输出应该为零，若不为零，分别记录每个轴向的偏差量；陀螺仪动态参数标定，传感器固定于转台上，使传感器重心与转台中心重和，分别使陀螺仪的三轴与转台转轴重合，打开电机对转台施加固定转速，记录陀螺仪输出值与转台转速对比得到偏移量。所述偏移量在后续计算公式中进行消除，从而消除传感器固有误差。
具体的，采集到的人体步行过程中下肢的运动信号(三维加速度信号和三维角速度信号)和三维地磁场分量信号的数据保存在移动存储卡(SD卡)，之后通过读卡器传送到对数据进行分析处理的设备中。
步骤2，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息。
其中，所述初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角。测量开始时被测者处于静止站立状态，通过测量重力在矢平面和水平面的分量得到俯仰角和滚转角，电子罗盘测量地球磁场在传感器三个平面的分量来计算初始偏航角。具体的过程为：以重力加速度g作为参考向量，获得重力加速度在矢平面和水平面的分量进而到俯仰角和滚转角；以地磁场矢量在当地水平面的分量H作为参考向量，通过三轴电子罗盘的水平方向X轴和Y轴的测量值Hx和Hy与H的比值来计算初始方位与正北方向的夹角，进而获得偏航角。
图4为本发明实施例中人体下肢传感器的坐标系变换示意图。参照图4，人体处于静止站立状态的时候，在地面参考坐标系中，重力加速度向量为[0,0,g]T，经过旋转矩阵到传感器坐标系的计算值为[x,y,z]T，在传感器坐标系中加速度的测量值为[a,b,c]T、[x,y,z]T和[a,b,c]T均表示在传感器坐标系中重力加速度向量，对这两个向量做向量积可得到误差[ex,ey,ez]T，利用这个误差向量即可修正旋转矩阵。修正后的传感器坐标系如图4。上述修正只是把地面参考坐标系和传感器坐标系的X-O-Y平面重合起来，对于绕Z轴的旋转，也即偏航角，加速度计无计可施，其测量值始终为[0,0,g]T，只能依靠磁力计来进一步做补偿。三轴电子罗盘测量对象为磁场矢量，在较纯净的电磁环境下，电子罗盘测量对象为地磁场，地磁场的方向与水平面呈一个夹角，地磁场在三个平面的分量记为[u,v,w]T，如果传感器的X轴对准正北方向，则v＝0，地磁分量即为[u,0,w]T，电子罗盘在传感器坐标系的输出为[i,j,k]T，经过加速度计补偿(坐标系旋转)之后得到[i′,j′,k′]T，在地面参考坐标系的X-O-Y平面上，[u,0,w]T的投影为u，[i′,j′,k′]T的投影为地磁在X-O-Y平面的投影向量大小必然是相同的，所以有同时w＝k′，这样处理后的[i′,j′,k′]T经过旋转矩阵的转置回转到传感器坐标系，得到的向量与[i,j,k]T做向量积求误差，再次修正旋转矩阵，完成对偏航角补偿，使用所述偏差量修正后可以得到精确的初始四元数。初始四元数用来描述被测对象的初始的方位信息，被测对象的方位变化可以在初始四元数的基础上通过四元数乘法计算得出。初始四元数的理论值为[1,0,0,0]T。
步骤3，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。
其中，人体从静止站立状态切换到行走状态的开始时刻，即迈出第一步的时刻，获得人体从静止站立状态切换到行走状态的开始时刻的方式是：通过加速度能量信号阈值检测来实现的。在被测者从静止状态切换到步行状态时，通过计算加速度信号能量与预设的阈值λ做比较，当加速度信号能量第一次大于阈值λ的时刻，就是人体行走的开始时刻，公式中，ax表示加速度计输出信号在地面坐标系X轴的分量，ay表示加速度计输出信号在地面坐标系Y轴的分量，az表示加速度计输出信号在地面坐标系Z轴的分量。
从所述开始时刻，开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。扩展的卡尔曼滤波器是一种最优化的自回归数据处理算法。本发明中利用扩展的卡尔曼滤波器在滤波值附近，应用泰勒展开算法将非线性系统展开，将二阶以上的高阶项全部舍去，从而原系统就变成了一个线性系统，再利用标准卡尔曼滤波算法的思想对系统线性化模型进行滤波融合，从而实现传感器数据融合。使用扩展的卡尔曼滤波器进行传感器数据融合之后，更新人体方位信息，即更新四元数，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数。其中，步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期。例如，通过图3可以分析人体的步态时相。人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹。获得人体步态参数的过程为：对三维加速度向量进行积分运算得到三维速度向量，之后对三维速度向量进行积分得到三维位移向量；结合计算得出的步行周期信息，可以计算出步速、步长和步频参数；通过四元数与欧拉角的关系，可以计算出三维方位角；综合所述三维位移向量和方位角，使用三维坐标轴对整个步行过程进行描述即可得到步行轨迹。初始足部三维位置设定为[X0,Y0,Z0]T，通过对三维速度向量积分将每一个数据采样时刻的足部位置信息更新为[Xt,Yt,Zt]T，所述方位角包括步行过程中足部运动滚转角、俯仰角和偏航角。由初始四元数规定的初始方位通过陀螺仪检测的角速度信息，使用四元数乘法运算将方位更新为综合所述三维位置和方位角可以得到步行轨迹。
步骤4，消除传感器误差积累，更新人体步态参数。
由于步骤3中的两次积分运算会产生并且放大积分误差，在步行过程中每一步的站立相中期，如果满足零速度更新算法条件，就根据足部完全贴合地面时刻的速度和加速度均为零的特定域假设消除传感器误差积累，使人体步态参数更准确，误差限制在步行运动的每一小步之内，最大限度减少误差。
当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数。具体过程为：步行过程中，人体以单脚支撑地面，以着地的那条腿作为摆动轴被测者身体重心前移，对整个人体可以建立一级倒立摆模型，根据倒立摆模型的重力势能在最高点达到最大值，速度达到最小值的原理，结合安置在小腿部位的传感器加速度信号找到站立相腿部速度最小时刻，此时刻即为适用零速度更新算法的起始时刻。利用小腿处固定的传感器检测速度最小时刻，确定此处为小腿与地面垂直时刻，也即零速度更新算法开始执行的时刻。执行零速度更新算法消除误差，避免积分误差引入到下一个步态周期，能够提高零速度更新算法的有效性。
当检测到完全站立期时，足部完全贴合地面，足部、小腿和大腿可视为通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法(Denavit-Hartenberg)建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。具体过程为：参照图2，结合大腿，小腿和足部的生理学限制和联动关系，比如膝关节只有一个活动自由度，踝关节具有三个活动自由度，对于无法直接使用零速度更新算法的腿部传感器定位，使用迪纳维特-哈坦伯格法建立下肢运动学模型，通过下肢运动学模型建立的两个约束条件，来减少腿部传感器位置和方位角估算误差。下肢运动学模型的两个约束条件为：
其中，为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位置向量，为通过置于大腿部位的传感器计算出的髋关节位移向量，为通过传感器测量到膝关节加速度大小，为通过传感器测量到踝关节加速度大小，t为采样周期，计算公式如下：
其中，α、β、γ分别为绕X、Y、Z轴旋转的欧拉角，L1为通过人体测量器测出的小腿长度，L2为通过人体测量器测出的大腿长度，L3为通过人体测量器测出的踝关节高度。
步骤5，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库。
由于每个人都会本能地选择最适合其运动能力的步速，步长和步频，步速的显著下降是一个明显的病理指标。所以对实验获得的大量步速、步长、步频进行标准化处理，需要考虑身高对检测结果的影响。很明显步速与下肢长度l0密切正相关，l0难以准确测量，于是用身高l1代替，被测者平均身高记为Lm。对获得的人体步态参数进行标准化处理的过程为：通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，其中,l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒，L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步，C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒，明显偏离标准范围的步态指标意味着不稳定的步态。对计算出的步速、步长和步频参数进行标准化处理，能够使计算出的步态参数具有横向可比性。
通过建立步速、步长、步频、步行周期和步行轨迹等人体步态参数的数据库，对不同性别，不同年龄被测者，能够实现对海量步态数据进行分位数回归分析，得出人体步态参数的变化趋势。并且可以将计算出的步速、步长、步频、步行轨迹等步态参数以饼图、柱状图和雷达图等形式直观地显示在数据库界面。
本发明提供的基于惯性传感器的人体步态分析方法，不仅适用于平地行走，对于上下楼梯运动同样适用。下面以实例的形式对本实施例提供的方案进行说明：
在室内平地行走的实施例中，被测者在绑定步态分析系统之后执行一次“跺脚”动作，使被测者佩戴的传感器感应到一个明显的起始信号，这个信号用来完成视频跟踪系统VICON和传感器的数据同步。随后的两组实验分别是：被测者沿着光学跟踪系统VICON测量区域内的矩形路线行走两圈；被测者以自己舒适的步伐沿直线行走十步。上位机为数据计算和输出终端，通过移动存储介质将下位机采集到的数据传入步态分析上位机软件，计算得到各项步态参数。数据分析与处理流程如图1所示。下位机采集的步态数据上传到上位机步态分析软件，首先经过高通和低通数字滤波处理，滤去与步态分析应用无关的高频和低频信号。由于被测者在测量开始必然有静止站立的阶段，满足系统初始化条件，此时加速度计仅感受重力加速度，利用加速度计读数计算出初始俯仰角和滚转角。利用电子罗盘检测地磁分量，计算初始偏航角。在步行开始后的站立相中期使用零速度更新算法消除误差。图5为本发明实施例中实例1计算得到的被测者沿矩形路线步行两圈的三维方向角度信息，将图5的计算结果与视频跟踪系统计算的数值对比，角度误差小于2°，说明本方法可以长时间精确计算步态信息。为了获得足部角度细节，排除步行方向改变的影响，被测者按照自己舒服的步伐沿直线行走十步，通过置于足部的传感器计算其步行过程中足角的变化，可以评估足内旋或者足外翻的程度，帮助被测者选择合适的鞋子。图6为本发明实施例中实例1被测者直线行走时足部三维角度信息示意图。图7为下肢疼痛与下肢关节旋转角度的关系示意图。
本实施例提供的基于惯性传感器的人体步态分析方法，能够解决现有技术使用零速度更新算法的有效性问题，通过融合足部和腿部的传感器数据，能够精确地找到适用零速度更新算法的起始时刻，基于足部完全贴合地面的时刻速度和加速度均为零的特定域假设减少误差或误差积累，将误差限制在步行过程的每一小步中，避免了误差积累；针对腿部位置计算不适用零速度更新算法的情况，能够通过下肢的拓扑结构模型建立的约束条件，达到减少位置计算误差的效果。针对身高因素对于步态参数的影响，本发明对步速、步长和步频参数进行标准化处理，能够消除身高因素对步态参数的影响，达到不同人的步态参数具有可比性的效果。对标准化的步态参数汇总建立步态数据库，通过分位数回归分析可以得到人体步态参数随性别，年龄的变化趋势。本实施例提供的方法能够精确找到适用零速度更新算法的起始时刻，保证零速度更新算法的有效性，从而降低积分误差，提高步态参数计算的可靠性。本发明提供的方法也可以用于人体其他肢体部位的运动信息测量。
实施例二
图8为本发明实施例提供的基于惯性传感器的人体步态分析系统的结构示意图。如图8所示，本发明实施例提供的基于惯性传感器的人体步态分析系统包括：数据采集装置和数据分析处理装置，数据采集装置用于利用传感器采集人体步行过程中下肢的运动信号和三维地磁场分量信号，所述运动信号包括三维加速度和三维角速度；所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；
初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，所述运动信号包括三维加速度信号和三维角速度信号，根据人体的初始姿态获得传感器坐标系与地面坐标系的偏差量，利用所述偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，并从所述开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数，其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
误差矫正单元，用于消除传感器误差积累，更新人体步态参数，包括：当检测到站立相中期小腿与地面垂直的时刻时，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
在上述方案中，所述数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元；惯性传感器标定单元，用于通过三维转台和三维导轨对传感器进行标定；传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；数据滤波单元，用于对采集到的运动信号以及三维地磁场分量信号进行去噪声处理；自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中。具体的，数据预处理单元的去噪声处理包括对检测到的三维加速度信号、三维角速度信号以及三维地磁场分量信号进行高通(0.001赫兹)滤波，低通(5赫兹)滤波和陷波(50赫兹)处理。其中，自容式数据存储单元，是将采集到的人体步行过程中下肢的运动信号和三维地磁场分量信号的数据保存在移动存储卡(SD卡)，之后通过读卡器传送到数据分析处理装置。
其中，所述数据采集装置包括三轴加速度计、三轴陀螺仪和三轴电子罗盘；三轴加速度计和三轴陀螺仪采集人体步行过程中下肢的运动信号；三轴电子罗盘采集人体步行过程中的三维地磁场分量信号；三轴加速度计、三轴陀螺仪以及三轴电子罗盘安装在被测者的大腿中段，小腿中段以及足背位置。
本实施例提供的基于惯性传感器的人体步态分析系统，通过数据采集装置采集人体步行过程中下肢的运动信号和三维地磁场分量信号，通过初始姿态分析单元获得人体初始方位信息，通过步态参数计算单元获得人体步态参数，并通过误差矫正单元消除传感器误差积累，更新人体步态参数，本实施例提供的系统能够精确找到适用零速度更新算法的起始时刻，保证零速度更新算法的有效性，从而降低积分误差，提高步态参数计算的可靠性。
Claims (2)
1.一种基于惯性传感器的人体步态分析系统，其特征在于，该系统包括数据采集装置、数据分析处理装置和步态数据库单元；
所述的数据采集装置包括惯性传感器标定单元、传感器信号采集单元、数据滤波单元和自容式数据存储单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号，运动信号包括三维加速度和三维角速度；人体步行过程中下肢的运动信号通过三轴加速度计和三轴陀螺仪采集得到；人体步行过程中的三维地磁场分量信号通过三轴电子罗盘采集得到；三轴加速度计、三轴陀螺仪以及三轴电子罗盘分别对应安装在被测者的大腿中段，小腿中段以及足背位置；
惯性传感器标定单元，用于标定传感器，通过三维转台和三维导轨对传感器进行标定；
传感器信号采集单元，用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
数据滤波单元，用于对采集到的运动信号和三维地磁场分量信号进行去噪声处理；
自容式数据存储单元，用于将采集到的运动信号和三维地磁场分量信号保存到存储设备中；
所述数据分析处理装置包括初始姿态分析单元、步态参数计算单元和误差矫正单元；
初始姿态分析单元，用于根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态，运动信号包括三维加速度信号和三维角速度信号，根据人体的初始姿态获得传感器坐标系与地面坐标系之间的偏差量，利用偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，以对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步态参数计算单元，用于根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻，从开始时刻开始使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息，并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数；其中，所述步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；所述人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
误差矫正单元，用于消除传感器误差积累，更新人体步态参数；当检测到站立相中期时，小腿与地面垂直，以着地的腿作为摆动轴被测者身体重心前移，对整个人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数。
2.一种基于惯性传感器的人体步态分析方法，其特征在于，具体步骤如下：
步骤1，将三加速度计、三轴陀螺仪以及三轴电子罗盘分别对应安装在被测者的大腿中段、小腿中段以及足背位置；用于采集人体步行过程中下肢的运动信号和三维地磁场分量信号；
人体步行过程中下肢的运动信号通过三轴加速度计和三轴陀螺仪采集得到；人体步行过程中的三维地磁场分量信号通过三轴电子罗盘采集得到；
步骤2，根据采集的运动信号和三维地磁场分量信号，获得人体的初始姿态；初始姿态包括人体初始静止站立状态的俯仰角、滚转角和偏航角；根据人体的初始姿态获得传感器坐标系与地面坐标系之间的偏差量，利用偏差量修正由传感器坐标系变换到地面坐标系的旋转矩阵，对俯仰角、滚转角和偏航角进行补偿，并获得补偿后的人体初始方位信息；
步骤3，根据采集到的运动信号以及修正的旋转矩阵，获得人体从静止站立状态切换到行走状态的开始时刻；从开始时刻使用扩展的卡尔曼滤波器进行传感器数据融合，更新人体方位信息；并根据采集的运动信号检测人体步行过程中的步态时相，进而获得人体步态参数；其中，步态时相包括支撑时相和摆动时相，支撑时相分为脚跟击地期、站立相中期、完全站立期和脚跟离地期，摆动时相分为加速期、摆动期和减速期；人体步态参数包括人体行走过程中的步速、步长、步频、步行周期和步行轨迹；
步骤4，消除传感器误差积累，更新人体步态参数
当检测到站立相中期时，小腿与地面垂直，以着地的腿作为摆动轴，被测者身体重心前移，对人体建立一级倒立摆模型，执行零速度更新算法消除误差，并更新获得的人体步态参数；
当检测到完全站立期时，足部完全贴合地面，足部小腿和大腿形成通过铰链关节连接的刚体，使用迪纳维特-哈坦伯格法建立下肢运动学模型，并融合腿部的运动信号和足部的运动信号，以消除误差，并更新获得的人体步态参数；
下肢运动学模型建立的两个约束条件为：
其中，为基于小腿运动的膝关节位移向量，为基于足部的传感器计算出的脚踝位移向量，为通过置于大腿部位的传感器计算出的髋关节位移向量，为通过传感器测量到膝关节加速度，为通过传感器测量到踝关节加速度，t为采样周期，计算公式如下：
其中，和分别为基于小腿运动的膝关节在X、Y、Z轴的位移；和分别为置于大腿部位的传感器计算出的髋关节在X、Y、Z轴的位移；和分别为基于足部的传感器计算出的脚踝在X、Y、Z轴的位移；α、β、γ分别为绕X、Y、Z轴旋转的欧拉角，L1为通过人体测量器测出的小腿长度，L2为通过人体测量器测出的大腿长度，L3为通过人体测量器测出的踝关节高度；
步骤5，对获得的人体步态参数进行标准化处理，进而建立人体步态数据库
通过公式对步速进行标准化，通过公式对步长进行标准化，通过公式对步频进行标准化，得到标准化处理后的人体步态参数；其中，l1为被测者身高，lm为被测者所属年龄段人群的平均身高；V为对传感器信号积分运算得到的被测者步速，Vrel为标准步速，单位是米/秒；L为对步速积分运算得到的步长，Lrel为标准步长，单位是米/步；C为通过步行周期计算出的被测者单位时间内行走的步频，Crel为标准步频，单位是步/秒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810419231.4A CN108836346A (zh) | 2018-04-16 | 2018-04-16 | 一种基于惯性传感器的人体步态分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810419231.4A CN108836346A (zh) | 2018-04-16 | 2018-04-16 | 一种基于惯性传感器的人体步态分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108836346A true CN108836346A (zh) | 2018-11-20 |
Family
ID=64212652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810419231.4A Withdrawn CN108836346A (zh) | 2018-04-16 | 2018-04-16 | 一种基于惯性传感器的人体步态分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108836346A (zh) |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109827577A (zh) * | 2019-03-26 | 2019-05-31 | 电子科技大学 | 基于运动状态检测的高精度惯性导航定位算法 |
| CN110313918A (zh) * | 2019-07-17 | 2019-10-11 | 军事科学院系统工程研究院军需工程技术研究所 | 一种基于足底压力的步态相位识别方法及系统 |
| CN110319840A (zh) * | 2019-07-05 | 2019-10-11 | 东北大学秦皇岛分校 | 面向异常步态识别的共轭梯度姿态解算方法 |
| CN110558991A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态分析方法 |
| CN110558990A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态分析方法及装置 |
| CN110558992A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态检测分析方法及装置 |
| CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
| CN110974242A (zh) * | 2019-12-26 | 2020-04-10 | 浙江福祉医疗器械有限公司 | 一种用于可穿戴式设备的步态异常程度评价方法及该设备 |
| CN111012358A (zh) * | 2019-12-26 | 2020-04-17 | 浙江福祉医疗器械有限公司 | 一种人体踝关节运动轨迹测量方法及可穿戴式设备 |
| CN111157984A (zh) * | 2020-01-08 | 2020-05-15 | 电子科技大学 | 基于毫米波雷达及惯性测量单元的一种行人自主导航方法 |
| CN111326232A (zh) * | 2020-03-18 | 2020-06-23 | 福建中医药大学 | 一种基于三维步态分析系统鉴别异常步态形式的方法 |
| CN111685772A (zh) * | 2020-05-29 | 2020-09-22 | 清华大学 | 外骨骼机器人测量系统、行走步态建模分析方法和设备 |
| CN111714129A (zh) * | 2020-05-07 | 2020-09-29 | 广西科技大学 | 人体步态信息采集系统 |
| CN112107290A (zh) * | 2019-06-20 | 2020-12-22 | 香港理工大学 | 预测对象的多个步态周期的kam的系统、方法和软件应用程序 |
| CN112274109A (zh) * | 2020-08-05 | 2021-01-29 | 美律电子(深圳)有限公司 | 身体质量指数区间估测装置及其操作方法 |
| CN112472531A (zh) * | 2020-12-17 | 2021-03-12 | 大连理工大学 | 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 |
| CN112617816A (zh) * | 2020-12-17 | 2021-04-09 | 吉林大学 | 一种基于运动学参数定位功能性肘关节旋转中心方法 |
| CN112741617A (zh) * | 2019-10-30 | 2021-05-04 | 成都易书桥科技有限公司 | 一种基于csi的全方向步态检测算法 |
| WO2021115066A1 (zh) * | 2019-12-10 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 基于惯性传感器的步态特征提取和步态识别方法 |
| CN113116340A (zh) * | 2021-04-02 | 2021-07-16 | 浙江大学 | 一种用于可穿戴式设备的人体髋关节位移测量方法 |
| CN113143256A (zh) * | 2021-01-28 | 2021-07-23 | 上海电气集团股份有限公司 | 步态特征提取方法、下肢评估、控制方法、设备及介质 |
| CN113171077A (zh) * | 2021-03-11 | 2021-07-27 | 爱乔（上海）医疗科技有限公司 | 一种用于全髋关节置换术中的下肢长度测量装置和方法 |
| TWI737237B (zh) * | 2020-03-25 | 2021-08-21 | 國泰醫療財團法人國泰綜合醫院 | 足部慣性量測系統 |
| CN113543858A (zh) * | 2019-01-09 | 2021-10-22 | 瞬动科技股份有限公司 | 用于使用估计步态轨迹控制移动设备的方法和设备 |
| CN113673424A (zh) * | 2021-08-19 | 2021-11-19 | 华南理工大学 | 一种行走步态周期阶段的判定方法 |
| CN113793360A (zh) * | 2021-08-31 | 2021-12-14 | 大连理工大学 | 基于惯性传感技术的三维人体重构方法 |
| CN113907748A (zh) * | 2021-09-07 | 2022-01-11 | 安徽工程大学 | 一种辅助纠正走路姿势的装置及方法 |
| CN114224325A (zh) * | 2021-10-11 | 2022-03-25 | 南京理工大学 | 利用惯性传感器计算关节力矩和角度的步态分析系统及方法 |
| CN114469073A (zh) * | 2021-12-13 | 2022-05-13 | 中国科学院深圳先进技术研究院 | 基于步可穿戴传感器的步态分析与异常检测方法 |
| CN115486837A (zh) * | 2022-09-22 | 2022-12-20 | 北京戴来科技有限公司 | 一种步态分析方法、系统以及改善行走障碍的装置 |
| CN115500821A (zh) * | 2022-10-09 | 2022-12-23 | 吉林大学 | 基于人体解剖学的盆骨节段骨骼系统标定方法 |
| CN116350215A (zh) * | 2023-05-31 | 2023-06-30 | 武汉大学 | 一种基于惯性传感器的步态分析方法 |
| CN116394265A (zh) * | 2023-06-08 | 2023-07-07 | 帕西尼感知科技(张家港)有限公司 | 一种姿态传感器标定方法、装置、设备及存储介质 |
| CN117100252A (zh) * | 2023-02-15 | 2023-11-24 | 荣耀终端有限公司 | 步态检测方法及电子设备 |
| RU222339U1 (ru) * | 2023-11-07 | 2023-12-21 | Федеральное государственное автономное образовательное учреждение высшего образования "Белгородский государственный национальный исследовательский университет" (НИУ "БелГУ") | Устройство для анализа движений нижних конечностей человека |
| CN117731276A (zh) * | 2024-02-19 | 2024-03-22 | 天津大学 | 一种信息处理方法和可穿戴设备 |
| TWI846580B (zh) * | 2023-08-29 | 2024-06-21 | 國立清華大學 | 步態監控與保健系統 |
| CN118370534A (zh) * | 2024-06-21 | 2024-07-23 | 浙江大学 | 一种步态分析方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104296750A (zh) * | 2014-06-27 | 2015-01-21 | 大连理工大学 | 一种零速检测方法和装置以及行人导航方法和系统 |
| CN104757976A (zh) * | 2015-04-16 | 2015-07-08 | 大连理工大学 | 一种基于多传感器融合的人体步态分析方法和系统 |
-
2018
- 2018-04-16 CN CN201810419231.4A patent/CN108836346A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104296750A (zh) * | 2014-06-27 | 2015-01-21 | 大连理工大学 | 一种零速检测方法和装置以及行人导航方法和系统 |
| CN104757976A (zh) * | 2015-04-16 | 2015-07-08 | 大连理工大学 | 一种基于多传感器融合的人体步态分析方法和系统 |
Cited By (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12042717B2 (en) | 2019-01-09 | 2024-07-23 | Shift Robotics, Inc. | Method and device for control of a mobility device using an estimated gait trajectory |
| CN113543858A (zh) * | 2019-01-09 | 2021-10-22 | 瞬动科技股份有限公司 | 用于使用估计步态轨迹控制移动设备的方法和设备 |
| CN113543858B (zh) * | 2019-01-09 | 2024-04-26 | 瞬动科技股份有限公司 | 用于使用估计步态轨迹控制移动设备的方法和设备 |
| CN109827577B (zh) * | 2019-03-26 | 2020-11-20 | 电子科技大学 | 基于运动状态检测的高精度惯性导航定位算法 |
| CN109827577A (zh) * | 2019-03-26 | 2019-05-31 | 电子科技大学 | 基于运动状态检测的高精度惯性导航定位算法 |
| CN112107290A (zh) * | 2019-06-20 | 2020-12-22 | 香港理工大学 | 预测对象的多个步态周期的kam的系统、方法和软件应用程序 |
| CN110319840A (zh) * | 2019-07-05 | 2019-10-11 | 东北大学秦皇岛分校 | 面向异常步态识别的共轭梯度姿态解算方法 |
| CN110313918A (zh) * | 2019-07-17 | 2019-10-11 | 军事科学院系统工程研究院军需工程技术研究所 | 一种基于足底压力的步态相位识别方法及系统 |
| CN110558992A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态检测分析方法及装置 |
| CN110558990A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态分析方法及装置 |
| CN110558991A (zh) * | 2019-07-30 | 2019-12-13 | 福建省万物智联科技有限公司 | 一种步态分析方法 |
| CN112741617A (zh) * | 2019-10-30 | 2021-05-04 | 成都易书桥科技有限公司 | 一种基于csi的全方向步态检测算法 |
| WO2021115066A1 (zh) * | 2019-12-10 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 基于惯性传感器的步态特征提取和步态识别方法 |
| CN111012358A (zh) * | 2019-12-26 | 2020-04-17 | 浙江福祉医疗器械有限公司 | 一种人体踝关节运动轨迹测量方法及可穿戴式设备 |
| CN110974242A (zh) * | 2019-12-26 | 2020-04-10 | 浙江福祉医疗器械有限公司 | 一种用于可穿戴式设备的步态异常程度评价方法及该设备 |
| CN111012358B (zh) * | 2019-12-26 | 2023-02-10 | 浙江福祉科创有限公司 | 一种人体踝关节运动轨迹测量方法及可穿戴式设备 |
| CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
| CN110916679B (zh) * | 2019-12-31 | 2022-07-15 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
| CN111157984A (zh) * | 2020-01-08 | 2020-05-15 | 电子科技大学 | 基于毫米波雷达及惯性测量单元的一种行人自主导航方法 |
| CN111326232A (zh) * | 2020-03-18 | 2020-06-23 | 福建中医药大学 | 一种基于三维步态分析系统鉴别异常步态形式的方法 |
| TWI737237B (zh) * | 2020-03-25 | 2021-08-21 | 國泰醫療財團法人國泰綜合醫院 | 足部慣性量測系統 |
| CN111714129A (zh) * | 2020-05-07 | 2020-09-29 | 广西科技大学 | 人体步态信息采集系统 |
| CN111685772A (zh) * | 2020-05-29 | 2020-09-22 | 清华大学 | 外骨骼机器人测量系统、行走步态建模分析方法和设备 |
| CN112274109A (zh) * | 2020-08-05 | 2021-01-29 | 美律电子(深圳)有限公司 | 身体质量指数区间估测装置及其操作方法 |
| CN112617816A (zh) * | 2020-12-17 | 2021-04-09 | 吉林大学 | 一种基于运动学参数定位功能性肘关节旋转中心方法 |
| CN112472531A (zh) * | 2020-12-17 | 2021-03-12 | 大连理工大学 | 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 |
| CN113143256A (zh) * | 2021-01-28 | 2021-07-23 | 上海电气集团股份有限公司 | 步态特征提取方法、下肢评估、控制方法、设备及介质 |
| CN113143256B (zh) * | 2021-01-28 | 2023-09-26 | 上海电气集团股份有限公司 | 步态特征提取方法、下肢评估、控制方法、设备及介质 |
| CN113171077A (zh) * | 2021-03-11 | 2021-07-27 | 爱乔（上海）医疗科技有限公司 | 一种用于全髋关节置换术中的下肢长度测量装置和方法 |
| CN113116340A (zh) * | 2021-04-02 | 2021-07-16 | 浙江大学 | 一种用于可穿戴式设备的人体髋关节位移测量方法 |
| CN113673424B (zh) * | 2021-08-19 | 2023-09-08 | 华南理工大学 | 一种行走步态周期阶段的判定方法 |
| CN113673424A (zh) * | 2021-08-19 | 2021-11-19 | 华南理工大学 | 一种行走步态周期阶段的判定方法 |
| CN113793360B (zh) * | 2021-08-31 | 2024-02-06 | 大连理工大学 | 基于惯性传感技术的三维人体重构方法 |
| CN113793360A (zh) * | 2021-08-31 | 2021-12-14 | 大连理工大学 | 基于惯性传感技术的三维人体重构方法 |
| CN113907748A (zh) * | 2021-09-07 | 2022-01-11 | 安徽工程大学 | 一种辅助纠正走路姿势的装置及方法 |
| CN114224325A (zh) * | 2021-10-11 | 2022-03-25 | 南京理工大学 | 利用惯性传感器计算关节力矩和角度的步态分析系统及方法 |
| CN114469073A (zh) * | 2021-12-13 | 2022-05-13 | 中国科学院深圳先进技术研究院 | 基于步可穿戴传感器的步态分析与异常检测方法 |
| CN115486837A (zh) * | 2022-09-22 | 2022-12-20 | 北京戴来科技有限公司 | 一种步态分析方法、系统以及改善行走障碍的装置 |
| CN115500821A (zh) * | 2022-10-09 | 2022-12-23 | 吉林大学 | 基于人体解剖学的盆骨节段骨骼系统标定方法 |
| CN117100252A (zh) * | 2023-02-15 | 2023-11-24 | 荣耀终端有限公司 | 步态检测方法及电子设备 |
| CN116350215A (zh) * | 2023-05-31 | 2023-06-30 | 武汉大学 | 一种基于惯性传感器的步态分析方法 |
| CN116394265B (zh) * | 2023-06-08 | 2023-11-07 | 帕西尼感知科技(张家港)有限公司 | 一种姿态传感器标定方法、装置、设备及存储介质 |
| CN116394265A (zh) * | 2023-06-08 | 2023-07-07 | 帕西尼感知科技(张家港)有限公司 | 一种姿态传感器标定方法、装置、设备及存储介质 |
| TWI846580B (zh) * | 2023-08-29 | 2024-06-21 | 國立清華大學 | 步態監控與保健系統 |
| RU222339U1 (ru) * | 2023-11-07 | 2023-12-21 | Федеральное государственное автономное образовательное учреждение высшего образования "Белгородский государственный национальный исследовательский университет" (НИУ "БелГУ") | Устройство для анализа движений нижних конечностей человека |
| CN117731276A (zh) * | 2024-02-19 | 2024-03-22 | 天津大学 | 一种信息处理方法和可穿戴设备 |
| CN117731276B (zh) * | 2024-02-19 | 2024-04-19 | 天津大学 | 一种信息处理方法和可穿戴设备 |
| CN118370534A (zh) * | 2024-06-21 | 2024-07-23 | 浙江大学 | 一种步态分析方法和系统 |
| CN118370534B (zh) * | 2024-06-21 | 2024-09-17 | 浙江大学 | 一种步态分析方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104757976B (zh) | 一种基于多传感器融合的人体步态分析方法和系统 | |
| CN108836346A (zh) | 一种基于惯性传感器的人体步态分析方法和系统 | |
| Schepers et al. | Xsens MVN: Consistent tracking of human motion using inertial sensing | |
| Roetenberg et al. | Xsens MVN: Full 6DOF human motion tracking using miniature inertial sensors | |
| KR101751760B1 (ko) | 하지 관절 각도를 이용한 보행 인자 추정 방법 | |
| Luinge | Inertial sensing of human movement | |
| Dejnabadi et al. | Estimation and visualization of sagittal kinematics of lower limbs orientation using body-fixed sensors | |
| Aminian et al. | Capturing human motion using body‐fixed sensors: outdoor measurement and clinical applications | |
| Favre et al. | Ambulatory measurement of 3D knee joint angle | |
| US8529475B2 (en) | Device for analyzing gait | |
| US7089148B1 (en) | Method and apparatus for motion tracking of an articulated rigid body | |
| US8165844B2 (en) | Motion tracking system | |
| Jakob et al. | Estimation of the knee flexion-extension angle during dynamic sport motions using body-worn inertial sensors | |
| Lee et al. | 3D spinal motion analysis during staircase walking using an ambulatory inertial and magnetic sensing system | |
| Chen et al. | Extracting spatio-temporal information from inertial body sensor networks for gait speed estimation | |
| CA2711715A1 (en) | Portable device and method for measurement and calculation of dynamic parameters of pedestrian locomotion | |
| Yang et al. | Inertial sensors in estimating walking speed and inclination: an evaluation of sensor error models | |
| Lin et al. | Assessment of shoulder range of motion using a wearable inertial sensor network | |
| Brahms et al. | Stride length determination during overground running using a single foot-mounted inertial measurement unit | |
| Aurbach et al. | Implementation and validation of human kinematics measured using IMUs for musculoskeletal simulations by the evaluation of joint reaction forces | |
| Bötzel et al. | Quantification of gait parameters with inertial sensors and inverse kinematics | |
| Scapellato et al. | In-use calibration of body-mounted gyroscopes for applications in gait analysis | |
| Loose et al. | Gait patterns in standard scenarios: Using Xsens MTw inertial measurement units | |
| Madrigal et al. | Hip and lower limbs 3D motion tracking using a double-stage data fusion algorithm for IMU/MARG-based wearables sensors | |
| Mallat et al. | Sparse visual-inertial measurement units placement for gait kinematics assessment |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181120 |
|
| WW01 | Invention patent application withdrawn after publication |