CN110296777A - 智能仿生人体部位模型检测装置及制造方法 - Google Patents

智能仿生人体部位模型检测装置及制造方法 Download PDF

Info

Publication number
CN110296777A
CN110296777A CN201810249322.8A CN201810249322A CN110296777A CN 110296777 A CN110296777 A CN 110296777A CN 201810249322 A CN201810249322 A CN 201810249322A CN 110296777 A CN110296777 A CN 110296777A
Authority
CN
China
Prior art keywords
human body
principal component
body model
bionical
component vector
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.)
Pending
Application number
CN201810249322.8A
Other languages
English (en)
Inventor
陶肖明
杨宝
王玺
刘苏
郭霞
刘世瑞
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.)
HONG KONG RES INST OF TEXTILES (HK)
Hong Kong Research Institute of Textiles and Apparel Ltd
Original Assignee
HONG KONG RES INST OF TEXTILES (HK)
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 HONG KONG RES INST OF TEXTILES (HK) filed Critical HONG KONG RES INST OF TEXTILES (HK)
Priority to CN201810249322.8A priority Critical patent/CN110296777A/zh
Priority to US17/040,229 priority patent/US11860051B2/en
Priority to PCT/CN2018/081017 priority patent/WO2019178886A1/zh
Publication of CN110296777A publication Critical patent/CN110296777A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00—Measuring force or stress, in general
    • G01L1/24—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet
    • G01L1/242—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet the material being an optical fibre
    • G01L1/246—Measuring force or stress, in general by measuring variations of optical properties of material when it is stressed, e.g. by photoelastic stress analysis using infrared, visible light, ultraviolet the material being an optical fibre using integrated gratings, e.g. Bragg gratings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
    • A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
    • A61F2/50—Prostheses not implantable in the body
    • A61F2/60—Artificial legs or feet or parts thereof
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
    • G02B6/02—Optical fibres with cladding with or without a coating
    • G02B6/02057—Optical fibres with cladding with or without a coating comprising gratings
    • G02B6/02076—Refractive index modulation gratings, e.g. Bragg gratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Transplantation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Medical Informatics (AREA)
  • Mathematical Optimization (AREA)
  • Animal Behavior & Ethology (AREA)
  • Vascular Medicine (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Cardiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本公开提供了一种智能仿生人体部位模型检测装置及制造方法。该装置包括：仿生人体部位模型；集成在光纤上的多个光纤光栅感测单元，设置在该仿生人体部位模型的多个预定位置。本公开能够提高检测施加到智能仿生人体部位模型的压力的准确度。

Description

智能仿生人体部位模型检测装置及制造方法
技术领域
本公开涉及身体压力测量领域，具体涉及一种智能压力感测的仿生人体部位模型装置及制造方法。
背景技术
服装的合身对于压力服装来说是非常重要的。压力服装对人体的表层的毛细血管形成合适的压力，调节人体的血液循环。医学研究表明施加合理的压力，有助于防止静脉疾病(例如水肿、静脉炎、血栓)的出现和防止进一步发展。压力袜施加在人腿上的压力很大程度上依赖于腿型和腿局部的机械性能。此外，压力服装或可穿戴设备还可以用于加强运动效果、减少疲劳和伤害等。施加合理的压力是压力服装产生正面效果的关键。因此，在制造或应用压力服装时，准确测量施加于人体上的压力尤为重要。例如，在压力袜的设计中，要让脚踝处的压力最大，顺着腿部向上逐渐递减。通过挤压在腿部表面的血管和肌肉，将这些血管中部分血液挤压至其它的静脉如更深层的静脉，有助于更多的血流回流至心脏，同时也减少了滞留在腿部的血液量。
现有的测量压力服装对于人体的压力的方法按照是否直接作用于人体，可以分成两类：直接测量型和间接测量型。直接测量型测量方法可以采用气压式、压阻式、压电式、电容式传感器或传感器阵列等直接在人体表面测量。这些传感器或传感器阵列体积大，位于压力袜的下面，会使压力袜和腿均发生变形，不能测出由压力袜施加到人腿的真实压力。另外，由于人腿的形状从早到晚会有微小的变化。因此，这些方法的可重复性非常差，测量结果也不精确。间接测量型测量方法用人体部位模型来模拟人体部位，例如用人腿模型模拟人腿。然后，在人体部位模型上的不同位置设置电子压力传感器，用于测量压力袜施加到人体部位模型的压力。然而，电子压力传感器探测信号准确度低，抗电磁干扰能力差，测量速度慢，复用性差且信息容量小，重量和体积也较大，不耐用。而且，电子压力传感器在小压力作用下产生的信号变化不明显，其传感响应与环境产生的噪音为同一数量级甚至更小，故受外界的电磁信号干扰严重。
另外，在构造人体部位模型时，现有技术的MST专业系统采用僵硬的人体部位模型。但是，压力袜在人体上施加的压力即使在同一高度的横截面上也是不均匀的，这是因为该横截面曲率是随着位置的不同是变化的、部分位置存在骨突起、和不同的组织具有不同的机械性能。总之，现有的测量方法未能准确测量压力袜施加于人体的压力，或只能测量压力袜和嵌入在固定僵硬人体部位模型上的传感器之间的压力，或测量的压力基于不合理的横截面假设。压力袜的测量结果与实际施加在人腿上的压力不符，这将导致施加于人体的压力过大或者压力不足，引起使用者的不适感，也没能达到预设效果甚至导致局部溃烂等严重问题。
此外，由于人外形是存在明显差异的。如果考虑种族，性别，年龄等差异，这需要建立大量的不同尺寸的模型。因此，这就非常值得去建立一个可变形的仿生模型。该模型具有高测量精度，可有效减低压力服装测试结果与实际施压于人体的压力的差异。
发明内容
本公开的一个目的在于提供一种能够提高检测施加的压力的准确度的智能仿生人体部位模型检测装置。
根据本公开实施例的第一方面，提供了一种智能仿生人体部位模型检测装置，包括：
仿生人体部位模型；
集成在光纤上的多个光纤光栅感测单元，设置在该仿生人体部位模型的多个预定位置。
在一个实施例中，所述多个光纤光栅感测单元中的每个包括：
基底；
在基底上的凹槽；
布拉格光栅，悬于所述凹槽表面，凹槽处在封装后形成空气舱。
在一个实施例中，在所述仿生人体部位模型设置多个光纤传感通道，所述多个光纤光栅感测单元分散在各光纤传感通道中，在一个光纤传感通道中分散有至少一个光纤光栅感测单元，所述至少一个光纤光栅感测单元具有不同中心波长。
在一个实施例中，所述仿生人体部位模型的材料为杨氏模量在1MPa以下的弹性体。
在一个实施例中，所述杨氏模量在1MPa以下的弹性体是以下中的一个或多个：
硅胶、聚氨酯、聚酯、聚丙烯酸。
在一个实施例中，所述检测装置还包括：
在该仿生人体部位模型的底部设置的底座；
在底座的上面一体连接用于保护所述光纤的保护层。
在一个实施例中，所述仿生人体部位模型按照如下方式生成：针对多个人体部位样本的每一个人体部位样本，截取多个横截面；在每个横截面上选取多个参数，所述多个参数唯一定义该横截面；为所述多个人体部位样本的每一个人体部位样本，用截取的多个横截面的多个参数构造参数矩阵；对所述多个人体部位样本的参数矩阵求平均参数矩阵和主成分向量，其中平均参数矩阵代表平均的人体部位形状，主成分向量代表人体部位的主要差异；基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型。
根据本公开实施例的第二方面，还提供了一种如上所述的智能仿生人体部位模型检测装置的制造方法，包括：
针对多个人体部位样本的每一个人体部位样本，截取多个横截面；
在每个横截面上选取多个参数，所述多个参数唯一定义该横截面；
为所述多个人体部位样本的每一个人体部位样本，用截取的多个横截面的多个参数构造参数矩阵；
对所述多个人体部位样本的参数矩阵求平均参数矩阵和主成分向量，其中平均参数矩阵代表平均的人体部位形状，主成分向量代表人体部位的主要差异；
基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型。
在一个实施例中，所述基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型，具体包括：
基于所述平均参数矩阵，生成平均仿生人体部位模型；
根据目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值，对所述平均仿生人体部位模型进行变形。
在一个实施例中，所述根据目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值，对所述平均仿生人体部位模型进行变形，具体包括：
确定目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值的比值；
根据所述比值与主成分向量的乘积，对所述平均仿生人体部位模型进行变形。
在一个实施例中，在基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型之前，所述方法包括：
获取目标人体部位的三维图像；
从所述三维图像，获取目标人体部位上的至少一个主成分测量值。
在一个实施例中，所述对所述多个人体部位样本的参数矩阵求主成分向量具体包括：
对所述多个人体部位样本的参数矩阵求方差矩阵；
基于所述方差矩阵，确定主成分向量。
在一个实施例中，生成所述仿生人体部位模型所用的材料包括杨氏模量在1MPa以下的弹性体。
在一个实施例中，所述杨氏模量在1MPa以下的弹性体包括以下中的一个或多个：
硅胶、聚氨酯、聚酯、聚丙烯酸。
在一个实施例中，在生成所述仿生人体部位模型之后，所述方法还包括：在该仿生人体部位模型的多个预定位置设置多个集成在光纤上的光纤光栅感测单元。
在一个实施例中，在生成所述仿生人体部位模型之后，所述方法还包括：
在该仿生人体部位模型的底部设置底座；
在底座的上面一体连接用于保护所述光纤的保护层。
在一个实施例中，所述多个光纤光栅感测单元中的每个按照如下方式构造：
设置基底；
在基底上刻蚀出凹槽；
将布拉格光栅悬于所述凹槽表面，凹槽处在封装后形成空气舱。
本公开实施例在仿生人体部位模型上不是设置电子压力传感器，而是在其上的多个预定位置设置光纤光栅感测单元，且这些光纤光栅感测单元集成在光纤上，即采用光纤光栅传感网络。采用光纤光栅传感网络具有以下优点：测量准确度高，抗电磁干扰能力强，测量速度快，复用性好且信息容量大(同一根光纤可以传输多路信号)。此外，光纤光栅感测单元还具有质量轻，体积小，绝缘，耐用和长期稳定等特点。且，各个光纤光栅感测单元的传感是相互独立的，相互间干扰非常小，可有效抑制/隔离光纤光栅感测单元内部光纤变形和外部光纤变形的传递。现有技术中，在仿生人体部位模型上应用电子压力传感器，在小压力作用下产生的信号变化不明显，其传感响应与环境产生的噪音为同一数量级甚至更小，故受外界信号干扰严重，而本公开实施例采用光纤光栅传感网络可以有效避免该问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1示出根据本公开一示例实施方式的智能仿生人体部位模型检测装置的制造方法的流程图。
图2示出根据本公开一示例实施方式的基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型的具体流程图。
图3示出根据本公开一示例实施方式的根据目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值，对所述平均仿生人体部位模型进行变形的具体流程图。
图4示出根据本公开一示例实施方式的智能仿生人体部位模型检测装置的制造方法的流程图。
图5示出根据本公开一示例实施方式的构造光纤光栅感测单元的方法的具体流程图。
图6示出根据本公开一示例实施方式的智能仿生人体部位模型检测装置的的结构图。
图7示出了根据本公开一示例实施方式的智能仿生人体部位模型检测装置的除仿生人体部位模型以外的部分的示例性结构。
图8示出了根据本公开一示例实施方式的在人腿的横截面上选取唯一定义该横截面的参数的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图6示出根据本公开一示例实施方式的智能仿生人体部位模型检测装置的的结构图。
人体部位是指人体上与压力服装接触的部位。例如，对于压力长袜来说，接触的人体部位是腿。仿生人体部位模型是指为了在制造压力服装时检测压力服装在人体部位上产生的压力而采用的对人体部位的仿生模型。智能仿生人体部位模型检测装置是利用仿生人体部位模型检测压力服装在人体部位上产生的压力的整套装置，包括该仿生人体部位模型和用于检测压力服装在人体部位上产生的压力的检测单元等其他配套单元。智能是指该仿生人体部位模型能实时监测压力分布，并可基于不同人体进行变形。
如图6所示，该智能仿生人体部位模型检测装置包括：
仿生人体部位模型1；
集成在光纤2上的多个光纤光栅感测单元5，设置在该仿生人体部位模型1的多个预定位置。
预定位置是指预先设置的、在仿生人体部位模型上的、测量压力服装在仿生人体部位模型上产生的压力的位置，可以由操作者预先定义。如图6所示，多个光纤光栅感测单元5设置在智能仿生人体部位模型检测装置98的仿生人体部位模型1的多个预定位置。每根光纤2连接多个光纤光栅感测单元5。
光纤光栅感测单元感测压力的原理是：以布拉格光纤光栅传感为例，当光通过光纤光栅时，光纤光栅将反射或者透射其中以特定波长为中心波长的窄谱分量。同时，外界物理参量(如温度、应变等)可引起波长偏移。对于每个光纤光栅感测单元，可将作用于表面的压力传递并转换为对光纤光栅的拉伸。同时，建立压力/应变与光纤光栅反射信号的中心波长的关系。应用此关系，可以通过光纤光栅感测单元进行压力测量。
本公开实施例在仿生人体部位模型上不是设置电子压力传感器，而是在其上的多个预定位置设置光纤光栅感测单元，且这些光纤光栅感测单元集成在光纤上，即采用光纤光栅传感网络。采用光纤光栅传感网络具有以下优点：测量准确度高，抗电磁干扰能力强，测量速度快，复用性好且信息容量大(同一根光纤可以传输多路信号)。此外，光纤光栅感测单元还具有质量轻，体积小，绝缘，耐用和长期稳定等特点。而且，各个光纤光栅感测单元的传感是相互独立的，相互间干扰非常小，可有效抑制/隔离光纤光栅感测单元内部光纤变形和外部光纤变形的传递。现有技术中，在仿生人体部位模型上应用电子压力传感器，在小压力作用下产生的信号变化不明显，其传感响应与环境产生的噪音为同一数量级甚至更小，故受外界信号干扰严重，而本公开实施例采用光纤光栅传感网络可以有效避免该问题。
在一个实施例中，如图7所示，所述多个光纤光栅感测单元5中的每个包括：
基底8；
在基底8上的凹槽9；
布拉格光栅7，悬于所述凹槽9表面，凹槽处在封装后形成空气舱。
采用布拉格光栅制造光纤光栅感测单元的好处是，可以免于电磁干扰，并对自轴变形具有高敏感性。
由于上述结构的凹槽处在封装后形成空气舱，在小压力下也非常容易变形，从而表现出非常高的灵敏度(目前0-10kPa范围内的压力灵敏度高于20pm/kPa，且压力和波长偏移之间是线性的)。
在一个实施例中，在所述仿生人体部位模型1设置多个光纤传感通道，所述多个光纤光栅感测单元分散在各光纤传感通道中，在一个光纤传感通道中分散有至少一个光纤光栅感测单元，所述至少一个光纤光栅感测单元具有不同中心波长。例如，在仿生人体部位模型1上设置4个光纤光栅传感器通道，每个通道中有7个光纤光栅感测单元，这7个光纤光栅感测单元的光栅的中心波长互不相同。例如，每个光纤光栅传感器通道是一根光纤分支，多根光纤分支之间并列，形成统一的光纤。
上述结构利用波分复用原理，在每个光纤传感通道中利用不同中心波长的光纤光栅感测单元测量仿生人体部位模型上服装造成的压力分布。在每个通道中，广谱光源提供输入信号，通过集成于同一光纤的具有不同中心波长的光纤光栅，每个光纤光栅反射不同中心波长的窄带光谱。
在一个实施例中，制造构造出的仿生人体部位模型所用的材料包括杨氏模量在1MPa以下的弹性体。用杨氏模量在1MPa以下的弹性体来制造的好处在于，与皮肤的杨氏模量相似，有比较好的弹性恢复性能和保形性，加工方便，成本合理。
在一个实施例中，所述杨氏模量在1MPa以下的弹性体是以下中的一个或多个：硅胶、聚氨酯(polyurethane)、聚酯(polyeste)、聚丙烯酸(polyacrylate)。
在一个实施例中，所述检测装置还包括：
在该仿生人体部位模型1的底部设置的底座4；
在底座4的上面一体连接用于保护所述光纤的保护层3。
如图6所示，底座4在在该仿生人体部位模型1的底部，它起到提高稳定性，便于测量的作用。保护层3与底座4一体连接，起到保护光纤2的作用。这样的结构能够使智能仿生人体部位模型检测装置98不易损坏。
在一个实施例中，如图7所示，多个光纤光栅感测单元5嵌入在软弹性体6中而不会从软弹性体6上凸出，软弹性体6设置在仿生人体部位模型上。
将带有布拉格光栅7的光纤光栅感测单元5嵌入弹性体6中的好处是，弹性体6是柔软灵活的，而光纤的弹性系数比弹性体6的弹性系数大2-3个数量级，这样光纤在压力下的轴变形就非常小，小压力下的灵敏度比较低。图7所示的光纤光栅压力传感单元恰好能解决这一问题。
在一个实施例中，查询器96(例如光感测查询器)检测到光纤光栅感测单元5输出检测结果，通过以太网11将检测结果发送到处理器97，供处理器处理检测到的人体部位模型上的压力，得到检测结果。
在一个实施例中，光纤2是直的，通过粘合剂10固定到基底8以增加预张力。
在一个实施例中，所述基底8是硬基底，其弹性系数与光纤2的弹性系数相近。
由于光纤压力检测单元对于采用了上述结构，横截面较大，基底8的刚度比光纤2高很多，这样，在压力服装的作用下产生微不足道的变形的硬基底可以免于连接的光纤的干扰，并有效限制同一光纤连接的不同光纤压力检测单元之间的干扰。另外，凹槽带来的好处是，凹槽中可以容纳空气，这对于提高压力灵敏度是有利的。基于上述设计，在布拉格光栅的波长漂移和在仿生人体部位模型的压力之间有线性关系，提高了检测的可重复性，降低滞后性。本公开实施例的光纤压力检测单元的灵敏度可以达到20pm/kpa。
如图1所示，在一个实施例中，所述仿生人体部位模型按照如下方式生成：
步骤S101、针对多个人体部位样本的每一个人体部位样本，截取多个横截面；
步骤S102、在每个横截面上选取多个参数，所述多个参数唯一定义该横截面；
步骤S103、为所述多个人体部位样本的每一个人体部位样本，用截取的多个横截面的多个参数构造参数矩阵；
步骤S104、对所述多个人体部位样本的参数矩阵求平均参数矩阵和主成分向量，其中平均参数矩阵代表平均的人体部位形状，主成分向量代表人体部位的主要差异；
步骤S107、基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型。
下面对这些步骤进行详细描述。
在步骤S101，针对多个人体部位样本的每一个人体部位样本，截取多个横截面。
人体部位是指人体上的部位，如人腿。人体部位样本是指为了获得平均人体部位模型和主成分向量而预先选取的测试用人体部位。平均人体部位模型和主成分向量的概念在后面描述。选取的样本数量越多，检测结果越准确。例如，选取1000个人腿作为样本，测试结果比选取100个人腿作为样本更准确。
对于每个样本，截取多个横截面。例如，在腿的高度方向每隔0.05米截取一个横截面，截取出的横截面如图8所示。截取的横截面越多，测量结果越准确。
在步骤S102中，在每个横截面上选取多个参数，所述多个参数唯一定义该横截面。
参数是指为了表征横截面轮廓形状的整体或部分，需要采用的变量。在一个实施例中，人腿的横截面如图8所示。人腿的横截面看作一个小圆的圆弧和一个大圆的圆弧被两条直线切线连接。小圆的半径r、大圆的半径R、两条直线切线各自的长度d1、d2确定后，该横截面轮廓形状就唯一确定下来。这四个变量中只要有一个变量不确定，该横截面的轮廓形状就是不确定的。小圆的半径r、大圆的半径R、两条直线切线各自的长度d1、d2即为选取的多个参数，它们可以唯一定义该横截面。
在步骤S103中，为所述多个人体部位样本的每一个人体部位样本，用截取的多个横截面的多个参数构造参数矩阵。
参数矩阵是指对于人体部位样本，截取的多个横截面的多个参数构成的矩阵，其中矩阵的行和列中的一个代表横截面，另一个代表参数，矩阵中的元素代表相应横截面的相应参数值。例如，行代表横截面，列代表参数,其中小圆的半径r、大圆的半径R、两条直线切线各自的长度d1、d2分别由第1-4列表示，则第3行第2列的元素就表示第3个横截面的大圆的半径R。
在步骤S104中，对所述多个人体部位样本的参数矩阵求平均参数矩阵和主成分向量。
平均参数矩阵是指对多个参数矩阵求平均而得到的矩阵。对多个参数矩阵求平均是指对该多个参数矩阵进行这样的运算：对于多个参数矩阵的同一位置(行号、列号均相同)上的参数求平均，作为平均后的参数矩阵的该同一位置上的参数。平均参数矩阵表示，对于一个平均的人体部位来说，其各个横截面上的各个参数的水平。以上面第3行第2列的元素表示第3个横截面的大圆的半径R为例，平均参数矩阵的第3行第2列的元素就表示大量人群的该人体部位的第3个横截面的大圆的半径R的平均水平。
主成分向量是指，对所述多个人体部位样本的参数矩阵进行主成分分析，将参数矩阵中那些在不同人之间差异最显著的参数提取出来并求方差，这些方差构成的向量。主成分分析法是领域中常用方法，它能够提炼出差异最显著的元素成分。例如，所述多个人体部位样本的参数矩阵的第3行第1列的元素在不同人之间差别很小，所述多个人体部位样本的参数矩阵的第3行第2列的元素在不同人之间差别很大。这就说明，在不同的人中，人体部位的第3个横截面的小圆的半径r差异很小，人体部位的第3个横截面的大圆的半径D差异很大，用它来区别不同的人的人体部位效果很明显。这时将所述多个人体部位样本的参数矩阵的第3行第2列的元素的方差作为主成分放入主成分向量中。
在一个实施例中，所述对所述多个人体部位样本的参数矩阵求主成分向量具体包括：
对所述多个人体部位样本的参数矩阵求方差矩阵；
基于所述方差矩阵，确定主成分向量。
方差矩阵是指对多个参数矩阵求方差而得到的矩阵。对多个参数矩阵求方差是指对该多个参数矩阵进行这样的运算：对于多个参数矩阵的同一位置(行号、列号均相同)上的参数求方差，作为方差矩阵的该同一位置上的参数。在方差矩阵特定位置上的方差表示，该特定位置对应的人体部位横截面上的参数在不同的人之间的差异程度。该特定位置上的方差越大，说明对应的人体部位横截面上的参数在不同的人之间差异越大。因此，将方差矩阵中值比较大的元素(方差)提取出来，合成主成分向量，主成分向量中的每一个主成分即从方差矩阵中方差比较大的位置提取出的方差。这种方差比较大的位置即在人体的人之间相应参数的差异比较大的参数。
在步骤S107中，基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型。
目标人体部位是指要为其生成仿生人体部位模型的人体部位。例如，某用户要订购一个长袜，长袜出厂后，不知道该长袜穿在该用户身上是否合适。于是需要为该用户的腿生成一个仿生腿模型，该方式腿模型与用户腿的形状非常接近。将长袜穿在仿生腿模型上，通过仿生腿模型上的压力传感器等就可以检验该长袜是否适合用户。这时，用户的腿就是目标人体部位。
目标人体部位上的主成分测量值是指，对于目标人体部位，测量参数矩阵中那些在不同人之间差异最显著的参数得到的值与该参数的平均值的差。该参数的平均值是指平均参数矩阵中该参数位置的参数值。例如，主成分向量中有第3个横截面的大圆的半径R的方差、第5个横截面的小圆的半径r的方差、第7个横截面的小圆的半径r的方差。假设第3个横截面的大圆的半径R的方差为4cm,第3个横截面的大圆的半径R的平均值为5cm,测得目标人腿的第3个横截面的大圆的半径R为7cm,则目标人腿上对应于目标人腿的第3个横截面的大圆的半径R的主成分测量值为7-5＝2(cm)。
如图2所示，在一个实施例中，步骤S107具体包括：
S1071、基于所述平均参数矩阵，生成平均仿生人体部位模型；
S1072、根据目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值，对所述平均仿生人体部位模型进行变形。
由于平均参数矩阵表示，对于一个平均的人体部位来说，其各个横截面上的各个参数的水平，根据矩阵中的各参数，就可以生成平均仿生人体部位模型，它代表了所有人中平均的人体部位的形状。例如，根据人腿每个横截面上每个参数的平均水平，就可以构建出一个平均水平的人腿模型，即平均仿生人体部位模型，它反映了平均水平的人腿形状。生成平均仿生人体部位模型可以采用3D打印技术。
在一个实施例中，如图3所示，步骤S1072具体包括：
S10721、确定目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值的比值；
S10722、根据所述比值与主成分向量的乘积，对所述平均仿生人体部位模型进行变形。
目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值的比值表示，对于与该至少一个主成分测量值对应的参数来说，目标人体部位的该参数的值在整个人群分布中偏离该参数值平均水平(即平均参数矩阵中对应位置的参数值)的程度。该比值越高，该目标人体部位的该参数在整个人群分布中就偏离平均水平的程度越严重。例如，与均值的偏离值小于等于方差的概率为68.5％，即有68.5％的人的该参数值会落在(均值-方差，均值+方差)的区间内。如果目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值的比值为3，则99％的人的该参数值会落在(均值-3倍方差，均值+3倍方差)的区间内，说明该参数的值远远偏离该参数的平均水平。
由于人体各部位是成比例的,目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值的比值也代表了目标人体部位上的其它主成分测量值、和所述主成分向量中相应的主成分值的比值。
例如，主成分向量中有第3个横截面的大圆的半径R、第5个横截面的小圆的半径r、第7个横截面的小圆的半径r。第3个横截面的大圆的半径R平均值是5cm,方差为2cm。测得目标用户的腿上第3个横截面的大圆的半径R为6cm。与用户的腿上第3个横截面的大圆的半径R对应的主成分的测量值与所述主成分向量中相应的主成分值的比值为(6-5)/2＝0.5。第5个横截面的小圆的半径r的平均值是3cm,方差是1cm,所述比值0.5与第5个横截面的小圆的半径r方差1cm的乘积是0.5cm,则按照0.5cm对平均仿生人体部位模型的第5个横截面的小圆的半径r进行变形。第7个横截面的小圆的半径r的平均值是2cm,方差是0.4cm,所述比值0.5与第7个横截面的小圆的半径r方差0.4cm的乘积是0.2cm,则按照0.2cm对平均仿生人体部位模型的第7个横截面的小圆的半径r进行变形。
变形的方式可以通过对平均仿生人体部位模型充气或放气等方式进行，可以通过其它机械驱动的方式进行，也可以通过本领域技术人员已知的其它方式进行。
如图4所示，在一个实施例中，在步骤S107前，所述方法还包括：
S105、获取目标人体部位的三维图像；
S106、从所述三维图像，获取目标人体部位上的至少一个主成分测量值。
人体部位的三维图像是指在三维立体坐标系中，在三个维度(例如x轴、y轴、z轴)上延伸的人体部位图像。
在一个实施例中，步骤S105可以通过3D扫描实现。
在步骤S106中，由于获取了目标人体部位的三维图像，就可以在三维图像中获取目标人体部位上的至少一个主成分测量值。例如，从拍摄了用户的人腿的三维图像，可以获知人腿第3个横截面的大圆的半径R，减去第3个横截面的大圆的半径R的平均值，即相应的主成分测量值。
本公开实施例中，不是通过简单的测量值(如大腿长度、小腿长度、膝盖直径、脚长度)来简单定义人体部位(如人腿)，而是截取人体部位的多个横截面(如腿的不同高度的横截面)，在每个横截面上又选取多个参数来唯一定义该横截面(例如腿的横截面看作一个小圆的圆弧和一个大圆的圆弧被两条直线切线连接，小圆的半径、大圆的半径、两条直线切线各自的长度就可以唯一定义该横截面)。这样，各个横截面上选取的各个参数就合在一起构成成了参数矩阵。这个矩阵与现有技术的简单的测量值(如大腿长度、小腿长度、膝盖直径、脚长度)相比，更能有效捕捉和代表人体部位的形状细节。本公开实施例对大量人体部位样本的参数矩阵求平均参数矩阵和主成分向量，其中平均参数矩阵代表平均的人体部位形状，主成分向量代表人体部位的主要差异。这样，平均参数矩阵对应着一个平均水平的人体部位(该人体部位的每个横截面的每个参数都取上述大量人体部位样本的相应横截面的相应参数的平均值)。通过主成分向量，可以知道在人体部位的所有横截面的所有参数中哪些参数占主导，能够体现出不同人的差异性、以及对于该参数不同人之间的变化水平。然后，根据目标人体部位上的至少一个主成分测量值，就可以知道这个目标人的目标人体部位在该主成分方面在所有人群中所处的位置，进而可以知道在平均参数矩阵对应的平均人体部位模型进行多大的变形，才能与目标人体部位的真实形状贴近。因此，通过这种方法制造出的智能仿生人体部位模型检测装置，对于压力服装在人体部位上的压力的检测结果更加准确，减小了制造出的压力服装在人腿上产生的压力的测量结果和压力服装在人腿上产生的真实压力的差异。
如图4所示，在一个实施例中，所述方法还包括：步骤S108、在该仿生人体部位模型的多个预定位置设置多个集成在光纤上的光纤光栅感测单元。
如图4所示，在一个实施例中，所述方法还包括：
步骤S109、在该仿生人体部位模型的底部设置底座；
步骤S110、在底座的上面一体连接用于保护所述光纤的保护层。
如图5所示，在一个实施例中，所述多个光纤光栅感测单元中的每个按照如下方式构造：
步骤S201、设置基底；
步骤S202、在基底上刻蚀出凹槽；
步骤S203、将布拉格光栅悬于所述凹槽表面，凹槽处在封装后形成空气舱。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (17)

1.一种智能仿生人体部位模型检测装置，其特征在于，包括：
仿生人体部位模型；
集成在光纤上的多个光纤光栅感测单元，设置在该仿生人体部位模型的多个预定位置。
2.根据权利要求1所述的检测装置，其特征在于，所述多个光纤光栅感测单元中的每个包括：
基底；
在基底上的凹槽；
布拉格光栅，悬于所述凹槽表面，凹槽处在封装后形成空气舱。
3.根据权利要求1所述的检测装置，其特征在于，在所述仿生人体部位模型设置多个光纤传感通道，所述多个光纤光栅感测单元分散在各光纤传感通道中，在一个光纤传感通道中分散有至少一个光纤光栅感测单元，所述至少一个光纤光栅感测单元具有不同中心波长。
4.根据权利要求1所述的检测装置，其特征在于，所述仿生人体部位模型的材料为杨氏模量在1MPa以下的弹性体。
5.根据权利要求4所述的检测装置，其特征在于，所述杨氏模量在1MPa以下的弹性体是以下中的一个或多个：
硅胶、聚氨酯、聚酯、聚丙烯酸。
6.根据权利要求1所述的检测装置，其特征在于，还包括：
在该仿生人体部位模型的底部设置的底座；
在底座的上面一体连接用于保护所述光纤的保护层。
7.根据权利要求1所述的检测装置，其特征在于，所述仿生人体部位模型按照如下方式生成：针对多个人体部位样本的每一个人体部位样本，截取多个横截面；在每个横截面上选取多个参数，所述多个参数唯一定义该横截面；为所述多个人体部位样本的每一个人体部位样本，用截取的多个横截面的多个参数构造参数矩阵；对所述多个人体部位样本的参数矩阵求平均参数矩阵和主成分向量，其中平均参数矩阵代表平均的人体部位形状，主成分向量代表人体部位的主要差异；基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型。
8.一种根据权利要求1的智能仿生人体部位模型检测装置的制造方法，其特征在于，包括：
针对多个人体部位样本的每一个人体部位样本，截取多个横截面；
在每个横截面上选取多个参数，所述多个参数唯一定义该横截面；
为所述多个人体部位样本的每一个人体部位样本，用截取的多个横截面的多个参数构造参数矩阵；
对所述多个人体部位样本的参数矩阵求平均参数矩阵和主成分向量，其中平均参数矩阵代表平均的人体部位形状，主成分向量代表人体部位的主要差异；
基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型。
9.根据权利要求8所述的方法，其特征在于，所述基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型，具体包括：
基于所述平均参数矩阵，生成平均仿生人体部位模型；
根据目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值，对所述平均仿生人体部位模型进行变形。
10.根据权利要求9所述的方法，其特征在于，所述根据目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值，对所述平均仿生人体部位模型进行变形，具体包括：
确定目标人体部位上的至少一个主成分测量值、和所述主成分向量中相应的主成分值的比值；
根据所述比值与主成分向量的乘积，对所述平均仿生人体部位模型进行变形。
11.根据权利要求8所述的方法，其特征在于，在基于平均参数矩阵、主成分向量、以及目标人体部位上的至少一个主成分测量值，生成所述仿生人体部位模型之前，所述方法包括：
获取目标人体部位的三维图像；
从所述三维图像，获取目标人体部位上的至少一个主成分测量值。
12.根据权利要求8所述的方法，其特征在于，所述对所述多个人体部位样本的参数矩阵求主成分向量具体包括：
对所述多个人体部位样本的参数矩阵求方差矩阵；
基于所述方差矩阵，确定主成分向量。
13.根据权利要求8所述的方法，其特征在于，生成所述仿生人体部位模型所用的材料包括杨氏模量在1MPa以下的弹性体。
14.根据权利要求13所述的方法，其特征在于，所述杨氏模量在1MPa以下的弹性体包括以下中的一个或多个：
硅胶、聚氨酯、聚酯、聚丙烯酸。
15.根据权利要求8所述的方法，其特征在于，在生成所述仿生人体部位模型之后，所述方法还包括：在该仿生人体部位模型的多个预定位置设置多个集成在光纤上的光纤光栅感测单元。
16.根据权利要求8所述的方法，其特征在于，在生成所述仿生人体部位模型之后，所述方法还包括：
在该仿生人体部位模型的底部设置底座；
在底座的上面一体连接用于保护所述光纤的保护层。
17.根据权利要求8所述的方法，其特征在于，所述多个光纤光栅感测单元中的每个按照如下方式构造：
设置基底；
在基底上刻蚀出凹槽；
将布拉格光栅悬于所述凹槽表面，凹槽处在封装后形成空气舱。
CN201810249322.8A 2018-03-22 2018-03-22 智能仿生人体部位模型检测装置及制造方法 Pending CN110296777A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810249322.8A CN110296777A (zh) 2018-03-22 2018-03-22 智能仿生人体部位模型检测装置及制造方法
US17/040,229 US11860051B2 (en) 2018-03-22 2018-03-29 Intelligent bionic human body part model detection device and method for manufacturing same
PCT/CN2018/081017 WO2019178886A1 (zh) 2018-03-22 2018-03-29 智能仿生人体部位模型检测装置及制造方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810249322.8A CN110296777A (zh) 2018-03-22 2018-03-22 智能仿生人体部位模型检测装置及制造方法

Publications (1)

Publication Number Publication Date
CN110296777A true CN110296777A (zh) 2019-10-01

Family

ID=67988053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810249322.8A Pending CN110296777A (zh) 2018-03-22 2018-03-22 智能仿生人体部位模型检测装置及制造方法

Country Status (3)

Country Link
US (1) US11860051B2 (zh)
CN (1) CN110296777A (zh)
WO (1) WO2019178886A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113804351A (zh) * 2020-06-16 2021-12-17 潍坊嘉腾液压技术有限公司 螺旋管路内压力响应及压力分布的检测系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1895160A (zh) * 2005-05-11 2007-01-17 希森美康株式会社 机体模拟系统及记录介质
CN101833891A (zh) * 2010-01-20 2010-09-15 向凌云 反观内视人体经脉穴位仿生模型及制作方法
CN101912169A (zh) * 2010-08-17 2010-12-15 东华大学 带有放松量的服装立体裁剪用工业人台的建立方法
CN203203730U (zh) * 2013-04-03 2013-09-18 中国计量学院 基于光纤光栅的人体平卧压力分布测量装置
CN103324907A (zh) * 2012-03-22 2013-09-25 中国科学院计算技术研究所 一种用于人体重现检测的人体表观模型的学习方法及系统
CN103761771A (zh) * 2014-01-24 2014-04-30 中国人民解放军第三军医大学第一附属医院 人皮肤中主要纤维成分网状结构三维可视模型
CN104392063A (zh) * 2014-12-05 2015-03-04 东华大学 传感器嵌入式服装压力测试用仿真软体假人的构建方法
JP2017026348A (ja) * 2015-07-16 2017-02-02 国立大学法人名古屋大学 計測装置および医療機器、医療操作訓練装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5628230A (en) * 1994-11-01 1997-05-13 Flam; Eric Method and apparatus for testing the efficacy of patient support systems
GB0021975D0 (en) * 2000-09-07 2000-10-25 Optomed As Filter optic probes
GB2466929A (en) * 2009-01-09 2010-07-14 Smart Fibres Ltd Pressure sensor device comprising flexible diaphragm with integral optical sensor
CN101916319A (zh) * 2010-09-01 2010-12-15 天津工业大学 基于光纤布拉格光栅的智能服装人体测温模型
CN102184277A (zh) * 2011-03-22 2011-09-14 江南大学 一种选取服装压力测量点的新方法
CN104036061B (zh) * 2013-03-08 2017-09-26 香港纺织及成衣研发中心有限公司 服装仿真方法和系统
CN104050856A (zh) * 2013-03-13 2014-09-17 天津市医学堂科技有限公司 一种医疗按摩装置
CN103544733B (zh) * 2013-10-24 2017-01-04 北京航空航天大学 基于统计形状分析的三维人体头部三角网格模型建立方法
CN104019759B (zh) * 2014-06-17 2016-09-14 中国航空工业集团公司北京长城计量测试技术研究所 一种基于光纤光栅的超大应变传感器
CN204318732U (zh) * 2014-12-08 2015-05-13 天津工业大学 光纤传感智能服装
US10957221B2 (en) * 2015-01-29 2021-03-23 Synaptive Medical Inc. Physiological phantoms incorporating feedback sensors and sensing materials
CN107154071A (zh) * 2016-03-02 2017-09-12 南京航空航天大学 基于实例根据人体测量尺寸数据生成个性化人体模型的方法
CN107351102B (zh) * 2017-09-13 2023-04-21 武汉科技大学 光纤光栅力触觉传感器、机器人及其机械手指尖

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1895160A (zh) * 2005-05-11 2007-01-17 希森美康株式会社 机体模拟系统及记录介质
CN101833891A (zh) * 2010-01-20 2010-09-15 向凌云 反观内视人体经脉穴位仿生模型及制作方法
CN101912169A (zh) * 2010-08-17 2010-12-15 东华大学 带有放松量的服装立体裁剪用工业人台的建立方法
CN103324907A (zh) * 2012-03-22 2013-09-25 中国科学院计算技术研究所 一种用于人体重现检测的人体表观模型的学习方法及系统
CN203203730U (zh) * 2013-04-03 2013-09-18 中国计量学院 基于光纤光栅的人体平卧压力分布测量装置
CN103761771A (zh) * 2014-01-24 2014-04-30 中国人民解放军第三军医大学第一附属医院 人皮肤中主要纤维成分网状结构三维可视模型
CN104392063A (zh) * 2014-12-05 2015-03-04 东华大学 传感器嵌入式服装压力测试用仿真软体假人的构建方法
JP2017026348A (ja) * 2015-07-16 2017-02-02 国立大学法人名古屋大学 計測装置および医療機器、医療操作訓練装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱月红 等: "《光纤光栅、金属化及传感技术》", 30 April 2016 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113804351A (zh) * 2020-06-16 2021-12-17 潍坊嘉腾液压技术有限公司 螺旋管路内压力响应及压力分布的检测系统
CN113804351B (zh) * 2020-06-16 2024-03-22 潍坊嘉腾液压技术有限公司 螺旋管路内压力响应及压力分布的检测系统

Also Published As

Publication number Publication date
US11860051B2 (en) 2024-01-02
WO2019178886A1 (zh) 2019-09-26
US20210010877A1 (en) 2021-01-14

Similar Documents

Publication Publication Date Title
Shu et al. In-shoe plantar pressure measurement and analysis system based on fabric pressure sensing array
US10524672B2 (en) Diastolic blood pressure measurement calibration
Lai et al. Validation of the Pliance X System in measuring interface pressure generated by pressure garment
Zhang et al. A fiber Bragg grating based sensing platform fabricated by fused deposition modeling process for plantar pressure measurement
CN102772200B (zh) 脉诊信号传感器探头及光纤脉诊信息采集系统
CN109414222A (zh) 对血压测量设备的动态校准
CN100518631C (zh) 三维动态脉象检测系统
Suresh et al. Development of a high resolution plantar pressure monitoring pad based on fiber Bragg grating (FBG) sensors
CN209003983U (zh) 可穿戴设备
CN110448282A (zh) 一种光纤感应组件及生命体征监测装置
Rocha et al. FBG in PVC foils for monitoring the knee joint movement during the rehabilitation process
Zizoua et al. Development of a bracelet with strain-gauge matrix for movement intention identification in traumatic amputees
CN110296777A (zh) 智能仿生人体部位模型检测装置及制造方法
Leitão et al. Optical fiber sensors for central arterial pressure monitoring
Resta et al. A wearable system for knee flexion/extension monitoring: Design and assessment
CN112890796B (zh) 基于光纤传感的脉搏波监测装置与方法
Mahmud et al. Fiber Bragg Gratings based smart insole to measure plantar pressure and temperature
Ngiejungbwen et al. Polymer optical fiber and fiber Bragg grating sensors for biomedical engineering Applications: A comprehensive review
CN109374188A (zh) 一种模拟人体柔软度的智能压力测试人台及测试系统
Oks et al. A comparison of the accuracy of the smart sock system to force platform and optical system for measurement of temporal parameters of locomotion
Shayan et al. ShrewdShoe, a smart pressure sensitive wearable platform
CN109307482B (zh) 温度不敏感的光纤形状重构系统
CN107898464B (zh) 一种测量足底压力分布的系统和方法
Rahimi et al. Towards the evaluation of force-sensing resistors for in situ measurement of interface pressure during leg compression therapy
Frost et al. A load cell and sole assembly for dynamic pointwise vertical force measurement in walking

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