CN110693501A - 一种基于多传感器融合的行走步态无线检测系统 - Google Patents
一种基于多传感器融合的行走步态无线检测系统 Download PDFInfo
- Publication number
- CN110693501A CN110693501A CN201910982592.4A CN201910982592A CN110693501A CN 110693501 A CN110693501 A CN 110693501A CN 201910982592 A CN201910982592 A CN 201910982592A CN 110693501 A CN110693501 A CN 110693501A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- gait
- human body
- wireless
- 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
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
- A61B5/112—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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- 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
Abstract
本发明提供了一种基于多传感器融合的行走步态无线检测系统,包括:运动传感器模块、压力传感器模块、无线通讯模块和数据处理模块;无线通讯模块包括无线传输模块、无线接收模块;所述运动传感器模块与所述压力传感器模块均与所述无线传输模块连接;所述无线传输模块与所述无线接收模块连接,所述无线接收模块与所述数据处理模块连接;所述运动传感器模块,获得行走时的三轴角度、加速度数据;压力传感器模块,获取行走足底多个区域的所受的压力,通过对压力数据的分析比较,判断人体是否进入支撑模式或者摆动模式;无线通讯模块,用于将接收到的数据打包发送到数据处理模块;所述数据处理模块,对接收到的数据进行处理,从而得到用户的步态数据。
Description
技术领域
本发明涉及传感器检测技术领域,特别涉及一种基于多传感器融合的行走步态无线检测系统。
背景技术
人体运动在日常活动中起着至关重要的作用,检测和分析人体运动,研究人在行走过程中的步态参数不仅对了解人体运动规律,发现肢体间的协调配合决策具有重要的意义,而且在临床诊断、康复医疗、体育科学以及仿生机构与类人机器人等领域也具有重要的意义。比如在康复医疗工程领域,智能下肢假肢是目前的研究热点。为了使智能下肢假肢行走时拥有与正常人体下肢相接近的步态,因此对人体行走步态数据的采集分析是必不可少的。
目前,步态运动检测多基于图像处理的检测方法,这种方法存在着精度不高,无法三维检测等一系列缺点。并且传统的步态检测分析仪如步台式步态分析仪,通常价格极为昂贵且不可移动,不能对患者的步态做长期监测和诊断。现有的便携式设备对步态的检测数据类型少,且精确度低,数据也不够全面,还无法针对特定的人群或疾病进行修改,并且关于步态的检测和诊断在生活中普及度低。
有学者提出采用基于电信号传感器的步态检测方法。但是目前利用电信号传感器的步态检测判定的方法,大都采用足底单传感器或单加速度计,且由于在日常复杂环境下人体步态的复杂程度,人体在行走过程中,每一步之间存在差异,只是依靠单传感器并不能准确可靠的判定,使得采用单传感器检测的检测结果稳定性与精确性不足,提取的步态信息不全面。此外现有的传感器数据发送方式采用有线传输,试验区域受限于线路长度。
例如,申请号为CN201710039236的发明专利申请公开了一种步态事件检测方法,将惯性测量单元(Inertial Measurement Unit,IMU)置于被试人员的小腿处,在被试人员于室内行走的过程中,惯性传感器中的角速度数据被获得,由此可利用角速度峰值检测方法确定步态事件。申请号为CN 109498027 A的发明专利申请提出了一种单加速度计人体步态检测系统及方法,其将单加速度计安装在行走的上半身,采集人在行走时的加速度数据,利用不同维度上加速度数据的阈值检测法确定步态事件。申请号为CN 108652636 A的发明专利申请公开了一种基于压力传感器的步态检测方法及系统,其将多个压力传感器放在测试者的,采集测试者行走时的足底压力数据,依靠足底的压力数据来进行行走状态的分析。
上述方法在实际使用过程中均存在步态测量精度较低、测试数据不全面,在不同人群中的适应能力差等缺陷。因此,有必要提出一种便携可穿戴、可以长期检测用户步态数据,并且体积小、能耗低、价格低廉,拥有较高的精度和适应性的步态检测系统。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于多传感器融合的行走步态无线检测系统。
一种基于多传感器融合的行走步态无线检测系统,包括:
运动传感器模块、压力传感器模块、无线通讯模块和数据处理模块;
无线通讯模块包括无线传输模块、无线接收模块;
所述运动传感器模块与所述压力传感器模块均与所述无线传输模块连接;
所述无线传输模块与所述无线接收模块连接,所述无线接收模块与所述数据处理模块连接;其中:
所述运动传感器模块,用于检测行走运动时下肢在三维空间中的位置,获得行走时的三轴角度、加速度数据;
所述压力传感器模块,用于获取行走足底多个区域的所受的压力,通过对压力数据的分析比较,判断人体是否进入支撑模式或者摆动模式;
所述无线通讯模块,用于将运动传感器及压力传感器的数据打包并发送到数据分析模块;
所述数据处理模块,用于对接收到的压力数据和运动数据进行处理,从而得到用户的步态数据。
可选地,所述步态数据至少包括步态识别、步态周期;所述步态识别包括以下步态的识别:双脚支撑、右脚单支撑、左脚单支撑。
可选地,所述运动传感器模块包括若干个运动传感器;其至少设置于人体的躯干、大腿、小腿上。
可选地,所述运动传感器模块包括若干个运动传感器,其至少设置于人体的腹部、膝盖上部大腿的1/3处、膝盖下部小腿的1/3处。
可选地,所述压力传感器模块包括若干个柔性薄膜压力传感器,其至少设置于人体鞋底的前脚掌、足弓处、后脚掌。
可选地,所述柔性薄膜压力传感器的量程为50kg。
可选地,还包括CAN总线,所述模块之间通过CAN总线通信。
可选地,
对人体在空间的三维方向进行定义,X轴正向对应人体前方、Y轴正向对应人体左方、Z轴正向对应人体下方,放置在人体身上的运动传感器的坐标轴应该与人体三维方向定义保持一致。
可选地,所述运动传感器为MPU6050传感器。
可选地,所述无线通讯模块采用ESP8266无线模块。
与现有技术相比,本发明具有如下的有益效果:
本发明在特制的足底柔性压力传感器与运动传感器的基础上,结合无线通讯装置,使得该步态检测系统便携可穿戴,可以长期监控用户的步态数据。并且该基于多传感器融合的行走步态无线检测系统采用的传感器体积小、能耗低、价格低廉,并且拥有较高的精度和适应性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明具体实施例中人体行走步态周期分布图;
图2为本发明具体实施例一种基于多传感器融合的行走步态无线检测系统的结构示意图;
图3为为本发明具体实施例中压力传感器模块的结构示意图;
图4为本发明具体实施例中人体三维方向的定义示意图;图5为本发明具体实施例中一个步态周期内膝关节角度的变化;
图6为本发明具体实施例中一个步态周期内膝关节驱动力矩的变化。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
首先我们对专有名词“步态事件”作出解释。“步态事件”是指人在行走过程中的每个步态周期中的重要时刻。人体走路步态中,由于下肢生物力学模型存在周期性的特性,人体走路过程中的步态周期可以描述为,在行走时一侧脚跟着地到该侧脚跟再次着地的过程。一个走路步态周期可以分为两个阶段,支撑相(stance phase)和摆动相(swingphase)。支撑相从脚跟着地开始,到脚尖离地结束。摆动相从脚尖离地开始,到脚跟触地结束。支撑相大约占步态周期的60%,摆动相约占40%。
参见图1,其给出了一个走路步态周期的支撑相和摆动相,起止于右脚的脚跟着地。该步态周期可以分为四个阶段,第一个阶段为双脚支撑相:右脚掌触底,对侧脚脚趾离地;第二阶段为所示阶段表示右腿单支撑相;第三阶段为第二次双脚支撑相:右腿支撑相终止,左腿摆动相终止;第四阶段所示阶段表示左腿单支撑相。人体的走路动作是靠两腿的支撑相和摆动相的相互交替来实现的。在一个步态周期,存在单支撑相(Single support)和双支撑相(Double support),在单支撑相期间,只有单脚着地,在双支撑相期间,双脚都着地。
如图2,一种基于多传感器融合的行走步态无线检测系统,包括:运动传感器模块100、CAN总线200、压力传感器模块300、无线通讯模块和数据处理模块600;无线通讯模块包括无线传输模块400、无线接收模块500。
所述运动传感器模块100与所述压力传感器模块300均与所述无线传输模块400连接;所述无线传输模块400与所述无线接收模块500连接,所述无线接收模块500与所述数据处理模块600连接。所述模块之间通过CAN总线200通信。
所述运动传感器模块100,用于检测行走运动时下肢在三维空间中的位置,获得行走时的三轴角度、加速度数据。所述运动传感器模块包括若干个运动传感器;其至少设置于人体的躯干、大腿、小腿上。
所述压力传感器模块300,用于通过放置在足底的多个柔性压力传感器,获取行走足底多个区域的所受的压力,通过对压力数据的分析比较,判断人体是否进入支撑模式或者摆动模式。所述压力传感器模块包括若干个柔性薄膜压力传感器,其至少设置于人体鞋底的前脚掌、足弓处、后脚掌。所述柔性薄膜压力传感器的量程为50kg。
所述无线通讯模块,用于将运动传感器及压力传感器的数据打包并发送到数据分析模块600。
所述数据处理模块600,用于对接收到的压力数据和运动数据进行处理,从而得到用户的步态数据。所述步态数据至少包括步态识别、步态周期;所述步态识别包括以下步态的识别:双脚支撑、右脚单支撑、左脚单支撑。
如图3,本实施例中,所述压力传感模块由三个柔性薄膜压力传感器301、302、303组成,其量程均为50kg。由于脚底支反力主要分布在前脚掌、后脚掌与足弓处,因此,该述三个传感器分别在鞋底的前脚掌、足弓处和后脚掌处放置。所述柔性薄膜压力传感器以鞋垫形式放置在用户的鞋中。
所述柔性薄膜压力传感器的形状、尺寸、频率可根据不同用户进行调整。
首先压力传感器模块300获取位于第一区域内一个压力传感器303检测的压力值,并获取位于第二区域内两个压力传感器(301、302)检测的压力值。其中,第一区域为脚部后区,第二区域为脚部前区;当人体站立在多个压力传感器的上时,因重力作用会产生不同的向下的作用力,向下的作用力在压力传感器上产生压力信号,压力传感器按照一定的规律将压力信号转换成可用的电信号并输出,并通过预设装置对该电信号进行处理,获取对应压力传感器的压力数值。可通过后期对压力数据的分析比较,判断人体是否进入支撑模式或者摆动模式。
所述压力传感器处理结果包括“脚跟着地”和“脚尖离地”;所述步态特征包括步态周期、双脚支撑、右脚单支撑、左脚单支撑以及站立相和摆动相占比等。
参见图4,其表示出了人体三维方向的定义,而上述矢状面即为人体在空间内被定义的坐标系中对应x轴和y轴形成的平面。X轴正向对应人体前方、Y轴正向对应人体左方、Z轴正向对应人体下方,放置在人体上的运动传感器的坐标轴应该与人体保持一致,以用来采集相应坐标轴的数据。上述运动传感器的坐标系为所述运动传感器内部的预置坐标系。
在安装所述运动传感器时,将运动传感器的x测量轴平行于矢状面并与人体的被测肢体垂直,y测量轴与人体的被测肢体平行。
参见图1,本实施例中,所述运动传感器模块包括5个运动传感器,该述5个运动传感器分别设置于人体的腹部、膝盖上部大腿的1/3处、膝盖下部小腿的1/3处。该述运动传感器分别获取用于大腿、小腿和躯干与水平面的夹角,以及获得人体在行走时的三轴加速度数据。所述传感器基于预置坐标系中的加速度、角速度,通过所述传感器的加速度计获取加速度,通过所述传感器的陀螺仪获取角速度。若加速度和角速度的采样频率不一致,对所述加速度和角速度进行预定次数样条插值。本实施例中,所述运动传感器为MPU6050传感器。
所述压力传感器和所述运动传感器模块还包括采集电路、信号放大处理电路和信号提取电路;以及电池模块,用于给所述压力传感器、运动传感器、无线通信模块提供电能。
所述无线通讯模块采用ESP8266无线模块。其具有近距离、低功耗、短延时、高容量等特点。所述无线通讯模块寄存了所有传感器的数据,包括运动数据和脚底压力数据,并将数据发送给数据处理模块600。
无线传输模块400接受到压力传感器模块以及运动传感器模块发来的数据,并将数据打包传输给无线接受模块500,无线接收模块500将数据储存,并传输到数据处理模块600之中。数据处理模块600监测和控制所述传感器,并对用户的步态数据进行提取和分类,并利用预设算法对所述步态数据进行分析评估。
在运动传感器的处理器读取数据之前,需要对数据进行预处理。预处理采用嵌入式数字运动处理器(DMP)从加速度计,陀螺仪以及其他第三方传感器(如磁力计)获取数据,并对数据进行处理。结果数据可以从DMP的寄存器中读取,或者可以在运动传感器的FIFO中缓冲。由于步态数据夹杂了大量噪音的数据,因此采用卡尔曼滤波器对其进行滤波。在本实施例的模型中,一个卡尔曼滤波器接受一个轴上的角度值、角速度值以及时间增量,估计出一个消除噪音的角度值。跟据当前的角度值和上一轮估计的角度值,以及这两轮估计的间隔时间,还可以反推出消除噪音的角速度。
在获得运动传感器以及压力传感器的数据之后,处理器利用已有的算法,如大数据和深度神经网络的算法对使用者的步态进行评估和分析,例如对下肢截肢患者的步态进行分析,分析走路时步频的变化或着步态周期的长度、步长的大小等,从而为下肢假肢的安装与运动控制提供依据。对截肢者的步态做长期监测来评估假肢的性能,还可以提取步频,步幅和步速信息来进行对比。
在获得步态数据之后,我们可以根据数据获得一些有效地信息。根据检测系统的左右脚步态事件和人体行走时的步态特征划分计算步态事件参数,包括平均步态周期、左右脚双支撑时间、左右脚单支撑时间、左右脚摆动时间。比如我们的通过以下方法得到行走时所处的步态模式:第一区域及第二区域获取的多个压力值进行求和得到总压力值,将总压力值与其对应的阈值进行比较,若总压力值大于阈值,则判定当前的步态为支撑模式;若总压力值不大于阈值,则执行一下步骤:分别获取与第一区域及第二区域的各个压力值相对应的阈值,将每个压力值分别与其相对应的阈值进行比较,若各个压力值中的任意一个压力值不小于与其相对应的阈值,则判定当前的步态为支撑模式;若所述各个压力值均小于与其相对应的阈值,则判定当前的步态为摆动模式。
我们还可以通过处理后的数据计算各关节转角及驱动力矩:数据处理模块600依据图1中对人体行走过程中一个步态周期的划分,根据压力传感器模块300和运动传感器模块100的结果分别计算左右脚的平均步态周期,双支撑时间百分比、单支撑事件百分比和摆动时间百分比,得到如图5、6所示的膝关节转角及驱动力矩数据。通过与每一个实验者实际的步态参数对比,该方法测量下肢关节转角的准确率为为95%,摆动相平均相对误差为6.8%,支撑相平均相对误差为:4.9%。由此可见,本发明的方法相对于现有技术而言,拥有较高的准确率;
总而言之,本发明在特制的足底柔性压力传感器与运动传感器的基础上,结合无线通讯装置,使得该步态检测系统便携可穿戴,可以长期监控用户的步态数据。并且该基于多传感器融合的行走步态无线检测系统采用的传感器体积小、能耗低、价格低廉,并且拥有较高的精度和适应性。在诸多领域具有广泛应用,具有较强的实用价值和应用前景。
应当理解,为了精简本发明并帮助本领域的技术人员理解本发明的各个方面,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时在单个实施例中进行描述,或者参照单个图进行描述。但是,不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。
应当理解,可以对本发明的一个实施例的设备中包括的模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备中。可以把实施例的设备包括的不同模块、单元或组件组合成一个模块、单元或组件,也可以把它们分成多个子模块、子单元或子组件。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于多传感器融合的行走步态无线检测系统,其特征在于,包括:
运动传感器模块、压力传感器模块、无线通讯模块和数据处理模块;
无线通讯模块包括无线传输模块、无线接收模块;
所述运动传感器模块与所述压力传感器模块均与所述无线传输模块连接;
所述无线传输模块与所述无线接收模块连接,所述无线接收模块与所述数据处理模块连接;其中:
所述运动传感器模块,用于检测行走运动时下肢在三维空间中的位置,获得行走时的三轴角度、加速度数据;
所述压力传感器模块,用于获取行走足底多个区域的所受的压力,通过对压力数据的分析比较,判断人体是否进入支撑模式或者摆动模式;
所述无线通讯模块,用于将运动传感器及压力传感器的数据打包并发送到数据分析模块;
所述数据处理模块,用于对接收到的压力数据和运动数据进行处理,从而得到用户的步态数据。
2.如权利要求1所述的系统,其特征在于,所述步态数据至少包括步态识别、步态周期;所述步态识别包括以下步态的识别:双脚支撑、右脚单支撑、左脚单支撑。
3.如权利要求2所述的系统,其特征在于,所述运动传感器模块包括若干个运动传感器;其至少设置于人体的躯干、大腿、小腿上。
4.如权利要求3所述的系统,其特征在于,所述运动传感器模块包括若干个运动传感器,其至少设置于人体的腹部、膝盖上部大腿的1/3处、膝盖下部小腿的1/3处。
5.如权利要求2所述的系统,其特征在于,所述压力传感器模块包括若干个柔性薄膜压力传感器,其至少设置于人体鞋底的前脚掌、足弓处、后脚掌。
6.如权利要求5所述的系统,其特征在于,所述柔性薄膜压力传感器的量程为50kg。
7.如权利要求1所述的系统,其特征在于,还包括CAN总线,所述模块之间通过CAN总线通信。
8.如权利要求3所述的系统,其特征在于,
对人体在空间的三维方向进行定义,X轴正向对应人体前方、Y轴正向对应人体左方、Z轴正向对应人体下方,放置在人体身上的运动传感器的坐标轴应该与人体三维方向定义保持一致。
9.如权利要求3所述的系统,其特征在于,所述运动传感器为MPU6050传感器。
10.如权利要求1所述的系统,其特征在于,所述无线通讯模块采用ESP8266无线模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982592.4A CN110693501A (zh) | 2019-10-12 | 2019-10-12 | 一种基于多传感器融合的行走步态无线检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982592.4A CN110693501A (zh) | 2019-10-12 | 2019-10-12 | 一种基于多传感器融合的行走步态无线检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110693501A true CN110693501A (zh) | 2020-01-17 |
Family
ID=69198666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982592.4A Pending CN110693501A (zh) | 2019-10-12 | 2019-10-12 | 一种基于多传感器融合的行走步态无线检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110693501A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080146968A1 (en) * | 2006-12-14 | 2008-06-19 | Masuo Hanawaka | Gait analysis system |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的系统和方法 |
US20120072166A1 (en) * | 2010-09-22 | 2012-03-22 | Invensense, Inc. | Deduced reckoning navigation without a constraint relationship between orientation of a sensor platform and a direction of travel of an object |
CN102670207A (zh) * | 2012-05-15 | 2012-09-19 | 北京大学 | 一种基于足底压力的步态分析方法 |
CN103876756A (zh) * | 2014-04-18 | 2014-06-25 | 南京工程学院 | 下肢助力外骨骼机器人步态模式识别方法及系统 |
CN104008398A (zh) * | 2014-06-11 | 2014-08-27 | 北京大学 | 一种基于多传感器信息融合的步态分类方法 |
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 |
CN105631195A (zh) * | 2015-12-18 | 2016-06-01 | 合肥工业大学 | 一种可穿戴式多信息融合的步态分析系统及其方法 |
CN106176149A (zh) * | 2016-09-08 | 2016-12-07 | 电子科技大学 | 一种基于多传感融合的外骨骼步态分析系统及方法 |
CN107133607A (zh) * | 2017-05-27 | 2017-09-05 | 上海应用技术大学 | 基于视频监控的人群统计方法及系统 |
CN108426573A (zh) * | 2017-02-14 | 2018-08-21 | 中兴通讯股份有限公司 | 一种终端设备的行人步态检测方法及终端设备 |
CN108652636A (zh) * | 2018-06-29 | 2018-10-16 | 东莞英汉思机器人科技有限公司 | 基于压力传感器的步态检测方法及系统 |
CN108720841A (zh) * | 2018-05-22 | 2018-11-02 | 上海交通大学 | 基于云检测的可穿戴下肢运动矫正系统 |
CN109231012A (zh) * | 2018-09-21 | 2019-01-18 | 中国水利水电第五工程局有限公司 | 电站门座式起重机群碰撞防护智能控制系统 |
CN109730686A (zh) * | 2019-01-14 | 2019-05-10 | 清华大学 | 基于传感器阵列的步态检测分析仪 |
CN110051361A (zh) * | 2019-05-16 | 2019-07-26 | 南京晓庄学院 | 一种穿戴式下肢骨骼运动检测装置 |
-
2019
- 2019-10-12 CN CN201910982592.4A patent/CN110693501A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080146968A1 (en) * | 2006-12-14 | 2008-06-19 | Masuo Hanawaka | Gait analysis system |
CN101694499A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 基于行人步态检测的步速测量和传输的系统和方法 |
US20120072166A1 (en) * | 2010-09-22 | 2012-03-22 | Invensense, Inc. | Deduced reckoning navigation without a constraint relationship between orientation of a sensor platform and a direction of travel of an object |
CN102670207A (zh) * | 2012-05-15 | 2012-09-19 | 北京大学 | 一种基于足底压力的步态分析方法 |
CN103876756A (zh) * | 2014-04-18 | 2014-06-25 | 南京工程学院 | 下肢助力外骨骼机器人步态模式识别方法及系统 |
CN104008398A (zh) * | 2014-06-11 | 2014-08-27 | 北京大学 | 一种基于多传感器信息融合的步态分类方法 |
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 |
CN105631195A (zh) * | 2015-12-18 | 2016-06-01 | 合肥工业大学 | 一种可穿戴式多信息融合的步态分析系统及其方法 |
CN106176149A (zh) * | 2016-09-08 | 2016-12-07 | 电子科技大学 | 一种基于多传感融合的外骨骼步态分析系统及方法 |
CN108426573A (zh) * | 2017-02-14 | 2018-08-21 | 中兴通讯股份有限公司 | 一种终端设备的行人步态检测方法及终端设备 |
CN107133607A (zh) * | 2017-05-27 | 2017-09-05 | 上海应用技术大学 | 基于视频监控的人群统计方法及系统 |
CN108720841A (zh) * | 2018-05-22 | 2018-11-02 | 上海交通大学 | 基于云检测的可穿戴下肢运动矫正系统 |
CN108652636A (zh) * | 2018-06-29 | 2018-10-16 | 东莞英汉思机器人科技有限公司 | 基于压力传感器的步态检测方法及系统 |
CN109231012A (zh) * | 2018-09-21 | 2019-01-18 | 中国水利水电第五工程局有限公司 | 电站门座式起重机群碰撞防护智能控制系统 |
CN109730686A (zh) * | 2019-01-14 | 2019-05-10 | 清华大学 | 基于传感器阵列的步态检测分析仪 |
CN110051361A (zh) * | 2019-05-16 | 2019-07-26 | 南京晓庄学院 | 一种穿戴式下肢骨骼运动检测装置 |
Non-Patent Citations (2)
Title |
---|
陈鑫华: "助力下肢外骨骼主被动混合控制策略研究与实现" * |
黄梓亮,方晨昊,欧阳小平,杨金江,杨华勇: "基于多信息融合的下肢外骨骼机器人感知系统研究", 《工程设计学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110916679B (zh) | 一种人体下肢位姿步态检测装置及方法 | |
Sabatini et al. | Assessment of walking features from foot inertial sensing | |
Liu et al. | Development of a wearable sensor system for quantitative gait analysis | |
Bugané et al. | Estimation of spatial-temporal gait parameters in level walking based on a single accelerometer: Validation on normal subjects by standard gait analysis | |
Li et al. | Walking speed and slope estimation using shank-mounted inertial measurement units | |
Rueterbories et al. | Methods for gait event detection and analysis in ambulatory systems | |
Gujarathi et al. | Gait analysis using imu sensor | |
US8109890B2 (en) | Body movement monitoring device | |
McGrath et al. | Gyroscope-based assessment of temporal gait parameters during treadmill walking and running | |
CN110420029A (zh) | 一种基于多传感器融合的行走步态无线检测系统 | |
CN110811553B (zh) | 一种用于负重外骨骼助力效率的检测方法 | |
Doheny et al. | A single gyroscope method for spatial gait analysis | |
Watanabe et al. | Tests of wireless wearable sensor system in joint angle measurement of lower limbs | |
Wagenaar et al. | Continuous monitoring of functional activities using wearable, wireless gyroscope and accelerometer technology | |
CN108577854A (zh) | 步态识别方法和步态辅助设备 | |
CN109480857B (zh) | 一种用于帕金森病患者冻结步态检测的装置及方法 | |
Benocci et al. | A wireless system for gait and posture analysis based on pressure insoles and Inertial Measurement Units | |
Lee et al. | Detection of spatio-temporal gait parameters by using wearable motion sensors | |
Bishop et al. | Walking speed estimation using shank-mounted accelerometers | |
KR20190014641A (ko) | 관성센서를 이용한 보행 분석 시스템 및 방법 | |
Hindle et al. | Inertial-based human motion capture: A technical summary of current processing methodologies for spatiotemporal and kinematic measures | |
Ye et al. | An adaptive method for gait event detection of gait rehabilitation robots | |
Barralon et al. | Classification of daily physical activities from a single kinematic sensor | |
Alahakone et al. | Smart wearable device for real time gait event detection during running | |
Digo et al. | Gait Phases Detection in Elderly using Trunk-MIMU System. |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |