CN112057083A - 可穿戴人体上肢位姿采集设备及采集方法 - Google Patents
可穿戴人体上肢位姿采集设备及采集方法 Download PDFInfo
- Publication number
- CN112057083A CN112057083A CN202010978825.6A CN202010978825A CN112057083A CN 112057083 A CN112057083 A CN 112057083A CN 202010978825 A CN202010978825 A CN 202010978825A CN 112057083 A CN112057083 A CN 112057083A
- Authority
- CN
- China
- Prior art keywords
- upper limb
- module
- motion
- data processing
- processing module
- 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.)
- Granted
Links
- 210000001364 upper extremity Anatomy 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000008569 process Effects 0.000 abstract description 12
- 230000009466 transformation Effects 0.000 description 20
- 230000036544 posture Effects 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 12
- 210000001503 joint Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 210000000245 forearm Anatomy 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 210000002310 elbow joint Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000323 shoulder joint Anatomy 0.000 description 2
- 210000003857 wrist joint Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- A61B5/103—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
- A61B5/1124—Determining motor skills
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种可穿戴人体上肢位姿采集设备及采集方法,其中装置包括采集模块,用于采集人体上肢所有关节的运动数据;数据处理模块,用于将运动数据经过计算,得到计算的运动轨迹;矫正模块,用于将计算的运动轨迹与真实运动轨迹相比较,得到运动轨迹差异,根据运动轨迹差异得到补偿值,并将补偿值反馈给数据处理模块,矫正数据处理模块中的参数,使得计算的运动轨迹与真实运动轨迹一致。本发明通过机械式外骨骼和惯性传感器相组合,在采集位姿数据的过程中,计算出误差数据,再根据补偿值矫正标准参数,在位姿采集的同时完成对人体运动学参数的在线辨识和矫正,从而获取更高精度的位姿信息。
Description
技术领域
本发明涉及人体上肢运动信息捕获技术领域,特别涉及可穿戴人体上肢位姿采集设备及采集方法。
背景技术
人体运动姿态的识别已经成为当前研究的热点。最近几年,伴随人机交互等技术的快速发展,在竞技体育、康复治疗、体感游戏等各个方面,人体运动姿态识别技术得到了普遍应用。目前人体姿态采集的主要方式为机械式、电磁式、声学式、光学式和惯性式。其中惯性式姿态采集系统使用了三个微惯性传感器分别固定在上肢的三个不同位置,图1为将微惯性传感器固定在小臂上的示意图。为了保证微惯性传感器的采集精度,目前常规的方法为直接将微惯性传感器与人体相固定。再对于传感器、关节、骨骼分别建立对应的坐标系,在理想状态下,一般认为这三个坐标系相对位置保持不变。但实际上,当人体手臂进行运动时,皮肤、骨骼关节之间并不是紧耦合的关系,三者之间会出现一定的相对滑动。如果采用这一方法,传感器穿戴时的松紧程度、不同人穿戴的不同位置都将会使这三个坐标系之间出现相对滑动,从而导致误差的出现,测量精度会受到影响。另外,现有的惯性式姿态采集的运动学参数使用的是标准值,即成年人上肢的臂长、关节大小等参数使用统一的数值。不能针对不同使用者进行调整。实际上,每个成年人的大臂长、小臂长、关节大小等均不相同,原始的采集装置导致位置测量精度不高。
发明内容
本发明的目的是提供一种可穿戴人体上肢位姿采集设备及采集方法,可以解决现有技术中对人体上肢的位置和姿态测量精度不高的问题。
本发明的目的是通过以下技术方案实现的:
第一方面,本发明提供一种可穿戴人体上肢位姿采集设备,包括采集模块,用于采集人体上肢所有关节的运动数据;还包括:
数据处理模块,用于将运动数据经过计算,得到计算的运动轨迹;
矫正模块,用于将计算的运动轨迹与真实运动轨迹相比较,得到运动轨迹差异,根据运动轨迹差异得到补偿值,并将补偿值反馈给数据处理模块,矫正数据处理模块中的参数,使得计算的运动轨迹与真实运动轨迹一致。
进一步的,还包括蓝牙模块,所述的蓝牙模块用于将矫正后的计算的运动轨迹输出给外部的姿势获取系统。
进一步的,还包括干扰观测器,所述的干扰观测器采集数据处理模块输出的计算的运动轨迹,计算出等效干扰值,并将等效干扰值反馈回采集模块。
进一步的,所述的采集模块包括电位器和惯性传感器,所述的电位器和惯性传感器安装在可穿戴人体上肢位姿采集设备上,并且安装位置能调整。
进一步的,所述的数据处理模块包括D-H参数模型,所述的D-H参数模型中包括补偿值,所述的补偿值由矫正模块输出,用于矫正D-H参数模型中的标准参数。
进一步的,所述的矫正模块包括比较模块和参数误差模型;所述的比较模块将计算的运动轨迹与真实运动轨迹相比较,得到运动轨迹的差异;所述的参数估计模型根据运动轨迹的差异计算得到补偿值。
第二方面,本发明提供一种人体上肢位姿采集方法,包括以下步骤:
步骤S1、采集模块采集人体上肢的运动数据并发送给数据处理模块;
步骤S2、数据处理模块根据运动数据,得到人体上肢末端的计算的运动轨迹;
步骤S3、矫正模块根据计算的运动轨迹和真实运动轨迹,得到运动轨迹的差异;
步骤S4、矫正模块根据运动轨迹的差异,计算得到补偿值;
步骤S5、将补偿值输入到数据处理模块,矫正数据处理模块中的标准参数;重复步骤S2至S5,直到计算的运动轨迹与真实运动轨迹一致。
进一步的,所述的步骤S2包括:
步骤S201、利用D-H参数模型得到人体上肢末端的位置和姿态,利用雅可比矩阵得到人体上肢末端的线速度和角速度;
步骤S202、根据人体上肢末端的位置、姿态、线速度和角速度得到人体上肢末端的计算的运动轨迹。
进一步的,所述的步骤S4包括:
步骤S401、根据运动轨迹的差异得到误差矩阵;
步骤S402、根据误差矩阵得到人体上肢的终端误差;
步骤S403、根据人体上肢的终端误差计算补偿值。
进一步的,还包括消除干扰的步骤,所述的消除干扰的步骤包括:
利用干扰观测器采集数据处理模块输出的数据,计算出加扰的角度和加扰的角速度;将加扰的角度与采集模块输出的角度作差,得到角度差值;将加扰的角速度与采集模块输出的角速度作差,得到角速度差值;将角度差值和角速度差值输入至数据处理模块的接收端,在数据处理模块的接收端抵消外界环境带来的干扰。
本发明的可穿戴人体上肢位姿采集设备及方法,通过机械式外骨骼和惯性传感器相组合,在采集位姿数据的过程中,计算出误差数据,再根据补偿值矫正标准参数,在位姿采集的同时完成对人体运动学参数的在线辨识和矫正,从而获取更高精度的位姿信息。
附图说明
图1为现有技术中的将微惯性传感器固定在小臂上的示意图;
图2为本发明的可穿戴人体上肢位姿采集设备的框图;
图3为人体上肢自由度标注示意图;
图4为7自由度的D-H齐次坐标系;
图5为本发明的人体上肢的D-H参数模型;
图6为本发明的人体上肢位姿采集方法的数据处理流程示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
本发明的可穿戴人体上肢位姿采集设备,包括采集模块、数据处理模块、矫正模块和蓝牙模块。其中:
采集模块,用于采集人体上肢的3个关节的运动数据并发送给数据处理模块。
数据处理模块,将采集到的所有关节的运动数据经过计算,得到计算的运动轨迹。
矫正模块,将计算的运动轨迹与真实运动轨迹相比较,得到运动轨迹差异,根据运动轨迹差异得到补偿值,并将补偿值反馈给数据处理模块,矫正数据处理模块中的参数,使得计算的运动轨迹与真实运动轨迹的差异趋近于0。
优选的,可穿戴人体上肢位姿采集设备还包括蓝牙模块,将矫正后的计算运动轨迹输出给外部的姿势获取系统,姿势获取系统接收到校正后的运动轨迹数据后,对人体上肢的运动轨迹进行仿真、实验或其他用途。
优选的,可穿戴人体上肢位姿采集设备还包括干扰观测器。理想情况下,采集模块输出的运动数据是十分精确的。但是由于本发明的可穿戴人体上肢位姿采集设备在实际使用的过程中,可能会受到外界环境的干扰,从而引入干扰物质。比如说可穿戴人体上肢位姿采集设备在运动过程中,有一些尘埃等其他物质落入可穿戴人体上肢位姿采集设备中,从而使得采集模块输出的运动数据增加了干扰因素而发生变化,变成了加扰的运动数据。因此需要对加扰的运动数据进行修正,消除干扰。
干扰观测器采集数据处理模块输出的计算的运动轨迹数据,计算出等效干扰值。将等效干扰值补偿给采集模块,消除干扰。
进一步地,在本发明的优选实施例中,采集模块包括电位器和惯性传感器。电位器和惯性传感器安装在可穿戴人体上肢位姿采集设备上,并且其安装位置可以调整。利用电位器采集各关节弯曲的角度,利用惯性传感器采集大臂、小臂及腕部的角速度。将电位器和惯性传感器安装在可穿戴人体上肢位姿采集设备上,而不是直接固连在人体上肢上,这样减少人体运动时皮肤与各关机之间相对滑动,从而减小电位器与关节或惯性传感器与关节相对滑动造成的误差,提高测量精度。
关节的运动数据包括每个关节在每个自由度上的角度θ和角速度人体上臂有3个关节,分别为肩关节、肘关节和腕关节。肩关节有3个自由度,肘关节有1个自由度,腕关节有3个自由度,如图3的示意图所示。每个自由度上分别有相应的运动的角度和与角速度。人体上肢共有7个自由度,因此人体上肢有7个角度数据和7个角速度数据。7个角度数据表示为一个7×1的向量:θ=[θ1,θ2,θ3,θ4,θ5,θ6,θ7],7个角速度数据表示为一个7×1的向量:
进一步地,在本发明的优选实施例中,数据处理模块中包括D-H参数模型、雅可比矩阵和运动轨迹计算模块。D-H参数模型即D-H矩阵,是Denavit和Hartenberg在1955年提出一种通用的方法,这种方法在机器人的每个关节都固定一个坐标系,然后用4×4的齐次变换矩阵来描述相邻两连杆的空间关系。通过依次变换可最终推导出末端执行器相对于基坐标系的位姿,从而建立机器人的运动学方程。
本发明中,将D-H参数模型用于研究人体上肢的位姿,将人体上肢定义为如图4所示的7自由度的D-H齐次坐标系,根据图4建立人体上肢的D-H参数模型,如图5所示。
图5中1*~7*表示7个自由度。a表示相邻两个坐标系的Z轴之间的垂直距离(也称为连杆长度,在本发明中为大臂臂长和小臂臂长),如图4中的an和an+1。α表示相邻两个坐标系的Z轴的旋转角度(也称为连杆转角,在本发明中为大臂的旋转角度和小臂的旋转角度),如图4中的αn和αn+1。d表示相邻两个坐标系的X轴之间的垂直距离(也称为连杆偏距,在本发明中为大臂和小臂之间的连接偏差)。θ表示关节在其每个自由度上的旋转角度。offset为补偿值,这是与传统的D-H参数模型不同之处。补偿值用于矫正传统D-H参数模型中的标准参数。本发明的D-H参数模型中,a、d和α为标准参数,即现有技术中根据标准成年人的大臂和小臂臂长、关节大小和大臂小臂的旋转角度等制定的统一数值。offset补偿值包括连杆长度补偿值连杆偏距补偿值和连杆转角补偿值分别对标准参数连杆长度a、连杆偏距d和连杆转角α进行矫正。offset补偿值的初始默认值设置为0,经过矫正模块矫正后得到实际的补偿值,将补偿值反馈回D-H参数模型,对D-H参数模型中的标准参数进行矫正,从而获取更高精度的位姿信息。举例来说:比如正常情况下,标准成年人的大臂的标准参数为30cm长,但实际被测量人员的大臂只有25cm长。经过计算后得出大臂长度补偿值为-5cm。用该补偿值去矫正大臂的标准参数。
本发明的D-H参数模型根据输入的每个关节在每个自由度上的旋转角度θ和矫正后的参数a、d、α,计算输出每个关节的位置和姿态。大臂和小臂相当于连杆,每个连杆上都固定一个坐标系,在地面上建立基坐标系。然后用4×4的齐次变换矩阵来描述相邻两连杆的空间关系。通过依次变换可最终推导出上肢末端相对于基坐标系的位姿(位置和姿态)。这个过程属于现有技术,齐次变换的过程不详细展开描述。
运动轨迹计算模块根据上肢末端的位置、姿态、线速度和角速度,得到上肢末端的计算的运动轨迹。
进一步地,在本发明的优选实施例中,矫正模块包括比较模块和参数误差模型,比较模块将上肢末端的计算的运动轨迹与真实运动轨迹相比较,得到运动轨迹的差异。参数估计模型根据运动轨迹的差异计算得到补偿值并将该补偿值反馈回D-H参数模型和雅可比矩阵中进行矫正,最终使计算的运动轨迹与真实运动轨迹一致。运动轨迹的差异主要是由标准参数a、d和α与人体实际的臂长、关节大小和旋转角度的不同产生的。
真实运动轨迹是可穿戴人体上肢位姿采集设备根据力臂效应得到的。
本发明的人体上肢位姿采集方法,包括以下步骤:
步骤S1、采集模块采集人体上肢的运动数据并发送给数据处理模块。
采集模块包括电位器和惯性传感器。通过在可穿戴人体上肢位姿采集设备的肩部和腕部各安装一个惯性传感器,采集肩部3个自由度的角度和角速度,采集腕部3个自由度的角度和角速度。在可穿戴人体上肢位姿采集设备的肘部设置一个电位器,采集肘部1个自由度的角度和角速度。电位器和惯性传感器的安装位置可调,可以根据不同人的手臂长短进行调整合适的位置,使得采集数据更准确。另外,将电位器和惯性传感器安装在可穿戴人体上肢位姿采集设备上,而不是直接固连在人体上肢上,这样减少人体运动时皮肤与各关机之间相对滑动,从而减小电位器与关节或惯性传感器与关节相对滑动造成的误差,提高测量精度。
步骤S2、数据处理模块根据输入的运动数据,得到人体上肢的计算的运动轨迹。
进一步的,在本发明的优选实施例中,步骤S2具体包括:
步骤S201、利用D-H参数模型得到人体上肢末端的位置和姿态,利用雅可比矩阵得到人体上肢末端的线速度和角速度。
D-H参数模型根据连杆长度a、连杆偏距d、连杆转角α,以及输入的角度θ,经齐次变换矩阵计算后得到人体上肢末端的位置和姿态(姿态也表示末端的运动方向)。齐次变换矩阵的计算公式为:
其中表示从基座到第1个关节的齐次变换矩阵,基座为人的肩膀。表示从第1个关节到第2个关节的齐次变换矩阵,表示从第2个关节到第3个关节的齐次变换矩阵,T1 N表示从第1个关节到第N个关节的齐次变换矩阵。齐次变换矩阵的具体推导过程属于现有技术,本发明对此不作限制。
步骤S202、运动轨迹计算模块根据人体上肢末端的位置、姿态、线速度和角速度得到人体上肢末端的计算的运动轨迹。
末端的变换矩阵是由上述公式(1)计算得出,是θ,a,d,α28个参数的函数(每个关节4个,共7个关节,一共28个)。
步骤S3、矫正模块根据计算的运动轨迹和真实运动轨迹,得到运动轨迹的差异。
真实运动轨迹是可穿戴人体上肢位姿采集设备根据力臂效应得到的,上肢末端的实际的变换矩阵用TA表示。实际的变换矩阵TA描述如下:
其中,θ为真实手臂末端在笛卡尔坐标系下的姿态(是一个3乘3的旋转矩阵),由手背部贴附的惯性传感器中的加速度计和陀螺仪经互补滤波后得出。P为笛卡尔坐标系下手臂末端相对于手臂始端(肩关节中心)的位置,由以下公式给出。
v=ω×P
其中,v是手臂末端线速度,由加速度计积分获得,ω是手臂末端角速度,由陀螺仪给出。
当穿戴上该采集装置后,上肢在运动时,会时时产生TN和TA。
运动轨迹的差异表示如下:(上述计算的TN和TA为末端的位姿矩阵,在最终计算时也只需要获取末端位姿矩阵的值,但在建模过程中是如下的过程,及需要将末端位置和姿态的偏差与各个关节的参数偏差建立联系。)
其中:Ti A为第i个关节的实际的变换矩阵,Ti N为第i个关节的计算的变换矩阵。
步骤S4、矫正模块根据运动轨迹的差异,计算得到补偿值。
进一步地,在本发明的优选实施例中,据运动轨迹的差异,计算得到补偿值的步骤包括:
步骤S401、根据运动轨迹的差异得到误差矩阵。
用变换矩阵的一阶微分逼近来表示等式(4),可表示为:
其中δTi为误差矩阵。
由等式(5)可得到误差矩阵δTi的计算公式为:
其中[δxi δyi δzi]T第i个关节的是方向误差运算符,[lxi lyi lzi]T是第i个关节的位置误差运算符。
步骤S402、根据误差矩阵得到人体上肢的终端误差。
终端误差记为△t。△t的计算公式为:
其中[lx ly lz δx δy δz]T是人体上肢终端的位置误差运算和方向误差运算。 解释为:定义从第N个关节相对于第i个关节的位姿矩阵为Ui,则Ui可以表示为其中[fi oi ci]是一个旋转矩阵,代表第n个关节相对于第i个关节的旋转矩阵;pi是位移矩阵,代表第n个关节坐标系的原点相对于第i个关节坐标系的原点的偏移量。由此可知旋转矩阵和和位移矩阵皆可通过计算得出。
步骤S403、根据人体上肢的终端误差计算补偿值。
设补偿值为Δζ,终端误差△t还可以表示为:
ΔT=ΦΔζ (8)
其中Φ是一个已知的矩阵,表示为:
其中A1、A2、A3、A4、A5和A6都是3X7的矩阵。举例说明:A1可表示为A1=[A11 A12 A13A14 A15 A16 A17](3×7)。
步骤S5、将补偿值输入到数据处理模块,矫正数据处理模块中的标准参数;重复步骤S2至S5,直到计算的运动轨迹与真实运动轨迹一致。
补偿值输入到数据处理模块的D-H参数模型和雅可比矩阵,矫正D-H参数模型和雅可比矩阵中的标准参:数连杆长度a、连杆偏距d和连杆转角α。
优选的,本发明的人体上肢位姿采集方法,还包括消除干扰的步骤。本发明的可穿戴人体上肢位姿采集设备在实际使用的过程中,可能会受到外界环境的干扰,从而引入干扰信号。比如说可穿戴人体上肢位姿采集设备在运动过程中,有一些尘埃等其他物质落入可穿戴人体上肢位姿采集设备中,从而使得采集模块输出的每个自由度上的角度θ和角速度在数据处理和参数矫正的过程中发生了变化,产生了干扰值。实际上,我们并不知道这个干扰值的大小,而且其来源也并不完全清楚。为了方便描述,我们将所有外界环境的干扰值定义为等效干扰,如图6中的n所示。我们要做得就是计算出这个等效干扰的数值,再将等效干扰值从可穿戴人体上肢位姿采集设备中减掉,从而使抵消外部环境引入的变化量,达到消除干扰的目的。
进一步地,在本申请的优选实施例中,消除干扰的步骤的步骤包括:
利用干扰观测器采集数据处理模块输出的人体上肢末端的位置、姿态、线速度和角速,计算出加扰的角度θ'和加扰的角速度将加扰的角度θ'与采集模块输出的角度θ作差,得到角度差值。将加扰的角速度与采集模块输出的角速度作差,得到角速度差值。将角度差值和角速度差值输入数据处理模块的接收端,从而抵消了干扰。
In是一个7阶单位阵。
加扰的角度θ'的计算公式为:
以上仅为说明本发明的实施方式,并不用于限制本发明,对于本领域的技术人员来说,凡在本发明的精神和原则之内,不经过创造性劳动所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.可穿戴人体上肢位姿采集设备,包括采集模块,用于采集人体上肢所有关节的运动数据;其特征在于,还包括:
数据处理模块,用于将运动数据经过计算,得到计算的运动轨迹;
矫正模块,用于将计算的运动轨迹与真实运动轨迹相比较,得到运动轨迹差异,根据运动轨迹差异得到补偿值,并将补偿值反馈给数据处理模块,矫正数据处理模块中的参数,使得计算的运动轨迹与真实运动轨迹一致。
2.根据权利要求1所述的可穿戴人体上肢位姿采集设备,其特征在于,还包括蓝牙模块,所述的蓝牙模块用于将矫正后的计算的运动轨迹输出给外部的姿势获取系统。
3.根据权利要求1所述的可穿戴人体上肢位姿采集设备,其特征在于,还包括干扰观测器,所述的干扰观测器采集数据处理模块输出的计算的运动轨迹,计算出等效干扰值,并将等效干扰值反馈回采集模块。
4.根据权利要求1至3任一项所述的可穿戴人体上肢位姿采集设备,其特征在于,所述的采集模块包括电位器和惯性传感器,所述的电位器和惯性传感器安装在可穿戴人体上肢位姿采集设备上,并且安装位置能调整。
5.根据权利要求1至3任一项所述的可穿戴人体上肢位姿采集设备,其特征在于,所述的数据处理模块包括D-H参数模型,所述的D-H参数模型中包括补偿值,所述的补偿值由矫正模块输出,用于矫正D-H参数模型中的标准参数。
6.根据权利要求1至3任一项所述的可穿戴人体上肢位姿采集设备,其特征在于,所述的矫正模块包括比较模块和参数误差模型;所述的比较模块将计算的运动轨迹与真实运动轨迹相比较,得到运动轨迹的差异;所述的参数估计模型根据运动轨迹的差异计算得到补偿值。
7.人体上肢位姿采集方法,其特征在于,包括以下步骤:
步骤S1、采集模块采集人体上肢的运动数据并发送给数据处理模块;
步骤S2、数据处理模块根据运动数据,得到人体上肢末端的计算的运动轨迹;
步骤S3、矫正模块根据计算的运动轨迹和真实运动轨迹,得到运动轨迹的差异;
步骤S4、矫正模块根据运动轨迹的差异,计算得到补偿值;
步骤S5、将补偿值输入到数据处理模块,矫正数据处理模块中的标准参数;重复步骤S2至S5,直到计算的运动轨迹与真实运动轨迹一致。
8.根据权利要求7所述的人体上肢位姿采集方法,其特征在于,所述的步骤S2包括:
步骤S201、利用D-H参数模型得到人体上肢末端的位置和姿态,利用雅可比矩阵得到人体上肢末端的线速度和角速度;
步骤S202、根据人体上肢末端的位置、姿态、线速度和角速度得到人体上肢末端的计算的运动轨迹。
9.根据权利要求7所述的人体上肢位姿采集方法,其特征在于,所述的步骤S4包括:
步骤S401、根据运动轨迹的差异得到误差矩阵;
步骤S402、根据误差矩阵得到人体上肢的终端误差;
步骤S403、根据人体上肢的终端误差计算补偿值。
10.根据权利要求7所述的人体上肢位姿采集方法,其特征在于,还包括消除干扰的步骤,所述的消除干扰的步骤包括:
利用干扰观测器采集数据处理模块输出的数据,计算出加扰的角度和加扰的角速度;将加扰的角度与采集模块输出的角度作差,得到角度差值;将加扰的角速度与采集模块输出的角速度作差,得到角速度差值;将角度差值和角速度差值输入至数据处理模块的接收端,在数据处理模块的接收端抵消外界环境带来的干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010978825.6A CN112057083B (zh) | 2020-09-17 | 2020-09-17 | 可穿戴人体上肢位姿采集设备及采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010978825.6A CN112057083B (zh) | 2020-09-17 | 2020-09-17 | 可穿戴人体上肢位姿采集设备及采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112057083A true CN112057083A (zh) | 2020-12-11 |
CN112057083B CN112057083B (zh) | 2024-02-13 |
Family
ID=73680851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010978825.6A Active CN112057083B (zh) | 2020-09-17 | 2020-09-17 | 可穿戴人体上肢位姿采集设备及采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112057083B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113370223B (zh) * | 2021-04-19 | 2022-09-02 | 中国人民解放军火箭军工程大学 | 跟随式排爆机器人装置及控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105849502A (zh) * | 2013-10-24 | 2016-08-10 | 阿里·科尔德 | 动作捕捉系统 |
WO2017180698A1 (en) * | 2016-04-14 | 2017-10-19 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for object tracking |
CN107997766A (zh) * | 2016-10-31 | 2018-05-08 | 上海芝麻开花医疗科技有限公司 | 步态测试仪 |
CN111300422A (zh) * | 2020-03-17 | 2020-06-19 | 浙江大学 | 基于视觉图像的机器人工件抓取位姿误差补偿方法 |
CN111522243A (zh) * | 2020-05-20 | 2020-08-11 | 河北工业大学 | 一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略 |
-
2020
- 2020-09-17 CN CN202010978825.6A patent/CN112057083B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105849502A (zh) * | 2013-10-24 | 2016-08-10 | 阿里·科尔德 | 动作捕捉系统 |
WO2017180698A1 (en) * | 2016-04-14 | 2017-10-19 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for object tracking |
CN109073389A (zh) * | 2016-04-14 | 2018-12-21 | 欧利景无线有限公司 | 用于物体跟踪的方法、装置、服务器和系统 |
CN107997766A (zh) * | 2016-10-31 | 2018-05-08 | 上海芝麻开花医疗科技有限公司 | 步态测试仪 |
CN111300422A (zh) * | 2020-03-17 | 2020-06-19 | 浙江大学 | 基于视觉图像的机器人工件抓取位姿误差补偿方法 |
CN111522243A (zh) * | 2020-05-20 | 2020-08-11 | 河北工业大学 | 一种五自由度上肢外骨骼系统鲁棒迭代学习控制策略 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113370223B (zh) * | 2021-04-19 | 2022-09-02 | 中国人民解放军火箭军工程大学 | 跟随式排爆机器人装置及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112057083B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108061855B (zh) | 一种基于mems传感器的球形电机转子位置检测方法 | |
CN110146077A (zh) | 移动机器人姿态角解算方法 | |
KR101214227B1 (ko) | 동작 추적 방법. | |
EP1593931A1 (en) | Difference correcting method for posture determining instrument and motion measuring instrument | |
CN107856014B (zh) | 基于手势识别的机械臂位姿控制方法 | |
KR101080078B1 (ko) | 통합센서 기반의 모션 캡쳐 시스템 | |
CN107616898B (zh) | 基于日常动作的上肢穿戴式康复机器人及康复评价方法 | |
CN104147770A (zh) | 基于惯性传感器可穿戴式偏瘫康复设备及捷联姿态算法 | |
Ruzaij et al. | Auto calibrated head orientation controller for robotic-wheelchair using MEMS sensors and embedded technologies | |
CN111895997B (zh) | 一种无需标准矫正姿势的基于惯性传感器的人体动作采集方法 | |
CN110609621A (zh) | 姿态标定方法及基于微传感器的人体运动捕获系统 | |
CN106227368A (zh) | 一种人体关节角度解算方法及装置 | |
CN112057083B (zh) | 可穿戴人体上肢位姿采集设备及采集方法 | |
CN109453505B (zh) | 一种基于可穿戴设备的多关节追踪方法 | |
CN106695736A (zh) | 基于多传感器融合的手势识别仿人机械手系统及同步方法 | |
CN112711332B (zh) | 一种基于姿态坐标的人体动作捕捉方法 | |
CN111158482B (zh) | 一种人体动作姿态捕捉方法及系统 | |
CN115919250A (zh) | 一种人体动态关节角测量系统 | |
CN112140110A (zh) | 一种康复机器人患者实际力矩计算方法及系统 | |
CN111716334A (zh) | 一种基于滑模阻抗的上肢外骨骼控制方法 | |
CN109343713B (zh) | 一种基于惯性测量单元的人体动作映射方法 | |
Shenoy et al. | Design and validation of an IMU based full hand kinematic measurement system | |
Zhou et al. | Toward Human Motion Digital Twin: A Motion Capture System for Human-Centric Applications | |
CN115252369A (zh) | 一种基于下肢外骨骼机器人的按需辅助控制方法 | |
Xu et al. | Measuring human joint movement with IMUs: Implementation in custom-made low cost wireless sensors |
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 |