CN112560594A - 一种柔性外骨骼系统的人体步态识别方法 - Google Patents
一种柔性外骨骼系统的人体步态识别方法 Download PDFInfo
- Publication number
- CN112560594A CN112560594A CN202011378770.1A CN202011378770A CN112560594A CN 112560594 A CN112560594 A CN 112560594A CN 202011378770 A CN202011378770 A CN 202011378770A CN 112560594 A CN112560594 A CN 112560594A
- Authority
- CN
- China
- Prior art keywords
- mode
- imu
- human body
- gait
- angle
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 210000001699 lower leg Anatomy 0.000 claims description 51
- 238000005259 measurement Methods 0.000 claims description 17
- 244000309466 calf Species 0.000 claims description 14
- 210000000689 upper leg Anatomy 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 8
- 210000000629 knee joint Anatomy 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 210000003127 knee Anatomy 0.000 claims description 4
- 230000003447 ipsilateral effect Effects 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims 1
- 230000007423 decrease Effects 0.000 claims 1
- 230000033001 locomotion Effects 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000012546 transfer Methods 0.000 abstract description 4
- 230000036544 posture Effects 0.000 description 24
- 210000002414 leg Anatomy 0.000 description 12
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Rehabilitation Tools (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种柔性外骨骼系统的人体步态识别方法,该方法为,将传感器安装于外骨骼系统的各个部位,跟随人体运动,实时测量人体姿态信息,将传感器检测到的人体姿态信息通过总线传输方式发送给中央处理器,中央处理器对这些信息进行平滑滤波,再通过人体步态识别方法,分析得到人体步态的实时识别结果。本发明利用状态转移算法和外骨骼系统传感器实时测量的姿态信息判断人体步态的状态切换条件是否成立,获得人体步态识别结果,不需要采集样本数据库,工作量相对较小,方法简单,应用方便,实时性高,不存在延时,人体步态的识别结果可以实时得到,适用于实时控制系统,算法简单,对硬件要求不高,易于工程应用实现。
Description
技术领域
本发明属于外骨骼技术领域,特别涉及一种柔性外骨骼系统的人体步态识别方法。
背景技术
外骨骼系统是一种典型的人机共融协同一体系统,可将人的智能与机器承担负载的能力完美的结合起来,以增强人的运动及负重能力。在整个外骨骼系统研究中,从感知到各种信息到控制系统决策需要有一个对穿戴者的步行模式进行正确认知的过程,其中步态识别技术作为外骨骼系统的核心技术之一,是外骨骼步行模式判断、运动意图精准判断、控制策略制定的前提及基础,对确定各阶段功率需求起着关键的作用。步态识别的特点是根据人体姿态信息及人机作用力信息对步态进行估计和判别,对于步态的不同阶段,肌肉做功及骨骼传力不同,可根据不同阶段的相应特点制定不同的控制策略,以达到柔顺控制及高效助力的目的,因此,步态识别可为外骨骼运动和稳定性控制提供一个很好的参考依据及反馈信息。
目前,外骨骼系统的步态识别主要利用机器学习,对人体步行实时运动信息进行建模训练,然后与人体运动过程中的步态特征进行融合及模式匹配,以此判断出人体当下的步行模式。不过此类方法大多为离线算法,需要提前对一段过程的数据进行建模及训练,再将实时步态信息与其进行步态匹配,因此无法保证实时性。其次,不同人的行走姿态、腿摆动幅度、支撑时落脚点不同,数据的采集任务量巨大。而且,在采集外骨骼系统数据时,常常会存在数据异常、数据突变、数据含有噪声等情况,而机器学对异常数据的处理能力不够,无法判断数据的正确性。并且机器学习算法复杂、计算量大、对硬件要求较高,给工程应用带来了不便。
发明内容
本发明的目的在于提供一种柔性外骨骼系统的人体步态识别方法,利用人体姿态与人体步态间的转移算法和外骨骼系统传感器实时测量的姿态信息判断人体步态的模式切换条件是否成立,获得人体步态识别结果,方法简单,应用方便,弥补了现有技术利用机器学习算法识别步态存在的不足,实现了人体运动模式识别的工程应用。
为了实现上述目的,本发明采用了如下技术方案:
一种柔性外骨骼系统的人体步态识别方法,其特点是,该方法为,将传感器安装于外骨骼系统的各个部位,跟随人体运动,实时测量人体姿态信息,将传感器检测到的人体姿态信息通过总线传输方式发送给中央处理器,中央处理器对这些信息进行平滑滤波,再通过人体步态识别方法,分析得到人体步态的实时识别结果。
优选地,传感器的安装部位包括外骨骼系统的背部、大腿和小腿。
优选地,所述传感器采用IMU惯性测量器件。
优选地,具体步骤为,
将IMU惯性测量器件安装在外骨骼系统的背部、大腿和小腿处,跟随人体运动,并设置人体步态相位模式即S1模式、S2模式、S3模式及人体步态相位模式与人体姿态信息的对应关系,
其中,S1模式为A时刻到B时刻,状态为膝关节最大屈曲至足跟着地;S2模式为B时刻到C时刻,状态为足跟着地至重心转移至同侧;S3模式为C时刻到A时刻,状态为重心集中至同侧至膝关节最大屈曲;
测量当前时刻的人体姿态信息即IMU测量值,并对人体姿态信息进行异常值及平滑滤波处理,根据人体姿态信息判断当前人体步态相位模式;
根据当前时刻的人体步态相位模式判断下一时刻的人体步态相位模式的切换条件是否成立,若切换条件成立,则实现模式S1、模式S2、模式S3间的转换,若切换条件不成立,则保持原模式不变。
优选地,上述三种模式的切换条件为,
S1模式切换条件为:
a.N帧范围内,小腿IMU角度在A时刻最小;
b.前一步态不为S2模式;
c.一个周期T内小腿IMU角度最大值与A时刻小腿IMU值之差大于阈值THRESHOLD_1,或一个周期T内小腿IMU角度最大值与A时刻小腿IMU值之差大于阈值THRESHOLD_2且A-N/2时刻至A时刻范围内小腿IMU角度峰峰值大于阈值THRESHOLD_3;
S2模式切换条件为:
a.前一步态为S1模式;
b.小腿IMU角度在B时刻最大;
c.B时刻小腿IMU角度与一周期T内最小值之差大于阈值THRESHOLD_4;
d.B时刻小腿IMU角度与一周期T内最大值差值大于阈值THRESHOLD_5;
e.B-N/2时刻至B时刻范围内小腿峰峰值大于阈值THRESHOLD_6;
S3模式切换条件为:
a.前一步态为S2模式;
b.C时刻小腿IMU角度=另一侧小腿IMU角度;
c.C-1时刻小腿IMU角度>另一侧小腿IMU角度;
d.C+1时刻小腿IMU角度<另一侧小腿IMU角度。
优选地,具体切换过程为:
若当前时刻的人体步态模式为S1模式,则判断上述的S2模式切换条件,如果满足条件,则切换为S2模式,如果不满足,则保持原模式不变;
若当前时刻的人体步态模式为S2模式,则判断上述的S3模式切换条件,如果满足条件,则切换为S3模式,如果不满足,则保持原模式不变;
若当前时刻的人体步态模式为S3模式,则判断上述的S1模式切换条件,如果满足条件,则切换为S1模式,如果不满足,则保持原模式不变。
优选地,上述IMU惯性测量器件的安装方式为,IMU惯性测量器件的某一轴方向与人体的矢状轴相同。
优选地,所述IMU的角度测量范围为0~360°,并且大腿前摆大腿IMU角度增大,屈膝小腿IMU角度减小。
与现有技术相比,本发明利用人体姿态与人体步态间的状态转移算法和外骨骼系统传感器实时测量的姿态信息判断人体步态的状态切换条件是否成立,获得人体步态识别结果,不需要采集样本数据库,可直接利用传感器实时采集的人体姿态数据进行计算及判断,算法工作量相对较小,方法简单,应用方便,实时性高,不存在延时,人体步态的识别结果可以实时得到,适用于实时控制系统,算法简单,对硬件要求不高,易于工程应用实现。
附图说明
图1为本发明所述人体步态识别方法的流程图;
图2为本发明中传感器在外骨骼系统中的安装位置图;
图3为人体行走步态图;
图4为本发明实施例中人体步态相位划分与人体姿态信息的对应图;
附图标记:
1、2、3-传感器或IMU惯性测量器件。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
参照图1-2,一种柔性外骨骼系统的人体步态识别方法,具体步骤为,
第一,将IMU惯性测量器件安装在外骨骼系统的背部、大腿和小腿处,利用柔性织衣技术将织物绑缚于人体上,跟随人体运动,实时测量人体姿态信息,所检测的信息通过总线传输方式发送给中央处理器,中央处理器对这些信息进行平滑滤波,然后通过人体步态识别方法,分析得到外骨骼系统的步态实时识别结果,人体步态相位模式包括S1模式、S2模式、S3模式,并设置人体步态相位模式即S1模式、S2模式、S3模式与人体姿态信息的对应关系;
其中,S1模式为A时刻到B时刻,状态为膝关节最大屈曲至足跟着地;S2模式为B时刻到C时刻,状态为足跟着地至重心转移至同侧;S3模式为C时刻到A时刻,状态为重心集中至同侧至膝关节最大屈曲;
第二,测量当前时刻的人体姿态信息即IMU测量值,并对人体姿态信息进行异常值及平滑滤波处理,消除噪声影响,根据人体姿态信息判断当前人体步态相位模式;
第三,根据当前时刻的人体步态相位模式判断下一时刻的人体步态相位模式的切换条件是否成立,若切换条件成立,则实现模式S1、模式S2、模式S3间的转换,若切换条件不成立,则保持原模式不变。
上述三种模式的切换条件为,
S1模式切换条件为:
a.N帧范围内,小腿IMU角度在A时刻最小;
b.前一步态不为S2模式;
c.一个周期T内小腿IMU角度最大值与A时刻小腿IMU值之差大于阈值THRESHOLD_1,或一个周期T内小腿IMU角度最大值与A时刻小腿IMU值之差大于阈值THRESHOLD_2且A-N/2时刻至A时刻范围内小腿IMU角度峰峰值大于阈值THRESHOLD_3;
S2模式切换条件为:
a.前一步态为S1模式;
b.小腿IMU角度在B时刻最大;
c.B时刻小腿IMU角度与一周期T内最小值之差大于阈值THRESHOLD_4;
d.B时刻小腿IMU角度与一周期T内最大值差值大于阈值THRESHOLD_5;
e.B-N/2时刻至B时刻范围内小腿峰峰值大于阈值THRESHOLD_6;
S3模式切换条件为:
a.前一步态为S2模式;
b.C时刻小腿IMU角度=另一侧小腿IMU角度;
c.C-1时刻小腿IMU角度>另一侧小腿IMU角度;
d.C+1时刻小腿IMU角度<另一侧小腿IMU角度。
具体切换过程为:
若当前时刻的人体步态模式为S1模式,则判断上述的S2模式切换条件,如果满足条件,则切换为S2模式,如果不满足,则保持原模式不变;
若当前时刻的人体步态模式为S2模式,则判断上述的S3模式切换条件,如果满足条件,则切换为S3模式,如果不满足,则保持原模式不变;
若当前时刻的人体步态模式为S3模式,则判断上述的S1模式切换条件,如果满足条件,则切换为S1模式,如果不满足,则保持原模式不变。上述IMU惯性测量器件的安装方式为,IMU惯性测量器件的某一轴方向与人体的矢状轴相同,所述IMU的角度测量范围为0~360°,并且大腿前摆大腿IMU角度增大,屈膝小腿IMU角度减小。
实施例1,如图3所示,以左腿为例,虚线代表左腿,人体步态相位分为三个模式:S1、S2、S3,其中,S1模式为A时刻到B时刻,状态为左膝关节最大屈曲至左足跟着地;S2模式为B时刻到C时刻,状态为左足跟着地至重心转移至左足;S3模式为C时刻到A时刻,状态为重心集中至左足至左膝关节最大屈曲。
如图4所示,人体步态相位划分与人体姿态信息对应图(仅对左腿),图中A时刻至B时刻为模式S1,B时刻至C时刻为模式S2,C时刻至A时刻为模式S3。
S1模式(时刻A)的判定条件为(以左腿为例):a.N帧范围内,左小腿IMU角度在A时刻最小;b.前一步态不为S2;c.一个周期T内左小腿IMU角度最大值与A时刻左小腿IMU值之差大于阈值THRESHOLD_1,或一个周期T内左小腿IMU角度最大值与A时刻左小腿IMU值之差大于阈值THRESHOLD_2且A-N/2时刻至A时刻范围内左小腿IMU角度峰峰值大于阈值THRESHOLD_3;a、b、c同时满足即成立。
S2模式(时刻B)的判定条件为:a.前一步态为S1;b.左小腿IMU角度在B时刻最大;c.B时刻左小腿IMU角度与一周期T内最小值之差大于阈值THRESHOLD_4;d.B时刻左小腿IMU角度与一周期T内最大值差值大于阈值THRESHOLD_5;e.B-N/2时刻至B时刻范围内左小腿峰峰值大于阈值THRESHOLD_6;a、b、c、d、e同时满足即成立。
S3模式(时刻C)的判定条件为:a.前一步态为S2;b.C时刻左小腿IMU角度=右小腿IMU角度;c.C-1时刻左小腿IMU角度>右小腿IMU角度;d.C+1时刻左小腿IMU角度<右小腿IMU角度;a、b、c、d同时满足即成立。
本发明的工作原理为,在不同的步态模式下,人体姿态不同,根据传感器采集的人体姿态信息,提取步态模式特征,划分步态相位,并进行步态模式切换,即,仅根据实时检测的人体姿态角度信号即可判断人体步态相位的切换条件,可实现实时获取人体步态的识别结果。本发明无需提前采集大量步行数据,无需复杂的学习计算,仅需采集人体姿态角度信息,即可做到实时识别人体步态相位,有助于外骨骼机器人的步态机理分析、步态规划及行进柔性控制方法的研究。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种柔性外骨骼系统的人体步态识别方法,其特征在于:该方法为,将传感器安装于外骨骼系统的各个部位,跟随人体运动,实时测量人体姿态信息,传感器检测到人体姿态信息将其发送给中央处理器,中央处理器根据人体姿态信息通过人体步态识别方法,分析得到人体步态的实时识别结果。
2.根据权利要求1所述的一种柔性外骨骼系统的人体步态识别方法,其特征在于,传感器的安装部位包括外骨骼系统的背部、大腿和小腿。
3.根据权利要求1所述的一种柔性外骨骼系统的人体步态识别方法,其特征在于,所述传感器采用IMU惯性测量器件。
4.根据权利要求1-3任一项所述的一种柔性外骨骼系统的人体步态识别方法,其特征在于,具体步骤为,
将IMU惯性测量器件安装在外骨骼系统的背部、大腿和小腿处,跟随人体运动,并设置人体步态相位模式即S1模式、S2模式、S3模式及人体步态相位模式与人体姿态信息的对应关系,
其中,S1模式为A时刻到B时刻,状态为膝关节最大屈曲至足跟着地;S2模式为B时刻到C时刻,状态为足跟着地至重心转移至同侧;S3模式为C时刻到A时刻,状态为重心集中至同侧至膝关节最大屈曲;
测量当前时刻的人体姿态信息即IMU测量值,并对人体姿态信息进行异常值及平滑滤波处理,根据人体姿态信息判断当前人体步态相位模式;
根据当前时刻的人体步态相位模式判断下一时刻的人体步态相位模式的切换条件是否成立,若切换条件成立,则实现模式S1、模式S2、模式S3间的转换,若切换条件不成立,则保持原模式不变。
5.根据权利要求4所述的一种柔性外骨骼系统的人体步态识别方法,其特征在于,上述三种模式的切换条件为:
S1模式切换条件为:
a.N帧范围内,小腿IMU角度在A时刻最小;
b.前一步态不为S2模式;
c.一个周期T内小腿IMU角度最大值与A时刻小腿IMU值之差大于阈值THRESHOLD_1,或一个周期T内小腿IMU角度最大值与A时刻小腿IMU值之差大于阈值THRESHOLD_2且A-N/2时刻至A时刻范围内小腿IMU角度峰峰值大于阈值THRESHOLD_3;
S2模式切换条件为:
a.前一步态为S1模式;
b.小腿IMU角度在B时刻最大;
c.B时刻小腿IMU角度与一周期T内最小值之差大于阈值THRESHOLD_4;
d.B时刻小腿IMU角度与一周期T内最大值差值大于阈值THRESHOLD_5;
e.B-N/2时刻至B时刻范围内小腿峰峰值大于阈值THRESHOLD_6;
S3模式切换条件为:
a.前一步态为S2模式;
b.C时刻小腿IMU角度=另一侧小腿IMU角度;
c.C-1时刻小腿IMU角度>另一侧小腿IMU角度;
d.C+1时刻小腿IMU角度<另一侧小腿IMU角度。
6.根据权利要求5所述的一种柔性外骨骼系统的人体步态识别方法,其特征在于,具体切换过程为,
若当前时刻的人体步态模式为S1模式,则判断上述的S2模式切换条件,如果满足条件,则切换为S2模式,如果不满足,则保持原模式不变;
若当前时刻的人体步态模式为S2模式,则判断上述的S3模式切换条件,如果满足条件,则切换为S3模式,如果不满足,则保持原模式不变;
若当前时刻的人体步态模式为S3模式,则判断上述的S1模式切换条件,如果满足条件,则切换为S1模式,如果不满足,则保持原模式不变。
7.根据权利要求4所述的一种柔性外骨骼系统的人体步态识别方法,其特征在于,上述IMU惯性测量器件的安装方式为,IMU惯性测量器件的某一轴方向与人体的矢状轴相同。
8.根据权利要求7所述的一种柔性外骨骼系统的人体步态识别方法,其特征在于,所述IMU的角度测量范围为0~360°,并且大腿前摆大腿IMU角度增大,屈膝小腿IMU角度减小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011378770.1A CN112560594B (zh) | 2020-11-30 | 2020-11-30 | 一种柔性外骨骼系统的人体步态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011378770.1A CN112560594B (zh) | 2020-11-30 | 2020-11-30 | 一种柔性外骨骼系统的人体步态识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560594A true CN112560594A (zh) | 2021-03-26 |
CN112560594B CN112560594B (zh) | 2024-06-07 |
Family
ID=75045549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011378770.1A Active CN112560594B (zh) | 2020-11-30 | 2020-11-30 | 一种柔性外骨骼系统的人体步态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560594B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113208583A (zh) * | 2021-04-12 | 2021-08-06 | 华南理工大学 | 外骨骼辅助下的步态识别方法、介质和设备 |
CN116869521A (zh) * | 2023-09-07 | 2023-10-13 | 贵州航天控制技术有限公司 | 一种下肢助力外骨骼系统的人体运动模式实时识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140200680A1 (en) * | 2012-02-17 | 2014-07-17 | Springactive, Inc. | Control Systems and Methods for Gait Devices |
WO2016180074A1 (en) * | 2015-05-11 | 2016-11-17 | The Hong Kong Polytechnic University | Interactive exoskeleton robotic knee system |
CN106325273A (zh) * | 2016-08-22 | 2017-01-11 | 中国科学院合肥物质科学研究院 | 助力外骨骼机器人的多相位步态切换控制系统及其控制方法 |
WO2018089543A1 (en) * | 2016-11-08 | 2018-05-17 | Massachusetts Institute Of Technology | Kinetic sensing, signal generation, feature extraction, and pattern recognition for control of autonomous wearable leg devices |
US20180235831A1 (en) * | 2017-02-21 | 2018-08-23 | Samsung Electronics Co., Ltd. | Method and apparatus for walking assistance |
CN108634960A (zh) * | 2018-05-11 | 2018-10-12 | 浙江大学 | 一种用于外骨骼穿戴者的步态在线检测方法 |
CN110522458A (zh) * | 2019-10-15 | 2019-12-03 | 北京理工大学 | 一种适用于膝关节外骨骼的步态实时识别方法 |
CN110555429A (zh) * | 2019-10-15 | 2019-12-10 | 北京理工大学 | 一种面向髋关节外骨骼的人体运动模式识别方法 |
CN111898487A (zh) * | 2020-07-15 | 2020-11-06 | 贵州航天控制技术有限公司 | 一种柔性外骨骼系统的人体运动模式实时识别方法 |
-
2020
- 2020-11-30 CN CN202011378770.1A patent/CN112560594B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140200680A1 (en) * | 2012-02-17 | 2014-07-17 | Springactive, Inc. | Control Systems and Methods for Gait Devices |
WO2016180074A1 (en) * | 2015-05-11 | 2016-11-17 | The Hong Kong Polytechnic University | Interactive exoskeleton robotic knee system |
CN106325273A (zh) * | 2016-08-22 | 2017-01-11 | 中国科学院合肥物质科学研究院 | 助力外骨骼机器人的多相位步态切换控制系统及其控制方法 |
WO2018089543A1 (en) * | 2016-11-08 | 2018-05-17 | Massachusetts Institute Of Technology | Kinetic sensing, signal generation, feature extraction, and pattern recognition for control of autonomous wearable leg devices |
US20180235831A1 (en) * | 2017-02-21 | 2018-08-23 | Samsung Electronics Co., Ltd. | Method and apparatus for walking assistance |
CN108634960A (zh) * | 2018-05-11 | 2018-10-12 | 浙江大学 | 一种用于外骨骼穿戴者的步态在线检测方法 |
CN110522458A (zh) * | 2019-10-15 | 2019-12-03 | 北京理工大学 | 一种适用于膝关节外骨骼的步态实时识别方法 |
CN110555429A (zh) * | 2019-10-15 | 2019-12-10 | 北京理工大学 | 一种面向髋关节外骨骼的人体运动模式识别方法 |
CN111898487A (zh) * | 2020-07-15 | 2020-11-06 | 贵州航天控制技术有限公司 | 一种柔性外骨骼系统的人体运动模式实时识别方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113208583A (zh) * | 2021-04-12 | 2021-08-06 | 华南理工大学 | 外骨骼辅助下的步态识别方法、介质和设备 |
CN113208583B (zh) * | 2021-04-12 | 2022-05-27 | 华南理工大学 | 外骨骼辅助下的步态识别方法、介质和设备 |
CN116869521A (zh) * | 2023-09-07 | 2023-10-13 | 贵州航天控制技术有限公司 | 一种下肢助力外骨骼系统的人体运动模式实时识别方法 |
CN116869521B (zh) * | 2023-09-07 | 2023-11-14 | 贵州航天控制技术有限公司 | 一种下肢助力外骨骼系统的人体运动模式实时识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112560594B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10994416B2 (en) | Method for controlling a limb motion intention understanding and upper limb rehabilitation training robot based on force sense information and posture information | |
CN113043248B (zh) | 基于多源传感器的搬运装配全身外骨骼系统及控制方法 | |
CN112560594B (zh) | 一种柔性外骨骼系统的人体步态识别方法 | |
CN106112985B (zh) | 下肢助行机器的外骨骼混合控制系统及方法 | |
CN110522458A (zh) | 一种适用于膝关节外骨骼的步态实时识别方法 | |
CN111898487A (zh) | 一种柔性外骨骼系统的人体运动模式实时识别方法 | |
CN110721055B (zh) | 下肢助行外骨骼机器人的控制方法及外骨骼机器人 | |
CN111568700A (zh) | 一种下肢穿戴式机器人步态控制方法、装置和设备 | |
CN113910206B (zh) | 结合多传感器外骨骼助力系统 | |
Artemiadis et al. | Teleoperation of a robot manipulator using EMG signals and a position tracker | |
CN113771040A (zh) | 一种下肢外骨骼机器人控制系统及方法 | |
Liu et al. | sEMG-based continuous estimation of knee joint angle using deep learning with convolutional neural network | |
Song et al. | Adaptive neural fuzzy reasoning method for recognizing human movement gait phase | |
El-Gohary et al. | Joint angle tracking with inertial sensors | |
Zhu et al. | Wearable sensing and knee exoskeleton control for awkward gaits assistance | |
CN115416003B (zh) | 一种面向老人的下肢外骨骼的按需辅助控制方法 | |
CN116115217B (zh) | 一种基于深度网络的人体下肢步态相位估计方法 | |
CN110587613B (zh) | 一种负压气动柔性膝关节外骨骼实时反馈与闭环控制方法 | |
CN111728827A (zh) | 动力下肢外骨骼控制方法、装置和系统 | |
CN116725810A (zh) | 上肢康复训练设备的控制方法、装置及上肢康复训练设备 | |
Shahmoradi et al. | A fuzzy sequential locomotion mode recognition system for lower limb prosthesis control | |
Bae et al. | Real-time estimation of lower extremity joint torques in normal gait | |
CN115281657A (zh) | 一种柔性外骨骼系统的人体步态识别方法 | |
Gu et al. | Gait recognition and robust autonomous location method of exoskeleton robot based on machine learning | |
Lu et al. | Gait-Event-Based human intention recognition approach for lower limb |
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 |