CN115645884A - 一种人体运动姿态测量系统 - Google Patents
一种人体运动姿态测量系统 Download PDFInfo
- Publication number
- CN115645884A CN115645884A CN202210554670.2A CN202210554670A CN115645884A CN 115645884 A CN115645884 A CN 115645884A CN 202210554670 A CN202210554670 A CN 202210554670A CN 115645884 A CN115645884 A CN 115645884A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- human body
- body part
- speed
- navigation
- 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
Abstract
本发明涉及一种人体运动姿态测量系统,属于电子行业智能测量领域。惯导穿戴装置,以穿戴的方式固定在被测人体部位上,以被测人体部位为载体,测量得到被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,并发送给数据综合分析模块;数据综合分析模块,根据被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,进行导航解算,得到被测人体部位在导航坐标系下姿态、速度和位置信息;对被测人体部位进行零速检测,当被测人体部位处于零速区间之内时,对被测人体部位在导航坐标系下姿态、速度和位置信息进行零速误差修正,提高人体运动姿态测量测量精度。
Description
技术领域
本发明涉及一种人体运动姿态测量系统,属于电子行业智能测量领域。
背景技术
随着我国体育事业不断发展和科技不断进步,运动员训练模式创新越来越成为提高运动员竞技水平的主要手段,如何借助科技力量进行训练模式创新已经成为解决运动员训练中诸多难题的主要手段。
运动员运动参数的监测是改进运动方法、提高运动成绩的必要手段。传统的运动参数监测方法是采用影像等技术手段,该方法只能通过粗略地观察和判断运动过程,更多地依赖于专业教练员的经验,无法实现精准的定量分析。当前大部分运动的幅度较大、速度较快、全身肢体协调性要求较高,运动员关节间角度的变化同最终的运动效果具有较强的关联性。为测量运动员的运动参数,为技术改进和成绩提升提供量化的技术支撑,需要采用可穿戴产品实现运动参数的精准测量,同时实现数据处理与分析的智能化,便于运动员与教练员使用。为方便运动员和教练员的使用,运动员只需要佩戴惯导系统,教练员只需要操作手机或PC机便可以对运动员的运动参数进行监测,后台有数据综合分析系统的支持,这样大大方便的使用,为科技助力体育提供了关键的的技术支撑。
目前的可穿戴产品中运动信息的提取都是建立在姿态、速度以及位移信息上,因此用于解算姿态、速度和位置信息的惯导算法至关重要。但传统的惯导算法存在误差积累问题,且MEMS器件精度相对较低,长时间的应用会导致误差发散,无法得到准确的姿态、速度和位置信息。而常用的零速修正方法又仅适用于足部,对于其它部位无法适用,进而导致相应部位测量数据不可用。
发明内容
本发明所解决的技术问题是:克服现有技术的不足,提出一种人体运动姿态测量系统,用于人体不同部位姿态信息的测量,在长时间使用情况下测量误差收敛不发散,实现运动过程中人体不同部位运动参数的精准测量。
本发明的技术方案是:一种人体运动姿态测量系统,该系统包括惯导穿戴装置和数据综合分析模块;
惯导穿戴装置,以穿戴的方式固定在被测人体部位上,以被测人体部位为载体,测量得到被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,并发送给数据综合分析模块;
数据综合分析模块,根据被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,进行导航解算,得到被测人体部位在导航坐标系下姿态、速度和位置信息;对被测人体部位的运动进行零速检测,当被测人体部位处于零速区间之内时,对被测人体部位在导航坐标系下姿态、速度和位置信息进行零速误差修正。
本发明与现有技术相比具有如下有益效果:
(1)、在对各部位零速区间实现精准检测的基础上,本发明通过基于卡尔曼滤波器的零速误差修正算法及姿态误差修正算法,实现对人体不同被测部位导航误差进行定期估计与修正,解决了MEMS传感器在长时间使用情况下误差发散的问题,提高了系统测量精度;
(2)、本发明基于人体在步行过程中除了足部之外,大腿、小腿等不同部位同样存在不同的零速区间,对不同的被测人体部位均进行零速检测和修正算法,进一步进行导航误差估计与修正,解决了除足部之外其它部位的导航误差无法定期修正的难题;
(3)、本发明根据人体不同部位的运动数据特征,采取了不同的零速检测算法,并针对性设定不同的能量阈值,以实现对包含足部、大腿、小腿在内的所有被测部位零速区间的精准检测,为各部位导航误差定期修正提供了条件。
附图说明
图1为本发明实施例运动员髋部安装惯导系统示意图;
图2为本发明实施例人体运动姿态测量系统布置示意图;
图2(a)为本发明实施例足部MEMS加速度计输出值;
图2(b)为本发明实施例足部MEMS陀螺仪输出值;
图2(c)为本发明实施例足部零速检测结果;
图3(a)为本发明实施例小腿MEMS加速度计输出值;
图3(b)为本发明实施例小腿零速检测结果;
图4(a)为本发明实施例大腿MEMS加速度计输出值;
图4(b)为本发明实施例大腿零速检测结果。
具体实施方式
下面结合附图和具体实例对本发明作进一步的详细描述:
如图1所示,本发明提供了一种人体运动姿态测量系统,该系统包括惯导穿戴装置和数据综合分析模块;
惯导穿戴装置,以穿戴的方式固定在被测人体部位上,以被测人体部位为载体,测量得到被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,并发送给数据综合分析模块;
数据综合分析模块,根据被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,进行导航解算,得到被测人体部位在导航坐标系下姿态、速度和位置信息;对被测人体部位的运动进行零速检测,当被测人体部位处于零速区间之内时,对被测人体部位在导航坐标系下姿态、速度和位置信息进行误差修正。
进一步地,所述惯导穿戴装置包括MEMS传感器,信号处理模块、通信模块和锂电池;
MEMS传感器,内部集成了MEMS陀螺仪、MEMS加速度计,MEMS陀螺仪输出惯性坐标系下的三轴角速度,MEMS加速度计输出被测人体部位的三轴线加速度,将测量结果输出给信号处理模块;
信号处理模块,将MEMS传感器输出的测量结果组帧打包之后发送给通信模块;
通信模块,采用无线通信的方式将打包之后的测量数据帧发送出去;
锂电池,用于为MEMS传感器、信号处理模块、通信模块供电。
进一步地,所述数据综合分析模块的具体实现如下:
S1、选“东–北–天”地理坐标系作为导航坐标系,获取被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,进行导航解算,得到被测人体部位在导航坐标系下姿态、速度和位置信息;
S2、将被测人体部位在导航坐标系下的姿态角误差、速度误差、位置误差、MEMS传感器中的陀螺零偏和加速度计零偏作为状态量,被测人体部位在零速区间内的速度误差、姿态误差作为量测量,建立卡尔曼滤波器;
S3、在MEMS传感器的每个采样时刻,进行卡尔曼滤波器状态量的一步预测,并计算状态一步预测均方误差阵,进入步骤S4;
S4、判断被测人体部位是否处于零速区间内,如果处于零速区间内,
则进入步骤S5,否则,进入步骤S6;
S5、更新卡尔曼滤波器的量测量和量测矩阵,根据量测量、状态一步预测均方误差阵、状态估计均方误差阵、量测噪声协方差矩阵,计算滤波增益并更新状态估计均方误差阵,由滤波增益和量测矩阵进行状态估计,得到被测人体部位在导航坐标系下的速度误差、位置误差以及姿态角误差,之后,根据估计到的这些误差,修正被测人体部位在导航坐标系下姿态、速度和位置信息;
S6、输出被测人体部位在导航坐标系下的姿态、速度和位置信息。
在本发明某一具体实施例中,惯导穿戴装置由姿态测量传感器、ESP8266为中心的处理电路和锂电池等组成。姿态测量传感器为高度集成的MTI-3微型惯性传感单元,它集成了三轴陀螺仪、三轴加速度计、三轴磁强计等信息,并具有体积小、重量轻等特点。ESP8266为中心的处理电路用于实现信号处理模块和通信模块的功能。惯导穿戴装置可以通过绑带或粘贴方式穿戴于运动员身上,用于测量运动员训练全过程中被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度。
如果用于游泳运动,惯导穿戴装置应具有防水功能,可通过硅橡胶密封惯导装置的上、下壳体结构,以实现IP68防水等级。
以下对数据综合分析模块的具体实现进行详细分析:
1)惯性导航解算
本发明选“东–北–天”地理坐标系作为导航坐标系,采用递推更新算法进行导航解算,得到被测人体部位在导航坐标系下姿态、速度和位置信息。惯导更新算法划分为姿态、速度和位置更新三部分,姿态更新算法是核心。
被测人体部位在导航坐标系下姿态通过如下步骤计算得到:
由角速度方程得:
其中:为载体坐标系相对于导航坐标系的角速度在载体坐标系的投影,为载体坐标系相对于惯性坐标系的角速度在载体坐标系的投影,为地球坐标系相对于惯性坐标系的角速度在载体坐标系的投影,为导航坐标系相对于地球坐标系的角速度在载体坐标系的投影。载体坐标系为被测人体部位坐标系。
由于MEMS传感器精度较低,不能敏感到地球自转角速度,所以可以忽略一般运动场景或者步行场景下人的速度小于10m/s,地球半径R=6371393m,而所以为10-7~10-6量级,同样可以忽略不计。因此,对于MEMS传感器,上式可等效为:
S1.3、计算当前采样时刻被测人体部位的姿态四元数Qk,
Qk=[q1 q2 q3 q4]:
被测人体部位在导航坐标系下速度通过如下步骤计算得到:
所述比力方程如下:
其中,由式(4)求出,fb为载体在惯性坐标系下的三轴线加速度,为地球坐标系相对于惯性坐标系的角速度在导航坐标系的投影,为导航坐标系相对于地球坐标系的速度在导航坐标系的投影,为导航坐标系相对于地球坐标系的角速度在导航坐标系的投影,gn为重力加速度在导航坐标系的投影。
由于一般场景下人的运动速度小于10m/s,地球坐标系相对于惯性坐标系的角速度在导航坐标系的投影导航坐标系相对于地球坐标系的速度在导航坐标系的投影和导航坐标系相对于地球坐标系的角速度在导航坐标系的投影均可忽略,gn为重力加速度在导航坐标系的投影,因此可以计算得到即人体相对地球的加速度在导航坐标系的投影。
S1.7、由公式更新导航坐标系相对于地球坐标系的速度在导航坐标系的投影即为被测人体部位在导航坐标系下速度,为上一采样时刻导航坐标系相对于地球坐标系的速度在导航坐标系的投影,为当前采样时刻导航坐标系相对于地球坐标系的速度在导航坐标系的投影。
被测人体部位在导航坐标系下位置通过如下方程更新:
综上,可得到人体在运动或者步行过程中的姿态、速度和位置信息。
2)零速检测
MEMS惯性传感器的精度较低,是影响系统导航精度的主要误差因素,在长时间使用时,导航误差会随着时间不断累积严重影响最终测量结果的准确性。通过不同的零速检测算法检测到人体在运动时的静止区间,进而在零速区间内进行参数修正,可有效地消除速度误差并约束位置与航向误差。
人在步行过程中,随着脚部抬起、迈步、落地、静止,穿戴在人体不同部位的IMU传感器在也能够敏感到相应部位呈现出的周期性变化。通过分析,人体在步行过程中除了足部之外,大腿、小腿等部位同样存在周期性的零速区间,可以通过不同检测算法以及有针对性设定不同的能量阈值,检测出人体不同部位的周期性零速区间。
零速检测算法主要包括以下四种:
(a)广义似然比检测算法(GLRT)
(b)加速度计测量方差检测算法(MV)
(c)加速度计量测幅值检测算法(MAG)
(d)角速度量测能量检测(ARE)
其中,为第k个采样时刻加速度计输出的加速度值,为第k个采样时刻陀螺输出的角速度值。设采样数为W,第n个采样时刻到第n+W-1个采样时刻的观测量和是运动能量的统计量,和分别是加速度计和陀螺仪测量噪声的方差,g为重力加速度,||a||2=aTa,为样本平均值,即:
本发明判断被测人体部位的速度是否处于零速区间内的方法为:
将MEMS陀螺仪、MEMS加速度计输出的原始数据送入到零速检测器,由零速检测器计算得到被测人体部位运动能量的统计量,并设置相应的零速检测器的阈值,当零速检测器的统计量低于预设的零速检测器的阈值时,认为被测人体部位处于零速区间之内,否则,认为被测人体部位处于零速区间之外。
被测人体部位的不同,零速检测器采用不同的算法计算被测人体部位运动的能量统计值,具体为:如果被测人体部位为人体脚部,零速检测器采用GLRT或者ARE算法计算被测人体部位运动的能量统计值;如果被测人体部位为人体的大腿或者小腿,零速检测器采用MAG或者MV算法计算被测人体部位运动的能量统计值。
在本发明某一具体实施例中,根据人体在运动过程中不同部位的运动数据特征,脚部零速检测算法可采用GLRT,能量检测阈值可设置为25000;小腿零速检测算法可采用MAG算法,能量检测阈值可设置为1000;大腿零速检测算法可采用MAG算法,能量检测阈值可设置为750。通过不同的零速检测算法并合理设置能量检测阈值,可有效检测出相应部位的零速区间,即被测人体部位运动的能量统计值小于检测门限的区间。
图2(a)、图2(b)和图2(c)分别为人体步行时足部MEMS加速度计输出、陀螺仪输出及该部位零速检测结果。采用GLRT零速检测算法,且能量检测阈值为25000时,可以有效检测出步行过程中足部周期性零速区间。
图3(a)和图3(b)分别人体步行时小腿MEMS加速度计输出及该部位零速检测结果。可以看出,采用MAG零速检测算法,且能量检测阈值为1000时,可以有效检测出步行过程中小腿周期性零速区间。
图4(a)和图4(b)分别为人体步行时大腿穿戴的MEMS加速度计输出及该部位零速检测结果。可以看出,采用MAG零速检测算法,且能量检测阈值为750时,同样可以有效检测出步行过程中大腿周期性零速区间。
在对各部位零速区间实现精准检测的基础上,即可通过基于卡尔曼滤波器的零速误差修正算法及姿态误差修正算法,实现对相应被测部位导航误差进行定期估计与修正。
3)卡尔曼滤波与零速误差修正算法
卡尔曼滤波的原理为利用零速区间内速度误差和姿态角误差作量测量,建立卡尔曼滤波器,来估计被测人体部位的速度误差、位置误差以及姿态角误差,然后将估计到的各项误差补偿到相应的变量中,得到接近于状态变量真值的估计。
卡尔曼滤波器的状态变量包含速度误差、位置误差以及姿态误差,因此,需要根据惯性导航的误差方程、MEMS传感器特性以及人体运动特征建立合适的状态方程。
3.1误差方程
(a)姿态误差方程
MEMS姿态误差方程为:
其中:φ为姿态角误差,εb为陀螺零偏。
(b)速度误差方程
MEMS速度误差方程如下:
(c)位置误差方程
MEMS位置误差方程如下:
其中:δP为位置误差,δV为速度误差。
3.2修正算法与量测方程
(a)零速误差修正
当检测出运动处于静止阶段时,其真实速度理论上应该为零。然而,由于MEMS传感器存在较大的测量误差,这使得MEMS惯导解算出的速度实际上并不为零。零速误差修正方法就是将MEMS惯导在静止阶段时解算出的速度当作速度误差,并将此速度误差作为量测量进行卡尔曼滤波估计,以达到抑制导航参数误差的目的。
因此,基于零速误差修正算法的速度误差为ΔV,且
其中,Vx、Vy、Vz分别为导航解算得到的被测人体部位的速度值的三轴分量。
(b)姿态误差修正
在静止阶段,理论上在前后两个时刻的姿态角不会发生改变。同样由于MEMS传感器存在较大的测量误差,会导致前后两个时刻求解出的姿态角差值并不为零。因此,可将零速区间内前后两个时刻的姿态角差值作为量测量,对姿态角误差进行抑制。
其中:ωie为地球自转角速度,L为被测人体所处地球纬度。
3.3卡尔曼滤波
(a)状态方程
综合姿态误差方程、速度误差方程以及位置误差方程,可以得到状态方程表达式为:
Xk=Φk/k-1Xk-1+Γk-1Wk-1
X为状态量,Φ为一步转移矩阵,Γ为过程噪声分配矩阵,W为过程噪声矩阵,k-1、k分别表示第k-1个采样时刻和第k个采样时刻,k/k-1表示从第k-1个采样时刻到第k个采样时刻的一步预测。
其中:
其中:
为被测人体部位在导航坐标系下的姿态角误差,δvxδvyδvz为被测人体部位在导航坐标系下的速度误差,δxδyδz为被测人体部位在导航坐标系下的位置误差,εbxεbyεbz为陀螺仪零偏,为加速度计零偏;
一步转移矩阵为
过程噪声矩阵为
W=[wgx wgy wgz wax way waz]T
过程噪声分配矩阵为
(b)量测方程
综合零速误差修正及姿态误差修正,可以得到量测方程表达式为
Zk=HkXk+Uk (20)
其中,量测量为
Vx、Vy、Vz分别为被测人体部位在导航坐标系下速度的三轴分量;
量测矩阵为
H21=[0 0 -ωietanγcosψcosLΔt]
H24=[0 secγsinθΔt secγcosθΔt]
其中,ωie为地球自转角速度,L为载体所处地球纬度,;θ、γ和ψ分别为被测人体部位的俯仰角、横滚角和偏航角;Δt为MEMS传感器的采样间隔。
量测噪声矩阵U为
(c)滤波算法
根据Kalman滤波算法,将连续方程离散化后并带入如下公式:
状态一步预测
状态一步预测均方误差阵
其中,Pk/k-1为由前一采样时刻至当前时刻的均方误差阵,Pk-1为前一采样时刻均方误差阵,Γk-1为前一采样时刻过程噪声分配矩阵,Qk-1为前一采样时刻过程噪声协方差矩阵。
滤波增益
其中,Kk为当前采样时刻滤波增益,Pk/k-1为当前采样时刻均方误差阵,Hk为当前采样时刻量测矩阵,Rk为当前采样时刻量测噪声协方差矩阵。
状态估计
状态估计均方误差阵
Pk=(I-KkHk)Pk/k-1 (25)
其中,Pk为当前采样时刻均方误差阵,Pk/k-1为由前一采样时刻至当前采样时刻的均方误差阵,I为单位阵,Kk为当前采样时刻滤波增益,Hk为当前采样时刻量测矩阵。
由于只有在零速区间才有零速量测量,因此在零速区间内,卡尔曼滤波器只进行时间更新,不进行量测更新;当检测到零速区间后,滤波器进行时间更新与量测更新。
以上所述,仅为本发明最佳的具体实施方式,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (9)
1.一种人体运动姿态测量系统,其特征在于惯导穿戴装置和数据综合分析模块;
惯导穿戴装置,以穿戴的方式固定在被测人体部位上,以被测人体部位为载体,测量得到被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,并发送给数据综合分析模块;
数据综合分析模块,根据被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,进行导航解算,得到被测人体部位在导航坐标系下姿态、速度和位置信息;对被测人体部位的运动进行零速检测,当被测人体部位处于零速区间之内时,对被测人体部位在导航坐标系下姿态、速度和位置信息进行零速误差修正。
2.根据权利要求1所述的一种人体运动姿态测量系统,其特征在于所述惯导穿戴装置包括MEMS传感器,信号处理模块、通信模块和锂电池;
MEMS传感器,内部集成了MEMS陀螺仪、MEMS加速度计,MEMS陀螺仪输出惯性坐标系下的三轴角速度,MEMS加速度计输出被测人体部位的三轴线加速度,将测量结果输出给信号处理模块;
信号处理模块,将MEMS传感器输出的测量结果组帧打包之后发送给通信模块;
通信模块,采用无线通信的方式将打包之后的测量数据帧发送出去;
锂电池,用于为MEMS传感器、信号处理模块、通信模块供电。
3.根据权利要求2所述的一种人体运动姿态测量系统,其特征在于所述数据综合分析模块的具体实现如下:
S1、选“东–北–天”地理坐标系作为导航坐标系,获取被测人体部位的三轴线加速度和惯性坐标系下的三轴角速度,进行导航解算,得到被测人体部位在导航坐标系下姿态、速度和位置信息;
S2、将被测人体部位在导航坐标系下的姿态角误差、速度误差、位置误差、MEMS传感器中的陀螺零偏和加速度计零偏作为状态量,被测人体部位在零速区间内的速度误差、姿态误差作为量测量,建立卡尔曼滤波器;
S3、在MEMS传感器的每个采样时刻,进行卡尔曼滤波器状态量的一步预测,并计算状态一步预测均方误差阵,进入步骤S4;
S4、判断被测人体部位是否处于零速区间内,如果处于零速区间内,则进入步骤S5,否则,进入步骤S6;
S5、更新卡尔曼滤波器的量测量和量测矩阵,根据量测量、状态一步预测均方误差阵、状态估计均方误差阵、量测噪声协方差矩阵,计算滤波增益并更新状态估计均方误差阵,由滤波增益和量测矩阵进行状态估计,得到被测人体部位在导航坐标系下的速度误差、位置误差以及姿态角误差,之后,根据估计到的这些误差,修正被测人体部位在导航坐标系下姿态、速度和位置信息;
S6、输出被测人体部位在导航坐标系下的姿态、速度和位置信息。
4.根据权利要求3所述的一种人体运动姿态测量系统,其特征在于所述步骤S1中,被测人体部位在导航坐标系下姿态通过如下步骤计算得到:
S1.3、计算当前采样时刻被测人体部位的姿态四元数Qk:
其中,Δt为MEMS传感器的采样间隔、Qk-1为上次采样时刻被测人体部位的姿态四元数;
θ=arcsin(T32)
5.根据权利要求4所述的一种人体运动姿态测量系统,其特征在于所述步骤S1中,被测人体部位在导航坐标系下速度通过如下步骤计算得到:
所述比力方程如下:
7.根据权利要求3所述的一种人体运动姿态测量系统,其特征在于判断被测人体部位的速度是否处于零速区间内的方法为:
将MEMS陀螺仪、MEMS加速度计输出的原始数据送入到零速检测器,由零速检测器计算得到被测人体部位运动能量的统计量,并设置相应的零速检测器的阈值,当零速检测器的统计量低于预设的零速检测器的阈值时,认为被测人体部位处于零速区间之内,否则,认为被测人体部位处于零速区间之外。
8.根据权利要求3所述的一种人体运动姿态测量系统,其特征在于被测人体部位的不同,零速检测器采用不同的算法计算被测人体部位运动的能量统计值,具体为:如果被测人体部位为人体脚部,零速检测器采用GLRT或者ARE算法计算能量统计值;如果被测人体部位为人体的大腿或者小腿,零速检测器采用MAG或者MV算法计算能量统计值。
9.根据权利要求3所述的一种人体运动姿态测量系统,其特征在于所述步骤S2中卡尔曼滤波方法中状态量X为:
其中:
为被测人体部位在导航坐标系下的姿态角误差,δvx δvy δvz为被测人体部位在导航坐标系下的速度误差,δx δy δz为被测人体部位在导航坐标系下的位置误差,εbxεby εbz为陀螺仪零偏,为加速度计零偏;
状态方程为:
Xk=Φk/k-1Xk-1+Γk-1Wk-1
其中X为状态量,Φ为一步转移矩阵,Γ为过程噪声分配矩阵,W为过程噪声矩阵,k-1、k分别表示第k-1个采样时刻和第k个采样时刻,k/k-1表示从第k-1个采样时刻到第k个采样时刻的一步预测;
W=[wgx wgy wgz wax way waz]T
量测量为:
Vx、Vy、Vz分别为被测人体部位在导航坐标系下速度的三轴分量;
量测方程为:
Zk=HkXk+Uk
H21=[0 0 -ωietanγcosψcosLΔt]
H24=[0 secγsinθΔt secγcosθΔt]
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210554670.2A CN115645884A (zh) | 2022-05-20 | 2022-05-20 | 一种人体运动姿态测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210554670.2A CN115645884A (zh) | 2022-05-20 | 2022-05-20 | 一种人体运动姿态测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115645884A true CN115645884A (zh) | 2023-01-31 |
Family
ID=85024146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210554670.2A Pending CN115645884A (zh) | 2022-05-20 | 2022-05-20 | 一种人体运动姿态测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115645884A (zh) |
-
2022
- 2022-05-20 CN CN202210554670.2A patent/CN115645884A/zh active Pending
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 | |
US7857772B2 (en) | Stride-monitoring device | |
US7610166B1 (en) | Geolocation system and method for determining mammal locomotion movement | |
Sabatini et al. | Assessment of walking features from foot inertial sensing | |
CA2312640C (en) | Motion analysis system | |
AU781848B2 (en) | Pedestrian navigation method and apparatus operative in a dead reckoning mode | |
CN104613963B (zh) | 基于人体运动学模型的行人导航系统与导航定位方法 | |
CN106176149A (zh) | 一种基于多传感融合的外骨骼步态分析系统及方法 | |
CN108836346A (zh) | 一种基于惯性传感器的人体步态分析方法和系统 | |
Cavallo et al. | A step toward GPS/INS personal navigation systems: real-time assessment of gait by foot inertial sensing | |
CN106705968A (zh) | 基于姿态识别和步长模型的室内惯性导航算法 | |
CN107218938A (zh) | 基于人体运动模型辅助的穿戴式行人导航定位方法和设备 | |
US20140150521A1 (en) | System and Method for Calibrating Inertial Measurement Units | |
CN111024126B (zh) | 一种行人导航定位中的自适应零速修正方法 | |
Wang et al. | Swimming motion analysis and posture recognition based on wearable inertial sensors | |
CN108836344A (zh) | 步长步频估算方法和装置及步态检测仪 | |
CN108030497A (zh) | 一种基于imu惯性传感器的步态分析装置及其方法 | |
CN106643713A (zh) | 对阈值平滑自适应调整的零速修正步行者轨迹的推算方法及装置 | |
JP2008544782A (ja) | 日常生活および/またはスポーツの練習中の人間のエネルギ消費にリンクされるデータの捕捉、処理、伝送の手順およびその装置 | |
CN113229806A (zh) | 可穿戴人体步态检测及导航系统及其运行方法 | |
CN115645884A (zh) | 一种人体运动姿态测量系统 | |
CN208876547U (zh) | 一种基于imu惯性传感器的步态分析装置 | |
KR101926170B1 (ko) | 보행 및 주행 모니터링을 위한 운동 인식 방법 및 장치 | |
Ross et al. | Validation of gyroscope sensors for snow sports performance monitoring | |
CN113156155B (zh) | 高精度可穿戴设备的测速方法、系统、介质及设备 |
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 |