CN116211290A - 一种踝泵运动的姿态监测与评估方法及系统 - Google Patents
一种踝泵运动的姿态监测与评估方法及系统 Download PDFInfo
- Publication number
- CN116211290A CN116211290A CN202310144221.5A CN202310144221A CN116211290A CN 116211290 A CN116211290 A CN 116211290A CN 202310144221 A CN202310144221 A CN 202310144221A CN 116211290 A CN116211290 A CN 116211290A
- Authority
- CN
- China
- Prior art keywords
- information
- ankle pump
- ankle
- motion
- coordinate system
- 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
- 210000003423 ankle Anatomy 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 210000000544 articulatio talocruralis Anatomy 0.000 claims abstract description 29
- 230000001133 acceleration Effects 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 22
- 230000001419 dependent effect Effects 0.000 claims description 8
- 101000912561 Bos taurus Fibrinogen gamma-B chain Proteins 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000012905 input function Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010051055 Deep vein thrombosis Diseases 0.000 description 1
- 206010047249 Venous thrombosis Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Dentistry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Manipulator (AREA)
- Navigation (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种踝泵运动的姿态监测与评估方法及系统,方法包括:以姿态监测模块的中心点构建载体坐标系,构建踝关节坐标系,姿态监测模块获取实时的运动姿态信息,运动姿态信息包括:角速度信息、加速度信息和磁力信息;通过模糊自适应的卡尔曼滤波算法,将角速度信息、加速度信息和磁力信息进行数据融合和数据更新,得到更新的运动姿态信息,并利用载体坐标系和踝关节坐标系间的角度关系,得到当前踝泵运动的状态变量;将状态变量与个人数据库中的标准状态变量进行对比,得到对比结果,并评估当前踝泵运动是否有效。克服常见的MEMS姿态传感器算法在踝泵运动场景下精度不足的问题,克服目前评估踝泵运动方法计算量大、误差大的问题。
Description
技术领域
本发明涉及医疗器械技术领域,特别涉及一种踝泵运动的姿态监测与评估方法及系统。
背景技术
踝泵运动通过踝关节的运动带动下肢的收缩,像泵一样,起到了一个促进血液循环的作用,可以很好的预防下肢深静脉血栓的形成。踝泵运动有利于长期卧床或者手术后患者。然而许多患者由于疼痛、思想的不重视、过程枯燥乏味等原因没有很好的进行踝泵运动,因此常常需要监督,也出现了许多对踝泵运动监测与评估的方法。
对于踝泵运动,申请号为CN201810293134.5的专利方案中采用神经网络算法,根据其他用户的数据来评估踝泵运动。在该方案中,神经网络算法计算量较大,难以在低成本的系统上及时计算出结果;并且每个个体都有差异,采用他人的数据进行评估不可避免的会产生一定的误差。
目前常见的踝泵运动监测与评估的方法大都使用MEMS姿态传感器,但MEMS姿态传感器存在着输出数据精度不高、数据实时性不强,并且评估算法计算量过大、评估结果存在较大误差的问题。
发明内容
本发明的目的是提供一种踝泵运动的姿态监测与评估方法及系统,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
本发明解决其技术问题的解决方案是:提供一种踝泵运动的姿态监测与评估方法及系统。
根据本发明的第一方面的实施例,提供了一种踝泵运动的姿态监测与评估方法,包括:
将姿态监测模块穿戴于患者的脚掌上,以所述姿态监测模块的中心点构建载体坐标系;
构建踝关节坐标系,在所述踝关节坐标系下,所述姿态监测模块获取实时的运动姿态信息,其中,所述运动姿态信息包括:角速度信息、加速度信息和磁力信息;
通过模糊自适应的卡尔曼滤波算法,将所述角速度信息、加速度信息和磁力信息进行数据融合和数据更新,得到更新的运动姿态信息;
根据所述更新的运动姿态信息,利用所述载体坐标系和踝关节坐标系间的角度关系,得到当前踝泵运动的状态变量;
建立个人数据库,将所述状态变量与个人数据库中的标准状态变量进行对比,得到对比结果,根据所述对比结果,评估所述当前踝泵运动。
进一步,所述更新的运动姿态信息的获得过程具体包括:
根据所述角速度信息,构建出状态方程,并根据所述加速度信息和磁力信息,构建出观测方程;
根据所述状态方程和观测方程,求取得到预测值的理论方差与实际方差,并计算所述理论方差与实际方差的比值;
根据所述比值和角速度信息,构建模糊控制器的控制规则,利用所述控制规则,调整所述观测方程中的观测噪声,根据所述观测噪声修正预测值,以得到更新的运动姿态信息。
进一步,所述当前踝泵运动的状态变量的获得过程具体包括:
根据所述更新的运动姿态信息,计算得到在所述踝关节坐标系Oxyz下姿态监测模块的中心坐标(Q′1,Q′2,Q′3);
根据所述中心坐标(Q′1,Q′2,Q′3),获取所述姿态监测模块的中心点至踝关节坐标系的原点间的连线与z轴的夹角ψ,所述夹角ψ为:
根据所述中心坐标(Q′1,Q′2,Q′3),获取所述连线在xOy平面上的投影与x轴的夹角θ,所述夹角θ为:
以所述夹角θ为状态自变量,夹角ψ为状态因变量,建立夹角θ与夹角ψ的函数关系,根据所述函数关系,描述当前踝泵运动的运动状态。
进一步,所述状态方程的构建过程具体包括:
设旋转四元数为:Q=q0+q1i+q2j+q3k,其中,i、j和k分别指向所述踝关节坐标系的x轴、y轴和z轴;
根据所述角速度信息和旋转四元数Q,建立四元数微分方程,利用四阶毕卡算法求解所述四元数微分方程,得到下一时刻的旋转四元数:
根据所述下一时刻的旋转四元数,建立所述状态方程:Qt+1=A*Qt+wk,其中,wk为过程噪声,且符合均值为0方差为UK的高斯分布。
进一步,所述观测方程的构建过程具体包括:
根据所述角速度信息和旋转四元数Q,得到绕x轴和y轴对应的旋转角度α和β,并根据所述加速度信息,加权计算得到α″与β″:
其中,ax、ay、az为所述加速度信息,g为重力加速度,d为权重系数;
根据所述磁力信息、α″和β″,计算得到航向角γ′:
,其中,mx、my、mz为所述磁力信息;
根据所述横滚角α′、俯仰角β′和航向角γ′,计算出观测的旋转四元数Q′t,并建立所述观测方程Zt=H*Q′t+vk,其中,vk为观测噪声,且符合均值为0方差为RK的高斯分布,H为单位矩阵。
进一步,所述理论方差与实际方差的比值的计算过程具体包括:
根据所述状态方程和观测方程,求取滤波增益Kt+1、预测值Qt+1和预测值的协方差矩阵Pt+1;
采用Fuzzy推理Mamanni算法实时估计所述观测噪声,Rk=B*RK,其中,B为观测噪声的系数矩阵,Rk为观测噪声的协方差矩阵;
进一步,所述观测方程中的观测噪声的调整过程具体包括:
根据所述角速度信息,定义角速度模糊子集,根据所述比值,定义比值模糊子集;
对所述输出模糊量进行反模糊化处理,输出所述观测噪声的系数矩阵B,以实现对观测噪声的调整。
进一步,所述建立个人数据库具体包括:
进行若干次标准的踝泵运动,计算出若干个的标准状态变量,并利用一阶低通滤波处理所述标准状态变量,根据处理的所述标准状态变量,建立个人数据库。
进一步,所述评估所述当前踝泵运动具体包括:
根据所述状态变量(θ,ψ),在所述个人数据库中选取四个所述标准状态变量,并进行三次多项式拟合,得到拟合函数;
将所述状态自变量θ代入所述拟合函数,得到标准的状态因变量ψ′,计算ψ和ψ′的评估方差;
根据所述评估方差和运动姿态信息的获取次数,计算得到平均误差,根据所述平均误差,评估所述当前踝泵运动。
根据本发明的第二方面的实施例,提供了一种踝泵运动的姿态监测与评估系统,包括:
至少一个处理器;至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如本发明的第一方面的实施例所述的一种踝泵运动的姿态监测与评估方法。
本发明的有益效果是:通过模糊自适应卡尔曼滤波算法对角速度信息、加速度信息和磁力信息进行数据融合,更新得到运动姿态信息,得到数据精度较高、实时性较好的运动姿态信息。通过更新得到运动姿态信息,获得当前踝泵运动的状态变量,提取患者标准踝泵运动的状态变量,建立个人的踝泵运动标准数据库,根据当前踝泵运动的状态变量与标准的状态变量的差异,从而完成对当前踝泵运动的评估。克服常见的MEMS姿态传感器算法在踝泵运动场景下精度不足的问题,克服目前评估踝泵运动方法计算量大、误差大的问题。
附图说明
图1是本发明一个实施例提供的一种踝泵运动的姿态监测与评估方法的示意性流程图;
图2是本发明一个实施例提供的载体坐标系和踝关节坐标系初始指向示意图;
图3是本发明一个实施例提供的踝泵运动时载体坐标系和踝关节坐标系指向示意图;
图4是本发明一个实施例提供的状态自变量夹角θ和状态因变量夹角ψ位置关系示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,而不能理解为对本发明的限制。
需要说明的是,虽然在系统示意图中进行了功能模块划分,但是在某些情况下,可以不同于系统中的模块划分或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明的描述中,需要说明的是,除非另有明确的限定,设置、安装、连接等词语应做广义的理解,所属技术领域的技术人员可以结合技术方案的具体内容合理确定上述词语在本发明的具体含义。
参照图1和图2,根据本发明的第一方面的实施例,一种踝泵运动的姿态监测与评估方法包括以下步骤:
S100,将姿态监测模块穿戴于患者的脚掌上,以姿态监测模块的中心点构建载体坐标系。
在这一实施例中,患者把姿态监测模块固定在进行踝泵运动的脚掌上,踝泵运动为踝关节的转体运动,对于平躺在床上的患者而言,可以认为是绕过踝关节中心点的竖直向上直线的转体运动。定义载体坐标系为O0x0y0z0,其中,O0为姿态监测模块的中心点。
S200,构建踝关节坐标系,在踝关节坐标系下,姿态监测模块获取实时的运动姿态信息,其中,运动姿态信息包括:角速度信息、加速度信息和磁力信息。
在这一实施例中,定义东北天直角坐标系为踝关节坐标系Oxyz,即,x轴指向东,y轴指向北,z轴指向天,姿态监测模块实时采集运动姿态数据,得到运动姿态信息。
其中,姿态监测模块包括:三轴陀螺仪、三轴加速度计和三轴磁力计。三轴陀螺仪实时采集绕z轴、y轴、x轴的角速度信息,三轴加速度计实时采集绕x轴、y轴、z轴的加速度信息ax、ay、az,三轴磁力计实时采集绕x轴、y轴、z轴的磁力信息mx、my、mz。
S300,通过模糊自适应的卡尔曼滤波算法,将角速度信息、加速度信息和磁力信息进行数据融合和数据更新,得到更新的运动姿态信息。
在这一实施例中,使用模糊自适应的卡尔曼滤波算法,对角速度信息、加速度信息以及磁力信息进行数据融合,根据融合后的数据,进行数据更新,从而得到更新的运动姿态信息。
S400,根据更新的运动姿态信息,利用载体坐标系和踝关节坐标系间的角度关系,得到当前踝泵运动的状态变量。
在这一实施例中,通过S300进行数据融合和数据更新后的运动姿态信息进行计算,在患者做踝泵运动时,载体坐标系O0x0y0z0相对于踝关节坐标系Oxyz的一定的移动,利用更新的运动姿态信息,得到载体坐标系O0x0y0z0与踝关节坐标系Oxyz的位置关系,即,计算载体坐标系O0x0y0z0原点在踝关节坐标系Oxyz下的坐标,根据该坐标,得到两坐标系之间的角度关系,通过该角度关系,计算得到状态变量,通过状态变量,判断当前踝泵运动的状态。
当患者做踝泵运动时,载体坐标系O0x0y0z0会存在变化,而踝关节坐标系Oxyz相对于地面存在一定移动,但本发明主要关注为载体坐标系O0x0y0z0相对于踝关节坐标系Oxyz的变化,踝关节坐标系Oxyz相对于地面的移动在本发明忽略不计。
S500,建立个人数据库,将状态变量与个人数据库中的标准状态变量进行对比,得到对比结果,根据对比结果,评估当前踝泵运动是否有效。
在这一实施例中,根据个人情况,建立个人的踝泵运动标准数据库,将S400得到的当前踝泵运动的状态变量与个人数据库中标准的状态变量进行对比,得到对比结果,根据对比结果实时判断当前踝泵运动的效果,判断此次踝泵运动的有效性。
通过模糊自适应卡尔曼滤波算法对角速度信息、加速度信息和磁力信息进行数据融合,更新得到运动姿态信息,得到数据精度较高、实时性较好的运动姿态信息。通过更新得到运动姿态信息,获得当前踝泵运动的状态变量,提取患者标准踝泵运动的状态变量,建立个人的踝泵运动标准数据库,根据当前踝泵运动的状态变量与标准的状态变量的差异,从而完成对当前踝泵运动的评估。克服常见的MEMS姿态传感器算法在踝泵运动场景下精度不足的问题,克服目前评估踝泵运动方法计算量大、误差大的问题。
参照图2至图4,在本发明的一些实施例中,在S300中,更新的运动姿态信息的获得过程包括以下步骤:
S310,利用S200中得到的角速度信息,构建得到状态方程,并利用S200中得到的加速度信息以及磁力信息,构建得到观测方程。
在S310中,状态方程的构建过程包括以下具体步骤:
S311,设旋转四元数为:Q=q0+q1i+q2j+q3k。
在这一实施例中,设旋转四元数为:Q=q0+q1i+q2j+q3k,其中,i、j以及k分别指向踝关节坐标系Oxyz的x、y、z轴;
在这一实施例中,根据三轴陀螺仪的瞬时转动角速度以及旋转四元数Q,四元数微分方程表示为:
为了避免噪声的微分放大,提高计算精度,使用四阶毕卡算法近似解得,得到下一时刻的旋转四元数:
,其中:
Δθ2=Δθx 2+Δθy 2+Δθz 2
S313,根据S312得到的下一时刻的旋转四元数,建立状态方程:Qt+1=A*Qt+wk。
在这一实施例中,根据S212中的得到A*Qt,确立卡尔曼滤波系统的状态方程,该状态方程为:
Qt+1=A*Qt+wk
,其中,wk为过程噪声,wk符合均值为0方差为UK的高斯分布,取Qt的初值为(1,0,0,0)。
在S310中,观测方程的构建过程包括以下具体步骤:
S314,利用S200中得到的角速度信息和S311设置的旋转四元数Q,得到绕踝关节坐标系Oxyz的x、y轴旋转的角度α、β,并通过加速度信息,采用权重的方法获得α″与β″:
,其中,ax、ay、az为加速度信息,g为重力加速度,d为权重系数。
在这一实施例中,设由三轴陀螺仪测量得到的踝关节坐标系Oxyz的x、y、z轴旋转的角度分别为α、β、γ,根据S311设置的旋转四元数Q则有:
β=arcsin[-2(q1*q3-q0*q2)]
,设三轴加速度计在关节坐标系Oxyz下,实时采集绕x轴、y轴、z轴的加速度信息为ax、ay、az,重力加速度为g,绕x轴旋转的角度为α′,绕y轴旋转的角度为β′,则有:
三轴磁力计测航向角需要把x、y、z三轴的磁场向量投影到x、O、z平面。一般的方法是通过获取三轴加速度计测出的横滚角与俯仰角计算。然而在踝泵运动中,三轴加速计受到的噪声较大,直接采取三轴加速度计的输出信息计算会有较大误差。三轴陀螺仪在短时间内的积分较为准确,故采用权重的方法获取α″与β″。
α″=(1-d)α′+dα
β″=(1-d)β′+dβ
,其中,d为权重系数,可为定值,也可以根据角速度的大小实时变化。
S315,利用S200中得到的磁力信息和S314得到的α″、β″进行计算,得到航向角γ′:
在这一实施例中,设三轴磁力计在x、y、z三轴的输出为mx、my、mz,根据S314得到的α″、β″,航向角为γ′,则有:
S316,利用S314得到的横滚角α′、俯仰角β′和S315得到的航向角γ′进行计算,得到观测的旋转四元数,根据观测的旋转四元数,确立观测方程Zt=H*Q′t+vk,其中,vk为观测噪声,H为单位矩阵。
在这一实施例中,利用S314得到的横滚角α′、俯仰角β′,以及S315得到的航向角γ′进行计算,可以得到观测的旋转四元数QZ为:
,利用观测的旋转四元数QZ,确立观测方程:
Zt=H*Q′t+vk
,其中,QZ应代入观测方程中的Q′t,H为4*1单位矩阵,vk为观测噪声,vk符合均值为0方差为RK的高斯分布。
S320,通过S310建立的状态方程以及观测方程,计算预测值的理论方差以及预测值的实际方差,根据理论方差和实际方差,计算得到两者的比值。
在S320中,理论方差与实际方差的比值的计算过程包括以下具体步骤:
S321,通过S310建立的状态方程以及观测方程,计算出滤波增益Kt+1、预测值Qt+1以及预测值的协方差矩阵Pt+1。
,求取下一时刻卡尔曼滤波增益Kt+1:
,求取预测值Qt+1:
,预测值的协方差矩阵Pt+1:
,其中,预测值协方差矩阵P的初值P0设为:
,过程噪声wk的协方差矩阵Uk为:
,观测噪声vk的协方差矩阵Rk为:
S322,使用了Fuzzy推理的Mamanni算法实时估计观测噪声,Rk=B*RK,其中,B为观测噪声的系数矩阵,Rk为观测噪声的协方差矩阵;
在这一实施例中,三轴螺仪具有较好的高频特性,其噪声Uk较为稳定可以是一个定值,通过大量反复试验获得。然而,三轴陀螺仪存在静态积分误差。因而在踝泵运动中若角速度小于某一设定的阈值时,可以认为其姿态没有变化。踝泵运动为转体运动,三轴加速度计各个轴对重力加速度的测量受踝泵运动的影响较大,其Rk噪声变化较大,影响测量精度和滤波系统的稳定性。为此,本发明采用了Fuzzy推理的Mamanni算法实时估计观测噪声。
Rk=B*RK
,其中,B为观测噪声的系数矩阵:
残差表征了滤波系统的效果。一个合适的滤波系统,其残差方差理论值与残差方差实际值的比值应当在1附近。当残差方差的理论值大于实际值时,表明滤波系统的观测噪声vk减小了,应当适当降低Rk;当残差方差的理论值小于实际值时,表明滤波系统的观测噪声vk增大,应当适当增大Rk。
在这一实施例中,残差方差的理论值,即理论方差SK+1为:
残差方差的实际值由于受噪声的影响波动较大,目前常用一段时间内的平均值来平滑数据。然而,踝泵运动为周期性运动,其各个轴的加速度变化具有一定的周期性,瞬时变化较大,对新鲜数据较为敏感。为此采用加权递推的平均法。其原理就是运动姿态信息的获取次数M,时间靠后的给予较小的权重,时间靠前的给予较大的权重。倒数第M+1次获取的运动姿态信息权重为0。下次采集的数据,赋予倒数第M次的获取的运动姿态信息最小的权重,M+1的权重最大,依次类推。故残差方差的实际值,即,实际方差S′K+1为:
,其中,Li为权重系数,M为运动姿态信息的获取次数。
在这一实施例中,理论方差SK+1和实际方差S′K+1的比值为:
,其中,tr为取矩阵的迹。
S330,通过S320得到的比值dK+1和角速度信息,建立控制规则,利用该控制规则,对观测噪声进行调整,通过调整后观测噪声对预测值进行修正,从而得到更新的运动姿态信息。
在S330中,对观测噪声进行调整过程包括以下具体步骤:
S331,对于角速度信息,定义角速度模糊子集,对于比值dK+1,定义比值模糊子集。
在这一实施例中,对于角速度信息,定义三个角速度模糊子集ωL、ωN、ωS,分别表示角速度“小、中、大”。同样的对理论方差和实际方差比值d定义比值模糊子集dL、dN、dS;分别表示比值d小于1,等于1以及大于1。
在这一实施例中,通过定义的角速度模糊子集ωL、ωN、ωS,确定对应的隶属度函数WL、WN、WS;通过定义的比值模糊子集dL、dN、dS,确定对应的隶属度函数DL、DN、DS。并确定输入函数和输出函数的隶属度函数BVS、BS、BM、BL、BVL;分别表示噪声矩阵系数的“很小,小,中,大,很大”。建立控制规则;如下表:
模糊逻辑推理的总输出为:
,通过上述公式,得到输出模糊量。
S333,反模糊化输出模糊量,得到观测噪声的系数矩阵B,利用系数矩阵B对观测噪声的调整。
在这一实施例中,得到输出模糊量后,进行反模糊化处理,最后输出观测噪声vk的系数矩阵B,实现对观测噪声vk的调整。通过调整观测噪声vk对预测值进行修正,根据修正后的预测值,对运动姿态信息进行更新,从而得到更新的运动姿态信息。
参照图2至图4,在本发明的一些实施例中,在S400中,当前踝泵运动的状态变量的获得过程包括以下步骤:
S410,利用S300得到的更新的运动姿态信息进行计算,在踝关节坐标系Oxyz下,得到姿态监测模块的中心坐标(Q′1,Q′2,Q′3)。
在这一实施例中,踝泵运动为踝关节的转体运动,对于平躺在床上的患者而言,可以认为是绕过踝关节中心点的竖直向上直线的转体运动。参照图2,踝关节坐标系为Oxyz,O0x0y0a0为载体坐标系,转轴为z轴,初始状态下踝关节坐标系Oxyz与载体坐标系O0x0y0a0的指向相同。
设固定在患者脚上的姿态监测模块的中心点初始位置为O0(0,0,r),则初始四元数为Q(0,0,0,r)。在患者做踝泵运动时,载体坐标系O0x0y0z0相对于踝关节坐标系Oxyz的一定的移动,利用更新的运动姿态信息,得到载体坐标系O0x0y0z0与踝关节坐标系Oxyz的位置关系,即,计算载体坐标系O0x0y0z0原点在踝关节坐标系Oxyz下的坐标,根据更新的运动姿态信息Qt+1,利用计算公式:
,计算得到旋转后的四元数Q′(Q′0,Q′1,Q′2,Q′3),则在患者做踝泵运动时,(Q′1,Q′2,Q′3)为姿态监测模块发生旋转后的中心坐标。
S420,根据S410得到中心坐标(Q′1,Q′2,Q′3),定义姿态监测模块的中心点到过踝关节坐标系Oxyz的原点的连线与z轴的夹角为ψ,该夹角ψ计算公式为:
在这一实施例中,当患者做踝泵运动时,载体坐标系O0x0y0z0会存在变化,而踝关节坐标系Oxyz相对于地面存在一定移动,但本发明主要关注为载体坐标系O0x0y0z0相对于踝关节坐标系Oxyz的变化,踝关节坐标系Oxyz相对于地面的移动在本发明忽略不计。
参照图3和图4,定义姿态监测模块的中心点,即,中心坐标(Q′1,Q′2,Q′3)到过踝关节坐标系Oxyz的原点的连线与z轴的夹角为ψ,该夹角ψ计算公式为:
S430,根据S410得到中心坐标(Q′1,Q′2,Q′3),定义S420的连线在xOy平面上的投影与x轴的夹角为θ,该夹角θ计算公式为:
在这一实施例中,参照图3和图4,姿态监测模块的中心点,即,中心坐标(Q′1,Q′2,Q′3)到过踝关节坐标系Oxyz的原点的连线在xOy平面上的投影与x轴的夹角为θ,该夹角θ计算公式为:
S440,状态自变量为夹角θ,状态因变量为夹角ψ,建立ψ与θ的函数关系,从而描述当前踝泵运动的运动状态。
在这一实施例中,在本发明中,状态变量包括状态自变量θ和状态因变量ψ。状态自变量为夹角θ,状态因变量为夹角ψ,建立ψ与θ的函数关系,通过该函数关系从而描述踝泵运动的状态。
在本发明的一些实施例中,在S500中,个人数据库的建立过程具体包括:
患者进行若干次标准的踝泵运动,通过S100至S400的步骤,计算得到若干个的标准状态变量,采用一阶低通滤波平滑处理标准状态变量,得到若干个平滑滤波处理后的标准状态变量,并建立个人数据库。
在这一实施例中,先由医护人员或专业人员监督患者做几圈标准的踝泵运动,采集大量运动姿态信息,通过S100至S400的步骤,计算得到若干个的标准状态变量,即,得到若干个状态自变量夹角θ和若干个的状态因变量夹角ψ。
由于传感器本身的限制以及噪声的干扰,不可避免的会出现数据波动,影响测量效果。本发明采用一阶低通滤波平滑状态因变量夹角ψ,设滤波前计算出的结果为ψK,滤波后的结果为ψ′K,滤波系数为a,有:
ψ′K+1=aψK+1+(1-a)ψ′K
,经过几圈的踝泵运动,得到大量的θ以及对应的ψ值,经过滤波后可以作为患者的个人标准踝泵运动数据库。
在本发明的一些实施例中,在S500中,评估当前踝泵运动是否有效具体包括以下步骤:
S510,通过S400得到的状态变量(θ,ψ),在个人数据库中选取四个标准状态变量,并进行三次多项式拟合,得到拟合函数;
在这一实施例中,由于个人数据库中的数据是离散的,必须对数据拟合得到连续的数据才能在实际中运用。由于采集的数据量大,如果直接对所有数据拟合,不仅会产生较大的计算量,而且拟合的精度也不高。为此,本发明采用了局部拟合的方法。设监测患者当前踝泵运动某一时刻的状态变量:状态自变量夹角θ=θ0、状态因变量夹角ψ=ψ0,根据θ0在数据库找出最大的两个小于θ0的点(θ-2,ψ-2),(θ-1,ψ-1),根据θ0在个人数据库找出最小的两个大于θ0的点(θ1,ψ1),(θ2,ψ2),进行三次多项式拟合。
f0(x)=1
f1(x)=(x-a1)
f2(x)=(x-a2)fn(x)-bnf0(x)
f2(x)=(x-a3)f2(x)-b2fn(x)
S520,将当前踝泵运动的状态自变量θ代入S510中得到拟合函数,得到标准的状态因变量ψ′,计算ψ和ψ′的评估方差;
在这一实施例中,将当前踝泵运动的状态自变量θ代入S510中得到拟合函数,可以得到标准的状态因变量ψ′,定义方差为DK,方差公式为:
DK=(ψ′-ψ)2
S530,根据S520得到的评估方差和运动姿态信息的获取次数,计算出平均误差,通过平均误差,评估当前踝泵运动是否有效。
在这一实施例中,计算获取M次运动姿态信息后的平均误差:
需要说明的是,可以将大量用户的踝泵运动数据通过WI F I上传到服务器,医护人员可以通过上位机查看,方便同时管理多个患者的运动信息。当当前踝泵运动与标准的踝泵运动差距过大时,可以及时提醒医护人员。
根据本发明第二方面的实施例,一种踝泵运动的姿态监测与评估系统,所述系统包括:至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如第一方面的实施例所述的一种踝泵运动的姿态监测与评估方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。处理器通过运行存储在存储器中的非暂态软件程序以及指令,从而实现本发明第一方面实施例的一种踝泵运动的姿态监测与评估方法。
存储器可以包括存储程序区和存储参数区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的终端选定方法所需的非暂态软件程序以及指令存储在存储器中,当被一个或者多个处理器执行时,执行于本发明第一方面的踝泵运动的姿态监测与评估方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、参数结构、程序模块或其他参数)的任何方法或技术中实施的易失性和非易失性、可移除和不可除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包括计算机可读指令、参数结构、程序模块或者诸如载波或其他传输机制之类的调制参数信号中的其他参数,并且可包括任何信息递送介质。
以上对本发明的较佳实施方式进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变型或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种踝泵运动的姿态监测与评估方法,其特征在于,包括:
将姿态监测模块穿戴于患者的脚掌上,以所述姿态监测模块的中心点构建载体坐标系;
构建踝关节坐标系,在所述踝关节坐标系下,所述姿态监测模块获取实时的运动姿态信息,其中,所述运动姿态信息包括:角速度信息、加速度信息和磁力信息;
通过模糊自适应的卡尔曼滤波算法,将所述角速度信息、加速度信息和磁力信息进行数据融合和数据更新,得到更新的运动姿态信息;
根据所述更新的运动姿态信息,利用所述载体坐标系和踝关节坐标系间的角度关系,得到当前踝泵运动的状态变量;
建立个人数据库,将所述状态变量与个人数据库中的标准状态变量进行对比,得到对比结果,根据所述对比结果,评估所述当前踝泵运动。
2.根据权利要求1所述的一种踝泵运动的姿态监测与评估方法,其特征在于,所述更新的运动姿态信息的获得过程具体包括:
根据所述角速度信息,构建出状态方程,并根据所述加速度信息和磁力信息,构建出观测方程;
根据所述状态方程和观测方程,求取得到预测值的理论方差与实际方差,并计算所述理论方差与实际方差的比值;
根据所述比值和角速度信息,构建模糊控制器的控制规则,利用所述控制规则,调整所述观测方程中的观测噪声,根据所述观测噪声修正预测值,以得到更新的运动姿态信息。
3.根据权利要求1所述的一种踝泵运动的姿态监测与评估方法,其特征在于,所述当前踝泵运动的状态变量的获得过程具体包括:
根据所述更新的运动姿态信息,计算得到在所述踝关节坐标系Oxyz下姿态监测模块的中心坐标(Q′ 1,Q′ 2,Q′ 3);
根据所述中心坐标(Q′ 1,Q′ 2,Q′ 3),获取所述姿态监测模块的中心点至踝关节坐标系的原点间的连线与z轴的夹角ψ,所述夹角ψ为:
根据所述中心坐标(Q′ 1,Q′ 2,Q′ 3),获取所述连线在xOy平面上的投影与x轴的夹角θ,所述夹角θ为:
以所述夹角θ为状态自变量,夹角ψ为状态因变量,建立夹角θ与夹角ψ的函数关系,根据所述函数关系,描述当前踝泵运动的运动状态。
8.根据权利要求3所述的一种踝泵运动的姿态监测与评估方法,其特征在于,所述建立个人数据库具体包括:
进行若干次标准的踝泵运动,计算出若干个的标准状态变量,并利用一阶低通滤波处理所述标准状态变量,根据处理的所述标准状态变量,建立个人数据库。
9.根据权利要求8所述的一种踝泵运动的姿态监测与评估方法,其特征在于,所述评估所述当前踝泵运动具体包括:
根据所述状态变量(θ,ψ),在所述个人数据库中选取四个所述标准状态变量,并进行三次多项式拟合,得到拟合函数;
将所述状态自变量θ代入所述拟合函数,得到标准的状态因变量ψ′,计算ψ和ψ′的评估方差;
根据所述评估方差和运动姿态信息的获取次数,计算得到平均误差,根据所述平均误差,评估所述当前踝泵运动。
10.一种踝泵运动的姿态监测与评估系统,其特征在于,包括:
至少一个处理器;至少一个存储器,用于存储至少一个程序;当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至9中任意一项所述的一种踝泵运动的姿态监测与评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144221.5A CN116211290B (zh) | 2023-02-20 | 2023-02-20 | 一种踝泵运动的姿态监测与评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144221.5A CN116211290B (zh) | 2023-02-20 | 2023-02-20 | 一种踝泵运动的姿态监测与评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116211290A true CN116211290A (zh) | 2023-06-06 |
CN116211290B CN116211290B (zh) | 2024-01-30 |
Family
ID=86570962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310144221.5A Active CN116211290B (zh) | 2023-02-20 | 2023-02-20 | 一种踝泵运动的姿态监测与评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116211290B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CA2989421A1 (en) * | 2015-06-22 | 2016-12-29 | University Of Maryland, Baltimore | Method and apparatus for providing economical, portable deficit-adjusted adaptive assistance during movement phases of an impaired ankle |
CN107194193A (zh) * | 2017-06-21 | 2017-09-22 | 北京航天控制仪器研究所 | 一种踝泵运动监测方法及装置 |
CN107389052A (zh) * | 2017-06-21 | 2017-11-24 | 北京航天控制仪器研究所 | 一种踝泵运动监测系统及终端设备 |
CN111887856A (zh) * | 2020-02-25 | 2020-11-06 | 哈尔滨工业大学 | 一种基于惯性传感器的抗位置窜动关节角度解算实时方法 |
US20200401224A1 (en) * | 2019-06-21 | 2020-12-24 | REHABILITATION INSTITUTE OF CHICAGO d/b/a Shirley Ryan AbilityLab | Wearable joint tracking device with muscle activity and methods thereof |
CN112957033A (zh) * | 2021-02-01 | 2021-06-15 | 山东大学 | 人机协作中人体实时室内定位与运动姿态捕捉方法与系统 |
CN114459466A (zh) * | 2021-12-29 | 2022-05-10 | 宜昌测试技术研究所 | 一种基于模糊控制的mems多传感器数据融合处理方法 |
CN114469073A (zh) * | 2021-12-13 | 2022-05-13 | 中国科学院深圳先进技术研究院 | 基于步可穿戴传感器的步态分析与异常检测方法 |
CN217472663U (zh) * | 2021-12-30 | 2022-09-23 | 柏赟 | 一种感应计数式踝泵运动器 |
CN115240856A (zh) * | 2022-08-29 | 2022-10-25 | 成都体育学院 | 基于运动姿势的运动健康评估方法、系统及设备 |
CN115530815A (zh) * | 2022-10-28 | 2022-12-30 | 中国科学院深圳先进技术研究院 | 一种基于角速度传感器的步态时相识别方法 |
-
2023
- 2023-02-20 CN CN202310144221.5A patent/CN116211290B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CA2989421A1 (en) * | 2015-06-22 | 2016-12-29 | University Of Maryland, Baltimore | Method and apparatus for providing economical, portable deficit-adjusted adaptive assistance during movement phases of an impaired ankle |
CN107194193A (zh) * | 2017-06-21 | 2017-09-22 | 北京航天控制仪器研究所 | 一种踝泵运动监测方法及装置 |
CN107389052A (zh) * | 2017-06-21 | 2017-11-24 | 北京航天控制仪器研究所 | 一种踝泵运动监测系统及终端设备 |
US20200401224A1 (en) * | 2019-06-21 | 2020-12-24 | REHABILITATION INSTITUTE OF CHICAGO d/b/a Shirley Ryan AbilityLab | Wearable joint tracking device with muscle activity and methods thereof |
CN111887856A (zh) * | 2020-02-25 | 2020-11-06 | 哈尔滨工业大学 | 一种基于惯性传感器的抗位置窜动关节角度解算实时方法 |
CN112957033A (zh) * | 2021-02-01 | 2021-06-15 | 山东大学 | 人机协作中人体实时室内定位与运动姿态捕捉方法与系统 |
CN114469073A (zh) * | 2021-12-13 | 2022-05-13 | 中国科学院深圳先进技术研究院 | 基于步可穿戴传感器的步态分析与异常检测方法 |
CN114459466A (zh) * | 2021-12-29 | 2022-05-10 | 宜昌测试技术研究所 | 一种基于模糊控制的mems多传感器数据融合处理方法 |
CN217472663U (zh) * | 2021-12-30 | 2022-09-23 | 柏赟 | 一种感应计数式踝泵运动器 |
CN115240856A (zh) * | 2022-08-29 | 2022-10-25 | 成都体育学院 | 基于运动姿势的运动健康评估方法、系统及设备 |
CN115530815A (zh) * | 2022-10-28 | 2022-12-30 | 中国科学院深圳先进技术研究院 | 一种基于角速度传感器的步态时相识别方法 |
Non-Patent Citations (5)
Title |
---|
刘迪;孔令文;杜巧玲;: "双足机器人RCG姿态控制算法的研究", 电子学报, no. 08 * |
张立勋;王令军;王凤良;王克宽;: "一种人体步态轨迹测量方法", 测控技术, no. 02 * |
徐奕柳;杨龙;杨中原;肖超;周玉林;: "新型PURU+RR+S球面并联人形机器人踝关节机构动力学性能分析", 中国机械工程, no. 16 * |
李建文, 郝顺义, 黄国荣: "基于通用FLAC的模糊自适应UKF算法及其应用", 《传感技术学报》, vol. 22, no. 12, pages 1732 - 1736 * |
贾山;路新亮;韩亚丽;王兴松;: "在摆动相中用于下肢外骨骼跟踪人体踝关节轨迹的方法", 东南大学学报(自然科学版), no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN116211290B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6522266B1 (en) | Navigation system, method and software for foot travel | |
CN104932522B (zh) | 一种飞行器的自主降落方法和系统 | |
Lobo et al. | Vision and inertial sensor cooperation using gravity as a vertical reference | |
US20130116602A1 (en) | Automatic orientation calibration for a body-mounted device | |
US10352959B2 (en) | Method and system for estimating a path of a mobile element or body | |
Tian et al. | Accurate human navigation using wearable monocular visual and inertial sensors | |
Brodie et al. | Dynamic accuracy of inertial measurement units during simple pendulum motion | |
CN108010271B (zh) | 一种看护机器人、报警系统和方法 | |
WO2018149324A1 (zh) | 一种检测方法及终端设备 | |
CN113382357B (zh) | 一种改进pdr与rssi融合的蓝牙室内定位方法 | |
CN107014377A (zh) | 一种基于惯性定位的多功能鞋垫 | |
Tjhai et al. | Step-size estimation using fusion of multiple wearable inertial sensors | |
CN107782309A (zh) | 非惯性系视觉和双陀螺仪多速率ckf融合姿态测量方法 | |
CN111932637B (zh) | 一种车身相机外参自适应标定方法和装置 | |
CN110187308A (zh) | 一种基于信号指纹库的室内定位方法、装置、设备及介质 | |
CN108801250B (zh) | 基于水下机器人的实时姿态获取方法及装置 | |
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 | |
Nazarahari et al. | A full-state robust extended Kalman filter for orientation tracking during long-duration dynamic tasks using magnetic and inertial measurement units | |
CN112179373A (zh) | 一种视觉里程计的测量方法及视觉里程计 | |
KR102150172B1 (ko) | 상대적 움직임에 기반한 동작 인식 방법 및 장치 | |
CN116211290B (zh) | 一种踝泵运动的姿态监测与评估方法及系统 | |
Pham et al. | Walking step length estimation using waist-mounted inertial sensors with known total walking distance | |
Duong et al. | A simple smoother for attitude and position estimation using inertial sensor | |
Molnar et al. | A method for lower back motion assessment using wearable 6D inertial sensors | |
Kanjanapas et al. | A human motion capture system based on inertial sensing and a complementary filter |
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 |