CN116869521A - 一种下肢助力外骨骼系统的人体运动模式实时识别方法 - Google Patents
一种下肢助力外骨骼系统的人体运动模式实时识别方法 Download PDFInfo
- Publication number
- CN116869521A CN116869521A CN202311146764.7A CN202311146764A CN116869521A CN 116869521 A CN116869521 A CN 116869521A CN 202311146764 A CN202311146764 A CN 202311146764A CN 116869521 A CN116869521 A CN 116869521A
- Authority
- CN
- China
- Prior art keywords
- human body
- value
- body movement
- current moment
- foot pressure
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 45
- 210000003141 lower extremity Anatomy 0.000 title claims abstract description 22
- 230000005021 gait Effects 0.000 claims abstract description 29
- 230000003993 interaction Effects 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 7
- 210000000689 upper leg Anatomy 0.000 claims description 47
- 244000309466 calf Species 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 15
- 210000002414 leg Anatomy 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000012567 pattern recognition method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 208000004067 Flatfoot Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003319 supportive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0006—Exoskeletons, i.e. resembling a human figure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Mechanical Engineering (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Robotics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
Abstract
本发明涉及外骨骼技术领域,公开了一种下肢助力外骨骼系统的人体运动模式实时识别方法,包括:基于IMU惯性测量系统获取人体姿态角度信息,采用压力传感器获取人地交互力信息,基于人体姿态角度信息计算得到腿部运动角度,基于人地交互力信息计算得到人体运动过程中的步态周期,基于当前时刻的步态周期和腿部运动角度获得人体运动模式的识别结果。本申请不需要采集样本数据库,直接利用传感器实时采集的人体姿态数据和人机交互力数据进行判断,算法工作量小,不存在延时,人体运动模式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,传感器便宜,易于与外骨骼集成。
Description
技术领域
本发明涉及外骨骼技术领域,尤其涉及一种下肢助力外骨骼系统的人体运动模式实时识别方法。
背景技术
目前外骨骼系统的人体运动模式识别法主要为基于惯性传感器/多维力传感器的人体运动模式识别方法,主要采用机器学习进行数据分析与模式匹配,通过对人体运动模式采集样本数据,然后对外骨骼系统的实时采样数据进行学习训练,与样本数据进行模式匹配,获得人体运动模式,存在以下几个问题,样本数据获取困难,样本数据的采集工作任务量巨大,且对不同的人难以做到完备等;为了提高识别结果的精确性,通常需要对一个过程或者一段时间的数据进行匹配,因此难以保证其实时性;算法复杂,工程应用困难。另一种方法为基于表面肌电信号的人体运动模式识别方法,表面肌电信号产生于动作执行之前,具有一定的超前性,但肌电信号内部包含运动信息太多,目前技术主要聚焦于肌肉激活度,识别模型较为复杂,工程应用困难,此外,由于表面肌电信号采集传感器穿戴方式的特殊性,与外骨骼的集成度不高。
传统下肢助力外骨骼系统通过对人机交互力信息和人体姿态信息进行机器学习训练获得模型,然后利用在线数据进行模型匹配得到模式分类。然而对于关节采用柔性连接技术进行设计的柔性外骨骼系统,无法获得人机交互力信息。并且机器学习方法需要对大量的样本数据进行学习训练,然后在线进行模式匹配,存在样本量数据采集困难、数据计算量大复杂度高、实时性不足、应用难度大、成本高等问题。
基于上述问题,本申请提供了一种下肢助力外骨骼系统的人体运动模式实时识别方法。
发明内容
本发明的目的在于克服上述一种或多种现有的技术问题,提供一种下肢助力外骨骼系统的人体运动模式实时识别方法。
为实现上述目的,本发明提供的一种下肢助力外骨骼系统的人体运动模式实时识别方法,包括:
基于IMU惯性测量系统获取人体姿态角度信息,采用压力传感器获取人地交互力信息,对人体姿态角度信息和人地交互力信息进行平滑滤波处理,IMU惯性测量系统包括大腿IMU传感器和小腿IMU传感器,压力传感器安装于外骨骼系统的足部;
基于IMU惯性测量系统获取当前时刻的人体姿态角度信息,基于人体姿态角度信息计算得到腿部运动角度,其中人体姿态角度信息包括左大腿IMU值、右大腿IMU值、左小腿IMU值和右小腿IMU值;
基于人地交互力信息计算得到人体运动过程中的步态周期;
步态周期的获得方法为,
基于压力传感器获取当前时刻的人地交互力信息,其中包括当前时刻左足压力和当前时刻右足压力,基于当前时刻获取上一时刻左足压力和上一时刻右足压力,若上一时刻左足压力和上一时刻右足压力都小于压力阈值F且当前时刻左足压力和当前时刻右足压力都大于压力阈值F,则步态周期为T0,否则对当前步态周期进行累加操作;
基于当前时刻的步态周期和腿部运动角度获得人体运动模式的识别结果,人体运动模式包括站立模式、下蹲模式、上楼梯模式、下楼梯模式、跑模式和行走模式。
根据本发明的一个方面,判断当前时刻左足压力和当前时刻右足压力是否都大于压力阈值F,若是,则继续判断当前时刻左大腿IMU值和当前时刻右大腿IMU值是否小于第一角度阈值且当前时刻左小腿IMU值和当前时刻右小腿IMU值是否小于第二角度阈值,若是,则当前的人体运动模式为下蹲模式,否则为站立模式。
根据本发明的一个方面,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,计算腿部运动角度的PV值,其中PV值包括左大腿PV值、右大腿PV值、左小腿PV值和右小腿PV值,腿部运动角度的PV值的计算方法为前一个步态周期中角度的最大值与最小值的差值。
根据本发明的一个方面,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都小于第三角度阈值且左小腿PV值和右小腿PV值是否都大于第四角度阈值,若是,则当前的人体运动模式为上楼梯模式。
根据本发明的一个方面,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都大于第五角度阈值且左小腿PV值和右小腿PV值是否都小于第六角度阈值,若是,则当前的人体运动模式为下楼梯模式。
根据本发明的一个方面,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都小于第七角度阈值且左右步态周期均小于周期预设阈值,若是,则当前的人体运动模式为跑模式。
根据本发明的一个方面,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都大于第八角度阈值,若是,则当前的人体运动模式为行走模式。
基于此,本发明的有益效果在于:本申请利用状态转移算法和外骨骼系统传感器的实时测量数据判断人体运动模式的状态切换条件是否成立,实时获得人体运动模式识别结果,方法简单,应用方便,不存在识别结果的时间延迟,实现了人体运动模式识别的工程应用;
根据实时检测的人体姿态角度信号和人地交互力信号判断人体运动模式的切换条件,可实现实时获取人体运动模式的识别结果。本发明可以使人体运动模式识别不需要提前大量采集样本数据,不需要在线进行大量的学习计算,识别结果依赖人体运动,鲁棒性好,并且识别结果不存在延时,提升了外骨骼系统的实时性柔顺性和灵活性。
附图说明
图1是本发明一种下肢助力外骨骼系统的人体运动模式实时识别方法的流程图;
图2是本发明一种下肢助力外骨骼系统的人体运动模式实时识别方法的传感器外骨骼系统中的位置示意图。
具体实施方式
现在将参照示例性实施例来论述本发明的内容,应当理解,论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容,而不是暗示对本发明的范围的任何限制。
如本文中所使用的,术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”,术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
根据本发明的一个实施例,图1为本发明中的一种下肢助力外骨骼系统的人体运动模式实时识别方法的流程图,如图1所示,一种下肢助力外骨骼系统的人体运动模式实时识别方法包括:
为实现上述目的,本发明提供的一种下肢助力外骨骼系统的人体运动模式实时识别方法,包括:
基于IMU惯性测量系统获取人体姿态角度信息,采用压力传感器获取人地交互力信息,对人体姿态角度信息和人地交互力信息进行平滑滤波处理,IMU惯性测量系统包括大腿IMU传感器和小腿IMU传感器,压力传感器安装于外骨骼系统的足部;
基于IMU惯性测量系统获取当前时刻的人体姿态角度信息,基于人体姿态角度信息计算得到腿部运动角度,其中人体姿态角度信息包括左大腿IMU值、右大腿IMU值、左小腿IMU值和右小腿IMU值;
基于人地交互力信息计算得到人体运动过程中的步态周期;
步态周期的获得方法为,
基于压力传感器获取当前时刻的人地交互力信息,其中包括当前时刻左足压力和当前时刻右足压力,基于当前时刻获取上一时刻左足压力和上一时刻右足压力,若上一时刻左足压力和上一时刻右足压力都小于压力阈值F且当前时刻左足压力和当前时刻右足压力都大于压力阈值F,则步态周期为T0,否则对当前步态周期进行累加操作;
基于当前时刻的步态周期和腿部运动角度获得人体运动模式的识别结果,人体运动模式包括站立模式、下蹲模式、上楼梯模式、下楼梯模式、跑模式和行走模式。
根据本发明的一个实施方式,图2是本发明一种下肢助力外骨骼系统的人体运动模式实时识别方法的传感器外骨骼系统中的位置示意图,如图2所示,基于IMU惯性测量系统获取当前时刻的人体姿态角度信息,基于人体姿态角度信息计算得到腿部运动角度,其中包括当前时刻左大腿IMU值、当前时刻右大腿IMU值、当前时刻左小腿IMU值和当前时刻右小腿IMU值,判断当前时刻左足压力和当前时刻右足压力是否都大于压力阈值F,若是,则继续判断当前时刻左大腿IMU值和当前时刻右大腿IMU值是否小于第一角度阈值且当前时刻左小腿IMU值和当前时刻右小腿IMU值是否小于第二角度阈值,若是,则当前的人体运动模式为下蹲模式,否则为站立模式。
根据本发明的一个实施方式,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,计算腿部运动角度的PV值,其中PV值包括左大腿PV值、右大腿PV值、左小腿PV值和右小腿PV值,腿部运动角度的PV值的计算方法为前一个步态周期中角度的最大值与最小值的差值。
根据本发明的一个实施方式,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都小于第三角度阈值且左小腿PV值和右小腿PV值是否都大于第四角度阈值,若是,则当前的人体运动模式为上楼梯模式。
根据本发明的一个实施方式,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都大于第五角度阈值且左小腿PV值和右小腿PV值是否都小于第六角度阈值,若是,则当前的人体运动模式为下楼梯模式。
根据本发明的一个实施方式,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都小于第七角度阈值且左右步态周期均小于周期预设阈值,若是,则当前的人体运动模式为跑模式。
根据本发明的一个实施方式,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都大于第八角度阈值,若是,则当前的人体运动模式为行走模式。
根据本发明的一个实施例,压力阈值F的大小为10N,第一角度阈值的大小为负30°,第二角度阈值的大小为负20°,第三角度阈值的大小为50°,第四角度阈值的大小为30°,第五角度阈值的大小为30°,第六角度阈值的大小为50°,第七角度阈值的大小为20°,第八角度阈值的大小为20°,周期预设阈值为75s。
根据本发明的一个实施例,步态周期为一侧足跟着地至该侧足跟再次着地时所经过的时间,包括支撑相和摆动相,正常人步态周期约为0.95s~1.25 s。左右两侧步态周期正常时应当较接近,支撑相指下肢接触地面的阶段,包括着落地期、平足期、蹬伸期。步行时支撑相约占步态周期的62%-67%,着地期:足跟首次着地至全足触地前,平足期:足底与地面全部接触,蹬伸期:足跟抬起至足趾离地,摆动相为脚不与地面接触的阶段,步行时约占步态周期的33%-38%。
基于此,本发明的有益效果在于,本申请利用状态转移算法和外骨骼系统传感器的实时测量数据判断人体运动模式的状态切换条件是否成立,实时获得人体运动模式识别结果,方法简单,应用方便,不存在识别结果的时间延迟,实现了人体运动模式识别的工程应用;
根据实时检测的人体姿态角度信号和人地交互力信号判断人体运动模式的切换条件,可实现实时获取人体运动模式的识别结果。本发明可以使人体运动模式识别不需要提前大量采集样本数据,不需要在线进行大量的学习计算,识别结果依赖人体运动,鲁棒性好,并且识别结果不存在延时,提升了外骨骼系统的实时性柔顺性和灵活性。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外,在本发明实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解,本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
Claims (7)
1.一种下肢助力外骨骼系统的人体运动模式实时识别方法,其特征在于,包括:
基于IMU惯性测量系统获取人体姿态角度信息,采用压力传感器获取人地交互力信息,对人体姿态角度信息和人地交互力信息进行平滑滤波处理,IMU惯性测量系统包括大腿IMU传感器和小腿IMU传感器,压力传感器安装于外骨骼系统的足部;
基于IMU惯性测量系统获取当前时刻的人体姿态角度信息,基于人体姿态角度信息计算得到腿部运动角度,其中人体姿态角度信息包括左大腿IMU值、右大腿IMU值、左小腿IMU值和右小腿IMU值;
基于人地交互力信息计算得到人体运动过程中的步态周期;
步态周期的获得方法为,
基于压力传感器获取当前时刻的人地交互力信息,其中包括当前时刻左足压力和当前时刻右足压力,基于当前时刻获取上一时刻左足压力和上一时刻右足压力,若上一时刻左足压力和上一时刻右足压力都小于压力阈值F且当前时刻左足压力和当前时刻右足压力都大于压力阈值F,则步态周期为T0,否则对当前步态周期进行累加操作;
基于当前时刻的步态周期和腿部运动角度获得人体运动模式的识别结果,人体运动模式包括站立模式、下蹲模式、上楼梯模式、下楼梯模式、跑模式和行走模式。
2.如权利要求1所述的一种下肢助力外骨骼系统的人体运动模式实时识别方法,其特征在于,判断当前时刻左足压力和当前时刻右足压力是否都大于压力阈值F,若是,则继续判断当前时刻左大腿IMU值和当前时刻右大腿IMU值是否小于第一角度阈值且当前时刻左小腿IMU值和当前时刻右小腿IMU值是否小于第二角度阈值,若是,则当前的人体运动模式为下蹲模式,否则为站立模式。
3.如权利要求2所述的一种下肢助力外骨骼系统的人体运动模式实时识别方法,其特征在于,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,计算腿部运动角度的PV值,其中PV值包括左大腿PV值、右大腿PV值、左小腿PV值和右小腿PV值,腿部运动角度的PV值的计算方法为前一个步态周期中角度的最大值与最小值的差值。
4.如权利要求3所述的一种下肢助力外骨骼系统的人体运动模式实时识别方法,其特征在于,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都小于第三角度阈值且左小腿PV值和右小腿PV值是否都大于第四角度阈值,若是,则当前的人体运动模式为上楼梯模式。
5.如权利要求4所述的一种下肢助力外骨骼系统的人体运动模式实时识别方法,其特征在于,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都大于第五角度阈值且左小腿PV值和右小腿PV值是否都小于第六角度阈值,若是,则当前的人体运动模式为下楼梯模式。
6.如权利要求5所述的一种下肢助力外骨骼系统的人体运动模式实时识别方法,其特征在于,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都小于第七角度阈值且左右步态周期均小于周期预设阈值,若是,则当前的人体运动模式为跑模式。
7.如权利要求6所述的一种下肢助力外骨骼系统的人体运动模式实时识别方法,其特征在于,响应于当前时刻左足压力和当前时刻右足压力都小于压力阈值F,继续判断左大腿PV值和右大腿PV值是否都大于第八角度阈值,若是,则当前的人体运动模式为行走模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311146764.7A CN116869521B (zh) | 2023-09-07 | 2023-09-07 | 一种下肢助力外骨骼系统的人体运动模式实时识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311146764.7A CN116869521B (zh) | 2023-09-07 | 2023-09-07 | 一种下肢助力外骨骼系统的人体运动模式实时识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116869521A true CN116869521A (zh) | 2023-10-13 |
CN116869521B CN116869521B (zh) | 2023-11-14 |
Family
ID=88262617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311146764.7A Active CN116869521B (zh) | 2023-09-07 | 2023-09-07 | 一种下肢助力外骨骼系统的人体运动模式实时识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116869521B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118269058A (zh) * | 2024-04-07 | 2024-07-02 | 合肥工业大学 | 一种基于状态机的助力外骨骼机器人运动识别方法 |
CN118269058B (zh) * | 2024-04-07 | 2024-10-29 | 合肥工业大学 | 一种基于状态机的助力外骨骼机器人运动识别方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
US20200275881A1 (en) * | 2017-04-28 | 2020-09-03 | Universita' Degli Studi Di Padova | Method and apparatus for detecting biomechanical and functional parameters of the knee |
US20200297571A1 (en) * | 2017-10-23 | 2020-09-24 | Suncall Corporation | Gait motion assisting device |
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 |
CN112263246A (zh) * | 2020-10-13 | 2021-01-26 | 广东博方众济医疗科技有限公司 | 基于大腿角度的自适应步态相位识别方法及装置 |
CN112560594A (zh) * | 2020-11-30 | 2021-03-26 | 贵州航天控制技术有限公司 | 一种柔性外骨骼系统的人体步态识别方法 |
CN112650222A (zh) * | 2020-12-10 | 2021-04-13 | 华南理工大学 | 一种多足机器人的跳跃步态规划方法 |
CN112741757A (zh) * | 2020-12-30 | 2021-05-04 | 华南理工大学 | 一种基于双足底压力传感器的踝关节线驱外骨骼控制系统 |
US20210378903A1 (en) * | 2020-06-05 | 2021-12-09 | Dephy, Inc. | Real-time feedback-based optimization of an exoskeleton |
US20220031195A1 (en) * | 2020-08-03 | 2022-02-03 | Industrial Technology Research Institute | Gait evaluating system and gait evaluating method |
CN114587346A (zh) * | 2022-03-25 | 2022-06-07 | 中电海康集团有限公司 | 一种基于imu的人体下肢运动监测方法及系统 |
CN114948579A (zh) * | 2021-12-15 | 2022-08-30 | 南方科技大学 | 踝关节外骨骼及其助力控制方法、装置及可读存储介质 |
CN115281657A (zh) * | 2022-07-25 | 2022-11-04 | 贵州航天控制技术有限公司 | 一种柔性外骨骼系统的人体步态识别方法 |
-
2023
- 2023-09-07 CN CN202311146764.7A patent/CN116869521B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200275881A1 (en) * | 2017-04-28 | 2020-09-03 | Universita' Degli Studi Di Padova | Method and apparatus for detecting biomechanical and functional parameters of the knee |
US20200297571A1 (en) * | 2017-10-23 | 2020-09-24 | Suncall Corporation | Gait motion assisting device |
CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
US20210378903A1 (en) * | 2020-06-05 | 2021-12-09 | Dephy, Inc. | Real-time feedback-based optimization of an exoskeleton |
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 |
US20220031195A1 (en) * | 2020-08-03 | 2022-02-03 | Industrial Technology Research Institute | Gait evaluating system and gait evaluating method |
CN112263246A (zh) * | 2020-10-13 | 2021-01-26 | 广东博方众济医疗科技有限公司 | 基于大腿角度的自适应步态相位识别方法及装置 |
CN112560594A (zh) * | 2020-11-30 | 2021-03-26 | 贵州航天控制技术有限公司 | 一种柔性外骨骼系统的人体步态识别方法 |
CN112650222A (zh) * | 2020-12-10 | 2021-04-13 | 华南理工大学 | 一种多足机器人的跳跃步态规划方法 |
CN112741757A (zh) * | 2020-12-30 | 2021-05-04 | 华南理工大学 | 一种基于双足底压力传感器的踝关节线驱外骨骼控制系统 |
CN114948579A (zh) * | 2021-12-15 | 2022-08-30 | 南方科技大学 | 踝关节外骨骼及其助力控制方法、装置及可读存储介质 |
CN114587346A (zh) * | 2022-03-25 | 2022-06-07 | 中电海康集团有限公司 | 一种基于imu的人体下肢运动监测方法及系统 |
CN115281657A (zh) * | 2022-07-25 | 2022-11-04 | 贵州航天控制技术有限公司 | 一种柔性外骨骼系统的人体步态识别方法 |
Non-Patent Citations (3)
Title |
---|
李聪, 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
赵相羽: "髋关节助力外骨骼设计与仿真", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
郭超: "无源下肢踝关节外骨骼动力学与生物力学特性分析", 《医药卫生科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118269058A (zh) * | 2024-04-07 | 2024-07-02 | 合肥工业大学 | 一种基于状态机的助力外骨骼机器人运动识别方法 |
CN118269058B (zh) * | 2024-04-07 | 2024-10-29 | 合肥工业大学 | 一种基于状态机的助力外骨骼机器人运动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116869521B (zh) | 2023-11-14 |
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 | |
Joshi et al. | Classification of gait phases from lower limb EMG: Application to exoskeleton orthosis | |
Yoo et al. | Gender classification in human gait using support vector machine | |
CN111631923A (zh) | 基于意图识别的外骨骼机器人的神经网络控制系统 | |
CN106308809A (zh) | 大腿残肢者的步态识别方法 | |
CN104524742A (zh) | 一种基于Kinect传感器的脑瘫儿童康复训练方法 | |
CN109446972B (zh) | 基于肌电信号的步态识别模型建立方法、识别方法及装置 | |
CN107174253A (zh) | 一种下肢运动姿态的判断方法、装置和系统 | |
CN108577854A (zh) | 步态识别方法和步态辅助设备 | |
CN103984962A (zh) | 一种基于肌电信号的外骨骼行走模式识别方法 | |
CN110339024A (zh) | 下肢外骨骼机器人及其实时步态切换方法及存储装置 | |
CN111506189B (zh) | 面向人体复杂运动的运动模式预测及切换控制方法 | |
Liu et al. | A muscle synergy-inspired method of detecting human movement intentions based on wearable sensor fusion | |
CN106389074A (zh) | 基于足底压力感知的摔倒过程稳定性预测装置和方法 | |
CN113768471B (zh) | 一种基于步态分析的帕金森疾病辅助诊断系统 | |
CN104983489A (zh) | 下肢假肢行走时的路况识别方法 | |
CN110543922A (zh) | 一种基于膝关节外骨骼的实时行走模式识别方法 | |
CN112949676B (zh) | 一种柔性下肢助力外骨骼机器人的自适应运动模式识别方法 | |
Papageorgiou et al. | Hidden markov modeling of human pathological gait using laser range finder for an assisted living intelligent robotic walker | |
Song et al. | Adaptive neural fuzzy reasoning method for recognizing human movement gait phase | |
Ye et al. | An adaptive method for gait event detection of gait rehabilitation robots | |
CN113331829B (zh) | 一种足底信息监测方法及智能鞋垫装置 | |
Baptista et al. | new approach of cycling phases detection to improve FES-pedaling in SCI individuals | |
CN114795137A (zh) | 一种基于神经网络的患者脉象诊断系统 | |
CN116869521B (zh) | 一种下肢助力外骨骼系统的人体运动模式实时识别方法 |
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 |