CN117084872A - 基于颈部肌电的助行器控制方法、系统、介质及助行器 - Google Patents
基于颈部肌电的助行器控制方法、系统、介质及助行器 Download PDFInfo
- Publication number
- CN117084872A CN117084872A CN202311148639.XA CN202311148639A CN117084872A CN 117084872 A CN117084872 A CN 117084872A CN 202311148639 A CN202311148639 A CN 202311148639A CN 117084872 A CN117084872 A CN 117084872A
- Authority
- CN
- China
- Prior art keywords
- myoelectricity
- neck
- walker
- speed
- cervical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000033001 locomotion Effects 0.000 claims abstract description 42
- 230000003183 myoelectrical effect Effects 0.000 claims description 34
- 230000004886 head movement Effects 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 14
- 230000008602 contraction Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 8
- 210000001595 mastoid Anatomy 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000002567 electromyography Methods 0.000 claims 1
- 208000012661 Dyskinesia Diseases 0.000 abstract description 3
- 210000004556 brain Anatomy 0.000 description 7
- 210000003128 head Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000001508 eye Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000474 nursing effect Effects 0.000 description 3
- 230000002490 cerebral effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000004064 dysfunction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002570 electrooculography Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000004237 neck muscle Anatomy 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 208000020431 spinal cord injury Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G5/00—Chairs or personal conveyances specially adapted for patients or disabled persons, e.g. wheelchairs
- A61G5/04—Chairs or personal conveyances specially adapted for patients or disabled persons, e.g. wheelchairs motor-driven
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G5/00—Chairs or personal conveyances specially adapted for patients or disabled persons, e.g. wheelchairs
- A61G5/10—Parts, details or accessories
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
- A61G2203/18—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering by patient's head, eyes, facial muscles or voice
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及基于颈部肌电的助行器控制方法、系统、介质及助行器，该系统包括：包括：肌电识别模块、助行器本体控制模块，肌电识别模块包括肌电采集设备、肌电控制单元，助行器本体控制模块包括上位机、下位机、电机驱动器。针对用户手部功能运动障碍，导致无法使用摇杆操控电动轮椅的问题，本发明提出了一种基于ROS2系统、采用颈部肌电来控制助行器移动的控制方案，该方案能够控制助行器进行基本的移动来到达目标位姿。基于ROS2节点设计的颈部肌电识别算法与轮椅底盘运动控制程序完全解耦，故可方便地移植到其他基于ROS2系统的轮椅或者订阅了/cmd_vel话题的其他移动机器人上，复用性极高。
Description
技术领域
本发明涉及助行器控制技术领域，特别涉及基于颈部肌电的助行器控制方法、系统、介质及助行器。
背景技术
目前，世界各国都面临残疾人数目庞大带来的众多民生问题。人口老龄化和慢性疾病增多也导致残疾率在不断上升。在中国，随着社会老龄化的加剧和人民生活水平的提高，由脑卒中、脊髓损伤、脑外伤等原因造成的残障人口迅速增长。人体的衰老与疾病使得部分人群出现了下肢无力，腿脚不灵活等现象，这导致他们的日常起居无法得到保障。如果强力而为，在超出自身最大负荷时，又容易造成对身体的二次损伤。随着科学技术水平的提升与传统养老方式的转变，老年人与失能人员面临着如何独立自理这一问题，如果采用传统的人工辅助法，即老年人的饮食起居和出行依靠子女的照顾和社会的照拂，不仅会给子女和社会造成一定的负担，占用大量的医疗资源和人力资源，也会由于护理资源的不充足使老年人的护理质量受到影响，不利于社会的稳定和发展。
目前，市场应用轮椅多注重于“人-椅”运动功能交互，重建“人-环境”的正向运动功能，解决残障人群基本的出行问题。随着生物传感器和机器人技术的发展，越来越多的研究者开始基于语音、眼电、脑电、肌电等信号源实现轮椅控制。语音控制需要一个单独的、安静的工作场所不适合嘈杂的环境，因此噪音会引起误操作；脑电控制的实时性差，且脑电信号极其敏感，甚至对生理来源包括运动的假象、肌肉噪声干扰、眼球运动或眨眼的假象、心跳都敏感，脑电信号的低信噪比和信号模式缺乏一致性的情况也影响基于脑电信号进行助行器控制的稳定性；此外，脑电控制的使用还要求用户学会有效地调节脑电波，这对用户来说是复杂且有压力的。对于眼电控制，由于人会不由自主的眨眼，经常会导致误操作；此外，由于系统依赖用户的眼睛作为输入信号，所以用户在行驶轮椅时不能自由随意的看向任意地方，并且长时间集中用眼，患者眼睛会更容易疲劳。相比脑电信号，基于肌电信号的助行器控制具备准确性高且无测量滞后性的特点，此信号的采集与处理受外界环境影响较小，更能满足助行器的多场景使用特性。基于此，急需一种基于患者颈部肌电的轮椅控制方法，通过颈部肌电信号识别协助上肢运动功能障碍的助行器使用者进行助行器的运动控制。
发明内容
为了实现本发明的上述目的和其他优点，本发明的第一目的是提供一种一种基于颈部肌电的助行器控制方法，包括以下步骤：
S1、连接肌电采集设备，并对所述肌电采集设备进行初始化；
S2、初始化颈部肌电识别节点，并发布速度话题；
S3、从所述肌电采集设备读取颈部肌电信号，并对所述颈部肌电信号进行识别，得到运动意图；
S4、根据识别得到的运动意图匹配所述速度话题中各个参数的值；
S5、通过匹配结果设置所述速度话题中各个参数的值；
S6、发布所述速度话题；
S7、判断是否结束轮椅颈部肌电识别控制；
S8、是则结束；否则返回所述S3步骤继续执行。
进一步地，所述S3步骤中的对所述颈部肌电信号进行识别包括以下步骤：
S31、对所述颈部肌电信号进行预处理；
S32、对预处理后的颈部肌电信号进行特征提取；
S33、将提取的特征作为识别模型的输入，得到头部运动意图。
进一步地，所述S31步骤包括以下步骤：
S311、采用小波滤波算法对颈部肌电信号进行滤波；
S312、采用最大主动收缩的峰值作为归一化标准，将肌电信号每一时刻幅值表示为最大主动收缩的百分比；
S313、采用双阈值法结合非线性能量算子对颈部肌电信号的始末点进行识别；
S314、通过滑动窗口，对一次处理的信号长度进行分割处理。
进一步地，所述S32步骤包括采用均方根误差作为特征，提取每个窗口内的肌电数据特征。
进一步地，所述S33步骤包括以提取到的均方根误差作为识别模型的输入，输出头部运动意图；其中，所述识别模型采用DAFA-BiLSTM网络作为识别模型。
进一步地，所述颈部肌电信号包括左右两侧胸锁乳突肌电信号、左右两侧斜方肌电信号、左右两侧前角肌电信号、左右两侧头夹肌电信号；
所述运动意图包括左转、右转、前进、后退、停止。
进一步地，所述S2步骤中的速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度。
进一步地，所述S4步骤包括以下步骤：
S41、读取识别得到的运动意图；
S42、通过肌电控制指令表匹配所述运动意图对应的速度话题中各个参数的值；其中，所述肌电控制指令表内存储若干头部运动意图与速度话题中各个参数的值的对应关系；
S43、根据匹配结果设置所述速度话题中各个参数的值。
本发明的第二目的是提供一种基于颈部肌电的助行器控制方法，包括以下步骤：
S1、连接下位机，并对所述下位机进行初始化；
S2、初始化助行器本体底盘驱动节点，并订阅速度话题；
S3、读取所述速度话题的数据，并将所述速度话题的数据打包处理发送给所述下位机；
S4、读取所述下位机发送的小车里程计数据，并发布至系统；
S5、判断是否结束助行器底盘控制程序；
S6、是则结束；否则返回所述S3步骤继续执行。
进一步地，所述速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度。
进一步地，还包括以下步骤：
下位机通过对差速驱动轮进行逆运动学分析，得到两轮各自的转动速度；
给电机驱动器下发速度控制指令，控制轮毂电机的运动。
本发明的第三目的是提供一种计算机可读存储介质，其上存储有程序指令，所述程序指令被执行时实现上述的方法。
本发明的第四目的是提供一种实现上述的方法的基于颈部肌电的助行器控制系统，包括：肌电识别模块、助行器本体控制模块，所述肌电识别模块包括肌电采集设备、肌电控制单元，所述助行器本体控制模块包括上位机、下位机、电机驱动器；其中，
所述肌电采集设备用于采集用户的颈部肌电信号；
所述肌电控制单元用于连接所述肌电采集设备，对所述肌电采集设备进行初始化，读取采集的颈部肌电信号，初始化颈部肌电识别节点，根据所述颈部肌电信号识别运动意图，根据识别到的运动意图获取并设置速度话题中各个参数的值，发布速度话题；
所述上位机用于连接所述下位机，对所述下位机进行初始化，初始化助行器本体底盘驱动节点，并订阅所述速度话题，读取所述速度话题的数据，并将所述速度话题的数据打包处理发送至所述下位机，读取所述下位机发送的小车里程计数据，并发布至系统；
所述下位机用于通过对差速驱动轮进行逆运动学分析，得到两轮各自的转动速度，给所述电机驱动器下发速度控制指令，控制轮毂电机的运动。
进一步地，所述速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度。
进一步地，所述速度话题是ROS系统中预先定义的geometry_msgs/msg/Twist类型的数据格式。
进一步地，所述肌电控制单元用于对所述颈部肌电信号进行预处理，对预处理后的颈部肌电信号进行特征提取，将提取的特征作为识别模型的输入，得到头部运动意图。
进一步地，所述头部运动意图包括左转、右转、前进、后退、停止。
进一步地，所述主控单元内预置有肌电控制指令表，所述肌电控制指令表内存储若干头部运动意图与速度话题中各个参数的值的对应关系，所述主控单元通过得到的头部运动意图查找所述肌电控制指令表，得到并设置所述速度话题中各个参数的值，然后发布速度话题。
进一步地，所述肌电采集设备采集用户的颈部肌电信号包括左右两侧胸锁乳突肌电信号、左右两侧斜方肌电信号、左右两侧前角肌电信号、左右两侧头夹肌电信号。
进一步地，所述肌电控制单元对所述颈部肌电信号进行预处理包括采用小波滤波算法对所述颈部肌电信号进行滤波；使用最大主动收缩的峰值作为归一化标准，将颈部肌电信号每一时刻幅值表示为最大主动收缩的百分比；采用双阈值法结合非线性能量算子对颈部肌电信号的始末点进行识别；通过滑动窗口，对一次处理的信号长度进行分割处理。
进一步地，所述肌电控制单元对对预处理后的颈部肌电信号进行特征提取包括采用均方根误差作为特征，提取每个窗口内的肌电数据特征。
进一步地，所述肌电控制单元将提取到的均方根误差作为识别模型的输入，输出头部运动意图，所述识别模型采用DAFA-BiLSTM网络作为识别模型。
本发明的第五目的是提供一种助行器，包括助行器本体，还包括上述的基于颈部肌电的助行器控制系统。
与现有技术相比，本发明的有益效果是：
针对用户手部功能运动障碍，导致无法使用摇杆操控电动轮椅的问题，本发明提出了一种基于ROS2系统、采用颈部肌电来控制助行器移动的控制方案，该方案能够控制助行器进行基本的移动来到达目标位姿。基于ROS2节点设计的颈部肌电识别算法与轮椅底盘运动控制程序完全解耦，故可方便地移植到其他基于ROS2系统的轮椅或者订阅了/cmd_vel话题的其他移动机器人上，复用性极高。
本发明上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为实施例1的基于颈部肌电的助行器控制系统原理示意图；
图2为实施例1的助行器本体控制模块示意图；
图3为实施例1的颈部肌电意图识别流程图；
图4为实施例3的基于颈部肌电的助行器控制方法流程图；
图5为实施例4的基于颈部肌电的助行器控制方法流程图；
图6为实施例5的存储介质示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例1
基于颈部肌电的助行器控制系统，通过颈部肌电信号识别，协助上肢运动功能障碍的助行器使用者进行助行器的运动控制。如图1所示，该系统包括：肌电识别模块、助行器本体控制模块，肌电识别模块包括肌电采集设备、肌电控制单元。肌电识别模块用于肌电信号采集和识别。本实施例中，肌电采集设备采用Trigno型号产品，其采集到的数据经过颈部肌电识别算法，得到使用者的运动意图，然后数据经过处理，发布/cmd_vel话题。如图2所示，助行器本体控制模块包括上位机、下位机、电机驱动器；助行器本体控制模块订阅/cmd_vel话题，然后将数据经过解析，驱动助行器在平面内的任意运动。其中，
肌电采集设备用于采集用户的颈部肌电信号；本实施例中，人体颈部肌肉采集点为左右两侧胸锁乳突肌、斜方肌、前角肌、头夹肌。即肌电采集设备采集用户的颈部肌电信号包括左右两侧胸锁乳突肌电信号、左右两侧斜方肌电信号、左右两侧前角肌电信号、左右两侧头夹肌电信号。
肌电控制单元用于连接肌电采集设备，对肌电采集设备进行初始化，读取采集的颈部肌电信号，初始化颈部肌电识别节点，根据颈部肌电信号识别运动意图，根据识别到的运动意图获取并设置速度话题中各个参数的值，发布速度话题，即/cmd_vel话题；
具体地，肌电控制单元用于对颈部肌电信号进行预处理，对预处理后的颈部肌电信号进行特征提取，将提取的特征作为识别模型的输入，得到头部运动意图。
肌电控制单元的颈部肌电识别算法包括数据预处理、特征提取、识别分类三个部分。其中，数据预处理包括数字滤波、归一化处理、端点识别、数据分割。如图3所示，肌电控制单元对颈部肌电信号进行预处理包括采用小波滤波算法对颈部肌电信号进行滤波，滤除噪音，获得较干净的肌电数据；使用最大主动收缩(maximum voluntary contraction,MVC)的峰值作为归一化标准，将颈部肌电信号每一时刻幅值表示为MVC的百分比；采用双阈值法结合非线性能量算子（Nonlinear Energy Operator, NEO）对颈部肌电信号的始末点进行识别，NEO算子的作用是将信号中的非平稳信号中进行放大，提高算法处理非平稳信号的处理能力；通过滑动窗口，对一次处理的信号长度进行分割处理，提高数据的分辨率。
肌电控制单元对对预处理后的颈部肌电信号进行特征提取包括采用均方根误差（RMSE）作为此特征，提取每个窗口内的肌电数据特征。
肌电控制单元将提取到的均方根误差作为识别模型的输入，输出头部运动意图，识别模型采用DAFA-BiLSTM网络作为识别模型。
肌电控制单元通过颈部肌电识别算法，可以得到五种不同的头部运动意图，分别为左转、右转、前进、后退、停止。
本实施例中，速度话题是ROS系统中预先定义的geometry_msgs/msg/Twist类型的数据格式。速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度，共六个值。由于助行器在平面运动，并根据助行器实际行动轨迹分析，该数据格式中，只有沿着y轴的线速度和绕着z轴的角速度不为0，其余全部为0，即Linear.y= Linear.z= Angular.x= Angular.y=0。
主控单元内预置有肌电控制指令表，如表1所示，肌电控制指令表内存储若干头部运动意图与速度话题中各个参数的值的对应关系，即上述五种运动意图对应的/cmd_vel话题中各个参数的具体值，主控单元通过得到的头部运动意图查找肌电控制指令表，得到速度话题中各个参数的值，通过设置对应的/cmd_vel话题中各个参数的值，然后发布速度话题，可以控制助行器做出不同动作。
表1 肌电识别结果对应的/cmd_vel话题中各个参数的具体值
上位机用于连接下位机，对下位机进行初始化，初始化助行器本体底盘驱动节点，并订阅速度话题，读取速度话题的数据，并将速度话题的数据打包处理发送至下位机，读取下位机发送的小车里程计数据，并发布至系统；
下位机用于通过对差速驱动轮进行逆运动学分析，得到两轮各自的转动速度，给电机驱动器下发速度控制指令，控制轮毂电机的运动。
本实施例中，如图2所示，上位机Jetson Xavier运行ROS2系统，订阅/cmd_vel话题，并将话题数据通过SPI通信传输给下位机STM32，下位机通过对差速驱动轮进行逆运动学分析，得到两轮各自的转动速度，然后通过CAN总线给电机驱动器下发速度控制指令，进而控制轮毂电机的运动。
本发明针对用户手部功能运动障碍导致无法使用摇杆操控电动轮椅的问题，提出了一种基于ROS2系统、采用颈部肌电来控制轮椅移动的控制方案，该方案能够控制轮椅进行基本的移动来到达目标位姿。基于ROS2节点设计的颈部肌电识别算法与轮椅底盘运动控制程序完全解耦，故可方便地移植到其他基于ROS2系统的轮椅或者订阅了/cmd_vel话题的其他移动机器人上面，复用性极高。
实施例2
一种助行器，包括助行器本体，还包括上述的基于颈部肌电的助行器控制系统。关于基于颈部肌电的助行器控制系统的详细描述，可以参照上述基于颈部肌电的助行器控制系统实施例中的对应描述，在此不再赘述。
实施例3
上述基于颈部肌电的助行器控制系统对应的基于颈部肌电的助行器控制方法，由肌电控制单元执行，关于系统的详细描述，可以参照上述系统实施例中的对应描述，在此不再赘述。如图4所示，该方法包括以下步骤：
S1、连接肌电采集设备，并对肌电采集设备进行初始化；
S2、初始化颈部肌电识别节点，并发布速度话题，即/cmd_vel话题；本实施例中，速度话题是ROS系统中预先定义的geometry_msgs/msg/Twist类型的数据格式。速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度，共六个值。由于助行器在平面运动，并根据助行器实际行动轨迹分析，该数据格式中，只有沿着y轴的线速度和绕着z轴的角速度不为0，其余全部为0，即Linear.y= Linear.z= Angular.x= Angular.y=0。
S3、从肌电采集设备读取颈部肌电信号，并运行颈部肌电识别算法对颈部肌电信号进行识别，得到运动意图；其中，颈部肌电信号包括左右两侧胸锁乳突肌电信号、左右两侧斜方肌电信号、左右两侧前角肌电信号、左右两侧头夹肌电信号；具体包括以下步骤：
S31、对颈部肌电信号进行预处理；其中，预处理包括数字滤波、归一化处理、端点识别、数据分割。具体包括以下步骤：
S311、采用小波滤波算法对颈部肌电信号进行滤波，滤除噪音，获得较干净的肌电数据；
S312、采用最大主动收缩(maximum voluntary contraction, MVC)的峰值作为归一化标准，将肌电信号每一时刻幅值表示为MVC的百分比；
S313、采用双阈值法结合非线性能量算子（Nonlinear Energy Operator, NEO）对颈部肌电信号的始末点进行识别，NEO算子的作用是将信号中的非平稳信号中进行放大，提高算法处理非平稳信号的处理能力；
S314、通过滑动窗口，对一次处理的信号长度进行分割处理，提高数据的分辨率。
S32、对预处理后的颈部肌电信号进行特征提取；具体为采用均方根误差（RMSE）作为此特征，提取每个窗口内的肌电数据特征。
S33、将提取的特征作为识别模型的输入，得到头部运动意图。具体地，以提取到的均方根误差作为识别模型的输入，输出头部运动意图；其中，识别模型采用DAFA-BiLSTM网络作为识别模型。得到的运动意图包括左转、右转、前进、后退、停止。
S4、根据识别得到的运动意图匹配速度话题中各个参数的值；具体包括以下步骤：
S41、读取识别得到的运动意图；
S42、主控单元内预置有肌电控制指令表，如上述表1所示，通过肌电控制指令表匹配运动意图对应的速度话题中各个参数的值；其中，肌电控制指令表内存储若干头部运动意图与速度话题中各个参数的值的对应关系，即上述五种运动意图对应的/cmd_vel话题中各个参数的具体值，；
S43、根据匹配结果设置速度话题中各个参数的值。
S5、通过匹配结果设置速度话题中各个参数的值；
S6、发布速度话题；
S7、判断是否结束轮椅颈部肌电识别控制；
S8、是则结束；否则返回S3步骤继续执行。
实施例4
上述基于颈部肌电的助行器控制系统对应的基于颈部肌电的助行器控制方法，由助行器本体控制模块执行，关于系统的详细描述，可以参照上述系统实施例中的对应描述，在此不再赘述。如图5所示，该方法包括以下步骤：
S1、连接下位机STME32，并对下位机进行初始化；
S2、初始化助行器本体底盘驱动节点，并订阅速度话题，即/cmd_vel话题；其中，助行器本体底盘驱动节点为用于底盘驱动的ROS2节点；速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度，具体可以参照上一实施例中的相关描述。
S3、读取速度话题的数据，并将速度话题的数据打包处理发送给下位机；
还包括以下步骤：
下位机通过对差速驱动轮进行逆运动学分析，得到两轮各自的转动速度；
给电机驱动器下发速度控制指令，控制轮毂电机的运动。
S4、读取下位机发送的小车里程计数据，并发布至ROS2系统；
S5、判断是否结束助行器底盘控制程序；
S6、是则结束；否则返回S3步骤继续执行。
实施例5
一种计算机可读存储介质，如图6所示，其上存储有程序指令，程序指令被执行时实现的一种基于颈部肌电的助行器控制方法。关于方法的详细描述，可以参照上述方法实施例中的对应描述，在此不再赘述。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上仅为本说明书实施例而已，并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变换。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。
Claims (23)
1.一种基于颈部肌电的助行器控制方法，其特征在于，包括以下步骤：
S1、连接肌电采集设备，并对所述肌电采集设备进行初始化；
S2、初始化颈部肌电识别节点，并发布速度话题；
S3、从所述肌电采集设备读取颈部肌电信号，并对所述颈部肌电信号进行识别，得到运动意图；
S4、根据识别得到的运动意图匹配所述速度话题中各个参数的值；
S5、通过匹配结果设置所述速度话题中各个参数的值；
S6、发布所述速度话题；
S7、判断是否结束轮椅颈部肌电识别控制；
S8、是则结束；否则返回所述S3步骤继续执行。
2.如权利要求1所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述S3步骤中的对所述颈部肌电信号进行识别包括以下步骤：
S31、对所述颈部肌电信号进行预处理；
S32、对预处理后的颈部肌电信号进行特征提取；
S33、将提取的特征作为识别模型的输入，得到头部运动意图。
3.如权利要求2所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述S31步骤包括以下步骤：
S311、采用小波滤波算法对颈部肌电信号进行滤波；
S312、采用最大主动收缩的峰值作为归一化标准，将肌电信号每一时刻幅值表示为最大主动收缩的百分比；
S313、采用双阈值法结合非线性能量算子对颈部肌电信号的始末点进行识别；
S314、通过滑动窗口，对一次处理的信号长度进行分割处理。
4.如权利要求3所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述S32步骤包括采用均方根误差作为特征，提取每个窗口内的肌电数据特征。
5.如权利要求4所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述S33步骤包括以提取到的均方根误差作为识别模型的输入，输出头部运动意图；其中，所述识别模型采用DAFA-BiLSTM网络作为识别模型。
6.如权利要求1所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述颈部肌电信号包括左右两侧胸锁乳突肌电信号、左右两侧斜方肌电信号、左右两侧前角肌电信号、左右两侧头夹肌电信号；
所述运动意图包括左转、右转、前进、后退、停止。
7.如权利要求1所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述S2步骤中的速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度。
8.如权利要求1或7所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述S4步骤包括以下步骤：
S41、读取识别得到的运动意图；
S42、通过肌电控制指令表匹配所述运动意图对应的速度话题中各个参数的值；其中，所述肌电控制指令表内存储若干头部运动意图与速度话题中各个参数的值的对应关系；
S43、根据匹配结果设置所述速度话题中各个参数的值。
9.一种基于颈部肌电的助行器控制方法，其特征在于，包括以下步骤：
S1、连接下位机，并对所述下位机进行初始化；
S2、初始化助行器本体底盘驱动节点，并订阅速度话题；
S3、读取所述速度话题的数据，并将所述速度话题的数据打包处理发送给所述下位机；
S4、读取所述下位机发送的小车里程计数据，并发布至系统；
S5、判断是否结束助行器底盘控制程序；
S6、是则结束；否则返回所述S3步骤继续执行。
10.如权利要求9所述的一种基于颈部肌电的助行器控制方法，其特征在于：所述速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度。
11.如权利要求9所述的一种基于颈部肌电的助行器控制方法，其特征在于：还包括以下步骤：
下位机通过对差速驱动轮进行逆运动学分析，得到两轮各自的转动速度；
给电机驱动器下发速度控制指令，控制轮毂电机的运动。
12.一种计算机可读存储介质，其特征在于，其上存储有程序指令，所述程序指令被执行时实现如权利要求1~8或9~11任一项所述的方法。
13.一种实现如权利要求1~8或9~11任一项所述的方法的基于颈部肌电的助行器控制系统，其特征在于，包括：肌电识别模块、助行器本体控制模块，所述肌电识别模块包括肌电采集设备、肌电控制单元，所述助行器本体控制模块包括上位机、下位机、电机驱动器；其中，
所述肌电采集设备用于采集用户的颈部肌电信号；
所述肌电控制单元用于连接所述肌电采集设备，对所述肌电采集设备进行初始化，读取采集的颈部肌电信号，初始化颈部肌电识别节点，根据所述颈部肌电信号识别运动意图，根据识别到的运动意图获取并设置速度话题中各个参数的值，发布速度话题；
所述上位机用于连接所述下位机，对所述下位机进行初始化，初始化助行器本体底盘驱动节点，并订阅所述速度话题，读取所述速度话题的数据，并将所述速度话题的数据打包处理发送至所述下位机，读取所述下位机发送的小车里程计数据，并发布至系统；
所述下位机用于通过对差速驱动轮进行逆运动学分析，得到两轮各自的转动速度，给所述电机驱动器下发速度控制指令，控制轮毂电机的运动。
14.如权利要求13所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述速度话题的数据内容包括沿着X、Y、Z方向的线速度和角速度。
15.如权利要求14所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述速度话题是ROS系统中预先定义的geometry_msgs/msg/Twist类型的数据格式。
16.如权利要求13所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述肌电控制单元用于对所述颈部肌电信号进行预处理，对预处理后的颈部肌电信号进行特征提取，将提取的特征作为识别模型的输入，得到头部运动意图。
17.如权利要求16所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述头部运动意图包括左转、右转、前进、后退、停止。
18.如权利要求16所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述主控单元内预置有肌电控制指令表，所述肌电控制指令表内存储若干头部运动意图与速度话题中各个参数的值的对应关系，所述主控单元通过得到的头部运动意图查找所述肌电控制指令表，得到并设置所述速度话题中各个参数的值，然后发布速度话题。
19.如权利要求13所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述肌电采集设备采集用户的颈部肌电信号包括左右两侧胸锁乳突肌电信号、左右两侧斜方肌电信号、左右两侧前角肌电信号、左右两侧头夹肌电信号。
20.如权利要求16所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述肌电控制单元对所述颈部肌电信号进行预处理包括采用小波滤波算法对所述颈部肌电信号进行滤波；使用最大主动收缩的峰值作为归一化标准，将颈部肌电信号每一时刻幅值表示为最大主动收缩的百分比；采用双阈值法结合非线性能量算子对颈部肌电信号的始末点进行识别；通过滑动窗口，对一次处理的信号长度进行分割处理。
21.如权利要求20所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述肌电控制单元对对预处理后的颈部肌电信号进行特征提取包括采用均方根误差作为特征，提取每个窗口内的肌电数据特征。
22.如权利要求21所述的一种基于颈部肌电的助行器控制系统，其特征在于：所述肌电控制单元将提取到的均方根误差作为识别模型的输入，输出头部运动意图，所述识别模型采用DAFA-BiLSTM网络作为识别模型。
23.一种助行器，包括助行器本体，其特征在于：还包括如权利要求13~22任一项所述的基于颈部肌电的助行器控制系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148639.XA CN117084872B (zh) | 2023-09-07 | 2023-09-07 | 基于颈部肌电的助行器控制方法、系统、介质及助行器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148639.XA CN117084872B (zh) | 2023-09-07 | 2023-09-07 | 基于颈部肌电的助行器控制方法、系统、介质及助行器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117084872A true CN117084872A (zh) | 2023-11-21 |
| CN117084872B CN117084872B (zh) | 2024-05-03 |
Family
ID=88776869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311148639.XA Active CN117084872B (zh) | 2023-09-07 | 2023-09-07 | 基于颈部肌电的助行器控制方法、系统、介质及助行器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117084872B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040069050A (ko) * | 2003-01-28 | 2004-08-04 | 한국과학기술원 | 근전도 신호를 이용한 전동 휠체어 인터페이스 장치 및방법, 이를 채용한 전동 휠체어 |
| KR20050081995A (ko) * | 2004-02-17 | 2005-08-22 | 산재의료관리원 | 근전도 신호 제어형 전동휠체어 및 그 제어방법 |
| KR101366645B1 (ko) * | 2012-09-12 | 2014-03-12 | (주)휴비딕 | 안전 보행 보조 방법 및 이를 실행하는 장치 |
| CN107744436A (zh) * | 2017-10-16 | 2018-03-02 | 华东理工大学 | 一种基于颈部肌音信号处理的轮椅控制方法及控制系统 |
| KR20190022131A (ko) * | 2017-08-25 | 2019-03-06 | 김태완 | 전동 휠 체어 운전 보조장치 및 이를 포함하는 전동 휠 체어 |
| CN111938637A (zh) * | 2020-08-12 | 2020-11-17 | 燕山大学 | 基于肌电和惯性信息分析的智能椅控制系统、智能椅和控制方法 |
| WO2021151290A1 (zh) * | 2020-07-30 | 2021-08-05 | 平安科技（深圳）有限公司 | 基于机器学习的面部信息识别监控方法及装置 |
| CN113616436A (zh) * | 2021-08-23 | 2021-11-09 | 南京邮电大学 | 一种基于运动想象脑电与头姿的智能轮椅及控制方法 |
| CN114999461A (zh) * | 2022-05-30 | 2022-09-02 | 中国科学技术大学 | 一种基于面颈部表面肌电的无声语音解码方法 |
| CN115120429A (zh) * | 2022-06-17 | 2022-09-30 | 广东工业大学 | 一种基于表面肌电信号的智能轮椅人体跟随控制系统 |
| CN115755902A (zh) * | 2022-11-15 | 2023-03-07 | 深圳先进技术研究院 | 一种智能拐杖式助行、生活载物导航机器人 |
-
2023
- 2023-09-07 CN CN202311148639.XA patent/CN117084872B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040069050A (ko) * | 2003-01-28 | 2004-08-04 | 한국과학기술원 | 근전도 신호를 이용한 전동 휠체어 인터페이스 장치 및방법, 이를 채용한 전동 휠체어 |
| KR20050081995A (ko) * | 2004-02-17 | 2005-08-22 | 산재의료관리원 | 근전도 신호 제어형 전동휠체어 및 그 제어방법 |
| KR101366645B1 (ko) * | 2012-09-12 | 2014-03-12 | (주)휴비딕 | 안전 보행 보조 방법 및 이를 실행하는 장치 |
| KR20190022131A (ko) * | 2017-08-25 | 2019-03-06 | 김태완 | 전동 휠 체어 운전 보조장치 및 이를 포함하는 전동 휠 체어 |
| CN107744436A (zh) * | 2017-10-16 | 2018-03-02 | 华东理工大学 | 一种基于颈部肌音信号处理的轮椅控制方法及控制系统 |
| WO2021151290A1 (zh) * | 2020-07-30 | 2021-08-05 | 平安科技（深圳）有限公司 | 基于机器学习的面部信息识别监控方法及装置 |
| CN111938637A (zh) * | 2020-08-12 | 2020-11-17 | 燕山大学 | 基于肌电和惯性信息分析的智能椅控制系统、智能椅和控制方法 |
| CN113616436A (zh) * | 2021-08-23 | 2021-11-09 | 南京邮电大学 | 一种基于运动想象脑电与头姿的智能轮椅及控制方法 |
| CN114999461A (zh) * | 2022-05-30 | 2022-09-02 | 中国科学技术大学 | 一种基于面颈部表面肌电的无声语音解码方法 |
| CN115120429A (zh) * | 2022-06-17 | 2022-09-30 | 广东工业大学 | 一种基于表面肌电信号的智能轮椅人体跟随控制系统 |
| CN115755902A (zh) * | 2022-11-15 | 2023-03-07 | 深圳先进技术研究院 | 一种智能拐杖式助行、生活载物导航机器人 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117084872B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hossain et al. | Hardware and software implementation of real time electrooculogram (EOG) acquisition system to control computer cursor with eyeball movement | |
| Fattouh et al. | Emotional BCI control of a smart wheelchair | |
| CN109366508A (zh) | 一种基于bci的高级机械臂控制系统及其实现方法 | |
| Dev et al. | Design of an EEG-based brain controlled wheelchair for quadriplegic patients | |
| WO2020118797A1 (zh) | 假肢控制方法、装置、系统、设备和存储介质 | |
| CN113143676B (zh) | 一种基于脑肌电协同的外肢体手指的控制方法 | |
| CN110275621A (zh) | 基于眼电信号控制的助障活动平台 | |
| Ashok | High-level hands-free control of wheelchair–a review | |
| Banerjee et al. | Single channel electrooculogram (EOG) based interface for mobility aid | |
| CN114082169B (zh) | 基于脑电信号的伤残手软体康复机器人运动想象识别方法 | |
| Kim-Tien et al. | Using electrooculogram and electromyogram for powered wheelchair | |
| Ianez et al. | Multimodal human-machine interface based on a brain-computer interface and an electrooculography interface | |
| Kuntal et al. | Design of Wheelchair based on Electrooculography | |
| CN117084872B (zh) | 基于颈部肌电的助行器控制方法、系统、介质及助行器 | |
| Jameel et al. | Electroencephalograph-based wheelchair controlling system for the people with motor disability using advanced brainwear | |
| Kanungo et al. | Wheelchair automation by a hybrid BCI system using SSVEP and eye blinks | |
| Liu et al. | Mind controlled vehicle based on lidar SLAM navigation and SSVEP technology | |
| Hassan et al. | Real-time control of a mobile robot using electrooculogram based eye tracking system | |
| Sudarsanan et al. | Controlling a robot using brain waves | |
| Ruhunage et al. | Eeg-ssvep based brain machine interface for controlling of a wheelchair and home appliances with bluetooth localization system | |
| Abdel-Samei et al. | Control of robot arm based on eog signals | |
| Swami et al. | A novel embedded approach for the development of wireless electro-oculogram based human-computer interface | |
| Bharali et al. | A self-governing wheelchair for severely disabled patients in an indoor environment utilizing EEG and laser technologies | |
| Gondal et al. | EMG-based Control of Wheel Chair | |
| yan et al. | Research on brain-computer interface system for vehicle control based on motion imagination |
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 |