CN117577339A - 基于微惯性导航的下肢力线精准建模与定位方法和系统 - Google Patents

Abstract

本发明提供一种基于微惯性导航的下肢力线精准建模与定位方法和系统，涉及惯性导航技术领域，包括：获取初始位置信息、惯性导航数据和结束位置信息；确定三维速度数据和三维待定位置数据；校正三维待定位置数据，获得三维位置数据；根据初始位置信息、结束位置信息和平移速度，获得目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据；根据三维加速度数据、三维速度数据、三维位置数据、三维角速度数据、目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据，确定下肢受力状况评分。根据本发明，可提升惯性导航数据的准确性，使惯性导航数据可准确表示待测患者的下肢的动作和姿态等特征。

Description

基于微惯性导航的下肢力线精准建模与定位方法和系统

技术领域

本发明涉及惯性导航技术领域，尤其涉及一种基于微惯性导航的下肢力线精准建模与定位方法和系统。

背景技术

在相关技术中，针对行人的惯性导航的航向易发散，从而导致定位准确性较低，因此，难以将惯性导航数据应用于下肢受力状况和恢复状况的分析中，即，难以准确表示待测患者的下肢的动作和姿态等特征，从而难以准确判断下肢受力状况和恢复状况。

发明内容

本发明提供一种基于微惯性导航的下肢力线精准建模与定位方法和系统，能够解决导致定位准确性较低，难以准确表示待测患者的下肢的动作和姿态等特征的技术问题。

根据本发明的第一方面，提供一种基于微惯性导航的下肢力线精准建模与定位方法，包括：

在待测患者的下肢的多个位置上设置惯性导航单元，其中，每个惯性导航单元包括三轴陀螺仪和三轴加速度计，所述多个位置包括胯部位置、膝部上方位置、膝部下方位置以及脚踝位置；

在初始时刻，获取多个惯性导航单元在预设坐标系中的初始位置信息，其中，预设坐标系为在待测患者所处空间内建立的三维坐标系，所述初始位置信息为三维位置信息；

在所述初始时刻后续的多个时刻，获取多个惯性导航单元的惯性导航数据，其中，惯性导航数据包括所述三轴陀螺仪检测到的三维角速度数据，以及三轴加速度计检测到的三维加速度数据；

在结束时刻，确定多个惯性导航单元在预设坐标系中的结束位置信息；

根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据；

根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据；

根据所述初始位置信息和所述结束位置信息，确定待测患者的平移速度；

通过已训练的行走姿态预测模型对所述初始位置信息、所述结束位置信息和所述平移速度进行处理，获得多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据；

根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分。

根据本发明的第二方面，提供一种基于微惯性导航的下肢力线精准建模与定位系统，包括：

惯性导航单元模块，用于在待测患者的下肢的多个位置上设置惯性导航单元，其中，每个惯性导航单元包括三轴陀螺仪和三轴加速度计，所述多个位置包括胯部位置、膝部上方位置、膝部下方位置以及脚踝位置；

初始信息模块，在初始时刻，获取多个惯性导航单元在预设坐标系中的初始位置信息，其中，预设坐标系为在待测患者所处空间内建立的三维坐标系，所述初始位置信息为三维位置信息；

惯性导航数据模块，在所述初始时刻后续的多个时刻，获取多个惯性导航单元的惯性导航数据，其中，惯性导航数据包括所述三轴陀螺仪检测到的三维角速度数据，以及三轴加速度计检测到的三维加速度数据；

结束位置信息模块，在结束时刻，确定多个惯性导航单元在预设坐标系中的结束位置信息；

待定位置数据模块，根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据；

三维位置数据模块，根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据；

平移速度模块，根据所述初始位置信息和所述结束位置信息，确定待测患者的平移速度；

三维数据模块，通过已训练的行走姿态预测模型对所述初始位置信息、所述结束位置信息和所述平移速度进行处理，获得多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据；

下肢受力状况评分模块，根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分。

技术效果：根据本发明，可通过惯性导航数据，确定各个时刻的三维待定位置数据，并可通过结束时刻的结束位置信息对三维待定位置数据进行校正，获得准确性更高的三维位置数据，可提升惯性导航数据的准确性，使惯性导航数据能够准确表示待测患者的下肢的动作和姿态等特征。并且，可通过行走动作状态、行走姿态状态和行走路径状态三个方面进行全面分析，从而更准确地判断下肢受力状况和恢复状况，提高判断的全面性和准确性。在确定行走动作状况评分时，可根据每个惯性导航单元在多个时刻的动作状态向量和目标动作状态向量进行余弦相似度计算，并根据三个维度的余弦相似度最小值确定行走动作状况评分，从而在运算过程中，确定待测患者行走过程中与无伤病状态动作差异最大的情况，便于确定待测患者下肢伤病的严重程度和恢复状况，提高了行走动作状况评分的准确性、科学性和客观性。在确定行走姿态评分时，可根据每个惯性导航单元在多个时刻的姿态向量以及目标姿态向量，确定行走姿态评分，根据姿态向量与目标向量差值的大小，判断待测患者的行走姿态与目标行走姿态的差异的大小，可以有效排除位置关系对行走姿态评分的影响，且可利用相对位置更准确地描述待测患者的下肢姿态，以及下肢姿态与无伤病状态下的姿态的差异，提高了行走姿态评分的准确性。在确定行走路径状况评分时，可根据每个惯性导航单元的路线函数和目标路线函数，确定行走路径状况评分，可以根据路线函数和目标路线函数差值的积分与目标路线函数积分的比值的最大值，判断待测患者的行走路径与目标行走路径的差异大小，提高了行走路径状况评分的准确性和客观性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本发明。根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将更清楚。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例，

图1示例性地示出根据本发明实施例的基于微惯性导航的下肢力线精准建模与定位方法的流程示意图；

图2示例性地示出根据本发明实施例的基于微惯性导航的下肢力线精准建模与定位系统的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1示例性地示出根据本发明实施例的基于微惯性导航的下肢力线精准建模与定位方法的流程示意图，所述方法包括：

步骤S101，在待测患者的下肢的多个位置上设置惯性导航单元，其中，每个惯性导航单元包括三轴陀螺仪和三轴加速度计，所述多个位置包括胯部位置、膝部上方位置、膝部下方位置以及脚踝位置；

步骤S102，在初始时刻，获取多个惯性导航单元在预设坐标系中的初始位置信息，其中，预设坐标系为在待测患者所处空间内建立的三维坐标系，所述初始位置信息为三维位置信息；

步骤S103，在所述初始时刻后续的多个时刻，获取多个惯性导航单元的惯性导航数据，其中，惯性导航数据包括所述三轴陀螺仪检测到的三维角速度数据，以及三轴加速度计检测到的三维加速度数据；

步骤S104，在结束时刻，确定多个惯性导航单元在预设坐标系中的结束位置信息；

步骤S105，根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据；

步骤S106，根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据；

步骤S107，根据所述初始位置信息和所述结束位置信息，确定待测患者的平移速度；

步骤S108，通过已训练的行走姿态预测模型对所述初始位置信息、所述结束位置信息和所述平移速度进行处理，获得多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据；

步骤S109，根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分。

根据本发明的实施例的基于微惯性导航的下肢力线精准建模与定位方法，可通过惯性导航数据，确定各个时刻的三维待定位置数据，并可通过结束时刻的结束位置信息对三维待定位置数据进行校正，获得准确性更高的三维位置数据，可提升惯性导航数据的准确性，使惯性导航数据能够准确表示待测患者的下肢的动作和姿态等特征。并且，可通过行走动作状态、行走姿态状态和行走路径状态三个方面进行全面分析，从而更准确地判断下肢受力状况和恢复状况，提高判断的全面性和准确性。

根据本发明的一个实施例，在步骤S101中，在待测患者的下肢的多个位置上设置惯性导航单元，其中，每个惯性导航单元包括三轴陀螺仪和三轴加速度计，所述多个位置包括胯部位置、膝部上方位置、膝部下方位置以及脚踝位置。

例如，三轴陀螺仪能够同时测量三个方向的角速度，三轴加速计能够同时测量三个方向的加速度，在待测患者的两条腿的胯部位置、膝部上方位置、膝部下方位置以及脚踝位置分别设置惯性导航，即，每条腿上设置四个惯性导航单元，共计8个惯性导航单元，用以测量待测患者的下肢的多个位置的运动数据，以通过更多位置的运动数据来更全面地反映待测患者的姿态、动作和行走路径。

根据本发明的一个实施例，在步骤S102中，在初始时刻，获取多个惯性导航单元在预设坐标系中的初始位置信息，其中，预设坐标系为在待测患者所处空间内建立的三维坐标系，所述初始位置信息为三维位置信息。

例如，对待测患者运动数据进行测量时，使待测患者在下肢设置有8个惯性导航单元的情况下行走一分钟，在测量过程的初始时刻，即待测患者还未开始行走动作时，获取8个惯性导航单元在预设坐标系中的初始位置信息，预设坐标系以待测患者初始所处位置为坐标原点，以垂直于地面的方向为z方向，以地面为xoy面。

根据本发明的一个实施例，在步骤S103中，在所述初始时刻后续的多个时刻，获取多个惯性导航单元的惯性导航数据，其中，惯性导航数据包括所述三轴陀螺仪检测到的三维角速度数据，以及三轴加速度计检测到的三维加速度数据。

例如，在待测患者开始行走动作后的多个时刻，通过待测患者下肢上设置的8个惯性导航单元，获取惯性导航数据，惯性导航数据为三轴陀螺仪和三轴加速度计在待测患者在预设坐标系中进行行走动作时，下肢的多个部位进行运动产生的x、y、z三个方向（即，三个维度）的三维角速度数据以及三维加速度数据。

根据本发明的一个实施例，在步骤S104中，在结束时刻，确定多个惯性导航单元在预设坐标系中的结束位置信息。

例如，在待测患者结束一分钟的行走动作时，可获取结束时刻8个惯性导航单元在预设坐标系中的结束位置信息，即，待测患者在计时结束时，行走至终点，并站立在终点，此时可测得的8个惯性导航单元在预设坐标系中的位置，即为所述结束位置信息。

根据本发明的一个实施例，在步骤S105中，根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据。

例如，初始速度为0，根据各个时刻的三维加速度数据进行积分，确定各个时刻的三维速度数据，根据三维速度数据和初始位置信息，确定三维待定位置数据。

根据本发明的一个实施例，根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据，包括：对各个时刻的三维加速度数据进行滤波平滑处理，获得三维加速度数据与各个时刻之间的三维加速度函数；对所述三维加速度函数在所述初始时刻和各个时刻之间进行积分，获得各个时刻的三维速度数据；对各个时刻的所述三维速度数据进行滤波平滑处理，获得三维速度数据与各个时刻之间的三维速度函数；对所述三维速度函数在所述初始时刻和各个时刻之间进行积分，获得所述初始时刻和各个时刻之间的位移量；根据所述初始位置信息和所述位移量，获得各个时刻的三维待定位置数据。

例如，对各个时刻的三维加速度数据进行滤波平滑处理（例如，使用卡尔曼滤波算法进行滤波平滑处里），滤除掉原数据中的毛刺，获得连续的三维加速度数据与各个时刻之间的三维加速度函数，三维加速度数据包括x、y、z三个方向的加速度数据，三维加速度函数包括x、y、z三个方向的加速度函数；对连续的三维加速度函数在初始时刻和各个时刻之间进行积分，由于初始速度为0，可直接获得各个时刻的三维速度数据，即，x、y、z三个方向的速度数据；进一步地，可通过对三位速度数据进行滤波平滑处理，获得三维速度函数，即，x、y、z三个方向的速度函数；对三维速度函数在初始时刻和各个时刻之间进行积分，获得初始时刻和各个时刻之间的待测患者在预设坐标系中的位移量；将初始位置信息和位移量相加，获得各个时刻的三维待定位置数据，即，各个时刻的x、y、z三个方向的待定位置数据。可对每个惯性导航单元均进行以上处理，可获得各个惯性导航单元的三维速度数据和三维待定位置数据。

根据本发明的一个实施例，在步骤S106中，根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据。

例如，根据三维加速度数据以及初始位置信息，经过以上计算，可获得各个时刻的三维待定位置数据，包括结束时刻的三维待定位置数据，但三维待定位置数据可能存在一定误差，可通过结束时刻的结束位置数据进行校正。可确定在结束时刻的三维待定位置数据，例如，可求解三维待定位置数据与实际检测的结束位置信息的比例作为位置校正系数，并通过校正系数对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据。

根据本发明的一个实施例，根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据，包括：根据结束位置信息之间和三维待定位置数据的比例，确定位置校正系数；根据所述位置校正系数，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据。

例如，根据计算得出的待定位置数据和实际检测出的结束位置信息之间的比例，确定位置校正系数，例如，x方向的结束时刻（例如，1分钟）的待定位置数据为900cm，结束位置信息为1000cm，校正系数确定为10/9；根据位置校正系数，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据，如，在第10s时x方向的待定位置数据为225cm，可使用校正系数直接乘以各个时刻的三维待定位置数据，例如，使用10/9乘以225cm，获得第10s的x方向的位置数据为250cm。

在另一示例中，还可通过公式，来确定与第i个时刻的三维待定位置数据进行相乘的乘数，在利用该乘数与三维待定位置数据相乘后，可获得三维位置数据，其中，/>为位置校正系数，/>为第i个时刻，/>为初始时刻，/>为结束时。例如，仍使用以上数据，/>，/>，因此，上述乘数为/>，进而可使用该乘数乘以x方向的待定位置数据225cm，得到x方向的位置数据229.2cm。通过该方式可考虑误差随时间的积累效应，从而在乘数中设置时间项，使得距离开始时刻的时间间隔较短的三维待定位置数据的误差较小，乘数也较小，并使距离开始时刻的时间间隔较长的三维待定位置数据的误差较大，乘数也较大，并基于乘数来对各个时刻的三维待定数据进行校正，提高校正的准确性和客观性。

根据本发明的一个实施例，在步骤S107中，根据所述初始位置信息和所述结束位置信息，确定待测患者的平移速度。

例如，初始位置信息为（0,0,0），结束位置信息为（1,0,0），根据结束位置信息减去初始位置信息的值除以待测患者行走时间，确定待测患者的平移速度。

根据本发明的一个实施例，在步骤S108中，通过已训练的行走姿态预测模型对所述初始位置信息、所述结束位置信息和所述平移速度进行处理，获得多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据。

例如，不同的待测患者之间的体态状况、恢复状况以及平移速度不同，将初始位置信息、结束位置信息和平移速度信息输入已训练的行走姿态预测模型中，可预测获得待测患者在正常健康情况下，多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据。行走姿态预测模型为深度学习神经网络模型，可基于初始位置信息、结束位置信息和平移速度信息进行运算，输出与待测患者体型匹配，平移速度相同，且腿部无伤病的状态下各惯性导航单元的正常运动数据，即，目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据。

根据本发明的一个实施例，在步骤S109中，根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分，包括：根据所述三维加速度数据、所述三维速度数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据和所述目标三维角速度数据，确定行走动作状况评分；根据所述三维位置数据、所述三维角速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定行走姿态状况评分；根据所述三维位置数据和所述目标三维位置数据，确定行走路径状况评分；根据所述行走动作状况评分、所述行走姿态状况评分和所述行走路径状况评分，确定所述下肢受力状况评分。

例如，加速度、速度和角速度数据反映了待测患者在运动过程中下肢的动态的动作状况，根据待测患者进行行走动作时惯性导航单元获取的三维加速度数据、三维速度数据、三维角速度数据和经过已训练的行走姿态模型预测的目标三维加速度数据、目标三维速度数据和目标三维角速度数据进行对比，判断待测患者的行走动作状况与正常行走动作状况的差异，确定行走动作状况评分。

位置数据和角度数据反映了待测患者在某一时刻的静态姿态，角度可通过角速度数据的积分获得。根据待测患者进行行走动作时惯性导航单元获取的三维位置数据、三维角度数据和经过已训练的行走姿态模型预测的三维位置数据和目标三维角度数据，判断待测患者的行走姿态状况与正常行走姿态状况的差异，确定行走姿态状况评分。

位置数据反映了待测患者从开始时刻到结束时刻的运动路径，根据待测患者进行行走动作时惯性导航单元获取的三维位置数据和经过已训练的行走姿态模型预测的目标三维位置数据，判断待测患者的行走路径状况与正常行走路径状况的差异，确定行走路径状况评分。

综上，根据行走动作状况评分、行走姿态状况评分和行走路径状况评分对待测患者下肢的整体情况进行综合评价，确定下肢受力状况评分。

根据本发明的一个实施例，根据所述三维加速度数据、所述三维速度数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据和所述目标三维角速度数据，确定行走动作状况评分，包括：根据每个惯性导航单元在多个时刻的三维加速度数据、三维速度数据和三维角速度数据，获得每个惯性导航单元在多个时刻的三个维度的动作状态向量；根据每个惯性导航单元在多个时刻的目标三维加速度数据、目标三维速度数据和目标三维角速度数据，获得每个惯性导航单元在多个时刻的三个维度的目标动作状态向量；根据公式（1）确定行走动作状况评分A，

（1）

其中，为第j个惯性导航单元在第i个时刻的x维度的加速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的角速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的动作状态向量，/>为第j个惯性导航单元在第i个时刻的x维度的目标加速度数据，为第j个惯性导航单元在第i个时刻的x维度的目标速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的目标角速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的目标动作状态向量，/>为第j个惯性导航单元在第i个时刻的y维度的加速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的角速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的动作状态向量，/>为第j个惯性导航单元在第i个时刻的y维度的目标加速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标速度数据，为第j个惯性导航单元在第i个时刻的y维度的目标角速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标动作状态向量，/>为第j个惯性导航单元在第i个时刻的z维度的加速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的角速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的动作状态向量，/>为第j个惯性导航单元在第i个时刻的z维度的目标加速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标角速度数据，为第j个惯性导航单元在第i个时刻的z维度的目标动作状态向量，j≤8，N为所述多个时刻的数量，i≤N，且i，j和N均为正整数，min为取最小值函数。

根据本发明的一个实施例，为第j个惯性导航单元在第i个时刻的x维度的动作状态向量与第j个惯性导航单元在第i个时刻的x维度的目标动作状态向量的余弦相似度，此余弦相似度越小，待测患者在x维度上的动作状态与患者在正常情况下在x维度上的动作状态的差异越大，/>为第j个惯性导航单元在第i个时刻的y维度的动作状态向量与第j个惯性导航单元在第i个时刻的y维度的目标动作状态向量的余弦相似度，此余弦相似度越小，待测患者在y维度上的动作状态与正患者在正常情况下在y维度上的动作状态的差异越大，/>为第j个惯性导航单元在第i个时刻的z维度的动作状态向量与第j个惯性导航单元在第i个时刻的z维度的目标动作状态向量的余弦相似度，此余弦相似度越小，待测患者在z维度上的动作状态与患者在正常情况下在z维度上的动作状态的差异越大。待测患者的下肢上设置有8个惯性导航单元，测试过程有N个时刻，/>为取第j个惯性导航单元在第i个时刻的x、y、z维度的动作状态向量与目标动作状态向量的余弦相似度的最小值，再根据导航单元数量和测试时长进行求平均值操作，确定行走动作状态评分，即，根据待测患者在x、y、z维度的动作向量与无伤病的正常状态下在x、y、z维度的目标动作向量的最大差异来计算行走动作状态评分，上述取最大差异的处理，可用于确定待测患者行走过程中与无伤病状态动作差异最大的情况，换言之，为待测患者下肢恢复的最差情况，基于此来确定行走动作状况评分A，可使行走动作状况评分能够反映待测患者的最差的恢复状况，便于确定待测患者下肢伤病的严重程度。

通过这种方式，根据每个惯性导航单元在多个时刻的动作状态向量和目标动作状态向量进行余弦相似度计算，并根据三个维度的余弦相似度最小值确定行走动作状况评分，从而在运算过程中，确定待测患者行走过程中与无伤病状态动作差异最大的情况，便于确定待测患者下肢伤病的严重程度和恢复状况，提高了行走动作状况评分的准确性、科学性和客观性。

根据本发明的一个实施例，根据所述三维位置数据、所述三维角速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定行走姿态状况评分，包括：对所述三维角速度数据在所述初始时刻和各个时刻之间进行积分，获得各个时刻的三维角度数据；对所述目标三维角速度数据在所述初始时刻和各个时刻之间进行积分，获得各个时刻的目标三维角度数据；根据所述三维位置数据和所述三维角度数据，获得每个惯性导航单元在多个时刻的姿态向量；根据所述目标三维位置数据和所述目标三维角度数据，获得每个惯性导航单元在多个时刻的目标姿态向量；根据公式(2)确定行走姿态状况评分P，

(2)

其中，为第j个惯性导航单元在第i个时刻的x维度的位置数据，/>为第j个惯性导航单元在第i个时刻的y维度的位置数据，/>为第j个惯性导航单元在第i个时刻的z维度的位置数据，/>为第j个惯性导航单元在第i个时刻的x维度的角度数据，/>为第j个惯性导航单元在第i个时刻的y维度的角度数据，/>为第j个惯性导航单元在第i个时刻的z维度的角度数据，/>为第j个惯性导航单元在第i个时刻的姿态向量，/>为第j个惯性导航单元在第i个时刻的x维度的目标位置数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标位置数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标位置数据，/>为第j个惯性导航单元在第i个时刻的x维度的目标角度数据，为第j个惯性导航单元在第i个时刻的y维度的目标角度数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标角度数据，/>为第j个惯性导航单元在第i个时刻的目标姿态向量，max为取最大值函数，min为取最小值函数，j≤8，N为所述多个时刻的数量，i≤N，且i，j和N均为正整数。/>

根据本发明的一个实施例，为第j个惯性导航单元在第i个时刻的姿态向量，表示第j个惯性导航单元在第i个时刻所处的位置以及动作角度，从而可根据多个惯性导航单元在第i个时刻的姿态向量确定i时刻待测患者的行走姿态，/>为第j个惯性导航单元在第i个时刻的目标姿态向量，表示根据已训练的行走预测模型预测的第j个惯性导航单元在第i个时刻所处的位置以及动作角度，多个惯性导航单元第i个时刻的目标姿态向量可表示在待测患者无伤病的状态下，在第i时刻目标行走姿态，为8个惯性导航单元的姿态向量与目标姿态向量的差值的模的最大值，即待测患者在测试过程中的行走姿态与目标姿态的最大差异，为8个惯性导航单元的姿态向量与目标姿态向量的差值的模中的最小值，即待测患者在测试过程中的行走姿态与目标姿态的最小差异。为8个惯性导航单元的姿态向量与目标姿态向量的差值的模的最大值与最小值的差值，如果待测患者的行走姿态与目标行走姿态之间差异较小，则8个惯性导航单元的相对位置（各惯性导航单元的相对位置可用于描述下肢姿态），与基于目标三维位置数据和目标三维角度数据确定的目标相对位置之间的差距较小，因此，各个惯性导航单元的姿态向量与目标姿态向量之间的差距较为固定，即，可能仅存在三维位置的差异，而相对位置的差异较小，使得姿态向量与目标姿态向量的差值的模的最小值和最大值接近，甚至为0，反之，则相对位置的差异较大，从而使得姿态向量与目标姿态向量的差值的模的最小值和最大值的差距较大。表示根据8个惯性导航单元的姿态向量与目标姿态向量的差值的模的最大值与最小值的差值，和姿态向量与目标姿态向量的差值的模的最大值的比值，根据每个时刻进行平均后，在通过1减去该平均值确定行走姿态评分，使得待测患者的行走姿态与目标行走姿态差距越大，行走姿态评分越低，待测患者的行走姿态与目标行走姿态差距越小，行走姿态评分越高。

通过这种方式，根据每个惯性导航单元在多个时刻的姿态向量以及目标姿态向量，确定行走姿态评分，根据姿态向量与目标向量差值的大小，判断待测患者的行走姿态与目标行走姿态的差异的大小，可以有效排除位置关系对行走姿态评分的影响，且可利用相对位置更准确地描述待测患者的下肢姿态，以及下肢姿态与无伤病状态下的姿态的差异，提高了行走姿态评分的准确性。

根据本发明的一个实施例，根据所述三维位置数据和所述目标三维位置数据，确定行走路径状况评分，包括：对各个时刻的三维位置数据进行平滑滤波处理，获得每个惯性导航单元的路线函数；对各个时刻的目标三维位置数据进行平滑滤波处理，获得每个惯性导航单元的目标路线函数；根据公式(3)确定行走路径状况评分R,

(3)

其中，为第j个惯性导航单元的路线函数，/>为第j个惯性导航单元的目标路线函数，/>为初始时刻，/>为结束时刻，t为初始时刻和结束时刻之间的时刻，j≤8，max为取最大值函数。

根据本发明的实施例，为路线函数与目标路线函数差值的模，/>为对差值的模在/>到/>上进行积分，积分得出的值越大，待测患者行走路线与目标路线的差距越大，/>为根据路线函数与目标路线函数差值的模的积分与目标路线函数的模的积分的比值的最大值（即，相对路线差值的最大值），可用于描述路径的最大差距，亦可反映待测患者的最差的恢复状况，便于确定待测患者下肢伤病的严重程度。通过1减去该最大值，可确定行走路径状况评分，使得待测患者佩戴惯性导航单元的部位的行走路径与无伤病状态下的行走路径的差异越大，行走路径状况评分越低，表示恢复状况较差，反之，待测患者佩戴惯性导航单元的部位的行走路径与无伤病状态下的行走路径的差异越小，行走路径状况评分越高，表示恢复状况良好。

通过这种方式，根据每个惯性导航单元的路线函数和目标路线函数，确定行走路径状况评分，可以根据路线函数和目标路线函数差值的积分与目标路线函数积分的比值的最大值，判断待测患者的行走路径与目标行走路径的差异大小，提高了行走路径状况评分的准确性和客观性。

根据本发明的一个实施例，根据所述行走动作状况评分、所述行走姿态状况评分和所述行走路径状况评分，确定所述下肢受力状况评分，包括：对所述行走动作状况评分、所述行走姿态状况评分和所述行走路径状况评分进行加权求和，获得所述下肢受力状况评分。

根据本发明的一个实施例，行走动作状况评分越高，待测患者的行走动作越接近目标行走动作，行走姿态状况评分越高，待测患者的行走姿态越接近目标行走姿态，行走路径状况评分越高，待测患者的行走路径越接近目标行走路径，对行走动作状况评分、行走姿态状况评分和行走路径状况评分进行加权求和，获得下肢受力状况评分，下肢受力状况评分越高，待测患者的下肢受力状况越良好，即，越接近无伤病状态下的关节的受力状况，从而使得待测患者的动作、姿态和路径的异常状况较小。

根据本发明的实施例的基于微惯性导航的下肢力线精准建模与定位方法，可通过惯性导航数据，确定各个时刻的三维待定位置数据，并可通过结束时刻的结束位置信息对三维待定位置数据进行校正，获得准确性更高的三维位置数据，可提升惯性导航数据的准确性，使惯性导航数据能够准确表示待测患者的下肢的动作和姿态等特征。并且，可通过行走动作状态、行走姿态状态和行走路径状态三个方面进行全面分析，从而更准确地判断下肢受力状况和恢复状况，提高判断的全面性和准确性。在确定行走动作状况评分时，可根据每个惯性导航单元在多个时刻的动作状态向量和目标动作状态向量进行余弦相似度计算，并根据三个维度的余弦相似度最小值确定行走动作状况评分，从而在运算过程中，确定待测患者行走过程中与无伤病状态动作差异最大的情况，便于确定待测患者下肢伤病的严重程度和恢复状况，提高了行走动作状况评分的准确性、科学性和客观性。在确定行走姿态评分时，可根据每个惯性导航单元在多个时刻的姿态向量以及目标姿态向量，确定行走姿态评分，根据姿态向量与目标向量差值的大小，判断待测患者的行走姿态与目标行走姿态的差异的大小，可以有效排除位置关系对行走姿态评分的影响，且可利用相对位置更准确地描述待测患者的下肢姿态，以及下肢姿态与无伤病状态下的姿态的差异，提高了行走姿态评分的准确性。在确定行走路径状况评分时，可根据每个惯性导航单元的路线函数和目标路线函数，确定行走路径状况评分，可以根据路线函数和目标路线函数差值的积分与目标路线函数积分的比值的最大值，判断待测患者的行走路径与目标行走路径的差异大小，提高了行走路径状况评分的准确性和客观性。

图2示例性地示出根据本发明实施例的基于微惯性导航的下肢力线精准建模与定位系统的框图，所述系统包括：

惯性导航单元模块，用于在待测患者的下肢的多个位置上设置惯性导航单元，其中，每个惯性导航单元包括三轴陀螺仪和三轴加速度计，所述多个位置包括胯部位置、膝部上方位置、膝部下方位置以及脚踝位置；

初始信息模块，在初始时刻，获取多个惯性导航单元在预设坐标系中的初始位置信息，其中，预设坐标系为在待测患者所处空间内建立的三维坐标系，所述初始位置信息为三维位置信息；

惯性导航数据模块，在所述初始时刻后续的多个时刻，获取多个惯性导航单元的惯性导航数据，其中，惯性导航数据包括所述三轴陀螺仪检测到的三维角速度数据，以及三轴加速度计检测到的三维加速度数据；

结束位置信息模块，在结束时刻，确定多个惯性导航单元在预设坐标系中的结束位置信息；

待定位置数据模块，根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据；

三维位置数据模块，根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据；

平移速度模块，根据所述初始位置信息和所述结束位置信息，确定待测患者的平移速度；

三维数据模块，通过已训练的行走姿态预测模型对所述初始位置信息、所述结束位置信息和所述平移速度进行处理，获得多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据；

下肢受力状况评分模块，根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，包括：

在待测患者的下肢的多个位置上设置惯性导航单元，其中，每个惯性导航单元包括三轴陀螺仪和三轴加速度计，所述多个位置包括胯部位置、膝部上方位置、膝部下方位置以及脚踝位置；

在初始时刻，获取多个惯性导航单元在预设坐标系中的初始位置信息，其中，预设坐标系为在待测患者所处空间内建立的三维坐标系，所述初始位置信息为三维位置信息；

在所述初始时刻后续的多个时刻，获取多个惯性导航单元的惯性导航数据，其中，惯性导航数据包括所述三轴陀螺仪检测到的三维角速度数据，以及三轴加速度计检测到的三维加速度数据；

在结束时刻，确定多个惯性导航单元在预设坐标系中的结束位置信息；

根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据；

根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据；

根据所述初始位置信息和所述结束位置信息，确定待测患者的平移速度；

通过已训练的行走姿态预测模型对所述初始位置信息、所述结束位置信息和所述平移速度进行处理，获得多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据；

根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分。

2.根据权利要求1所述的基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据，包括：

对各个时刻的三维加速度数据进行滤波平滑处理，获得三维加速度数据与各个时刻之间的三维加速度函数；

对所述三维加速度函数在所述初始时刻和各个时刻之间进行积分，获得各个时刻的三维速度数据；

对各个时刻的所述三维速度数据进行滤波平滑处理，获得三维速度数据与各个时刻之间的三维速度函数；

对所述三维速度函数在所述初始时刻和各个时刻之间进行积分，获得所述初始时刻和各个时刻之间的位移量；

根据所述初始位置信息和所述位移量，获得各个时刻的三维待定位置数据。

3.根据权利要求1所述的基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据，包括：

根据结束位置信息之间和三维待定位置数据的比例，确定位置校正系数；

根据所述位置校正系数，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据。

4.权利要求1所述的基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分，包括：

根据所述三维加速度数据、所述三维速度数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据和所述目标三维角速度数据，确定行走动作状况评分；

根据所述三维位置数据、所述三维角速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定行走姿态状况评分；

根据所述三维位置数据和所述目标三维位置数据，确定行走路径状况评分；

根据所述行走动作状况评分、所述行走姿态状况评分和所述行走路径状况评分，确定所述下肢受力状况评分。

5.根据权利要求4所述的基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，根据所述三维加速度数据、所述三维速度数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据和所述目标三维角速度数据，确定行走动作状况评分，包括：

根据每个惯性导航单元在多个时刻的三维加速度数据、三维速度数据和三维角速度数据，获得每个惯性导航单元在多个时刻的三个维度的动作状态向量；

根据每个惯性导航单元在多个时刻的目标三维加速度数据、目标三维速度数据和目标三维角速度数据，获得每个惯性导航单元在多个时刻的三个维度的目标动作状态向量；

根据公式

，

确定行走动作状况评分A，其中，为第j个惯性导航单元在第i个时刻的x维度的加速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的角速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的动作状态向量，/>为第j个惯性导航单元在第i个时刻的x维度的目标加速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的目标速度数据，为第j个惯性导航单元在第i个时刻的x维度的目标角速度数据，/>为第j个惯性导航单元在第i个时刻的x维度的目标动作状态向量，/>为第j个惯性导航单元在第i个时刻的y维度的加速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的角速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的动作状态向量，/>为第j个惯性导航单元在第i个时刻的y维度的目标加速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标角速度数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标动作状态向量，/>为第j个惯性导航单元在第i个时刻的z维度的加速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的角速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的动作状态向量，/>为第j个惯性导航单元在第i个时刻的z维度的目标加速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标角速度数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标动作状态向量，j≤8，N为所述多个时刻的数量，i≤N，且i，j和N均为正整数，min为取最小值函数。

6.根据权利要求4所述的基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，根据所述三维位置数据、所述三维角速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定行走姿态状况评分，包括：

对所述三维角速度数据在所述初始时刻和各个时刻之间进行积分，获得各个时刻的三维角度数据；

对所述目标三维角速度数据在所述初始时刻和各个时刻之间进行积分，获得各个时刻的目标三维角度数据；

根据所述三维位置数据和所述三维角度数据，获得每个惯性导航单元在多个时刻的姿态向量；

根据所述目标三维位置数据和所述目标三维角度数据，获得每个惯性导航单元在多个时刻的目标姿态向量；

根据公式

，

确定行走姿态状况评分P，其中，为第j个惯性导航单元在第i个时刻的x维度的位置数据，/>为第j个惯性导航单元在第i个时刻的y维度的位置数据，/>为第j个惯性导航单元在第i个时刻的z维度的位置数据，/>为第j个惯性导航单元在第i个时刻的x维度的角度数据，/>为第j个惯性导航单元在第i个时刻的y维度的角度数据，/>为第j个惯性导航单元在第i个时刻的z维度的角度数据，/>为第j个惯性导航单元在第i个时刻的姿态向量，/>为第j个惯性导航单元在第i个时刻的x维度的目标位置数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标位置数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标位置数据，/>为第j个惯性导航单元在第i个时刻的x维度的目标角度数据，/>为第j个惯性导航单元在第i个时刻的y维度的目标角度数据，/>为第j个惯性导航单元在第i个时刻的z维度的目标角度数据，/>为第j个惯性导航单元在第i个时刻的目标姿态向量，max为取最大值函数，min为取最小值函数，j≤8，N为所述多个时刻的数量，i≤N，且i，j和N均为正整数。

7.根据权利要求4所述的基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，根据所述三维位置数据和所述目标三维位置数据，确定行走路径状况评分，包括：

对各个时刻的三维位置数据进行平滑滤波处理，获得每个惯性导航单元的路线函数；

对各个时刻的目标三维位置数据进行平滑滤波处理，获得每个惯性导航单元的目标路线函数；

根据公式

，

确定行走路径状况评分R，其中，为第j个惯性导航单元的路线函数，/>为第j个惯性导航单元的目标路线函数，/>为初始时刻，/>为结束时刻，t为初始时刻和结束时刻之间的时刻，j≤8，max为取最大值函数。

8.根据权利要求4所述的基于微惯性导航的下肢力线精准建模与定位方法，其特征在于，根据所述行走动作状况评分、所述行走姿态状况评分和所述行走路径状况评分，确定所述下肢受力状况评分，包括：

对所述行走动作状况评分、所述行走姿态状况评分和所述行走路径状况评分进行加权求和，获得所述下肢受力状况评分。

9.一种基于微惯性导航的下肢力线精准建模与定位系统，其特征在于，包括：

惯性导航单元模块，用于在待测患者的下肢的多个位置上设置惯性导航单元，其中，每个惯性导航单元包括三轴陀螺仪和三轴加速度计，所述多个位置包括胯部位置、膝部上方位置、膝部下方位置以及脚踝位置；

初始信息模块，在初始时刻，获取多个惯性导航单元在预设坐标系中的初始位置信息，其中，预设坐标系为在待测患者所处空间内建立的三维坐标系，所述初始位置信息为三维位置信息；

惯性导航数据模块，在所述初始时刻后续的多个时刻，获取多个惯性导航单元的惯性导航数据，其中，惯性导航数据包括所述三轴陀螺仪检测到的三维角速度数据，以及三轴加速度计检测到的三维加速度数据；

结束位置信息模块，在结束时刻，确定多个惯性导航单元在预设坐标系中的结束位置信息；

待定位置数据模块，根据各个时刻的三维加速度数据以及初始位置信息，确定多个惯性导航单元在各个时刻的三维速度数据和三维待定位置数据；

三维位置数据模块，根据结束时刻的结束位置信息和结束时刻的三维待定位置数据，对各个时刻的三维待定位置数据进行校正，获得各个时刻的三维位置数据；

平移速度模块，根据所述初始位置信息和所述结束位置信息，确定待测患者的平移速度；

三维数据模块，通过已训练的行走姿态预测模型对所述初始位置信息、所述结束位置信息和所述平移速度进行处理，获得多个惯性导航单元的在多个时刻的目标三维加速度数据、目标三维速度数据、目标三维位置数据和目标三维角速度数据；

下肢受力状况评分模块，根据所述三维加速度数据、所述三维速度数据、所述三维位置数据、所述三维角速度数据、所述目标三维加速度数据、所述目标三维速度数据、所述目标三维位置数据和所述目标三维角速度数据，确定待测患者在行走过程中的下肢受力状况评分。