JPH11192214A - 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法 - Google Patents
脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法Info
- Publication number
- JPH11192214A JPH11192214A JP10000266A JP26698A JPH11192214A JP H11192214 A JPH11192214 A JP H11192214A JP 10000266 A JP10000266 A JP 10000266A JP 26698 A JP26698 A JP 26698A JP H11192214 A JPH11192214 A JP H11192214A
- Authority
- JP
- Japan
- Prior art keywords
- data
- nerve
- vertebrate
- numerical model
- muscle
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Manipulator (AREA)
Abstract
トの力学的構造に関する数値モデルを効率良く構築す
る。 【解決手段】 先ず、対象(例えば、人間)について体
型の分類(痩せ型as、闘士型at、肥満型pi等)を
行うとともに、分類された各基準体型について全ての骨
の形状、長さや重量を含む骨格データを用意する。そし
て、対象に関する体長、体重、外形形状のデータを入力
し、これらの入力データから対象の体型形を特定すると
ともに、各基準体型の骨格データに基づいて補間計算を
行い、対象に係る骨格データの換算比率を算出する。該
換算比率及び事前に入力した対象の体長や重量に基づい
て対象の各骨の長さや重量を決定して骨格の数値モデル
を作成する。これと同様の手法により筋肉や神経系に関
するデータを数値モデルに付加する。
Description
模倣したロボットの力学的構造に関する数値モデルを計
算機上で構築する方法に関するものである。
算機上での数値モデルを作成することによって、人間や
動物の運動をコンピュータ上で画像表示したり、あるい
は、実際の人物の動画像に基づいて3Dゲーム等におけ
る登場人物を描画する等の用途、又は人間や動物の構造
を模倣したロボット(例えば、2足歩行型ロボット
等。)の駆動制御、あるいは運動神経疾患に対して義肢
の駆動制御を行うといった医療分野での用途に上記数値
モデルを利用することが有益である。
対象の骨格構造を含む力学的構造に関する多量のデータ
を入力する必要があり、例えば、X線CTスキャナ等に
よって対象の断層写真を撮影してその解析結果に基づい
て骨の形状や大きさ等に関する数値をコンピュータに対
して逐一に入力する方法が考えられる。
た方法にあっては、大掛かりな装置が必要であること、
また、数値モデルを作成するために必要なデータが膨大
であるため、その完成までに長い時間と労力を要すると
いった問題がある。
れらを模倣したロボットの力学的構造に関する数値モデ
ルを効率良く構築することを課題とする。
解決するために、対象について体型の分類を行うととも
に、分類された各基準体型について全ての骨の形状、長
さや重量を含む骨格データを用意した後、対象に関する
体長、体重、外形形状のデータを入力し、これらの入力
データから対象の体型形を特定するとともに、各基準体
型の骨格データに基づいて補間計算を行い、対象に係る
骨格データの換算比率を算出し、該換算比率及び事前に
入力した対象の体長や重量に基づいて対象の各骨の長さ
や重量を決定して骨格の数値モデルを作成するようにし
たものである。
重、外形形状のデータに基づく比率の計算によって対象
に係る数値モデルを作成することができる。
を模倣したロボットの力学的構造に関する数値モデルの
作成方法に関し、「脊椎動物」には人間も含まれ、骨格
構造を有することが前提となる。
含まれる。
脳神経は含まれず、対象の力学的構造や運動に直接的な
関係を有する神経が含まれる。また、(v)の脂肪や内
臓のモデルについては、機能に係る具体的な構造ではな
くその重量及び位置が身体のバランスや重心運動に与え
る影響だけに関心が置かれる。
その構成物を上記(i)乃至(v)に対応した人工物に
置換すれば良く、(i)については人工骨格としてのフ
レーム構造のモデル、(ii)については人工筋肉とし
てのアクチュエータ等に関するモデル、(iii)につ
いては電気配線や油圧、空圧配管の配置や駆動信号、セ
ンサー及びその検出信号に関するモデル、(iv)につ
いてはロボットの表皮となる部材に関するモデル、
(v)についてはウェイトやバランサーの配置や振動等
に関するモデル等がそれぞれ対応する。
たロボットの構成との間には並行的な対応関係があり、
また、数値モデルの対象を特定の動物に限定して説明を
行っても議論の普遍性を損なう虞はないので、以下では
最も身近な人体を例にして説明を行うことにする。
(i)の骨格モデルだけを含むものであり、下記の手順
によって作成することができる。
れた各基準体型について全ての骨の形状、長さや重量を
含む骨格データを用意する (2)対象者に関する身長、体重、外形形状のデータを
入力する (3)(2)の入力データから対象者の体型を特定し、
各基準体型の骨格データに基づいて補間計算を行い、対
象者に係る骨格データの換算比率を算出する (4)(3)の換算比率及び対象者の身長や重量に基づ
いて対象者の各骨の長さや重量を決定して骨格の数値モ
デルを作成する。
ば、図1に示すように、痩せ型、闘士型、肥満型に分類
する。即ち、痩せ型(asthenicus。以下、
「as」と略記する。)は肉細の体型、闘士型(ath
eticus。以下、「at」と略記する。)は胸胴部
が逆3角形をした体型、肥満型(piknicus。以
下、「pi」と略記する。)は腹部等の肥大した体型で
ある。
一人ずつ選び出して、各々の対象者について、骨格デー
タ(骨の形状、長さ、重量を含む。)を取得するか、あ
るいは人体教本等による既存のデータを利用する。即
ち、痩せ型、闘士型、肥満型をそれぞれ代表する各人体
について骨格に関する全ての情報を調べてこれらをデー
タベース化することにより数値モデル(以下、「基準体
型モデル」という。)を作成する。尚、その際、性別の
違いによって基準体型への影響が認められる場合には、
これを考慮してモデル作成を行うことが好ましい。その
ためには、性別毎に異なる基準体型モデルを用意する方
法や、両性のうちの一方の性について各体型の基準体型
モデルを用意しておき、他方の性については当該基準体
型モデルに対する換算比率を示すデータから各体型の基
準体型モデルを導出する方法が挙げられる。また、各骨
の形状については3次元モデルのデータ(例えば、ポリ
ゴンデータ等)としてコンピュータ上の画像表示(立体
的表示等)に適した形式を用いることが好ましい。
さや重量の値自体の他、身長や体重に占める割合(比
率)のデータを求めておき、後述するようにこれらの比
率データに基づいて対象者に係る比率データを算出する
際に使用する。
るのではデータの比較作業が面倒であるので、基準身長
を設定して各データを当該身長に換算したときのデータ
を用意しておくことが好ましい。
HT_ref」は基準体型モデルの身長(基準身長)を
示しており、変数「HEIGHT_xx_XX」は立位
姿勢における人体各部の鉛直方向の長さを示している
(「xx」が人体の部位を示し、「XX」が基準体型形
を示す。)。例えば、「HEIGHT_arm_u_a
s」は、痩せ型の基準体型モデルにおける上腕の長さを
示し、「HEIGHT_chest_at」は、闘士型
の基準体型モデルにおける胸部の長さを示している。
肉を含む人体各部の長さを示しているが、「HEIGH
T」を鉛直方向若しくは長手方向における骨の長さとす
れば、「HEIGHT_xx_XX」を基準身長「HE
IGHT_ref」で割った比率(以下、「_hr_x
x_XX」と記す。)から骨の長さ比率を計算すること
ができる。
位や各骨の重量を示す「WEIGHT」に置き換えた変
数「WEIGHT_xx_XX」を、体重「WEIGH
T_ref_XX」で割ることによって同様に重量の比
率(以下、「_mr_xx_XX」と記す。)を求める
ことができる。
平面(X−Y平面)上にグラフ化して示すものであり、
原点Oを起点とする3軸「Ax_XX」(XX=as、
at、pi)が互いに120°の角度間隔をもつように
設定されている。
軸Ax_XXとの交点P_XXが各基準体型モデルの占
める位置を示している。つまり、点「P_as」が痩せ
型のモデルについてのX−Y平面上の位置を示し、点
「P_at」が闘士型のモデルについてのX−Y平面上
の位置を示し、点「P_pi」が肥満型のモデルについ
てのX−Y平面上の位置を示している。
間に位置する体型を有している場合には、原点Oを通り
2軸Ax_as(図ではYの正軸に一致する軸)及びA
x_atに対してそれぞれ60°の角度をなして延びる
軸Bx上の点(例えば、軸Bxと円cirの交点Q等)
が対象者の体型を示している。
なる極座標系を設定したときの各軸の意味については後
で詳述する。
(Z軸)を付与した空間(以下、「体型形座標空間」と
いう。)を示している。
「_hr_xx_XX」をとった場合には、上記した各
点P_XXに対して「_hr_xx_XX」の値を示す
点「H_xx_XX」がそれぞれ対応する。
erus)とし、XXの示す体型を痩せ型(as)とす
ると、点「H_humerus_as」の示す値(つま
り、当該点からX−Y平面に垂ろした垂線の足の高さ
(Z値))は、痩せ型の基準体型モデルにおいて上腕骨
の長さの基準長(身長)に対する比率を示す。
のそれぞれに対する点「H_xx_XX」が決まると、
これらの点を通る一つの平面(πh_xx)を決めるこ
とができる。即ち、3点「H_xx_XX」のうちの任
意の2点を選び出することによって両点を結ぶベクトル
を2つ作ることができる(例えば、点「H_xx_p
i」から点「H_xx_as」へ向かうベクトルと、点
「H_xx_pi」から点「H_xx_at」へ向かう
ベクトル等。)ので、両ベクトルに直交する方向の法線
ベクトルをベクトルn(a,b,c)(但し、a、b、
cはそれぞれX、Y、Z軸方向の成分を示す。)とする
とき、上記平面πh_xxは数式「a・X+b・Y+c
・Z=d」(但し、dは定数。)で表すことができる。
従って、例えば、X−Y平面上における点Pt(xt、
yt)が決まれば、X=xt、Y=ytを上式に代入す
ることによってZ値を求めることができる。
に多数存在し、その意味でZ軸は多変数をまとめて1軸
として示す変数軸であるとみなすことができる。
X」をさらに体型形座標空間のZ軸に追加したときの状
況を示しており、各点P_XXに対して「_mr_xx
_XX」の値を示す点「M_xx_XX」がそれぞれ対
応する。
erus)とし、XXの示す体型を痩せ型(as)とす
ると、点「M_humerus_as」の示す値(つま
り、当該点からX−Y平面に垂ろした垂線の足の高さ
(Z値))は、痩せ型の基準体型モデルにおいて上腕骨
が重量の体重に占める比率を示している。
各点「M_xx_XX」が決まると、これらの点を通る
一つの平面(πm_xx)を決めることができる(当該
面の法線ベクトルをベクトルnn(aa,bb,cc)
とするとき、数式「aa・X+bb・Y+cc・Z=d
d」(但し、ddは定数)で表される。)ので、例え
ば、X−Y平面上における点Pt(xt、yt)が決ま
れば、X=xt、Y=ytを上式に代入することによっ
てZ値を求めることができる。
が3つしかないため、一般には体型形座標空間内で関数
式「Z=Fn(X,Y)」(但し、nは、上記_hr_
xxや、_mr_xx等を示す。)で表される曲面が平
面とされたが、基準体型モデルの数を増やしたり、ある
いは、多数の対象者に係るデータ(体型形や比率等)の
蓄積結果を利用して補間処理(例えば、ベヂエ(Bez
ier)、スプライン補間等。)を行うことで関数式
(曲面表現式)について精度の向上を図ることができる
ことは勿論である。
たっては、各体型に属する複数の人体を選出したり、あ
るいはデータの平均化処理等を行う方法もあるが、以下
では説明の簡単化及び理解度を優先させるために、各基
準体型を代表する人体がそれぞれ1体であるとし、ま
た、性別については両性のうちの一方に固定し、かつ年
齢の影響を無視した上で説明を行うことにする。
ータとして、身長、体重、外形形状のデータを入力す
る。
や、対象者の画像データ等から入力値を取得する方法が
ある。
知識により値が既知である場合にキーボード等の入力手
段を用いて数値を直接入力する方法や、身長、体重計に
よって計測した値を自動的に入力する方法がある。
タや3次元データを取得して人体の各部位の形状を認識
することで、形状データの自動入力を行う方法が挙げれ
る(尚、画像データや3次元データの取得方法について
は後述する。)。
画像データGを概略的に示すものであり、左側に示す図
において「HEIGHT_tgt」が対象者の身長を示
している。また、その右側の図は、対象者の画像データ
を上記基準身長に縮小(あるいは伸張)したもの、つま
り、画像データGについて全ての構成部分の長さに「H
EIGHT_ref/HEIGHT_tgt」の比率を
掛けることによって得られる画像G′を示している。
尚、この比率「HEIGHT_ref/HEIGHT_
tgt」については後の工程で必要となるのでメモリ等
に記憶しておく必要がある。
て取得した3次元データ(外形形状データ及び表面状態
のデータ)に基づいて高さ方向に沿って所定の間隔ds
でスライス処理を行った断層面のサンプリング例を示し
ている。
識別番号i(i=1、2、・・・)を有する各断層面で
の面積素片ΔS_i(i=1、2、・・・)について
は、その形状と断面積だけが意味をもっており、面積素
片ΔS_iに関する内部構造を示すデータは存在しな
い。何故なら、対象者の3次元データは、対象者の外形
に係る形状データと外表面の状態に係るデータ(画像デ
ータ等)によって構成されることが必要十分条件とさ
れ、体の内部構造は不要とされるからである。
れる情報は各面積素片ΔS_iがどのような形状をして
いるか及び断面積の大小である。尚、本例ではスライス
処理から面積素片を得たが、その代わりに面積素片にス
ライス方向の間隔dsを掛けることで得られる体積素片
(この場合には断面積の代わりに体積を使用する。)を
用いても良い。
を均等に設定しても良いが、体の形状を特徴的に示す特
定の部分(腹部や胸部等)についてスライスの間隔を小
さくして当該部分に関してより詳細なサンプリングを行
うようにしても良い。
を取得し、当該データから対象の断層面における形状及
び断面積若しくは断層面間の体積についてのデータを取
得することで対象者の体の形状に係るデータを効率良く
取得することができ、データの入力作業を容易に行うこ
とができる。
特定する処理を行う。
_iの形状を示すデータ(例えば、断面形状を楕円で近
似したときの離心率等、形状の変形率を示すデータ)を
「t_i」(i=1、2、・・・)とし、面積素片ΔS
_iの面積を「s_i」(i=1、2、・・・)とした
とき、図10に示すように、X−Y平面に設定した極座
標(r,θ)において点PT_i(s_i,t_i)を
プロットする。つまり、X−Y平面において原点Oを中
心とする円の半径が断面積を示し、θ方向が面積素片の
形状を表すことになる。
X−Y平面図を示しており、各面積素片ΔS_iについ
て点PT_i(s_i,t_i)(i=1、2、・・
・)が対応している。
ロットした後は、各点PT_iを頂点とする多角形(凸
角形や凹角形を含む。)の重心(これを点Gと記す。)
を求める。例えば、図示するように、点PT_i,点P
T_(i+1)、点PT_(i+2)(但し、i=1、
2、・・・、n−2であり、nは自然数である。)を頂
点とする3角形の重心をそれぞれ「Gi」としたとき、
点Giの合成重心が上記重心Gである。つまり、原点O
を基準とする点Giの位置ベクトルをベクトル「V_G
i」とし、点Gの位置ベクトルをベクトル「V_G」と
するとき、ベクトル「Σ(V_Gi−V_G)=0」
(但し、「Σ」はiについての総和を示す。)を満たす
点Gの座標を計算することによって重心位置が決定され
る。
上の同一象限に位置しているとしたが、場合によって
は、同図に点PT′や点PT′′で示すように点PT_
iとは別の象限に位置していたり、あるいは多数の点が
まとまって位置している領域から離れたところに孤立し
て存在する場合(例えば、大半の点がas軸とat軸と
で囲まれた扇形領域に属しているのに、一部の点がas
軸とpi軸とで囲まれた扇形領域に属している場合
等。)があるが、これらの点については無視するか、あ
るいは、例外として取り扱うことが好ましい。
る面積素片(若しくは体積素片)については、必ずしも
これらを全て利用する必要はなく、体型を特徴的に示す
特定の部分(腹部や胸部等)に係るサンプリング結果だ
けを選出することで処理の高速化を図るようにしても良
いことは勿論である。
示す座標平面(X−Y平面)上に極座標(r,θ)を設
定した後、対象者の断層面における形状データ(t_
i)から極角θが規定され、かつ、当該断層面における
断面積のデータ(s_i)若しくは断層面間の体積デー
タ(体積素片の体積データ)から極半径(r)が規定さ
れる点(PT_i)を座標平面(X−Y平面)上に配置
して、各点の間を線分で結んでできる多角形の重心Gの
位置から対象者の体型形を特定することができ、しか
も、その算出に要する計算には四則演算程度の計算量で
済むため、面積素片若しくは体積素片の数が増えたとし
ても計算上の負担が著しく増加することがない。
g,θg)」と記す。)が決まると、上記した体型形座
標空間内における関数式Z=Fn(X,Y)から対象者
に係る骨格データの換算比率(対象者に係るモデル作成
に使用する比率)を算出することができる。即ち、上記
したように関数式Z=Fn(X,Y)は各基準体型の骨
格データに基づく補間計算から求められるので、極座標
系から2次元直交座標系への変換式を用いて「Xg=r
g・cos(θg)」、「Yg=rg・sin(θ
g)」を計算してこれらを関数式に代入することで、F
n(Xg,Yg)の値を求めることができる。
を求める様子を概念的に示したものであり、Fn(X,
Y)については、nを「_hr_xx」に選んだ場合
と、nを「_mr_xx」に選んだ場合とを併せて示し
ている。つまり、点Q_hrの高さ(Z_hr)が長さ
の比率に係るFn(Xg,Yg)の値(_hr_xx)
を示しており、点Q_mrの高さ(Z_mr)が重量比
率に係るFn(Xg,Yg)の値(_mr_xx)を示
している。
の換算率が求められると、対象者の身長や重量に基づい
て実際の長さや重量を計算することができ、この処理は
次工程(4)において行われる。
(X,Y)については、上記した各基準体型モデルの身
長を基準身長に揃えるとともに、対象者の身長を基準身
長に変換した場合に得られる値であるので、対象者の身
長について骨の長さを計算するには、上記した比率「H
EIGHT_ref/HEIGHT_tgt」が必要と
なる。つまり、「_hr_xx」にHEIGHT_tg
tをかけることによってxxで示す部位の長さが決定さ
れる。尚、骨の太さ等、長さの次元を有する他の諸量に
ついても_hr_xxの導出過程と全く同様に求めるこ
とができる。
(体重等)を「_mr_xx」に掛けることによりxx
で示す部位の重量が決定され、断面積や体積等、長さの
n乗(nは2以上の整数。)の次元を有する量について
重量の導出過程と全く同様に求めることができる。
や重量を求めることによって対象者の骨格に関する数値
モデルを作成することができ、例えば、数値モデルの表
現形態としてポリゴンデータによるモデルを採用した場
合には全骨のポリゴンデータを予め用意しておき、モー
フィング等の変形処理を駆使することによって図13に
示すような骨格構造BSを表示装置上に得ることができ
る(尚、図示した骨格構造は骨格の構成部位について部
分的に誇張して示している。)。
取得して対象者の体型形に係るデータを求めたが、3次
元データを利用することなく図6に示したような対象者
の2次元画像データだけを用いることによって簡易なモ
デルを作成する場合には、画像データから体型を特徴的
に示す人体部分の長さ比率(縦横比率等)を上記した面
積素片の断面積に代用しても良いことは勿論である。例
えば、胸部の形状について典型的には闘士型で逆3角形
(逆台形)状となり、肥満型ではほぼ台形状、痩せ型で
はほぼ長方形となるといった具合に、立位姿勢の対象者
の画像データから体型形に係る情報を得ることができ
る。
は、対象者の3次元データから得られる人体の各部位の
長さに基づいてデータの補正を行ったり、あるいは全骨
の重量和が体重を越えてしまうといった矛盾が生じない
ように構造モデルと実際の対象人体との間の誤差を極力
低減する必要がある。
肉モデルを付加した数値モデルの作成について説明す
る。
他、筋肉の運動性能に関する諸量(例えば、筋肉の収縮
率や、仕事率、筋収縮の反応速度等)を数値モデルの対
象に含めることによって筋肉の性能を数値化することが
好ましい。
記した「_hr_xx」や「_mr_xx」と同様の手
順を踏襲することによってこれらを求めることができ
る。即ち、「_hr_xx」がxxに示す各筋肉の長さ
の比率を示し、「_mr_xx」がxxに示す各筋肉の
重量の比率を示すものと考えれば良い。
はこれらの値が何によって影響されるかに依存して決定
される。
て筋肉がどれだけ収縮するかを示す比率であり、筋肉の
基準長(自然長)を変数「L」で表し、筋収縮時におけ
る筋肉長を変数「LL」で表した場合に、関数式f
(L,LL)で表すことができ(単純なモデルでは「f
(L,LL)=LL/L」である。)、該関数式につい
ては上記した関数Fn(X,Y)と同様に各基準体型モ
デルのデータから算出することができる。よって、「L
g=Fn(Xg、Yg)、LLg=Fm(Xg、Y
g)」(但し、Fnは上記Z軸を変数Lにとった場合の
関数を示し、Fmは上記Z軸を変数LLにとった場合の
関数を示す。)から算出した値を上記関数式に代入した
f(Lg、LLg)から対象者の筋収縮率を計算するこ
とができる。
量)は作用点の重量及び作用時間の関数として求めるこ
とができ、また、筋収縮の反応速度は、末端神経から筋
肉までの距離及び筋収縮の開始時間の関数として求めら
れる。
については、上記した(1)の工程で骨の形状や長さ、
重量の他、筋肉の形状や長さ、重量、筋収縮率を含む骨
格及び筋肉のデータを用意するとともに、上記(3)の
工程で各基準体型に係る骨格及び筋肉データに基づいて
補間計算を行い、対象に係る骨格及び筋肉のデータの換
算比率を算出する。そして、上記(4)の工程では
(3)の工程で得た換算比率及び(2)の工程で入力し
た対象の体長や重量に基づいて対象の各骨や筋肉の長
さ、重量、筋収縮率を決定すれば良い。
ば、骨や関節等を動かしたときの筋肉の模擬的運動を現
出させることが可能となる。
した数値モデルについては、神経の長さや断面積等の
他、神経波の形状やその物理的な伝達に関する量(例え
ば、伝達時間や伝導速度、歪み率等)について数値化を
行う。
枢神経から末端神経までの神経長を変数「NL」で表
し、信号が中枢神経から末端神経に至るまでの時間を変
数「T」で表した場合に、関数式ff(NL,T)で表
すことができ(単純なモデルでは「ff(NL,T)=
NL/T」である。)、該関数式については上記Fn
(X,Y)と同様に各基準体型モデルのデータから算出
することができる。よって、「NLg=Fo(Xg、Y
g)、Tg=Fp(Xg、Yg)」(但し、Foは上記
Z軸を変数NLにとった場合の関数を示し、Fpは上記
Z軸を変数Tにとった場合の関数を示す。)から算出し
た値を上記関数式に代入したff(NLg、Tg)から
伝導速度を計算することができる。尚、神経の断面積等
をさらに考慮する場合には、関数ffの独立変数を追加
すれば良い。
伝導速度の関数として求めることができ、また、歪み率
は神経種に係る単位距離内の波形歪み(波形鈍り)を表
すものであり、神経の種別や対象者の体型形に応じて求
められる。
については、上記した(1)の工程で神経長や神経波の
伝達に関するデータを付加するとともに、上記(3)の
工程で各基準体型に係る骨格、筋肉、神経のデータに基
づいて補間計算を行い、対象に係る骨格、筋肉、神経に
係るデータの換算比率を算出する。そして、上記(4)
の工程において(3)の工程で得た換算比率及び(4)
の工程で入力した対象の体長や重量に基づいて神経波の
伝達に係る量を決定すれば良い。
ば、筋肉によって骨や関節等を動かす際の神経波の伝播
を模擬的に現出させることが可能となる。
格、筋肉、神経を含む。)において、体型形座標空間の
Z軸に設定する事項と当該事項に係る人体の対象部位や
対象事項を表形式にまとめたものを下表1に一例として
示す。
の動き等に起因する皺の量を、皮膚の老化に置き換えて
処理する方法(関節の角度や関節からの距離、筋肉の緊
張の度合に基づいて関節の周囲を覆っている表皮の領域
毎に年齢や年代の異なる表皮(皮膚や体毛等)を付与す
る方法)が、計算量の低減の観点から好ましい。つま
り、皺の寄り方を関節や筋肉の状態に基づくシミュレー
ション計算によって割り出す方法では計算が複雑化した
り計算量が多すぎるといった不都合を伴うからである。
量についての分布を概念的に示したものであり、年齢に
応じた皺データ、例えば20代、40代、80代の皺デ
ータを予め用意しておき、肘関節に近いために皺の多い
領域Raには80代の皺データを付与し、領域Rbの周
囲に位置する領域Rbには40代の皺データを付与し、
皺の少ない領域Rcには20代の皺データを付与すると
いった具合に、関節の角度や筋肉の緊張等に応じて皮膚
の領域毎に老化の度合を局所的に操作することで皮膚モ
デルを構築することができる。
のであり、皮膚の皺について縦皺と横皺を設けて、関節
と関節との間の筋肉の緊張や引張に対しては主として縦
皺を皮膚に付与し、筋肉の圧迫に対しては主として横皺
を皮膚に付与する(例えば、指の第1関節を折り曲げた
場合に当該関節近辺の横皺を増やす等。)といった処理
を行うことが好ましい。
膚の皺を数値モデル上で表現することが可能となる。
の影響については考慮しなかったが、これらの事項につ
いては予め統計データ等から得た特性関数、例えば、対
象者の年齢を示す変数「ag」を独立変数とする関数_
Agr_xx(ag)や、対象者の性別を示す変数「s
x」を独立変数とする関数_Sxr_xx(sx)を用
意しておき、これら関数を体型形座標空間のZ軸に設定
される量に掛ける(例えば、xxで示される部位の重量
の比率に関して(_mr_xx)・(_Agr_xx
(ag))・(_Sxr_xx(sx))の値を求め
る。)ことで計算を行うことができる。
Agr_xxをとって関数形の一例を概略的に示したも
のであり、この例で年齢の増加に伴って関数値が減少す
る様子(例えば、筋肉の仕事率等。)を示している。
軸に_Sxr_xxをとって関数形の一例を概略的に示
したものであり、この例ではsx=M(男性を示す。)
に対する関数値に比してsx=F(女性を示す。)に対
する関数値の方が大きいことを示している(例えば、胸
部脂肪の比率等。)。
事項としては、関節の角度範囲や破壊係数、神経波の伝
達時間や歪み、筋肉の仕事率や筋収縮の反応速度等が挙
げられ、また、性別の影響を考慮することが好ましい事
項としては、筋肉と贅肉との比率や関節の自由度等が挙
げられる。
を人間に特定したが、人間以外の動物やロボットを対象
とする場合には、上記(1)乃至(4)の事項における
「対象者」を「対象動物若しくはロボット」に、また、
「身長」を「体高」や「体長」に、「筋肉」を「人工筋
肉等」に、「神経」を「配線等」にといった具合に適宜
に読み替えれば良い。
適用した実施例について説明する。尚、「人体構造モデ
ル」とは、人体に関する体格や体重等の基礎データから
その身体的特徴を、骨格、筋肉、神経、皮膚、脂肪等を
含む構造的モデルとしてコンピュータ上に構築した数値
モデルを意味し、その作成にあたって使用するハードウ
ェア環境1としては、図18に概念的に示すように、キ
ーボードやポインティングデバイス等の一切の入力手段
を含む入力部2と、コンピュータ及びメモリあるいは所
定の記録媒体によって構成される計算装置3(モデル構
築のためのデータベース(以下、「DB」と略記す
る。)3aと、その管理システムを実現するモデル計算
処理部3bとを含む。)と、作成されたモデルに関する
データ表示や印刷を行うための表示/印刷部4と、基本
データの取得等に用いる周辺装置5(その具体例は後述
する。)とを含んでいる。
れ、当該DBを大別すると、概念的には下記に示すDB
が挙げられる。
の項目を含んでおり、骨格の基本情報に関するDBであ
る。
数、対偶と対偶との接続関係、対偶と筋肉との接続関
係、筋肉の収縮率と関節の角度との関係等についての情
報が含まれる。
は膨張)時の長さや収縮率、破断係数、重量、反応速
度、仕事率等についての情報が含まれる。
幹、中枢神経、末端神経、筋収縮神経における運動神経
信号と筋収縮との関係についての情報、あるいは、反射
神経に関して、触覚神経、末端神経、中枢神経、脳幹に
おける圧力、熱、痛覚の神経信号と筋収縮との関係につ
いての情報等が含まれる。
についての情報が含まれ、(F)には皮膚の老化や皺の
寄り方についての情報が含まれる。
するためのDBであり、これには、人体の全身運動や部
分運動に係る情報をワイヤーフレームモデルとして抽出
したデータと、運動に伴う重心位置の変化についての情
報が含まれる(そのために必要な3次元データの取得方
法については後述する。)。
て生成されるとは限らない(本実施例では複数のDBの
集合として構成される。)。
処理の大要を示すフローチャート図であり、各ステップ
での処理内容は下記の通りである。
の入力 ステップSS2:DBに基づくデータ加工 ステップSS3:人体についての3次元データの取得及
び運動に関するワイヤーフレームモデルの生成 ステップSS4:人体についての3次元データの取得及
び運動に伴う重心位置データの取得 ステップSS5:人体についての3次元データの取得及
び三半規管神経によるバランス神経信号と身体バランス
の取得 ステップSS6:人体についての3次元データの取得及
び筋電図等による運動神経信号と筋収縮との関係の取得 ステップSS7:人体についての3次元データの取得及
び反射神経テストによる筋収縮と圧力、熱、痛覚の神経
信号との関係の取得。
の対象となる個人の体格や性別、年齢等のデータを入力
した後、ステップSS2では各種のDBに基づいてデー
タを加工して対象者の身体構造に関するDBを生成す
る。
(a)乃至(f)に示す通りである。
る割合)に関するDBである。
る位置や重心等)に関するDBである。
Bである。
設定に用いられる。
間等についての接続関係を規定するDBである。
や収縮率、仕事率、筋収縮の反応速度等に関するDBで
ある。
体構造DB」という。)とは、上記(a)乃至(f)の
DBに対して図20に示す依存関係を有するDBとして
定義される。尚、図中の矢印「→」は、「X→Y」と記
した場合にデータベースYがデータベースXに基づいて
生成されることを意味している。
上記した(A)、(B)、(C)、(E)に示すDBと
の間の関係の一例を示すと、下表2の通りである。
Bが縦欄に示すDBを包含することを意味し、「−」は
そのような包含関係がないことを意味している。例え
ば、(A)の骨に関するDBには、骨の重量や重量分
布、骨の破断係数に関するDBが含まれる。また、
(B)のDBについては関節の重量が主として骨部の重
量から構成されるために靱帯についての重量や重量分布
を無視しているが、これらについてもモデルに組み込む
ことでより詳細なモデル化を図ることができることは勿
論である。
準人体(上記基準体型モデル等。)の骨格や脂肪等の形
状モデルに基づき前記した方法を用いて体型形や性別デ
ータ等から生成される。
1、SS2について、具体例の要部を示すフローチャー
ト図である。
規定されている下記のデータ項目について、対象者の数
値を入力(手動又は自動入力)したり、選択値の場合に
はそれらのいずれかを指定する。
合。) ・性別(男・女) ・年齢(単位:才)。
3に示す例が挙げられる。
うに連続的な数値を格納する領域を要するものや、体型
形等のように、タイプを示す値(上記体型形座標空間の
座標軸θの値に対応する)とその度合示す数値(上記体
型形座標空間の座標軸rの値に対応する)とを組み合わ
せた構造、あるいは、性別のように「0」又は「1」の
1ビットデータで簡単に表現できるもの等が挙げられ
る。
上記のような比較的少数の入力パラメーターに基づいて
モデルを生成するモード(以下、「ノーマルモード」と
いう。)と、ノーマルモードで生成したモデルに変更を
加えるためのモード(以下、「特殊モード」という。)
とが存在するので、ステップS2でのモード判断処理に
おいて、先ずは、ノーマルモードを選択したものとし
て、ステップS3乃至S8での処理について説明する。
を参照して重量設定処理を行う。即ち、対象者の体型形
データに基づいて骨、筋肉、脂肪、頭部、臓器等につい
ての重量比率を設定するとともに、筋肉や脂肪の重量に
ついてはさらに胸部、腹部、上腕、下腕、上肢、下肢に
区分して設定する。また、性別の如何によって筋肉脂肪
のつき方が異なるので、その相違を考慮して重量比率の
設定を行う。尚、設定後における総重量と上記した体重
の入力値との差がほぼゼロとなるように重量の割り当て
を行う必要があることは勿論である。
布DBを参照して、対象者の身長や体型形のデータに基
づいて骨格や脂肪の形状について設定を行う。そして、
骨の重量分布(重心や比重等)により骨と頭部の重量配
分を設定するとともに、肉質の重量分布により筋肉や脂
肪の重量配分を設定する。尚、ここで、「肉質の重量分
布」について、上腕、下腕、上肢、下肢の場合と胸部の
場合とに分けて説明すると、前者の場合には、骨の重量
分布についての重量点を中心とした仮想の円軌道(これ
は立位姿勢の人体を正面から見た場合の形状であり、正
確には球形状をしている。)を複数設定して、各軌道に
対して重量を等間隔でもって均等に配分する。また、後
者の場合には骨の重量分布における胸郭の重量点から外
方へ一定の間隔をおいた距離に仮想の軌道を複数設定し
て、各軌道に対して重量を等間隔でもって均等に配分す
る。そして、性別の入力データが女性である場合には、
胸部脂肪の重量分布について追加の設定を行う。
1頚骨間関節と恥骨間を結ぶ内臓重量線上において等間
隔で設定し、該重量分布は椎骨の運動によって変化す
る。また、腹部脂肪の重量分布については、内臓重量線
上に沿って等間隔に設定される重量点を中心とする仮想
の楕円形軌道(これは立位姿勢の人体を正面から見た場
合の形状であり、正確には楕円体形状をしている。)を
複数設定し、各軌道に対して重量を等間隔でもって均等
に配分する。尚、この他、仮想の楕円形軌道内に、骨、
筋肉、内蔵、脂肪の領域を設けて領域毎のDBを作って
おき、各領域に等分布の重量をそれぞれ設定する方法が
ある。
なるので、対偶の進入禁止範囲(対偶が内臓等を突き抜
けて体内に進入するのを禁ずるための範囲)を設定する
ことができる。
DBから骨や靱帯、筋肉等についての破壊係数データを
読み込む。これは骨や靱帯等の破損を招くような無理な
力が加わる姿勢、つまり、健康体においてあり得ない人
体の状態を人体構造モデルにおいて回避するために必要
とされる。
度DBや(c)の破壊係数DBを参照して、体型形や性
別のデータから関節の駆動範囲や自由度(破壊時の自由
度を含む。)を設定する。尚、これは関節の構造からは
健康体として許されない動きやありえない動きを排除す
るためである。
Bを参照して各種の接続関係についてのデータを読み込
んだ後、次ステップS8では筋運動についての設定を行
う。
を参照して、入力データ(身長、体重、体型形、性別、
年齢等)に基づいて駆動される対偶の重量を考慮して関
節の駆動角度と作用筋の収縮率について設定する。
マルモードでの身体構造モデル及びこれをデータベース
化した身体構造DBが作成される。尚、上記(g)の神
経配置DBについては、身体構造DBに合わせて基準人
体(基準体型モデル等)の神経配置から単独の加工処理
によって作成される。
むか否かを判断し、特殊モードを選択した場合にはステ
ップS10に進み、選択しなければステップS17に進
む。
て特殊モードを選択した場合にはステップS10に進
み、比率変換モードを選択するか否かを判断する。尚、
「比率変換モード」とは上記したノーマルモードにおい
て生成したデータに対して腕、胴、脚部等の大きさを入
力してデータ比較を行い、長さや重量の再設定を行うモ
ードである。同ステップで比率変換モードを選択した場
合にはステップS11に進み、選択しない場合にはステ
ップS17に進む。
2つにモード、つまり、「長さ設定モード」と「比率設
定モード」とに分け、両者のうちのいずれかを選択す
る。そして、「長さ設定モード」を選択した場合にはス
テップS12に進んで、腕、胴、脚部等の長さ(単位:
mm)をそれぞれ入力する。また、「比率設定モード」
を選択した場合にはステップS13に進んで腕、胴、脚
部等の基準長(例えば、身長等)に対する比率をそれぞ
れ入力する。尚、これらステップS12、S13での入
力データは、例えば、上記(e)の接続関係DBにおけ
る筋肉の自由長についての補正に用いられる。
いて2つのモード、つまり、「合わせ込みモード」と
「加減調整モード」とに分け、両者のうちのいずれかを
選択する。そして、「合わせ込みモード」を選択した場
合にはステップS15に進み、生成データから得られる
重量を体重の入力データに合わせる処理を行ってから図
21のステップS2に戻る。また、「加減調整モード」
を設定した場合には生成データから得られる重量につい
て増減量を付与する処理を行った後ステップS2に戻
る。これらのステップS15、S16により、上記ステ
ップS3やS4での重量設定や重量分布の補正をさらに
行うことができるようになる。
を選択するか否かを判断し、選択する場合にはステップ
S18に進み、選択しなければステップS19に進む。
尚、「関節重量モード」とは、例えば、2足歩行型ロボ
ットにおいて関節駆動用のモータ等の重量を登録する場
合等に用いられ、関節毎に1点の加重値を加減算して、
全体のバランスが保たれるように対偶の重量分布を設定
するためのモードである。尚、ステップS18での処理
後はステップS19に進む。
を選択するか否かを判断し、選択する場合にはステップ
S20に進み、ここで各対偶に付随する筋や脂肪の重量
毎に所望の加重値を加減算することで筋肉等の重量バラ
ンスを保つように設定を行う。
身体構造モデルの生成を終了するが、これまでの工程に
おいて必要なデータは体格や性別等に関する比較的少数
のデータだけである。
いて、図23に示す要部のフローチャート図に従って説
明する。尚、本工程では、上記(G)身体運動に関する
DBについて下記に示すDBが作成されるが、その内容
は後述する処理の説明から明らかとなる。
ーカー(後述する。)を付設した対象者に対して立位姿
勢を維持してもらった後、次ステップS2では3次元デ
ータの取得法を用いて対象者の3次元データを得る。
尚、ここで、「3次元データ」とは、平面上に貼り付け
られた2次元画像と区別されるデータであり、3次元形
状を構成する曲面及びこれに貼り付けられた画像データ
を意味する。
形状や画像を含むデータを得ることのできる方法であれ
ば如何なる方法を用いても構わないが、例えば、干渉縞
を用いる方法を挙げることができる。即ち、被写体に対
して単色光や3原色光による干渉縞を発生させて被写体
を撮影するとともに、被写体に生じた干渉縞の形成間隔
から撮影方向における被写体の奥行き(凹凸)について
のデータを得て、これに干渉縞のない被写体画像を貼り
付けることによって3次元データを得る方法である。
た例によって方法の原理について説明するための図であ
る。
ており、単色光の干渉縞を発生する干渉縞発生手段7
と、撮影手段8とを配置し、干渉縞9の映った被写体6
を撮影手段8によって撮影することで、被写体6に関す
る一次情報(画像情報)を得る。
数の同心円状のパターンとされている場合に、該干渉縞
が平板10に照射されたときには同心円状の縞模様11
ができることになるが、図26に示すように円柱形状を
した被写体6の側面に映る干渉縞12は縦長の同心楕円
状の模様となる。これは同図のA−A断面に示すよう
に、撮影方向Fから見た被写体6の奥行きxが円柱表面
において大きくなる程光路差の変化が大きくなって干渉
縞の間隔が狭くなるためであり、換言すれば、被写体画
像における干渉縞の間隔を調べることで奥行きxを知る
ことができる。
は、図26に示す干渉縞が、撮影方向Fから見て手前に
突出した曲面13によってできたものか、又は、図27
に示すように(下段の図は上段の図のB−B断面を示
す。)、撮影方向Fから見て奥に引っ込んだ曲面14に
よってできたものかの区別がつかない。
工程については、被写体に対して異なる角度をもって複
数回行う必要がある。
程についても同様に被写体に対して異なる角度をもって
複数回行うが、これには干渉縞の照射と非照射とを交互
に繰り返すことによって時分割処理が可能であり、ま
た、画像についての時間的な隣接相関性を利用して干渉
縞で隠される画像部分を補完することも可能である。
る各画像についてその干渉縞を等高線とみてその形成間
隔から撮影方向における奥行きを決定する等高線処理を
行うことで、図28に示すように、被写体6の形状、つ
まり円筒15の形状データを得ることができる。
もに、当該表面を多数の区分領域(曲面パッチ)16、
16、・・・に分割する。例えば、図29に示すよう
に、円筒15をその中心軸回りに所定の角度間隔をもっ
て等分割するか、あるいは円筒15の側面から見た区分
領域の面積が常に等しくなるように異なる角度間隔をも
って分割し、また、円筒15の中心軸方向については該
中心軸に直交する等間隔の平面によって円筒15を分割
すれば良い。
影画像を貼り付けるにあたっては、該撮影画像を上記区
分領域の分割と同程度の分割数でもって分割する。例え
ば、図30に示すように、ある撮影方向から見た被写体
6の画像17が文字「A」の模様を有する場合に当該画
像を格子状に分割する。尚、この例では、図に横方向に
おける格子間隔dが一定でなく周辺部に行くにつれて小
さくなっている。
8、・・・を得て、これらを対応する上記区分領域1
6、16、・・・にそれぞれ割り付けることになるが、
図31に示すように円筒の場合にはその中心軸に直交す
る平面での断面形状が円形状をしているので、部分画像
をそのまま区分領域に貼り付けたのでは歪みが生じてし
まう(図32の部分画像18と区分領域16との対応関
係を参照。)。そこで、部分画像に対して区分領域の形
状に応じた変形処理を施して歪み補正を行った後、当該
部分画像をこれに対応する区分領域に貼り付ける。その
際、当該部分画像が被写体を図31とは異なる角度から
撮影したときの画像の部分と矛盾しないようにする必要
があることは勿論である。
画像の区分領域への割り付けが終了すると、図33に示
すように、表面の状態(模様等)を含む形状モデル(サ
ーフェスモデル)19が得られ、これにより被写体の3
次元データが取得される。
てデータの取得方法を説明したが、動きのある被写体に
適用することができることは勿論である(動画像は時間
パラメータによって特定される静止画像の集合に過ぎな
いから。)。
原色の光源による干渉縞を用いることによってカラー画
像としてデータを取得することができる。
それぞれ発生させる複数の干渉縞発生手段と、被写体画
像を得るための撮影手段とを配置するとともに、撮影手
段によって異なる角度から被写体を撮影する。尚、その
際の撮影手段の数は、干渉縞発生手段と同じ数にするこ
とが好ましく、また、干渉縞発生手段と撮影手段とを別
々の装置として設けるよりは、両手段を一つの装置内に
配置することによって干渉縞発生・読取装置としてまと
めることが、省スペース化や作業性の観点から好まし
い。
(例えば、R−赤、G−緑、B−青)に対応する数(3
つ)だけ設けた例を示すものであり、3つの干渉縞発生
・読取手段20R、20G、20Bが被写体6を中心と
する正3角形の各頂点位置にそれぞれ配置されている。
尚、これらの干渉縞発生・読取装置は図18の周辺装置
5に含まれる。
1を概略的に示すものであり、被写体に対して干渉縞を
発生させる干渉縞発生部22Aと、被写体画像を得るた
めの撮影部22Bとを備えている。
と、パターン情報指令部24からの信号を受けて干渉縞
のパターンを表示するパターン表示手段25とを有して
いる。例えば、図示するように、干渉縞発生部22Aに
おいて、その光源23と被写体とを通る軸L−Lが光軸
を示しており、光源23の前方には光の拡がり具合を調
整するための調整用レンズ26が設けられている。尚、
光源23としては、例えば、レーザー、放電灯、白熱電
球等を用いることができる。また、調整用レンズ26は
モータを含む調整用レンズ調節サーボ手段27によって
光軸L−Lに沿って前後方向に移動される。
の前方に設けられており、パターン情報指令部24から
の映像信号が入力されることによって、フィルタ手段と
しての表示部28上に所望の干渉縞パターン画像が表示
されるように構成されている。尚、表示部28として
は、例えば、カラー液晶式表示装置(LCD)等を用い
ることができる。
な多重円あるいは多重の楕円又は菱形状をしたパターン
29a乃至29dを用いることができ、被写体の縦横の
比率がほぼ1対1の場合には、図示する同心円状の図形
(29a)若しくは正方形を90°回転させた図形とそ
の相似図形を同心状に配置したもの(29b)を用い、
また、被写体の縦横の比率が異なる場合(例えば、縦方
向の長さが横方向の長さより大きい場合)には、縦長の
楕円を同心状に配置したもの(29c)や縦長の菱形と
その相似図形を同心状に配置したもの(29d)を用い
れば良く、これらの図形の縦横比を被写体の縦横比に応
じて決定すれば良い。尚、撮影画像に係る検出能力は干
渉縞の間隔及び撮影部の分解能によって決定する必要が
ある。
表示された画像は、前方のプリズム30及び対物レンズ
31を介して被写体に向けて出射される(図35参
照。)。尚、本例に示すプリズム30は光軸LーLを含
む平面で切断した断面形状が3角形状を有しており、対
物レンズ31側の面に形成された半透過膜30aが光軸
L−Lに対して45°の角度をもって傾斜している。ま
た、対物レンズ31はモータを含む対物レンズ調節サー
ボ手段32により光軸L−Lに沿って前後方向に移動さ
れる。
いて光路変更を受けた後撮影部22Bに到達し、これに
よって被写体が撮影される。つまり、被写体の反射光
は、図35に破線で示すように対物レンズ31を通して
半透過膜30aで反射されることで進行方向が光軸L−
Lに対して直交する方向に変更された後、撮影部22B
に到達し、これによって被写体画像が読み込まれる。
尚、撮影部22Bに使用するカメラについては、例え
ば、撮像管や固体撮像素子(CCD型あるいはMOS型
エリアイメージセンサー)等を用いた各種方式(単管
(板)式、多管(板)式等)が挙げられる。
ぞれの干渉縞発生部により1原色の干渉縞をそれぞれ発
生し、被写体からの反射光を各々の撮影部によって取り
込むとともに、撮影部により被写体を異なる複数の角度
から撮影することで、被写体の色情報を含む干渉縞画像
を得ることができ、これらに対して上記等高線処理等を
施すことによって被写体の3次元データを取得すること
ができる。
B)の各色に対応する1つの干渉縞発生・読取装置20
R、20G、20Bを設けたが、これに限らず、例え
ば、図37に示すように、対をなす干渉縞発生・読取装
置が被写体を挟んで対向する配置を採用することもでき
る。尚、図37では6つの干渉縞発生・読取装置が被写
体6を中心とする正6角形の各頂点位置にそれぞれ配置
されており、干渉縞発生・読取装置20R1と20R2
とが対をなして赤色の干渉縞の発生及び読取を行い、干
渉縞発生・読取装置20G1と20G2とが対をなして
緑色の干渉縞の発生及び読取を行い、干渉縞発生・読取
装置20B1と20B2とが対をなして青色の干渉縞の
発生及び読取を行う。
影手段を、被写体に対して互いに対向する位置関係をも
って干渉縞の色毎に配置することによって、被写体表面
の影等による影響を低減し、画像認識の精度を向上させ
ることができる。
色をすべて同一色(例えば、白色)とする場合には、撮
影にあたって各撮影部を順番に切り換えて異なる角度か
ら被写体を撮影することができるので、干渉縞発生部2
2Aの光源色を光源23の色によって固定的に規定する
よりは、光源色を白色とし、上記表示部28での画像の
色設定をパターン情報指令部24からの指示(色の選択
指示)によって行うことが好ましい。
場合には、被写体が撮影画像の中心部からずれた場合に
画像検出の分解能が低下する虞が生じる。
体に重心位置検出用のマーカーを付設して、撮影手段に
付設された追尾手段によって撮影手段がマーカーを追尾
するように制御することが好ましい。つまり、マーカー
を被写体の重心位置に取り付けることによって、被写体
の移動中心である重心位置が常に撮影画像の中心部にく
るように保つことができる。
ーの発する情報を検出する検出手段と、撮影手段の撮影
方向を規定するための姿勢変更機構と、検出手段からの
情報を受けて撮影手段の撮影方向をマーカーへと向ける
ことで被写体を追尾するための制御信号を姿勢変更機構
に送出する制御手段とを設けることが好ましい。
マーカー自体はその位置や姿勢に関する特別な情報を発
しないものとし、画像処理によってマーカーを捉えて当
該マーカーの位置を撮影画像の中心に保つ方法(ビデオ
カメラの手振れ補正等に利用されている。)と、マーカ
ーの発する電波の強度を検出して該マーカーの方向やマ
ーカーとの距離を測定したり、あるいは、マーカーの発
する位置や姿勢等の情報を電磁波等に変換してこれを検
出手段で検出して撮影手段の姿勢を制御することによっ
てマーカーの位置を撮影画像の中心に保つ方法等が挙げ
られる。
4、チルティング機構35及びパンニング機構36、制
御装置37によって構成されており、被写体6に付設さ
れたマーカー33を追尾するための検出部34が装置2
1に取り付けられ、これによって撮影方向を常に被写体
に向けるための姿勢制御に必要な情報が得られる。
ルティング機構35及びパンニング機構36が設けられ
ており、上記検出部34によって得られる検出信号が制
御装置37に送出されると、該制御装置37から上記機
構35、36にそれぞれ送出される制御信号によって、
撮影画像におけるマーカー33の位置が常に画像の中心
位置に来るように撮影方向の自動追尾制御が行われる。
姿勢に関する3次元データを取得してその体格を認識す
ることができる。
ステップによって得られたモデルに対してその頭部から
足先に向かって鉛直方向に沿ってスライス処理(つま
り、断層断面を形成する。)を行うことで身体の各構成
部分や対偶を認識する。例えば、図38に概略的に示す
モデル38に関して矢印Rで示す方向がスライス方向で
あり、点Psが頭頂部を示し、領域「A1」が頭部の認
識に関する領域、領域「A2」が頚椎の認識に関する領
域、領域「A3」が肩部の認識に関する領域、領域「A
4」が胸部及び腹部の認識に関する領域、領域「A5」
が脚部の認識に関する領域を代表的に示している。尚、
同図の右側に概略的に示した断層図は領域A1の下側境
界面でスライスした領域の数が1個、領域A3の下側境
界面でスライスした領域の数が3個、脚部を途中でスラ
イスした領域の数が2個であることをそれぞれ示してい
る。
身体構造モデルと3次元データから得られるモデルとを
比較・対照することで行う。例えば、被写体(対象者)
に取り付けた重心位置検出用マーカーに対応する重心と
頭部の中心点とを結ぶ軸を身体構造モデルの背骨軸であ
ると認識したり、上肢の両肩関節の位置については背骨
軸に関して左右対象であって最も突起した箇所として認
識する等、人体の身体的特徴に基づいて求めることがで
きる。
膝の屈伸運動を行ってもらい、上記ステップS2及びS
3で説明したのと同様の方法によって3次元データの取
得及び膝関節の認識に関する処理を行う。つまり、立位
姿勢での3次元データだけでは膝関節の特定を正確に行
うことができないためである。
その下腕が地面に平行になるように腕を動かしてもらっ
て上記ステップS2、S3で説明したのと同様の方法に
よって3次元データの取得及び肘関節の認識に関する処
理を行う。
において得られた基礎データについての補正(誤差の補
正等)を行った後、次ステップS7に進み、データの確
定、つまり、対象者に係る人体形状データを決定する。
状と上記ステップで得た人体形状データとの間に顕著な
相違が生じないように形状について両者間の合わせ込み
処理を行い、当該人体形状と上記身体構造モデルとの間
に生じる差異を極力低減する。
してもらい、上記ステップS2で説明したのと同様の方
法を用いて運動状態についての3次元データを取得す
る。
における頭部と重心位置検出用マーカーの位置に基づい
て胴体を認識するとともに、対象者の身体運動に関する
情報(対偶の状態等)を表象する枠体モデルとしてワイ
ヤーフレームモデルを生成する。そして、該ワイヤーフ
レームモデルをデータベース化することにより上記の運
動ワイヤーフレームDBを作成する。
デル及び前記ステップで得られた人体形状に基づいて運
動中心である重心位置及びその変化に関するデータだけ
を抽出して上記運動重心位置DBを作成する。
体の構造や運動に関するモデルを得ることができ、これ
ら対して筋肉や脂肪の形状についてのポリゴンデータ
(多角形近似データ)を付加することによって人体に関
するポリゴンモデルやこれをデータベース化したもの
(以下、「人体ポリゴンDB」という。)を得ることが
できる。
した身体構造DBや運動ワイヤーフレームDB、運動重
心位置DBの他、下記に示すDBとの依存関係の一例を
示すものであり、図中の矢印「→」の意味は既述した通
りである。
に説明すると、先ず、(h)筋肉ポリゴンDBは筋肉の
収縮に対応した筋肉形状のポリゴンデータ集であり、
(i)脂肪ポリゴンDBは、筋肉の収縮と重心の運動に
対応した脂肪形状のポリゴンデータ集である。また、
(j)特殊脂肪ポリゴンDBとは、筋肉の収縮には直接
関係しないが重心の運動に主として関与する脂肪(内臓
脂肪や胸部脂肪等。)の形状についてのポリゴンデータ
集である。
して人為的に老化させる処理を施す際に必要な皺の量や
寄り方についてのポリゴンデータ集(あるいは2次元画
像データ)であり、上記した(F)皮膚に関するDBを
構成するものである。
は、筋肉ポリゴンDB、身体構造DB、運動ワイヤーフ
レームDB、運動重心位置DBから生成されるデータベ
ースであり、人体の運動に伴う筋肉の収縮状態を表現す
るために必要とされ、概ね下記の手順に沿って生成され
る。
の生成 (3)筋肉ポリゴンDBと(1)や(2)のDBとの関
連付け また、「脂肪収縮ポリゴンDB」は、筋肉ポリゴンD
B、身体構造DB、運動ワイヤーフレームDB、運動重
心位置DBを参照しながら脂肪ポリゴンDB及び特殊脂
肪ポリゴンDBから生成されるデータベースであり、筋
肉の収縮や重心運動に伴う脂肪の位置や厚さ等の変化を
表現するために必要とされる。
て処理例の要部を示すフローチャート図であり、筋収縮
ポリゴンDBの生成に関する処理と、脂肪収縮ポリゴン
DBに関する処理とを並列的に示している。
処理については、ステップS1において、筋肉ポリゴン
DB、身体構造DB、運動ワイヤーフレームDB、運動
重心位置DBを用意した後、ステップS2では、人体の
運動と各筋肉の収縮率の変化についての関係を得る。
してその収縮に対応した筋肉形状を示すポリゴンデータ
集、つまり、筋収縮ポリゴンDBを作成する。その際に
は、身体構造DBのうち特に人体形状に関するデータ及
び筋肉ポリゴンDBのデータを参照する。
ムDBに対して筋肉部のポリゴンデータを付加した後、
ステップS5に進む。
する処理については、ステップST1において両DBを
用意した後、次ステップST2で人体の運動と各脂肪の
収縮率の変化についての関係を得る。
肪に関して筋肉の収縮や重心運動に対応した脂肪形状を
示すポリゴンデータ集、つまり、脂肪収縮ポリゴンDB
を作成する。その際に身体構造DBのうち特に人体形状
に関するデータ及び筋肉ポリゴンDBのデータを参照す
る必要がある。
ームDBに対して脂肪部のポリゴンデータを付加した
後、ステップS5に進む。
運動ワイヤーフレームモデルについて、画像データの1
フレーム毎に筋肉や脂肪のポリゴンデータを加工するこ
とによって筋肉の躍動や脂肪の揺れ等を表現する。尚、
この加工にはポリゴンの表面におけるドットやパッチに
対するデータ処理として行なわれ、例えば、ドットに関
する結線処理やベヂエ(Bezier)化処理、あるい
はこれらの処理を、一定表面の圧縮後に行う等の処理が
含まれる。
する2つの骨ポリゴン39、40に亘って筋肉ポリゴン
41が架け渡された様子を概略的に示している。
DBと運動ワイヤーフレームDBとのリンク(関連付
け)を行う(図39では両方向の矢印で示している)。
これによって、例えば、ある関節の周囲における皮膚の
皺を関節角度や関節からの距離に応じて変化させること
ができる。つまり、関節における皮膚の皺の本数は、関
節の駆動角度に比例し、かつ、関節からの距離の反比例
する。
より方を模式的に示すものであり、肘関節をまっすぐに
した図42の状態から肘関節をほぼ直角に曲げることに
よって、図43に1点鎖線の円42で囲んで示すよう
に、肘関節からの距離が近い場所程皺の量が多くなる。
筋肉の緊張から関節の周囲を覆っている皮膚に対して前
記したように老化処理を施す方法や、皮膚の皺を縦皺と
横皺とから構成し、関節間の筋肉の緊張時や引張時には
縦皺を相対的に多くし、筋肉の圧迫時には横皺を相対的
に多くする方法等を用いる。
れるが、データの利用時に際してはデータに圧縮処理を
施すことが好ましい。これは、例えば、上記した3次元
データを3Dゲーム用データ等に用いる場合において、
描画処理の高速化やデータ量の削減などの要請に答える
ためである。
を生成して、これに被写体の画像を貼り付ける場合を想
定すると、データ圧縮の方法については下記の方法が挙
げられる。
法 (II)ポリゴンの個数の減少を伴う方法 先ず、方法(I)には、ポリゴンモデルを構成するポリ
ゴン(図29、図31の区分領域16を参照。)の総数
を減らすことなく、例えば、ポリゴンの形状データやこ
れに貼り付ける2次元画像データを既知の方法によって
圧縮して、圧縮後における各ポリゴンデータと2次元画
像データとの対応関係を改めて規定し直する方法が挙げ
られる。
数を減少させる(分割数の減少やポリゴンの合成等。)
とともに、減少したポリゴンに対応する2次元画像デー
タの割り付けを再度行った後、2次元画像データの照度
に変更を加える方法が挙げられる。
作成されるが、歩行におけるバランスの制御について
は、上記ステップSS5(図19参照)の工程が必要で
ある。尚、歩行型ロボットについては、三半規管に相当
するバランスセンサーの検出信号に対する脚部の運動制
御について、歩行のパターンをデータベース化すること
により、多種の歩行型ロボットに対してその駆動制御の
アルゴズムを提供することができるという点で以下に示
す方法は有用である。
用する装置について図44乃至図47に従って説明す
る。
すように、対象者TGを測定台43に載せて、当該測定
台43の姿勢を駆動装置44によって自在に変化させる
ことができるように設定する。つまり、図44に矢印で
示すように測定台43を上下方向に移動させたり、ある
いは図45に矢印で示すように測定台43を前後左右に
移動させたり、図46に矢印で示すように測定台43を
回転させることができるようにする。また、図47に矢
印で示すように、所定の基準点Oの回りで測定台43を
旋回させることができるようにする。
アイマスク等によって目隠しをされ(これは視覚に依ら
ない三半規管だけによる行動のデータを取得するた
め。)、また、重心の位置や移動方向、移動速度等の情
報を検出するためのマーカー(これは上記した重心位置
検出用マーカーで代用しても良い。)を取り付けられ
る。
ための三半規管神経パルス測定装置を対象者に対して付
設することで、対象者の姿勢変化に対する神経パルスの
情報を得ることができるようにする。
の撮影手段については、その対象者を含む所定の範囲
(例えば、半径1mの仮想球内)で3次元の動画情報を
取得できることを要する。
経パルス測定装置等は、図18の周辺装置5に含まれ
る。
単にまとめると下記のようになる。
ルスデータを取得する (3)(1)の各姿勢における対象者の3次元データを
取得する (4)(2)のデータからデータベース(以下、「三半
規管神経パルスDB」という。)を生成するとともに、
これと(3)のデータから生成したデータベース(運動
ワイヤーフレームDB及び運動重心位置DB)とをリン
クする 尚、上記(1)については、所定の水平面(地面等)上
に直立した対象者に所定の加重をかけた運動や旋回運動
等を行ってもらったり、あるいは測定台に乗せた対象者
について測定台を傾けたり、測定台を水平面内で前後左
右に移動させ、あるいは測定台の回転や旋回を行った場
合に対象者が採る挙動を観察する。そして、上記(2)
及び(3)の工程は、その数字の示す順番通りに遂行さ
れるのではなく。(1)における対象者の姿勢変化と同
時並行的に行われる。
ャート図であり、図48は平衡感覚に関する運動の形態
(ステップS1乃至S5参照。)、三半規管の神経パル
スデータの取得(ステップST1及びST2参照。)、
運動に関する3次元データの取得(ステップSP1及び
SP2参照。)の3者を並列的に示したものである。
ンDBを作成した後(その際、対象者の利き腕や利き足
の情報を考慮する。)、次ステップS2で対象者にアイ
マスクや重心位置検出用マーカーを取り付ける。そし
て、上記した3次元データの取得方法に必要な設備を設
置するとともに対象者に三半規管神経パルス測定装置を
接続する。
運動姿勢を観察するか否かを判断し、所定の水平面(地
面等)上で対象者の運動姿勢を観察する場合にはステッ
プS4に進み、上記測定台で対象者の運動姿勢を観察す
る場合にはステップS5に進む。
の姿勢をとってもらい、主に下肢の平衡感覚を把握す
る。
とによって、主に対象者について体位の安定化手法を把
握する。
ては、ステップST1に示すように、ステップS4やS
5での対象者の各運動姿勢について三半規管神経パルス
測定装置を使って行い、ステップST2で測定結果から
三半規管神経パルスDBを生成する。
ついては、ステップSP1に示すように、ステップS4
やS5での対象者の各運動姿勢について3次元データを
得た後、ステップSP2において当該データから運動ワ
イヤーフレームDB及び運動重心位置DBを生成する。
すフローチャート図であり、先ず、ステップS1におい
て対象者に水平面での立位姿勢を維持してもらった後、
次テップS2では運動について3つの場合分けを行い、
ステップS3、S8、S10のいずれかに進む。
位面上に重量球を設置した後、次ステップS4で当該重
量球を上肢で掴んでもらう。そして、ステップS5では
該重量球を片手で持ち上げたり、両手で持ち上げる動作
を対象者に実行してもらう。ステップS6では対象者が
身体のバランスを崩さない範囲で重量球を移動してもら
う。
いて重量球と対象者の体位の位置関係を多様に変化させ
て運動を観察する。尚、その際、加重重量を変化させて
各動作を対象者に実行してもらうことが好ましい。
の神経パルスデータ及び3次元データを得てステップS
T2やSP2のDBを生成してこれらをリンクすること
で、上肢運動による上体下肢の平衡感覚についての情報
を取得することができる。
象者の上肢に加重をかけてその動作を観察する。そし
て、次ステップS9では、前ステップの動作について加
重重量や上肢の傾きの角度及び方向を多様に変化させて
運動を観察する。こうして、上記と同様にDB(三半規
管神経パルスDB、運動ワイヤーフレームDB、運動重
心位置DB)の生成及びリンクを行うことで上肢運動に
よる上体下肢の平衡感覚についての情報を取得すること
ができる。
に上体の前後や左右の旋回運動を実行してもらう。そし
て、次ステップS11では、前ステップの動作について
上体の旋回速度や上体の傾き角度及び方向を多様に変化
させて運動を観察する。そして、これによって上体下肢
の平衡感覚についての情報を取得することができる。
S5の一例を示すフローチャート図であり、ステップS
1において対象者を測定台に乗せて台上で立位姿勢を維
持してもらった後、次テップS2では運動について2つ
の場合分けを行い、ステップS3、S6のいずれかに進
む。
の位置が基準位置に来るように上記駆動装置44を操作
して初期状態を設定した後、次ステップS4で測定台を
水平面に対して傾け、これに対する対象者の動作反応を
みる。そして、ステップS5では測定台の傾動速度や傾
き角度及び方向を多様に変化させて動作を観察し、各動
作についての上記DB(三半規管神経パルスDB、運動
ワイヤーフレームDB、運動重心位置DB)の生成及び
リンクにより傾動変化に対する対象者の平衡感覚に関す
る情報を取得することができる。
台43の姿勢が水平に保持されるように駆動装置44を
操作して初期状態を設定した後、図51のステップS7
で測定台43の運動について3つの場合分けを行ってS
8、S11、S14のいずれかのステップに進む。
定台43を水平方向(前後方向や左右方向)に移動させ
るとともに、次テップS9で測定台の移動を任意の時間
で停止させ、この間における対象者の動作反応をみる。
そして、ステップS10では測定台の加速度や移動方
向、停止時間を多様に変化させて動作を観察し、各動作
についての上記DB(三半規管神経パルスDB、運動ワ
イヤーフレームDB、運動重心位置DB)の生成及びリ
ンクを行い、直線的な加速運動の開始時や急停止時に対
象者が体位の安定化のためにとる挙動に関する情報を取
得する。
測定台43を水平面内で回転させるとともに、次テップ
S12で測定台の回転を任意の時間で停止させ、この間
における対象者の動作反応をみる。そして、ステップS
13では測定台の角加速度や回転方向、停止時間を多様
に変化させて動作を観察し、各動作についての上記DB
(三半規管神経パルスDB、運動ワイヤーフレームD
B、運動重心位置DB)の生成及びリンクを行い、回転
運動の開始時や急停止時に対象者が体位の安定化のため
にとる挙動に関する情報を取得する。
測定台43を水平にし又は水平面に対してやや傾けた状
態にし、次ステップS15で測定台を水平面内で旋回さ
せた後、次テップS16で測定台の旋回を任意の時間で
停止させ、この間における対象者の動作反応をみる。そ
して、ステップS17では測定台の旋回の加速度や方
向、停止時間を多様に変化させて動作を観察し、各動作
についての上記DB(三半規管神経パルスDB、運動ワ
イヤーフレームDB、運動重心位置DB)の生成及びリ
ンクを行い、旋回運動の開始時や急停止時に対象者が体
位安定化するためにとる挙動に関する情報を取得する。
5等における測定台の運動変化についてはこれを予め決
められた手順に従って規則的に行うこともできるが、角
度や速度等の値を乱数によって指定することで測定台の
動きが対象者にとって不測の動きとなるようにすること
が好ましい。
体バランスに係る動作情報を得ることができる。
うち、下記に示す運動神経に係るDBの作成について説
明する。
た、(l)は下記のDB(これらについては後述す
る。)に基づいて作成される。
や周期等のデータを含んでおり、(m)乃至(u)のD
Bに関して、図52に示すような依存関係を有してお
り、最終的には運動ワイヤーフレームDB、運動重心位
置DB、身体構造DBとリンクされる。
ップSS6の処理の一例を示すフローチャート図であ
り、対象者の3次元データの取得に関する処理と、運動
神経波形DBの生成に関する処理とを並列的に示してい
る。
いては、先ず、図53のステップS1において、測定装
置として、筋電計、末端神経波形計測器、乳酸値測定計
を設置して対象者に接続する。尚、これらの装置は図1
8の周辺装置5に含まれる。
を行ってもらい、このときの末端神経パルスの波形や筋
電波形を末端神経波形計測器、筋電計によってそれぞれ
測定する。そして、末端神経パルス波形の測定データか
ら上記(m)末端神経波形DBを生成するとともに、筋
電波形の測定データから上記(n)筋電波形DBを生成
する。
処理としては、上記ステップS2に対応するステップS
P1に示すように、ステップS2における対象者の運動
に関して上記したデータ取得法を用いて対象者の3次元
データを得る。また、その際、対象者の利き腕や利き足
を区別して測定データを得ることが好ましい。
運動を対象者に行ってもらい、このときの、末端神経波
の周期や筋電波の周期を末端神経波形計測器、筋電計に
よってそれぞれ測定する。そして、末端神経波の周期に
係る測定データから上記(o)末端神経波周期DBを生
成するとともに、筋電波の周期に係る測定データから上
記(p)筋電波周期DBを生成する。
的)な任意運動を対象者に行ってもらい、そのときの乳
酸値を乳酸値測定計により測定するとともに、末端神経
パルスの波形や筋電波形の周期を末端神経波形計測器、
筋電計によってそれぞれ測定する。そして、末端神経パ
ルス波形の測定データから上記(q)末端神経波持久性
DBを生成し、筋電波形の周期に係る測定データから上
記(r)筋電波持久性DBを生成する。
して乳酸値が所定値を越えたか否かを判断し、乳酸値が
所定値を越えていればステップS6に進み、そうでなけ
ればステップS4に戻る。
終了し、運動時間を測定する。そして該測定結果から上
記(s)赤白筋比率DBを作成する。
乃至S4で行った運動の形態を2つに区分する。即ち、
上記運動及び測定が特定の筋肉を対象として各別に行わ
れたものか又は任意の筋肉について行われたものかによ
って場合分けを行い、前者の場合にはステップS8に進
み、後者の場合にはステップS10に進む。
能比DBを生成する。これは、所定の基準筋を設定した
ときにこれに対して各筋肉の性能を比率値として含むD
Bである。
(m)乃至(t)のDBが得られているので、必要に応
じて(u)補正運動神経波形DBからの補正用データを
参照して仮運動神経波形DBを生成した後、ステップS
13に進む。尚、(u)補正運動神経波形DBは、例え
ば、運動神経疾患により義肢等を要する対象者の人体構
造モデルに必要なものであり、これについては後述す
る。
(t)のDBに基づいて仮運動神経波形DBを生成する
とともに、既に作成されている身体構造DBから体格デ
ータ(体型形、身長、体重等を含むデータ)を得る。こ
れによって体格データと仮運動神経波形DBとの組み合
わせが出来上るので、対象者の数が増えるに従ってこれ
らのデータを蓄積することができる。
に近似した体格データを仮運動神経波形DBに基づいて
複数(例えば、3つ)選び出して、次ステップS12に
進み、ここで仮運動神経波形DBについての平均化補正
を行う。尚、平均化補正としては単純平均法に限らず、
対象者の体格データと、選出した体格データとの近さを
定量化した加重平均法を用いることができる。
成する。つまり、ステップS9から本ステップに到達し
た場合には仮運動神経波形DBがそのまま運動神経波形
DBとなるが、ステップS12から本ステップに到達し
た場合には平均化補正後の仮運動神経波形DBが運動神
経波形DBとなる。そして、上記ステップSP1で取得
されている対象者の3次元データに基づいてステップS
P2では、運動ワイヤーフレームDB及び運動重心位置
DBを生成するとともに、これと身体構造DBとを併せ
て運動神経波形DBにリンクする。
うち、下記に示す感覚神経に係るDBの作成について説
明する。
あり、また、(v)は下記のDB(これらについては後
述する。)に基づいて作成される。
期、痛覚温度や痛覚圧力等のデータを含んでおり、上記
(m)乃至(p)、(w)乃至(z)のDBに関して、
図55に示すような依存関係を有しており、最終的には
運動ワイヤーフレームDB、運動重心位置DB、身体構
造DBとリンクされる。
SS7の処理の一例を示すフローチャート図であり、対
象者の3次元データの取得に関する処理と、感覚神経波
形DBの生成に関する処理とを並列的に示している。
いては、先ず、図56のステップS1において、測定装
置として、筋電計、末端神経波形計測器、加熱器(温度
センサを含む)、加圧器(圧力センサを含む)を設置し
て対象者に接続する。尚、これらの装置は図18の周辺
装置5に含まれる。
い熱さや痛さを感じない範囲内において一定温度での加
熱や一定圧での加圧を行い、このときの末端神経パルス
の波形や筋電波形を末端神経波形計測器、筋電計によっ
てそれぞれ測定する。そして、末端神経パルス波形の測
定データから上記(m)末端神経波形DBを生成すると
ともに、筋電波形の測定データから上記(n)筋電波形
DBを生成する。
テップS2での温度範囲や圧力範囲の制約を排除して加
熱や加圧を行い、このときの、末端神経波の周期や筋電
波の周期を末端神経波形計測器、筋電計によってそれぞ
れ測定する。つまり、前ステップS2では、対象者が回
避行動を起さない程度の熱や圧力を加えているのに対し
て、本ステップでは加熱や加圧を介してから加熱温度や
加圧量が高まると対象者が回避行動を起こす程度まで熱
や圧力を加える。
る測定データから上記(o)末端神経波周期DBを生成
するとともに、筋電波の周期に係る測定データから上記
(p)筋電波周期DBを生成する。
開始したか否か、又は加熱温度や加圧量が所定値を越え
たか否かを判断する。そして、反射運動が開始し又は加
熱温度や加圧量が所定値を越えた場合には、ステップS
5に進んで、そのときの加熱温度(痛覚温度)や加圧量
(痛覚圧力)をそれぞれ測定する。そして、これらの測
定データから上記(w)痛覚温度DBや(x)痛覚圧力
DBをそれぞれ生成してステップS6に進む。
加熱温度や加圧量が所定値を越えない場合には、ステッ
プS3に戻る。
処理としては、上記ステップS2に対応するステップS
P1に示すように、ステップS2乃至S4における対象
者の挙動(例えば、痛覚のように激しい感覚を得たとき
の体位の回避運動)に関して上記したデータ取得法を用
いて対象者の3次元データを得る。
後、図57のステップS7に進む。
で行った反射テストの形態を2つに区分する。即ち、テ
ストが特定の感覚器官を対象として各別に行われたもの
か又は任意の感覚器官について行われたものかによって
場合分けを行い、前者の場合にはステップS8に進み、
後者の場合にはステップS10に進む。
性能比DBを生成する。これは、所定の基準感覚器官を
設定したときにこれに対する各感覚器官の性能比率を含
むDBである。
(m)乃至(p)、(w)乃至(y)のDBが得られて
いるので、必要に応じて(z)補正感覚神経波形DBか
らの補正用データを参照して仮感覚神経波形DBを生成
した後、ステップS13に進む。尚、(z)補正感覚神
経波形DBは、例えば、脳疾患や神経破断等による運動
神経疾患の対象者についての人体構造モデルに必要なも
のであり、これについては後述する。
(p)、(w)乃至(y)のDBに基づいて仮感覚神経
波形DBを生成するとともに、既に作成されている身体
構造DBから体格データを得る。これによって体格デー
タと仮感覚神経波形DBとの組み合わせが出来上るの
で、対象者の数が増えるに従ってこれらのデータを蓄積
することができる。
に近似した体格データを仮感覚神経波形DBに基づいて
複数(例えば、3つ)選び出して、次ステップS12に
進み、ここで仮感覚神経波形DBについての平均化補正
(単純平均方や加重平均法等。)を行う。
成する。つまり、ステップS9から本ステップに到達し
た場合には仮感覚神経波形DBがそのまま感覚神経波形
DBとなるが、ステップS12から本ステップに到達し
た場合には平均化補正後の仮感覚神経波形DBが感覚神
経波形DBとなる。そして、ステップSP1で取得され
ている対象者の3次元データに基づいてステップSP2
では、運動ワイヤーフレームDB及び運動重心位置DB
を作成するとともに、これと身体構造DBとを併せて感
覚神経波形DBにリンクする。
人体構造モデルを作成することができるが、運動神経疾
患等の医療分野において患者の人体構造モデルを作成し
てこれを活用するとさらに有益である。
的な説明図である。
末端神経との接続例を示しており、中枢神経側に位置す
る神経の切断部が一方の神経接続装置45に接続され、
また、末端神経側に位置する神経の切断部が他方の神経
接続装置46に接続されている。尚、両神経接続装置の
間は、これを電線で結ぶよりも光通信や無線通信等によ
って信号伝送を行うことができるように接続することが
好ましい。
して信号を取り出したり、あるいは神経に電気信号を供
給するための神経接続素子を有する装置を意味する。
示すものであり、入出力ポート48、アナログ入力バッ
ファ49、アナログ出力バッファ50、制御信号端子部
51、52、そして入力端子部53、出力端子部54を
備えている。
48は、神経信号を一次情報として取り込んだり、ある
いは電気信号を神経に伝える役割を持っている。
子が入出力ポート48に接続され、また、その出力端子
が出力端子部54に接続されている。尚、アナログ入力
バッファ49は入出力ポート48側に設けられたインピ
ーダンス変換部49aと、その後段に位置するアンプ4
9bとから構成され、制御信号端子部51からアンプ4
9bに送出される制御信号によってゲートの開閉が制御
される。そして、アンプ49bの出力信号が、アナログ
入力バッファ49の出力信号を取り出すための出力端子
部54に送出される。
子が入力端子部53に接続され、また、その出力端子が
入出力ポート48に接続されている。尚、アナログ出力
バッファ50は入出力ポート48側に設けられたインピ
ーダンス変換部50aと、その前段に位置するアンプ5
0bとから構成され、制御信号端子部52からアンプ5
0bに送出される制御信号によってゲートの開閉が制御
される。そして、アナログ出力バッファ50に入力信号
を供給するための入力端子部53への供給信号がアンプ
50bに入力される。
は神経と電気回路との間でインピーダンスの整合をとる
ための回路である。
ッファ49とアナログ出力バッファ50の両方を有して
いるが、場合によってはこれらのいずれか一方だけを設
けても良い。また、各バッファ等の構造については集積
化に適した構造であればその如何は問わない。
力バッファ49やアナログ出力バッファ50を制御する
ための制御信号を各別に供給するが、これらの制御信号
端子部を一個にして信号の切換手段を介してアナログ入
力バッファ49又はアナログ出力バッファ50に選択的
に制御信号を送出する構成を用いることもできる。
は、制御信号端子部51からアナログ入力バッファ49
に供給される制御信号によって、入出力ポート48から
アナログ入力バッファ49を介して出力端子部54に信
号を出力するか否かが規定される。また、制御信号端子
部52からアナログ出力バッファ50に供給される制御
信号によって、入力端子部53からアナログ出力バッフ
ァ50を介して入出力ポート48に信号を出力するか否
かが規定される。
続されている場合に、入力端子部53を介して電気信号
をアナログ出力バッファ50のアンプ50bに入力する
とともに、制御信号端子部52からアンプ50bに送出
される制御信号によってアンプ50bの出力がインピー
ダンス変換部50aに伝達されることが許可され、入出
力ポート48を介して運動神経に信号が伝達される。
尚、その際には、アナログ入力バッファ49が機能しな
いように制御信号端子部51からアンプ49bに制御信
号を送出することによりインピーダンス変換部49aか
ら出力端子部54への信号伝達が禁止されるようにして
おく必要がある。
神経の構造を考慮して入出力ポートの構造や材質等を決
定する必要がある。
の構成単位であるニューロン(neuron)が細胞
体、樹状突起、軸索で構成されており、軸索の髄鞘の有
無によって神経繊維が有髄繊維と無髄繊維とに区別され
る。
リゴデンドログリア(oligodendrogli
a)が軸索に幾重にも巻き付き、また末梢神経ではシュ
ワン細胞(Schwann cell)が軸索に幾重に
も巻き付いたものであり、電気抵抗が高く、軸索を周囲
から電気的に絶縁している。また、髄鞘のくびれた箇所
はランビエの絞輪(node of Ranvier)
と呼ばれ、電気抵抗が低いため、ここに電気が流れる。
の部分で起こり、該興奮が絞輪から絞輪へと伝導し(こ
れを跳躍伝導と称する。)、また髄鞘の存在によってそ
の伝達速度が飛躍的に増大する。そして、伝導則には、
隔絶伝導(ある神経繊維の興奮が隣接神経には伝導しな
い。)、両方向性伝導(神経繊維の一点で興奮が起きた
ときに、該興奮が中枢側(細胞体側)と末梢側の両方向
に伝わる。)、不減衰伝導(活動電位の大きさが一定で
あり、減衰しない。)、等速伝導(神経繊維の径が一定
であれば伝導速度が一定である。)が挙げられる。
数の神経接続素子を一つのウェハー上に配列させる。例
えば、図60に示す神経接続装置55においては、これ
を構成するIC基板56上に多数の神経接続素子が設け
られており、これらの入出力ポート48、48、・・・
が平面的に配列されている。尚、図60は入出力ポート
48、48、・・・が設けられたIC基板56の面に神
経の切断部57が接合された様子を概略的に示してお
り、IC基板56の周縁及び神経束皮膜58の外周縁が
ネット59によって覆われることで装置と神経とが物理
的に結合されている。また、同図におい軸索60の周囲
の部分61が髄鞘を示しており、髄鞘のくびれた部分が
ランビエの絞輪(例えば、破線の円62内に示す。)を
示している。
接合部63の要部を、接合面に直交する方向から見て拡
大したものが図61に示す概略図である。
れ入出力ポートであり、微細なハニカム構造とされてい
る。そして、神経接合面に直交する方向から見た各神経
接続素子の入出力ポート48、48、・・・は、髄鞘と
の物理的な癒着が容易な絶縁体で形成された仕切部6
4、64、・・・によって仕切られている。
造を概略的に示したものであり、半導体基板(シリコン
基板等)65上には絶縁層66a(例えば、酸化シリコ
ン等)と導電層66bが形成されるとともに、これらの
上層にハニカム構造体を構成する仕切部64が形成され
ている。
には、ナトリウムイオンやカリウムイオン等を吸着させ
るためのイオン吸着材67(例えば、水素吸蔵合金
等。)が設けられており、仕切部64及びイオン吸着材
67の表面には、ナトリウムイオンやカリウムイオン等
を選択的に透過させる選別手段68(選択透過膜等のセ
パレータ。)が設けられている。
のイオンがイオン吸着材67に吸着された後導電層66
bに到達することになるので、神経切断部が導電層(金
属材料等)に直接触れる構成を用いる場合のように金属
アレルギー反応等を伴うといった不都合を防ぐことがで
きる。尚、イオンが出ない時には上記イオン吸着材67
を導電ポリマーとすることで同様に金属アレルギー反応
等を防ぐことができる。
(例えば、セラニーズ社製の「セルガード」(商標)
等。)及び該メッシュ68aの表層に設けられた蛋白質
接着剤68b(シュワン細胞やオリゴデンドログリア等
の電気抵抗が高い部分との結合を図り、他神経との接続
部の信号と重複しないようにするためのもの。)によっ
て構成されており、表面から上記イオン吸着材67に達
する微細孔68c、68c、・・・が形成されている。
造を得るには、例えば、電子ビーム露光技術や陽極酸化
技術等を用いれば良い。
合には、例えば、図62(B)に示すように、絶縁層6
6a及び導電層66bの上層に上記選別手段68を設
け、微細孔68c、68c、・・・からイオンが導電層
66bにそのまま到達する構造を用いることができ、こ
れによって構成の簡単化を図ることができる。このよう
な構造は、例えば、神経の実験等に使用することができ
る。
ち小さい方の円69の内部が軸索に対応する領域を表し
ており、該円69と大円70との間の領域がランビエの
絞輪に対応する部分を表している。
輪の厚みより小さくされている。また、入出力ポートの
形状については上記IC基板56の面上を隙間なく埋め
つくすことができれば如何なる形状であっても良いが、
接続面積や強度等の観点からは6角形が好ましい。
の接続関係についての設定を変化させた例を示したもの
である。尚、これらの図において、各ポート内に記した
「inX」は識別番号Xの入出力ポートが入力ポートで
あること、また、「outX」は識別番号Xの入出力ポ
ートが出力ポートであることをそれぞれ示しており
(「out」は入出力ポートが出力ポートであることを
単に示す。)、「HZ」は入出力ポートと軸索とが高イ
ンピーダンスで結合していることを示している。
ポート71が出力ポートとして機能し、また、該ポート
の周囲に位置する6個の入出力ポート72、72、・・
・が入力ポートとして機能するように、各制御信号端子
部に信号が送出される。従って、この場合には軸索の中
心部に電気信号を供給したり、その周囲の神経信号を取
得することができる。
に位置する「HZ」のポート73の周囲に6個の出力ポ
ート74、74、・・・が配置され、さらにその周囲に
12個の入力ポート75、75、・・・が配置されてい
る。従って、この場合には円69のすぐ内側の軸索に電
気信号を供給したり、円69のすぐ外側の部分から神経
信号を取得することができる。
7個のポート76、76、・・・(HZ)の周囲に12
個の出力ポート77、77、・・・が配置され、さらに
その周囲に18個の入力ポート78、78、・・・が配
置されている。従って、この場合には円69の外側近辺
の軸索に電気信号を供給したり、その周囲の部分から神
経信号を取得することができる。
に配列するとともに、各神経接続素子の入出力ポート
が、制御信号端子部に供給する信号に応じて入力ポート
又は出力ポートとして選択的に指定されるように構成す
ると、ポートの配置を自由に組み換えることができるの
で径や形状等の異なる各種の神経への接合に対応するこ
とができる。
号の供給あるいは神経接続装置55から別の神経接続装
置等への信号伝送については、光ファイバーケーブル7
9を用いて有線方式とするかあるいは無線伝送を用いる
ことが好ましい。
は、中枢神経部のウォーラー(Waller)変性が発
生した後における信号線名(神経名)が把握された神経
(髄鞘で囲まれた神経繊維の軸索断面における神経)と
入出力ポートとを接触させて、入出力ポートの仕切部と
髄鞘との間には絶縁結合を誘発させ、選別手段の表面と
髄鞘との間には物理的結合を誘発させる。
時において、医療用接着剤を使用する場合には、該接着
剤によって選別手段68の微細孔68cが閉塞されない
ように注意する必要がある(例えば、図62において選
別手段68の表層に医療用接着剤を塗布した後、メッシ
ュ68aを引き延ばして微細孔68cの開口を確保する
等。)。
れる神経の形態は多種多様であるので、当該神経に対し
てポートの配置(入力ポートや出力ポート等の選択)を
適切に規定する必要がある。
5Aに示すように、上記神経接続素子47に接続される
制御部80としては、各神経接続素子47の入力端子部
53、出力端子部54、制御信号端子部51、52にそ
れぞれ接続される接続端子部(81乃至84)を設ける
とともに、神経接続素子47と神経との間の絶縁状態又
はインピーダンスを検出するための絶縁/インピーダン
ス認識部85と、神経接続素子47の出力端子部54に
接続された接続端子部81を介して取得した信号を認識
するための神経パルス認識部87と、神経パルスの擬似
信号を発生させてこれを神経接続素子47の入力端子部
53に送出する神経パルス発生部91とを設ける。
部51、52に制御信号を送出して当該神経接続素子4
7の入出力ポート48の機能を入力ポート又は出力ポー
トとして設定するとともに、ポートの設定状態を記憶す
るための接続パターン設定/記憶部94を設ける。
力端子部53や出力端子部54、制御信号端子部51、
52にそれぞれ接続するための接続端子部(81乃至8
4)を有しており、互いに対応関係にある端子部同士が
FPGA(Field Programmable G
ate Arrayの略)配線によって接続されてい
る。尚、図66では説明の簡単化を図るために神経接続
素子の1つだけを取り出して制御部80との接続関係を
代表して示している(実際には後述する部分80aをI
C回路内に多数形成しておき、使用する部分80aの数
や位置を接続対象となる神経数に応じて設定して、これ
らの部分と、図59に示す構成の神経接続素子47のう
ち各神経に接続されているものとをそれぞれFPGA配
線で接続する。)。
ら信号を取得する経路と、神経に信号を送出する経路と
を有しているので、先ず、前者について説明する。
端子部54は、接続端子部81に接続されており、該接
続端子部81が絶縁/インピーダンス認識部85を介し
てA(アナログ)−D(ディジタル)変換部86に接続
されている。尚、絶縁/インピーダンス認識部85は、
神経と神経接続素子との間が電気的絶縁状態であるか否
か及び両者間のインピーダンスを把握するために設けら
れている。
ス認識部87に送出されて神経パルスの形状、伝導速
度、種別等が判別される。そして、神経パルス認識部8
7の出力信号は外部出力インターフェース部88を介し
て外部装置89に送出される。尚、外部装置89には、
例えば、義肢の駆動装置や、神経情報をデータベース化
して管理する装置等が挙げられる。
部装置89の発する信号が外部入力インターフェース部
90を介して神経パルス発生部91に送出される。該神
経パルス発生部91は神経信号の擬似信号を生成してこ
れをD(ディジタル)−A(アナログ)変換部92を経
た後ドライブバッファ93に送出する。そして、該ドラ
イブバッファ93の出力信号が接続端子部82から神経
接続素子47の入力端子部53に送出される。
52にそれぞれ接続された接続端子部83、84には接
続パターン設定/記憶部94からの制御信号が送出され
る。該接続パターン設定/記憶部94は、各神経接続素
子47の制御信号端子部51、52に制御信号を送出す
ることによって入出力ポートの機能を決定し、決定後に
おける各ポートの配置状態を記憶する。
部分80aを1つのセル内に収めるとともにこれを複数
設けて各神経接続素子にそれぞれ接続し、接続パターン
設定/記憶部94についてはこれを1個にして各神経接
続素子の設定状態を集中的に管理することが好ましい。
また、上記神経接続装置55Aはコンピュータ等の計算
手段を用いて構成することができ、例えば、接続パター
ン設定/記憶部94の処理内容は制御プログラム95に
より記述することができる。
側の運動神経に対して使用する場合には、接続パターン
設定/記憶部94によって各神経接続素子47の入出力
ポート48が入力ポートとして機能するように設定した
後、運動神経から発生した電気信号をA−D変換部86
でディジタル化した後データを外部装置89に伝達す
る。
に対して使用する場合には、接続パターン設定/記憶部
94によって各神経接続素子47の入出力ポート48が
出力ポートとして機能するように設定した後、神経パル
ス発生部91からの電気信号をD−A変換部92でアナ
ログ信号に変換して運動神経に伝達する。
て使用する場合には、中枢側の神経接続素子の入出力ポ
ートを出力ポートとして機能させ、末端側の神経接続素
子の入出力ポートを入力ポートとして機能させるように
ポートの設定を行えば良い。
の神経切断面における神経は、多数の神経が集積された
神経群として存在するため、単独の神経を取り出して装
置に接合することは困難である。
された神経群の種別を詳細に把握する必要があるので、
以下では神経種別の認識及び入出力ポートの設定処理例
を図67乃至図70のフローチャート図に従って説明す
る。
経接続素子の中からある素子を選択した後、次ステップ
S2では前ステップで選んだ神経接続素子の入出力ポー
トが出力ポートとして機能するように仮設定を行う。例
えば、図63に示すように入出力ポート71を出力ポー
トに設定する。
S2で選択した入出力ポートの周囲に位置する入出力ポ
ートが入力ポートとして機能するように仮設定を行う。
例えば、図63に示す例では入出力ポート71の周囲の
入出力ポート72、72、・・・を入力ポートに設定す
る。
ト電流の種類を直流電流と交流電流の2種類に区別し、
テスト電流を直流電流とする場合にはステップS5に進
んで出力ポートに対して直流電流の供給を試みた後ステ
ップS7に進む。また、テスト電流を交流電流とする場
合にはステップS6に進んで出力ポートに対して交流電
流の供給を試みた後ステップS7に進む。
た全ての入力ポートについて高インピーダンスかつ高イ
ンダクタンスであるという認識結果が上記絶縁/インピ
ーダンス認識部85によって得られるか否かを判断す
る。そして、当該認識結果が得られた場合には図68の
ステップS10に進み、そうでなければステップS8に
進む。
態又は低インダクタンスと判断された部分に対して高イ
ンピーダンスかつ高インダクタンスとなるまでテスト領
域を拡大する(例えば、図64や図65に示すポート
(HZ)73、76を参照。)。
ての入力ポートについて高インピーダンスかつ高インダ
クタンスであるという認識結果が得られるか否かを判断
する。そして、当該認識結果が得られればステップS1
0に進み、そうでなければ図67のステップS8に戻
る。
関する地図(以下、「髄鞘接続領域地図」という。)を
仮作成する。つまり、入出力ポートと髄鞘との接続関係
を識別するための情報を地図データとして得る。
テストを終了して入出力ポートの設定状態を記憶した
後、次ステップS12では神経接続装置の全ての入出力
ポートについて上記のテストが終了したか否かを問い、
終了した場合にはステップS13に進んで作成済の髄鞘
接続領域地図を確定する。また、テストが未終了の場合
にはステップS14に進んで未だテストを終えていない
ポートを選択した後、図67のステップS2に戻る。
尚、ステップS14におけるポートの選択や、図67の
ステップS2、S3でのポートの設定はステップS11
での記憶情報を参照して行われる。
信号の認識を開始し、図69に示す次ステップS16で
は入力ポートから得られる神経信号に基づいて入出力ポ
ートのうち下記の2通りの領域に対応するものを抽出す
る。
領域で囲まれた領域 そして、次ステップS17では前ステップS16の領域
の形状がほぼ円形状をしているか否かを判断し、そうで
あればステップS21に進み、そうでなければステップ
S18に進む。
の形状がほぼ瓢箪形をしているか否かを判断し、そうで
あればステップS19に進み、そうでなければステップ
S20に進む。
数の円形領域に再分割した後、ステップS21に進む。
また、ステップS20では対象領域を髄鞘領域から除外
した後ステップS21に進む。
入出力ポートの大きさが充分に小さい場合には不要であ
り、このときにはステップS17で領域の形状がほぼ円
形状をしていないと判断されたときにステップS20に
進むことになる。
判断してこれに識別番号を割り当てた後、図70に示す
次ステップS22では当該髄鞘領域に対して使用される
入出力ポートの番号(各ポートに予め付されている識別
番号)を把握し、これらの番号の組みと髄鞘領域に付し
た識別番号とを関連付け、これを記憶する。尚、その際
の入出力ポートについては、髄鞘領域の中央部に位置す
る一定数のポートに限られる。
1の髄鞘領域に対して使用されている入出力ポートの数
をカウントした後、ステップS24に進んで当該髄鞘領
域の面積を推定する。
のデータをその面積順に並べ替える。例えば、面積の大
きい順に髄鞘領域の識別番号をインデックスとしてソー
ティング処理を行う。
に対して神経種別の情報を関連付けする。その際には、
神経情報に関する既存のデータベースを用いるととも
に、神経切断面における髄鞘の種類や本数等を認識し、
下表(医学書から抜粋したもの)等を参照しながら神経
種別の情報を選定する。
したものであり、また、表5は神経種別と受容器との対
応関係を示したものである。
る神経種別情報が重複する場合が生じるが、入出力ポー
トを出力ポートとして指定する種別情報を優先させるこ
とが好ましい。但し、他の種別情報を切り捨てるのでは
なく、次の候補として残しておき、後発的な事態に対し
て優先順位を変更することができるように配慮すること
が望ましい。
ての入出力ポートを仮に設定した後、ステップS28で
制御プログラム95を仮作成する。
図65に示すように軸索との結合部における入出力ポー
トの接続パターンを変化させていくことで当面のポート
配置を決めることができる。つまり、図63乃至図65
が神経接続素子の入出力ポートと髄鞘との接続位置を検
出するための検出パターンを示す図であると考えれば良
い。
ついて説明したが、これに限らず、例えば、図71に示
す接続例を挙げることができる。
における中枢神経と末端神経との接続例を示しており、
中枢神経側に位置する神経が神経接続装置96に接続さ
れている。また、末端神経側に位置する神経の一方(例
えば、手部の神経)が神経接続装置97に接続され、他
方の神経(例えば、背骨より下の下半身にかけての神
経)が神経接続装置98に接続されいる。
切換部99に接続されるとともに、該切換部99は選択
制御部100からの制御信号によって、神経接続装置9
6を、神経接続装置97又は98に選択的に接続するた
めに設けられている。
かす場合において関節の対応関係を示すものであり、右
手における第2指(人差し指)の第1関節101が左足
首の関節に、第2指の第2関節102が左脚の膝関節
に、第2指の第3関節103が左脚の股関節にそれぞれ
対応している。そして、右手における第3指の第1関節
104が右足首の関節に、第3指の第2関節105が右
脚の膝関節に、第3指の第3関節106が右脚の股関節
にそれぞれ対応しており、右手首の関節107が腰関節
に対応している。
換部99に送出される制御信号により信号切換が行わ
れ、例えば、神経接続装置96と神経接続装置98とが
接続されると、本来は手部の神経に伝達されるべき信号
が下半身に伝達されるためこれを動かすことができる
(この場合、下半身の神経や体の機能等に損傷はないか
ら。)。
れる義肢(破線の四角形枠は皮膚を表している。)の接
続例を示すものであり、神経接続装置108が中枢神経
側に位置する神経に接続されるとともに、神経接続装置
109を介して信号変換器110に接続され、かつ他の
末端神経に接続されている。
人工触覚器(圧力や熱等をセンサによって感知する装
置)111に接続されており、神経接続装置109から
の信号を受けてこれに対応する制御信号を駆動装置に送
出して義肢を動かしたり、あるいは、人工触覚器で得た
感覚信号を神経信号に変換して神経接続装置109に送
出するものである。
示すものであり、神経接続装置112が中枢神経側に位
置する神経に接続されるとともに、神経接続装置113
を介して信号変換器114に接続され、かつ他の末端神
経に接続されている。そして、信号変換器114は、義
肢の駆動装置及び人工触覚器(圧力や熱等をセンサによ
って感知する装置)115に接続されている。尚、この
例では、神経接続装置112、113が破線の四角形枠
で示す皮膚内に設けられ、信号変換器114や、義肢の
駆動装置及び人工触覚器115が体外に付設される。
置間の信号伝達あるいは神経接続装置と信号変換器との
間の信号伝送が、対象者の疾患前の状態と全く等価な状
態で行われるのであれば何の問題はないが、義肢等を接
続した当初から本人の意思通りに動くことはまずあり得
ないため、失われた機能を回復するためには、疾患前と
等価な状態を再現して機能を補完するための調整がリハ
ビリテーションにとって必要となる。ところが、これを
試行錯誤で行っていたのでは当人が義肢等をある程度思
うように動かせるようになるまでにはかなりの時間を要
することになる。そこで、本人の人体構造モデル若しく
は本人の体型形データに最も近似する人体構造モデルを
用いて、神経波の伝達に関する情報(波形の形状や歪
み、ディレイ量等)を推定することにより、調整時間の
短縮化を図ることが可能となる。
神経疾患において運動神経及び触覚神経に関する神経信
号の擬似信号を生成する処理や、脳疾患や神経破断等に
よる運動神経疾患において運動神経及び触覚神経の信号
を補完するための処理を示すフローチャート図である。
記した神経接続法によって神経と神経との間、あるいは
神経と義肢等との接続を行う。尚、神経接続装置間や神
経接続装置と信号変換器との間を光ケーブルで接続する
場合には該光ケーブルを張り巡らす際のテンションを考
慮する必要がある。例えば、末端部と中枢部の神経に関
して上腕の場合には関節の駆動によって数十mmの収縮
が生じるため、神経接続装置と光ケーブルとの間で応力
が集中する虞がある。よって、このような場合には、光
ケーブルに弛みを持たせたり、あるいは収縮性の良好な
材料で光ケーブルを作成し、あるいは光ケーブルを螺旋
巻きにしてコイル状とする等、弾性化の加工を行うこと
が望ましい。また、神経の収縮は一般に関節の周辺部で
顕著に発生するので、関節部やその周辺の対偶に対して
充分な弾性化加工を行うことが望ましい。
部(上記神経接続素子が接続された部位)との間におけ
る神経接続の出力パターン設定(出力ポートの設定)
を、上記感覚神経波形DBを参照して行う。即ち、末端
神経波形(擬似信号)をディジタル波形若しくはアナロ
グ波形として出力した後、感覚強度に応じてその出力波
形の周期を変更する。尚、感覚強度と周期とは反比例の
関係を有しているので、周期の変更には同期クロック信
号を変更する方法又は波形出力のタイミングを変更する
方法を用いる。
との距離に基づき波形にディレイ量(遅延時間)を付与
する。尚、ディレイ量は信号伝達に要する距離、神経の
太さや種類等によって決まる。また、ディレイ量の付与
の仕方については、これを各触覚部の信号出力時に設け
る方法や各触覚部の出力情報に対して触覚部の位置を考
慮したディレイ量を神経接合部において付与する方法等
が挙げられる。
ように他の部位の神経信号を利用する場合における信号
補完処理であり、上記感覚神経波形DBを参照して行わ
れる。例えば、他の部位の感覚神経と、補完したい感覚
神経とを仮に接続した後、前述したような加圧・加熱試
験を行うことによって対象者の感覚を把握する。そし
て、感覚の最大値を取得し、これと感覚神経波形DBか
らのデータとを比較し、両者間の差異を求め、これに基
づいて上記補正感覚神経波形DBを生成若しくは再生成
する。図55に示したように、感覚神経波形DBは補正
感覚神経波形DBによるフィードバックを受け、新たな
感覚神経波形DBが生成されるため、これから得られる
データと対象者の感覚の最大値とをさらに比較するとい
った手続を繰り返していくことによってモデル誤差が最
終的には許容範囲内に収束していくことになる。
する工程であり、上記感覚神経波形DBを参照して行わ
れる。例えば、指先等のように最大の感覚感度を有する
部位毎に、あるいは、各感覚認識部や各対偶の感覚認識
部毎に加圧・加熱試験を行ったり、感覚器等の神経接続
領域毎に加圧・加熱試験を行って対象者の感覚を把握す
る。そして、前ステップの場合と同様に感覚最大値を取
得して、これと感覚神経波形DBからのデータとを比較
し、両者間の差異を求め、これに基づいて上記補正感覚
神経波形DBの生成若しくは再生成を繰り返すことでモ
デル誤差が低減され、信号補完がより確実なものとな
る。
擬似信号の生成に関する処理であり、ステップS5では
運動神経と義肢の駆動部との間の神経波形の把握や制御
パターン設定(入出力ポート設定)を、上記運動神経波
形DBを参照しながら行う。即ち、先ず、末端神経波形
をディジタル波形として取得してこれを認識する。これ
には検出波(アナログ波形)を逐次にA−D変換する方
法の他、検出波のレベルが所定の閾値を越えた区間につ
いてのみ信号の量子化を行う方法等が挙げられる。その
後、運動の強度によって変化する神経波の周期を取得す
る。尚、運動の強度と周期とは反比例の関係があるの
で、周期の取得にあたっては検出波のレベルが所定の閾
値を越えた区間における間隔として取得する。それから
運動神経の反応部と神経の切断面との距離に基づき波形
にディレイ量を付与する。尚、ディレイ量の付与の仕方
については、これを各神経接合部に対して設けることで
その信号出力のタイミングを規定する方法や各駆動部の
出力情報に対して当該駆動部の位置を考慮したディレイ
量を駆動部に付与する方法等が挙げられる。
する工程であり、上記運動神経波形DBを参照して行わ
れる。
あり、先ず、ステップS1において上記した3次元デー
タの取得方法に必要な装備を設置した後、ステップS2
に進む。
ずに、対象者の運動神経波についてモニタリングを行
う。尚、その際には感覚神経による影響を極力低減する
ために、例えば、アイマスクによる目隠しあるいは対象
者の頭部に取り付けたヘッドマウントディスプレイ(所
望の画像を特定者の視野内だけに映し出す表示装置であ
り、図77に示す装置116を参照。)の画面を暗黒に
する等の処置を講じる。
について最大量(角度)での継続的運動を実行してもら
う。尚、図71及び図72に示したように他の部位の神
経信号を利用する場合には、当該部位(例えば、手部)
の関節毎に最大限度での継続的運動を実行する。
関節運動の動画像を、対象者の頭部に取り付けたヘッド
マウントディスプレイ上に対象者の実画像データと重ね
て表示(立体表示等。)し、対象者には当該運動を知覚
認識した通りのイメージでこの運動を模倣してもらう。
尚、このときの運動について対象者の3次元データを取
得する。
右手首の切断という疾患を有する対象者がヘッドマウン
トディスプレイで見たときの自己の上肢の実画像RAに
対して、3次元グラフィックで表示した右手首から先の
部分の仮想的映像VHを重ね、右腕の動きに動きに合わ
せて当該仮想的映像を動かすことによって、対象者に運
動を知覚認識してもらうことで仮想現実感を得る方法が
挙げられる。
し)が安定して運動神経波形が一定のパターンを示すま
でになったか否かを判断し、なっていればステップS6
に進み、そうでなければステップS4に戻って運動を繰
り返す。
補正(最大値補正)処理を行う。即ち、上記したように
人体構造モデルでは運動神経波形DBと運動ワイヤーフ
レームDB等とがリンクされるので、対象者について作
成されている人体構造モデルに基づいて、その運動神経
波形DBによるデータとステップS4で得た対象者の3
次元データとから、関節の最大運動時における神経波形
の推定値を得ることができる。そして、これと実際の神
経波形との差異を求める処理を何回か行うことより上記
補正運動神経波形DBを生成若しくは再生成する。
たように神経接続を行い、対象者に義肢を接続する。
S4と同様の運動を行ってもらい、当該運動に関して対
象者の3次元データを取得する。
得られるデータと、実際に義肢を装着した状態でのデー
タとの間の相違を補正するために、補正運動神経波形D
Bを再生成する。例えば、対象者が関節を90°の角度
をもって曲げようとしているにも関らず、実際には、7
0°程度しか曲がっていないとすると、この20°の差
異をゼロに近づけるための補正データを補正運動神経波
形DBに反映させる。
速度変化を伴う運動を実行してもらい、次ステップS1
1では、対象者のヘッドマウントディスプレイ上に予め
用意した各関節動作の運動に関する動画像を表示し、対
象者にはこれを見ながら当該運動を模倣してもらい、次
ステップS12で反応速度に関するデータ補正を行う。
その方法はステップS9の場合と同様であるが、本ステ
ップでは運動の速度に関心があるために、対象者がヘッ
ドマウントディスプレイ上に示された運動速度をもって
義肢を動かすことができるか否か、つまり、速度差をゼ
ロに近づけるための補正データを補正運動神経波形DB
に反映させる。
ップS9やS12において再生成(データ更新)される
ことになるが、図52に示したように、運動神経波形D
Bは補正運動神経波形DBによるフィードバックを受
け、新たな運動神経波形DBが生成されるため、これか
ら得られるデータと対象者の運動神経についての推定値
とをさらに比較するといった手続を繰り返していくこと
によってモデル誤差が最終的には許容範囲内に収束して
いくことになり、対象者のほぼ思い通りに義肢を操るこ
とができるようになる。最終的に確定した運動神経波形
DBのデータを図73や図74の信号変換部110、1
14に組み込んで信号伝達を制御することで、対象者は
現時点での最良と思われる義肢の駆動制御を手に入れる
ことができる。勿論、その後に何等かの不具合が生じた
場合あるいは改良された義肢に取り換える場合等におい
て、対象者の人体構造モデルをその都度更新したり、モ
デル精度を高めていくことができる。
上記神経接続装置における入出力ポートの設定や制御プ
ログラム95を確定するにあたっては、例えば、図77
に示すように対象者TGにヘッドマウントディスプレイ
116を装着するとともに、上記した3次元データ取得
方法に必要な装備(上記干渉縞発生・読取装置等)を設
置する。尚、対象者の一方の腕に体疾患がある場合には
義肢を装着し、また腕に神経疾患がある場合にはそのま
まとする。
覚場所を指定するためには、例えば、腕や義肢の表面を
覆う接触センサー117を付設し、他方の腕の端部に設
けた指示部材118を接触センサー117に接触させて
場所を特定する方法や、接触センサーを設けることなく
指示部材118として上記した重心位置検出用マーカー
と同様のマーカーを用いて対象者の3次元データからマ
ーカー位置を特定する方法が挙げられる。
態及び制御プログラムの確定のための手順例を示すフロ
ーチャート図である。
神経の接続を確認した後、次ステップS2では神経種別
が感覚神経であると認識されている入出力ポートの領域
を選び出し、次ステップS3で当該領域の出力ポートに
微弱な信号を供給して神経に感覚信号を伝える。尚、信
号生成にあたっては上記感覚神経波形DBを参照する。
あるか否かを判断し、反応が認められればステップS6
に進み、また、反応が認められない場合にはステップS
5に進み、上記ステップS2の選択領域について神経種
別を感覚神経であるとしたことに原因があるので、対象
領域の神経種別を運動神経に変更した後ステップS2に
戻る。
って感覚反応のある場所を対象者に指定してもらう。即
ち、接触センサーを用いた方法では、指示部材118を
感覚反応のある場所での接触センサーに接触させること
で場所を指定し、また、上記重心位置マーカーと同様の
指示部材を用いる方法では当該指示部材により感覚反応
のある場所を指示してもらい、その状態における対象者
の3次元データから場所を特定する。
Bを参照しながら対象領域についての感覚神経名を特定
する。
れていない領域があるか否かを問い、全ての領域につい
て神経種別が特定された場合には図79のステップS9
に進み、そうでなければステップS2に戻る。
た後、次ステップS10において神経種別が運動神経で
あると認識されている入出力ポートの領域を全て選び出
す。
ントディスプレイ116上に規定の運動を表示する。
尚、その際、上記運動ワイヤーフレームDBや運動重心
位置DBを参照する。
運動を対象者に模倣してもらい当該運動を反復して実行
してもらう。そして、次ステップS13で対象者の運動
が安定してきたか否かを判断し、運動が安定していれば
ステップS14に進み、運動が安定していなければステ
ップS12に戻る。
神経信号を取得した後、次ステップS15に進み、ここ
では上記運動神経波形DB及び身体構造DBを参照して
得られるデータと、前ステップS14で得た運動神経信
号とを比較する。そして、ステップS16で対象領域の
運動神経名を特定した後、ステップS17に進んで神経
接続装置の入出力ポートの設定を確定し、次ステップS
18で上記制御プログラム95を確定する。
いて対象神経が運動神経又は感覚神経と認知されなかっ
た場合には、反射を司る神経(以下、「伸張反射神経」
という。)として対象神経を認識する。
を認識する受容器(筋紡錘)が存在し、これが伸張され
ると、上表5のIa群繊維のインパルス発射頻度が高ま
り(動的反射)、II群繊維は筋長に比例したインパル
スを発射する(静的反射)。
錘からIa群繊維、運動ニューロン、筋の順路に沿って
運動神経による筋の動作にフィードバック制御がかけら
れる。上記伸張反射神経はこの反射を司る神経である。
るが、そのデータベース化については図52乃至図55
での説明と相違する部分があるので、図80乃至図82
を用いて説明する。
いる。
り、また、(ll)は下記のDBに基づいて作成され
る。
電圧変化や周波数変動等に係るデータを含んでおり、上
記のDBに関して、図80に示すような依存関係を有し
ている。
ャート図である。
記の処理において運動神経又は感覚神経と認知されなか
った神経領域を筋紡錘による伸張反射神経として認識す
る。
態を維持してもらい、次ステップS3では各伸張反射神
経に対して一定基準のインパルス(信号)を発生させ、
当該インパルスにより駆動される人体の部位を把握する
ことによって伸張反射神経とその対応部位との関係を認
識する。そして、上記(mm)対応部位DBを生成す
る。
変化させたときの反応電圧を筋電計等で測定して、測定
データから上記(nn)反応電圧DBを生成する。
変動に関するデータを取得してこれに基づき周波数と筋
の伸張反射率との関係を認識して上記(oo)周波数・
筋伸張特性DBを生成する。
乃至S5で行った測定を2つに区分する。即ち、上記測
定が特定の筋紡錘を対象として各別に行われたものか又
は任意の筋紡錘について行われたものかによって場合分
けを行い、前者の場合にはステップS7に進み、後者の
場合にはステップS9に進む。
張反射性能比DBを生成する。これは、所定の筋紡錘を
設定したときにこれに対して各筋紡錘の伸張反射性能を
比率値として含むDBである。
られたDBのデータと、必要に応じて(uu)補正伸張
反射神経波形DBからの補正用データを参照して仮伸張
反射神経波形DBを生成した後、ステップS12に進
む。尚、(uu)補正伸張反射神経波形DB(u)は、
モデル値との実際値との間の誤差を低減するために必要
とされる。
仮伸張反射神経波形DBを生成するとともに、既に作成
されている身体構造DBから体格データを得る。これに
よって体格データと仮伸張反射神経波形DBとの組み合
わせが出来上るので、対象者の数が増えるに従ってこれ
らのデータを蓄積することができる。
に近似した体格データを仮伸張反射神経波形DBに基づ
いて複数(例えば、3つ)選び出して、次ステップS1
1に進み、ここで仮伸張反射神経波形DBについての平
均化補正(単純平均、加重平均等)を行う。
を完成させる。つまり、ステップS8から本ステップに
到達した場合には仮伸張反射神経波形DBがそのまま伸
張反射神経波形DBとなるが、ステップS11から本ス
テップに到達した場合には平均化補正後の仮伸張反射神
経波形DBが伸張反射神経波形DBとなる。
と、図78、79に示す処理の流れに若干の変更が生じ
る。即ち、この場合には、図78のステップS3とS4
との間に、神経接続素子の入力ポートに反応があるか否
かを判断するステップを設け、該ステップで反応がある
場合にはステップS5に進み、反応がない場合にはステ
ップS4に進んで感覚反応があるか否かを判断する。そ
して、反応がある場合にはステップS6に進むが、反応
がない場合には選択した領域を伸張反射神経としてステ
ップS5に進み、これを運動神経情報とリンクする。ま
た、図79のステップS9では、ステップS5で運動神
経情報とリンクした伸張反射神経について接続を確認し
た後、図81、図82の処理を実行してからステップS
10に進む。
処理(信号補完や擬似信号生成)が終了する。
その主要な手順を手短にまとめる下記に示すようにな
る。
イヤーフレームDB及び運動重心位置DBを生成し、こ
れを身体構造DBにリンクする (3)運動神経波形DBを生成してこれを(2)で生成
したDBにリンクする (4)感覚神経波形DBを生成してこれを(3)で生成
したDBにリンクして人体構造DBを生成する (5)神経接続法を用いて義肢を接続する (6)(4)の人体構造DBによる義肢駆動についての
推定結果と、実際に義肢を使用した結果とを比較する (7)(6)の比較結果が許容範囲になるまで(1)乃
至(6)に示す工程のうちの所要の工程を繰り返す 最後に、2足歩行型ロボットへの適用について簡単に説
明する。
成部を人工物に置き換えることによって人体構造を模倣
したロボット(例えば、図13に示したような骨格構造
を金属材料や高強度の樹脂等によって製作し、手や足に
人工触覚器を取り付けるとともに、人工筋肉や耐衝撃関
節、足裏構造等の技術を駆使して製作したロボット)に
対して上記人体構造モデルと同様に構造モデルを構築す
ることができる。何故なら、脳のように高速コンピュー
タをもってしても未だシミュレートを行う見込みのない
部分は本発明に係る数値モデルから予め排除されている
ので、人体の構成部分に対応するロボットの構成部分は
その機能において本質的な相違がないからである。
模倣したロボットの歩行制御に関する主要な手順は下記
のようになることが分かる。
る (2)ロボットの運動について3次元データを取得し
て、運動ワイヤーフレームDB及び運動重心位置DBを
生成する (3)身体バランスについてのデータから上記三半規管
神経パルスDBに相当するバランス情報のDBを生成す
る (4)上記運動神経波形DBに相当する人工筋肉等の制
御情報に係るDBを生成する (5)上記感覚神経波形DBに相当する人工触覚器やセ
ンサー情報に係るDBを生成する (6)上記神経接続装置に相当する接続装置と光ケーブ
ル等の接続手段から構成される人工神経網をロボットに
貼り廻らせ、ロボット構造モデル(上記人体構造モデル
に相当する。)に従って全身の人工筋肉や関節等を駆動
することによりロボットの2足歩行を制御する
に、請求項1に係る発明によれば、対象の体長、体重、
外形形状のデータに基づく比率計算によって対象に係る
数値モデルを作成することができるので、対象の内部構
造についての詳細なデータは不要であり、対象の力学的
構造に関する数値モデルを効率良く作成するとともに、
作業時間の短縮化を図ることができる。
元データから対象の断層面における形状及び断面積若し
くは断層面間の体積のデータを取得して対象の体型形を
特定することにより、対象の体の形状(外形形状)に係
るデータを効率良く取得することができ、データの入力
作業を容易に行うことができる。
面における形状及び断面積若しくは断層面間の体積のデ
ータから規定される座標点を極座標平面上に配置し、各
点の間を線分によって結んだ多角形の重心を求める計算
から対象の体型形を把握することで、断層面の数の増大
により計算処理に著しい負担がかかるといった不都合が
ない。
の骨格構造に係るデータに加えて、筋肉の形状や長さ、
重量、筋収縮率を含む筋肉のデータを包含する数値モデ
ルを作成することで、骨格の運動状態と筋運動との間に
関連性を持たせることができる。
の骨格や筋肉を含む構造に加えて、神経及び神経波のデ
ータを包含する数値モデルを作成することで、骨格や筋
肉の運動と神経波の伝播との間に関連性を持たせ、対象
の力学的運動をより忠実に表現することが可能となる。
関節の周囲を覆っている表皮の領域毎に年齢の異なる表
皮を付与することによって著しい計算量の負担を伴うこ
となく、関節や筋肉の運動に応じて表皮の状態を数値モ
デルとして表現することができる。
ある。
いての説明図である。
を設定した様子を示す図である。
量比率の変数を設定した様子を示す図である。
作についての説明図である。
ついてのスライス処理に関する説明図であり、本図は立
位姿勢の対象者を示す。
断層面との関係を示す図である。
す図である。
した極座標系(r,θ)において点の配置例を示す図で
ある。
特定する処理についての説明図である。
数値を求める様子を示す図である。
ための図であり、本図は肘関節の近辺の皺を示す概略図
である。
る。
る。
ある。
示すフローチャート図である。
図である。
SS2に係る処理例を示すフローチャート図であり、本
図は処理の前半部を示す。
例を示すフローチャート図である。
使った例によって方法の原理について説明するための図
であり、本図は被写体に対して設定される干渉縞発生手
段及び撮影手段を示す概略図である。
渉縞を示す図である。
である。
いて説明するための図である。
る工程についての説明図である。
示す図である。
例を示す図である。
る。
読取装置を配置した例を示す図である。
についての概略的な説明図である。
示す図である。
フローチャート図である。
れた様子を示す概略図である。
するための概略であり、本図は腕を直に伸ばした状態を
示す。
である。
る様子を上方から見た概略図である。
方から見た概略図である。
方から見た概略図である。
神経信号等の取得方法について説明するための図であ
り、本図は主要な手順を示すフローチャート図である。
バランスに係る情報を取得する手順例を示すフローチャ
ート図である。
姿勢について身体バランスに係る情報を取得する手順例
を示すフローチャート図であり、本図は測定台の傾動に
関する身体バランス情報を取得手順を主に示す。
ランス情報を取得手順を示す。
示す図である。
処理例を示すフローチャート図であり、本図は処理の前
半部を示す。
示す図である。
理例を示すフローチャート図であり、本図は処理の前半
部を示す。
図である。
略的に示す断面図である。
力ポートを拡大して示す概略図である。
めの図であり、(A)はイオン吸着材を設けた構成例を
示し、(B)はイオン吸着材を設けない構成例を示す。
定状態の一例を示す概略図であり、本図は中央に出力ポ
ートが位置され、その周囲に入力ポートが配置された例
を示す。
され、その周囲に出力ポートが位置され、さらにその周
囲に入力ポートが配置された例を示す。
され、その周囲に出力ポートが位置され、さらにその周
囲に入力ポートが配置された例を示す。
構成を示す回路ブロック図である。
及び入出力ポートの設定処理について説明するためのフ
ローチャート図であり、本図は処理の最初の部分を示
す。
との接続例を示す図である。
おいて関節の対応関係を示す概略図である。
例を示す説明図である。
明図である。
生成処理や、神経信号の補完処理について説明するため
のフローチャート図であり、本図は処理の主要な流れを
示す。
例を示すフローチャート図である。
者及びヘッドマウントディスプレイの映像を示す概略図
である。
の確定のための手順例を示すフローチャート図であり、
本図は処理の前半部を示す。
係を示す図である。
処理例を示すフローチャート図であり、本図は処理の前
半部を示す。
極角、r…極半径、G…重心
Claims (12)
- 【請求項1】 脊椎動物若しくはこれを模倣したロボッ
トを対象とし、その力学的構造に関する数値モデルを作
成する、脊椎動物若しくはこれを模倣したロボットに関
する数値モデルの作成方法であって、 (イ)対象について体型の分類を行うとともに、分類さ
れた各基準体型について全ての骨の形状、長さや重量を
含む骨格データを用意した後、 (ロ)対象に関する体長、体重、外形形状のデータを入
力し、 (ハ)(ロ)の工程で入力したデータから対象の体型形
を特定し、各基準体型の骨格データに基づいて補間計算
を行い、対象に係る骨格データの換算比率を算出し、 (ニ)(ハ)の工程で得た換算比率及び(ロ)の工程で
入力した対象の体長や重量に基づいて対象の各骨の長さ
や重量を決定して骨格の数値モデルを作成することを特
徴とする脊椎動物若しくはこれを模倣したロボットに関
する数値モデルの作成方法。 - 【請求項2】 請求項1に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 (ロ)の工程において対象の3次元データを取得し、当
該データから対象の断層面における形状及び断面積若し
くは断層面間の体積のデータを取得するとともに、これ
らのデータから対象の体型形を特定することを特徴とす
る脊椎動物若しくはこれを模倣したロボットに関する数
値モデルの作成方法。 - 【請求項3】 請求項2に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 体型形についてのデータを示す座標平面上に極座標を設
定した後、 対象の断層面における形状データから極角が規定され、
かつ、当該断層面における断面積若しくは断層面間の体
積のデータから極半径が規定される点を、上記座標平面
上に配置し、 各点の間を線分によって結んだ多角形の重心を求めるこ
とによって、対象の体型形を特定することを特徴とする
脊椎動物若しくはこれを模倣したロボットに関する数値
モデルの作成方法。 - 【請求項4】 請求項1に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 (イ)の工程で骨の形状や長さ、重量の他、筋肉の形状
や長さ、重量、筋収縮率を含む骨格及び筋肉のデータを
用意するとともに、 (ハ)の工程で各基準体型に係る骨格及び筋肉データに
基づいて補間計算を行い、対象に係る骨格及び筋肉のデ
ータの換算比率を算出し、 (ニ)の工程では(ハ)の工程で得た換算比率及び
(ロ)の工程で入力した対象の体長や重量に基づいて対
象の各骨や筋肉の長さ、重量、筋収縮率を決定して骨格
及び筋肉を含む数値モデルを作成することを特徴とする
脊椎動物若しくはこれを模倣したロボットに関する数値
モデルの作成方法。 - 【請求項5】 請求項2に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 (イ)の工程で骨の形状や長さ、重量の他、筋肉の形状
や長さ、重量、筋収縮率を含む骨格及び筋肉のデータを
用意するとともに、 (ハ)の工程で各基準体型に係る骨格及び筋肉データに
基づいて補間計算を行い、対象に係る骨格及び筋肉のデ
ータの換算比率を算出し、 (ニ)の工程では(ハ)の工程で得た換算比率及び
(ロ)の工程で入力した対象の体長や重量に基づいて対
象の各骨や筋肉の長さ、重量、筋収縮率を決定して骨格
及び筋肉を含む数値モデルを作成することを特徴とする
脊椎動物若しくはこれを模倣したロボットに関する数値
モデルの作成方法。 - 【請求項6】 請求項3に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 (イ)の工程で骨の形状や長さ、重量の他、筋肉の形状
や長さ、重量、筋収縮率を含む骨格及び筋肉のデータを
用意するとともに、 (ハ)の工程で各基準体型に係る骨格及び筋肉データに
基づいて補間計算を行い、対象に係る骨格及び筋肉のデ
ータの換算比率を算出し、 (ニ)の工程では(ハ)の工程で得た換算比率及び
(ロ)の工程で入力した対象の体長や重量に基づいて対
象の各骨や筋肉の長さ、重量、筋収縮率を決定して骨格
及び筋肉を含む数値モデルを作成することを特徴とする
脊椎動物若しくはこれを模倣したロボットに関する数値
モデルの作成方法。 - 【請求項7】 請求項4に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 (イ)の工程で各基準体型についての神経長や神経波の
伝達に関するデータを付加するとともに、 (ハ)の工程で各基準体型に係る骨格、筋肉、神経のデ
ータに基づいて補間計算を行い、対象に係る骨格、筋
肉、神経に係るデータの換算比率を算出し、 (ニ)の工程では(ハ)の工程で得た換算比率及び
(ロ)の工程で入力した対象の体長や重量に基づいて対
象の神経波の伝達に関するデータを含む数値モデルを作
成することを特徴とする脊椎動物若しくはこれを模倣し
たロボットに関する数値モデルの作成方法。 - 【請求項8】 請求項5に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 (イ)の工程で各基準体型についての神経長や神経波の
伝達に関するデータを付加するとともに、 (ハ)の工程で各基準体型に係る骨格、筋肉、神経のデ
ータに基づいて補間計算を行い、対象に係る骨格、筋
肉、神経に係るデータの換算比率を算出し、 (ニ)の工程では(ハ)の工程で得た換算比率及び
(ロ)の工程で入力した対象の体長や重量に基づいて対
象の神経波の伝達に関するデータを含む数値モデルを作
成することを特徴とする脊椎動物若しくはこれを模倣し
たロボットに関する数値モデルの作成方法。 - 【請求項9】 請求項6に記載した脊椎動物若しくはこ
れを模倣したロボットに関する数値モデルの作成方法に
おいて、 (イ)の工程で各基準体型についての神経長や神経波の
伝達に関するデータを付加するとともに、 (ハ)の工程で各基準体型に係る骨格、筋肉、神経のデ
ータに基づいて補間計算を行い、対象に係る骨格、筋
肉、神経に係るデータの換算比率を算出し、 (ニ)の工程では(ハ)の工程で得た換算比率及び
(ロ)の工程で入力した対象の体長や重量に基づいて対
象の神経波の伝達に関するデータを含む数値モデルを作
成することを特徴とする脊椎動物若しくはこれを模倣し
たロボットに関する数値モデルの作成方法。 - 【請求項10】 請求項7に記載した脊椎動物若しくは
これを模倣したロボットに関する数値モデルの作成方法
において、 関節の角度や関節からの距離、筋肉の緊張の度合に基づ
いて関節の周囲を覆っている表皮の領域毎に年齢の異な
る表皮を付与することによって表皮の状態に係るデータ
を含む数値モデルを作成することを特徴とする脊椎動物
若しくはこれを模倣したロボットに関する数値モデルの
作成方法。 - 【請求項11】 請求項8に記載した脊椎動物若しくは
これを模倣したロボットに関する数値モデルの作成方法
において、 関節の角度や関節からの距離、筋肉の緊張の度合に基づ
いて関節の周囲を覆っている表皮の領域毎に年齢の異な
る表皮を付与することによって表皮の状態に係るデータ
を含む数値モデルを作成することを特徴とする脊椎動物
若しくはこれを模倣したロボットに関する数値モデルの
作成方法。 - 【請求項12】 請求項9に記載した脊椎動物若しくは
これを模倣したロボットに関する数値モデルの作成方法
において、 関節の角度や関節からの距離、筋肉の緊張の度合に基づ
いて関節の周囲を覆っている表皮の領域毎に年齢の異な
る表皮を付与することによって表皮の状態に係るデータ
を含む数値モデルを作成することを特徴とする脊椎動物
若しくはこれを模倣したロボットに関する数値モデルの
作成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP00026698A JP3896665B2 (ja) | 1998-01-05 | 1998-01-05 | 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP00026698A JP3896665B2 (ja) | 1998-01-05 | 1998-01-05 | 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH11192214A true JPH11192214A (ja) | 1999-07-21 |
JP3896665B2 JP3896665B2 (ja) | 2007-03-22 |
Family
ID=11469119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP00026698A Expired - Fee Related JP3896665B2 (ja) | 1998-01-05 | 1998-01-05 | 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3896665B2 (ja) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183758A (ja) * | 2000-12-11 | 2002-06-28 | Toyobo Co Ltd | 人体モデル作成装置およびその方法ならびに人体モデル作成プログラムを記録したコンピュータ読み取り可能な記録媒体 |
WO2005122895A1 (ja) * | 2004-06-15 | 2005-12-29 | The University Of Tokyo | 運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体 |
JP2008536583A (ja) * | 2005-04-18 | 2008-09-11 | バイオネス ディベロップメント,エルエルシー | 身体の位置間の寸法を確定するシステムおよび関連方法 |
JP2008276807A (ja) * | 2001-10-12 | 2008-11-13 | Sharp Corp | 流体・構造連成数値モデルの作成方法を用いた羽ばたき飛行ロボットの製造方法 |
WO2011030781A1 (ja) * | 2009-09-14 | 2011-03-17 | 国立大学法人大阪大学 | 筋シナジー解析方法、筋シナジー解析装置、及び筋シナジーインターフェース |
US7987055B2 (en) | 2006-10-30 | 2011-07-26 | Samsung Electronics Co., Ltd. | Body fat measurement device and body fat measurement result providing method |
JP2014018444A (ja) * | 2012-07-19 | 2014-02-03 | Tanita Corp | 生体測定装置及び体画像作成プログラム |
JP5694581B1 (ja) * | 2014-01-22 | 2015-04-01 | 株式会社東芝 | 情報処理装置および情報処理方法 |
JP2016179171A (ja) * | 2015-03-24 | 2016-10-13 | 富士ゼロックス株式会社 | 立位姿勢評価装置 |
JP6013669B1 (ja) * | 2016-03-28 | 2016-10-25 | 株式会社3D body Lab | 人体モデル提供システム、人体モデル変形方法、及びコンピュータプログラム |
CN106092287A (zh) * | 2016-08-24 | 2016-11-09 | 青岛农业大学 | 便携式水貂体型测量设备 |
CN106999107A (zh) * | 2014-12-05 | 2017-08-01 | 麦费兹克公司 | 身体成像 |
JP2017176803A (ja) * | 2016-09-07 | 2017-10-05 | 株式会社3D body Lab | 人体モデル提供システム、人体モデル変形方法、及びコンピュータプログラム |
JP2019150332A (ja) * | 2018-03-02 | 2019-09-12 | 株式会社豊田中央研究所 | 身体内部情報推定方法、コンピュータプログラム、それを記憶した記憶媒体、および、身体内部情報推定装置 |
-
1998
- 1998-01-05 JP JP00026698A patent/JP3896665B2/ja not_active Expired - Fee Related
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183758A (ja) * | 2000-12-11 | 2002-06-28 | Toyobo Co Ltd | 人体モデル作成装置およびその方法ならびに人体モデル作成プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2008276807A (ja) * | 2001-10-12 | 2008-11-13 | Sharp Corp | 流体・構造連成数値モデルの作成方法を用いた羽ばたき飛行ロボットの製造方法 |
WO2005122895A1 (ja) * | 2004-06-15 | 2005-12-29 | The University Of Tokyo | 運動情報−神経情報変換装置及び方法、運動情報−神経情報変換プログラム及び該プログラムを記録した記録媒体 |
JP2008536583A (ja) * | 2005-04-18 | 2008-09-11 | バイオネス ディベロップメント,エルエルシー | 身体の位置間の寸法を確定するシステムおよび関連方法 |
US7987055B2 (en) | 2006-10-30 | 2011-07-26 | Samsung Electronics Co., Ltd. | Body fat measurement device and body fat measurement result providing method |
US9078585B2 (en) | 2009-09-14 | 2015-07-14 | Osaka University | Muscle synergy analysis method, muscle synergy analyzer, and muscle synergy interface |
WO2011030781A1 (ja) * | 2009-09-14 | 2011-03-17 | 国立大学法人大阪大学 | 筋シナジー解析方法、筋シナジー解析装置、及び筋シナジーインターフェース |
JP5158824B2 (ja) * | 2009-09-14 | 2013-03-06 | 国立大学法人大阪大学 | 筋シナジー解析方法、筋シナジー解析装置、及び筋シナジーインターフェース |
JP2014018444A (ja) * | 2012-07-19 | 2014-02-03 | Tanita Corp | 生体測定装置及び体画像作成プログラム |
JP5694581B1 (ja) * | 2014-01-22 | 2015-04-01 | 株式会社東芝 | 情報処理装置および情報処理方法 |
JP2018504663A (ja) * | 2014-12-05 | 2018-02-15 | マイフィジーク リミテッド | ボディの画像化 |
JP2019076733A (ja) * | 2014-12-05 | 2019-05-23 | マイフィジーク リミテッド | ボディの画像化 |
JP2019012532A (ja) * | 2014-12-05 | 2019-01-24 | マイフィジーク リミテッド | ボディの画像化 |
CN106999107A (zh) * | 2014-12-05 | 2017-08-01 | 麦费兹克公司 | 身体成像 |
JP6424293B1 (ja) * | 2014-12-05 | 2018-11-14 | マイフィジーク リミテッド | ボディの画像化 |
US9949697B2 (en) | 2014-12-05 | 2018-04-24 | Myfiziq Limited | Imaging a body |
JP2016179171A (ja) * | 2015-03-24 | 2016-10-13 | 富士ゼロックス株式会社 | 立位姿勢評価装置 |
WO2017168525A1 (ja) * | 2016-03-28 | 2017-10-05 | 株式会社3D body Lab | 人体モデル提供システム、人体モデル変形方法、及びコンピュータプログラム |
JP6013669B1 (ja) * | 2016-03-28 | 2016-10-25 | 株式会社3D body Lab | 人体モデル提供システム、人体モデル変形方法、及びコンピュータプログラム |
CN106092287A (zh) * | 2016-08-24 | 2016-11-09 | 青岛农业大学 | 便携式水貂体型测量设备 |
JP2017176803A (ja) * | 2016-09-07 | 2017-10-05 | 株式会社3D body Lab | 人体モデル提供システム、人体モデル変形方法、及びコンピュータプログラム |
JP2019150332A (ja) * | 2018-03-02 | 2019-09-12 | 株式会社豊田中央研究所 | 身体内部情報推定方法、コンピュータプログラム、それを記憶した記憶媒体、および、身体内部情報推定装置 |
Also Published As
Publication number | Publication date |
---|---|
JP3896665B2 (ja) | 2007-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4348577B2 (ja) | 筋電位情報を利用したモーションキャプチャー装置とその制御方法、並びにこれを用いた電気刺激装置、力触覚呈示装置とこれらの制御方法 | |
CN109925055B (zh) | 全数字化全膝关节置换手术机器人系统及其模拟手术方法 | |
EP0660252B1 (en) | Computer simulation of live organ | |
JP3896665B2 (ja) | 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法 | |
US20130324857A1 (en) | Automated system for workspace, range of motion and functional analysis | |
JP4337012B2 (ja) | 電気刺激装置及び電気刺激を用いた力触覚呈示装置 | |
JP2001504605A (ja) | 空間内のユーザの位置及び方向性を追跡及び表示するための方法、ユーザに対し仮想環境を提示するための方法及びこれらの方法を実現するためのシステム | |
WO2021226445A1 (en) | Avatar tracking and rendering in virtual reality | |
CN106128253A (zh) | 一种人体骨折模型及其诊断、固定与复位训练模拟系统、方法 | |
JP4340936B2 (ja) | 電気刺激装置及び電気刺激を用いた力触覚呈示装置 | |
Chèze | Kinematic analysis of human movement | |
US11179065B2 (en) | Systems, devices, and methods for determining an overall motion and flexibility envelope | |
CN110400618B (zh) | 一种基于人体运动结构特征的三维步态生成方法 | |
Hidayah et al. | Walking with augmented reality: A preliminary assessment of visual feedback with a cable-driven active leg exoskeleton (C-ALEX) | |
CN206594922U (zh) | 一种人体骨折诊断、固定与复位训练模拟系统 | |
US8956312B2 (en) | Apparatus for generating sensations of movement and for physical rehabilitation | |
Yan | Construction and application of virtual reality-based sports rehabilitation training program | |
Satava et al. | Interactive technology and the new paradigm for healthcare | |
JP2001005601A (ja) | 電気刺激装置及び電気刺激を用いた力触覚呈示装置並びにこれらの制御方法 | |
US20190117129A1 (en) | Systems, devices, and methods for determining an overall strength envelope | |
Naoi et al. | Three-dimensional eye movement simulator extracting instantaneous eye movement rotation axes, the plane formed by rotation axes, and innervations for eye muscles | |
Han et al. | Ai-based next-generation sensors for enhanced rehabilitation monitoring and analysis | |
JP7112077B2 (ja) | コントローラ、コントローラの製造方法、疑似体験システム、および疑似体験方法 | |
JP2000172406A (ja) | 力触覚呈示装置の制御方法 | |
EP3241133B1 (en) | System and method for identifying alterations in a musculoskeletal system of a specific subject |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041208 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060403 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060905 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061211 |
|
LAPS | Cancellation because of no payment of annual fees |