机构名称：
¥ 17.0
量化人体运动行为首先要尽可能准确地测量和估计运动学和动力学变量。监测人体运动在功能康复、骨科、运动、辅助机器人或工业人体工程学方面有着广泛的应用。当今的运动捕捉系统通常是指立体摄影测量系统和实验室级测力板，它们准确但价格昂贵，需要专业技能，并且不便携。最近，使用价格实惠的传感器进行人体运动估计，例如惯性测量单元或 RGB 深度相机，已成为众多研究的主题。尽管这些系统在实验室外具有巨大的应用潜力，但它们的准确性仍然有限，主要是由于固有的 IMU 漂移和视觉遮挡，并且关节运动学和动力学估计仍然难以估计。这些缺点可能解释了为什么这种系统很少用于常见的临床应用或家庭康复计划。在此背景下，本论文涉及开发一种新的经济实惠的运动捕捉系统，该系统能够准确估计人体 3D 关节状态。与以前基于视觉或惯性传感器的研究不同，所提出的方法包括结合新设计的视觉惯性传感器的数据。该系统还利用了新的实用校准方法，这些方法不需要任何外部设备，同时仍然非常实惠。所有传感器数据都融合到一个受约束的扩展卡尔曼滤波器中，该滤波器利用人体的生物力学和所研究的任务来显着改善关节状态估计。这是通过结合不同类型的约束（例如关节限制、刚体和软关节约束）以及对关节轨迹的时间演变和/或传感器随机偏差进行建模来实现的。该系统估计精确 3D 关节运动学的能力已通过对上臂和跑步机步态的日常生活活动的各种案例研究得到验证。已经研究了两种具有不同传感器数量和配置的不同原型。与黄金标准运动捕捉系统相比，对几名健康受试者进行的实验显示出非常令人满意的结果。总体而言，两个系统之间的平均 RMS 差异低于 4 度。当使用较少数量的传感器进行步态分析时也是如此。该系统还用于
MSTIC 博士学院 & EDST 博士学院
主要关键词
相关文件推荐
