一种基于惯性传感器的人体多关节活动度的测算方法

技术领域

本发明涉及一种人体多关节活动度的测算方法，具体为基于惯性传感器的人体多关节活动度的测算方法，属于康复医疗器械技术领域。

背景技术

康复医疗器械主要是指在康复医疗中用于康复评定、训练与治疗、有效改善或恢复患者功能的医疗设备，康复医疗器械是康复器械的主要组成部分，是康复医疗必需的设备仪器，也是各级康复医疗机构开展诊疗活动的必备条件，在康复医疗以及现代医疗事业中具有重要的作用，康复医疗器械可以分为康复评定设备、康复训练设备以及康复理疗设备，分别对应用于康复评定项目、康复训练项目和康复理疗项目等；

人体多关节的活动度评测主要包括颈部的关节活动度检查、肩关节的关节活动度检查、腰椎的关节活动度检查和膝关节的关节活动度检查；活动度评测项目包括肩关节屈曲、肩关节伸展、肩关节外展、肩关节水平内收、肩关节内旋和外旋、肘关节屈曲、肘关节过度伸直、前臂掌面旋后、前臂掌面旋前、腕关节屈曲、腕关节伸直、腕关节桡侧偏移、腕关节尺侧偏移、大拇指掌前指关节屈曲、第二~四掌指关节屈曲、大拇指指骨关节屈曲、第二~四指指骨关节屈曲、髋关节屈曲、髋关节外展、髋关节内收、髋关节外转及外转、膝关节屈曲及伸展、踝关节背屈和踝关节蹠屈等。

目前，对于人体多关节的活动度评测通常依赖于手工测量或使用传统的运动分析设备，这些方法通常存在测量不准确，操作繁琐问题，影响了评测效率及数据的精准度，为此，提出一种基于惯性传感器的人体多关节活动度的测算方法。

发明内容

有鉴于此，本发明提供一种基于惯性传感器的人体多关节活动度的测算方法，以解决或缓解现有技术中存在的技术问题，至少提供有益的选择。

本发明实施例的技术方案是这样实现的：一种基于惯性传感器的人体多关节活动度的测算方法，包括：

构建惯性传感器校准模型，将惯性传感器安装于人体的关节部位，用于实时感知人体运动参数，并将惯性传感器获取的数据发送至数据处理单元；

数据处理单元基于惯性传感器校准模型对数据进行校准，根据校准后的数据计算得出传感器的姿态，并根据卡尔曼滤波器算法解算输出预测与观测结果，并利用显示屏进行结果显示。

进一步优选的，所述惯性传感器为加速度计、陀螺仪和磁力计传感器；

所述人体的关节部位包括但不限于手腕、肘关节、膝盖、踝关节；

所述人体运动参数包括加速度、角速度、磁力计数据和姿态参数；

所述惯性传感器校准模型包括加速度计校准模型、陀螺仪校准模型和磁力计校准模型。

进一步优选的，所述加速度计校准模型是对加速度计传感器进行校准，以消除传感器在不同方向上的误差和偏差；

加速度计校准模型涉及六个方向：X轴正方向、X轴负方向、Y轴正方向、Y轴负方向、Z轴正方向和Z轴负方向。

进一步优选的，所述加速度计传感器的校准步骤为：

将加速度计传感器放置在一个静止的平面上，即没有任何加速度作用在传加速度计传感器上；

依次记录加速度计传感器在X轴正方向、X轴负方向、Y轴正方向、Y轴负方向、Z轴正方向和Z轴负方向上的加速度值；

计算每个方向上的平均加速度值，并将其作为校准参数保存起来；

实际运动数据采集时，通过减去对应方向上的校准参数，将误差和偏差从采集的加速度数据中消除。

进一步优选的，所述陀螺仪校准模型用于解决角速度的漂移误差。

进一步优选的，所述磁力计校准模型是利用椭球拟合方法进行磁力计误差校正，通过椭球拟合算法求出球心坐标和椭球方程系数，将球心拟合到坐标系原点，并且通过求得的系数得到校准矩阵和偏移矢量，以得出磁场强度的真实值，从而达到校正误差的目的；

校准步骤为：

将磁力计放置在不同姿态下，如水平、垂直、倾斜位置，并记录对应位置下的磁力计输出值；

将采集到的数据进行参数拟合，建立地磁场的椭球模型，确定校准参数；

在实际运动数据采集时，通过应用校准参数对传感器的磁力计输出值进行校正，消除地磁场的影响，从而提高磁力计的精度和稳定性。

进一步优选的，所述传感器的姿态由三个姿态角组成，是根据传感器坐标系相对于导航坐标系的运动来确定，三个所述姿态角包括俯仰角、翻滚角和偏航角，具体定义如下：

俯仰角：载体坐标系Yb轴旋转，X

翻滚角：载体坐标系绕X

偏航角：当载体坐标系绕Z

进一步优选的，所述卡尔曼滤波算法是将载体姿态四元数作为状态变量，陀螺仪输出作为预测值，加速度计和磁力计的输出作为观测值，将其分别带入状态更新和协方差更新方程中，得到相应的方程输出结果；所述卡尔曼滤波算法包括俯仰角与横滚角估计算法、偏航角估计算法和离散扩展卡尔曼滤波算法；

所述俯仰角与横滚角估计算法是将陀螺仪数据作为状态估计值进行计算；

所述偏航角估计算法需要在俯仰角和横滚角已知的前提下进行，因此，俯仰角和横滚角的估计要在偏航角之前；

所述离散扩展卡尔曼滤波算法是将基于陀螺仪的姿态解算方程作为状态方程，将基于加速度计和磁力计的姿态解算方程作为测量方程计算的依据。

进一步优选的，所述姿态角的计算公式为：

[q0,q1,q2,q3]＝1/2[0,-wx,-wy,-wz，wx,0,wz,-wy wy,-wz,0,wx，wz,wy,-wx,0]＝[q0,q1,q2,q3]＝1/2w*q；

可见载体的姿态更新计算四元数，记b系中xyz三轴旋转角速率向量[wx,wy,wz]

所述四元数欧拉角的公式为：

在得到传感器的姿态角后，为得到人体不同关节的活动度，需要根据人体关节活动度的传统测量方式结合不同关节活动度的定义，通过调整传感器的佩戴方式，选取影响的角度，去换算得到人体的关节活动度。

进一步优选的，所述人体的关节活动度包括脊柱颈部前屈后伸、脊柱颈部左右侧屈、脊柱颈部左右旋转、脊柱胸腰椎前屈后伸、脊柱胸腰椎左右侧屈、脊柱胸腰椎左右旋转、上肢肩关节前屈后伸、上肢肩关节外展，上肢肩关节水平内收、上肢肩关节内旋外旋、前臂旋前旋后、上肢肘关节屈曲伸展、上肢桡尺旋前旋后、上肢腕尺桡侧偏、腕关节腕背伸腕掌屈、下肢髋部屈曲伸展，下肢髋部内旋外旋、下肢髋部内收外展、下肢膝关节屈曲伸展、下肢踝关节趾屈背屈和下肢踝关节足内翻外翻。

本发明实施例由于采用以上技术方案，其具有以下优点：

一、本发明通过结合惯性传感器技术、数据处理和计算机程序设计，实时捕捉、分析和评估多个关节的运动数据，实现了实时监测和全面的关节活动度分析，为医疗专业人员提供更精确、便捷的康复训练辅助工具。

二、本发明通过数据处理单元利用惯性传感器校准模型对传感器进行处理，以便利用校正的方式消除误差和偏差，确保传感器采集的运动数据具有高度的准确性和可靠性，为人体多关节活动度的评测提供了稳健的技术基础。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或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申请的一些实施例，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附图。

图1为本发明的计算流程示意图；

图2为本发明的人体关键部位示意图；

图3为本发明基于扩展卡尔曼滤波器的状态更新示意图；

图4为本发明姿态角的计算流程示意图；

图5为本发明实施例二的示意图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

需要注意的是，术语“第一”、“第二”、“对称”、“阵列”等仅用于区分描述与位置描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“对称”等特征的可以明示或者隐含地包括一个或者更多个该特征；同样，对于未以“两个”、“三只”等文字形式对某些特征进行数量限制时，应注意到该特征同样属于明示或者隐含地包括一个或者更多个特征数量。

下面结合附图对本发明的实施例进行详细说明。

实施例一

如图1－4所示，本发明实施例提供了一种基于惯性传感器的人体多关节活动度的测算方法，包括：

构建惯性传感器校准模型，将惯性传感器安装于人体的关节部位，用于实时感知人体运动参数，并将惯性传感器获取的数据发送至数据处理单元；

数据处理单元基于惯性传感器校准模型对数据进行校准，根据校准后的数据计算得出传感器的姿态，并根据卡尔曼滤波器算法解算输出预测与观测结果，并利用显示屏进行结果显示。

在一个实施例中，惯性传感器为加速度计、陀螺仪和磁力计传感器；

人体的关节部位包括但不限于手腕、肘关节、膝盖、踝关节；

人体运动参数包括加速度、角速度、磁力计数据和姿态参数；

惯性传感器校准模型包括加速度计校准模型、陀螺仪校准模型和磁力计校准模型。

在一个实施例中，加速度计校准模型是对加速度计传感器进行校准，以消除传感器在不同方向上的误差和偏差；

加速度计校准模型涉及六个方向：X轴正方向、X轴负方向、Y轴正方向、Y轴负方向、Z轴正方向和Z轴负方向；

校准步骤为：

将加速度计传感器放置在一个静止的平面上，即没有任何加速度作用在传加速度计传感器上；

依次记录加速度计传感器在X轴正方向、X轴负方向、Y轴正方向、Y轴负方向、Z轴正方向和Z轴负方向上的加速度值；

计算每个方向上的平均加速度值，并将其作为校准参数保存起来；

实际运动数据采集时，通过减去对应方向上的校准参数，将误差和偏差从采集的加速度数据中消除，加速度计校准模型建立的计算公式为：

将加速度计校准模型A

在标定加速度计传感器时，需要判断IMU是否处于静止状态，在时间t内分别计算三个轴上加速度的方差，然后利用阈值判断是否静止，小于阈值P时可判断IMU处于静止状态；

其中，阈值P是一个经验值；

在静止状态下，加速度计测量值的二范数等于当地重力加速度g的二范数，通过当地的经纬度能很快确定g的取值大小；在这一约束条件下，利用最小二乘法进行优化问题求解，便可以求解出待标定参数Tacc、Sacc和Bacc；在静止状态取N个加速度采样值，构建公式，对代价函数进行最优化求解即可，可以选用ceres或g2o优化工具来编写具体的程序，具体公式为：

在一个实施例中，陀螺仪校准模型用于解决角速度的漂移误差；陀螺仪校准模型建立的计算公式为：

陀螺仪校准模型gyro

其中，gyro

gyro

其中，gyro

在一个实施例中，磁力计校准模型是利用椭球拟合方法进行磁力计误差校正，通过椭球拟合算法求出球心坐标和椭球方程系数，将球心拟合到坐标系原点，并且通过求得的系数得到校准矩阵和偏移矢量，以得出磁场强度的真实值，从而达到校正误差的目的；

校准步骤为：

将磁力计放置在不同姿态下，如水平、垂直、倾斜位置，并记录对应位置下的磁力计输出值；

将采集到的数据进行参数拟合，建立地磁场的椭球模型，确定校准参数；

在实际运动数据采集时，通过应用校准参数对传感器的磁力计输出值进行校正，消除地磁场的影响，从而提高磁力计的精度和稳定性；

磁力计校准模型建立的计算公式为：

将二次曲面方程的一般形式：

写成矩阵形式后简化：

式中：椭球系数矩阵

球心坐标为：X0＝－A－1[a7 a8 a9]；

由磁力计综合误差模型构成椭球方程：

(H

式中：

矩阵

由磁力计测量值数据得出线性方程组：

e＝(H

e＝Mσ^；

式中：e为磁场真实值和磁力计测量值残差，当磁力计不受任何影响时，e＝0；

σ为椭球方程系数[a

目标是要使得残差e最小，以磁力计采集的原始数据与椭球面的距离平方和最小为判断准则，应用最小二乘估计法得出椭球方程各个系数，

σ＝min‖e‖

求得校准矩阵E和偏移矢量B。

在一个实施例中，传感器的姿态由三个姿态角组成，是根据传感器坐标系相对于导航坐标系的运动来确定，三个姿态角包括俯仰角、翻滚角和偏航角，具体定义如下：

俯仰角：载体坐标系Yb轴旋转，X

翻滚角：载体坐标系绕X

偏航角：当载体坐标系绕Z

数据处理单元基于校准后的加速度计和陀螺仪传感器计算出俯仰角及横滚角，通过校准后的磁力计测量地磁场矢量在节点坐标系上的投影则计算得出节点此时的航向角，其误差不随时间累计，然后将计算得出的姿态角信息输入至扩展卡尔曼滤波器，完成多传感器的数据融合，得到一组精确可靠的姿态角数值。

在一个实施例中，卡尔曼滤波算法是将载体姿态四元数作为状态变量，陀螺仪输出作为预测值，加速度计和磁力计的输出作为观测值，将其分别带入状态更新和协方差更新方程中，得到相应的方程输出结果；卡尔曼滤波算法包括俯仰角与横滚角估计算法、偏航角估计算法和离散扩展卡尔曼滤波算法；

俯仰角与横滚角估计算法是将陀螺仪数据作为状态估计值，将加速度计数据作为实际测量值，设X

公式：

中的第三列元素，且定义X

x

X

根据公式：

三轴上的转动角速度W

联立公式，整理可得：

从而得到的(x

取输入控制为0，带估计参数

用加速度传感器数据作为观测值对姿态角进行估计，当传感器处于静止状态或者做匀速状态时，由公式；

三轴的分量与姿态角的关系，可得加速度值与倾斜角元素之间的关系：

其中取

Z

在初始时依据陀螺仪和加速度传感器的误差范围给定R，Q：

R＝ε

偏航角估计算法是根据公式欧拉角微分方程：

得到航向角微分公式：

将公式:

x

x

x

代入上式得：

由上式进一步得到偏航角推算线性方程：

其中，取x＝φ,A＝1,

x

对状态量的观测线性方程为：

z

其中，Z为磁力计补偿后的偏航角度，H＝1；

离散扩展卡尔曼滤波算法是将基于陀螺仪的姿态解算方程作为状态方程，将基于加速度计和磁力计的姿态解算方程作为测量方程设计的依据，得：

取x＝(γθψ)

其中：

取加速度计和磁力计解算的角度作为系统的观测值，即z＝(γ

其中/>

在一个实施例中，姿态角的计算公式为：

[q0,q1,q2,q3]＝1/2[0,-wx,-wy,-wz，wx,0,wz,-wy wy,-wz,0,wx，wz,wy,-wx,0]＝[q0,q1,q2,q3]＝1/2w*q；

可见载体的姿态更新计算四元数，记b系中xyz三轴旋转角速率向量[wx,wy,wz]

四元数欧拉角的公式为：

在得到传感器的姿态角后，为得到人体不同关节的活动度，需要根据人体关节活动度的传统测量方式结合不同关节活动度的定义，通过调整传感器的佩戴方式，选取影响的角度，去换算得到人体的关节活动度，人体的关节活动度包括脊柱颈部前屈后伸、脊柱颈部左右侧屈、脊柱颈部左右旋转、脊柱胸腰椎前屈后伸、脊柱胸腰椎左右侧屈、脊柱胸腰椎左右旋转、上肢肩关节前屈后伸、肩关节外展和肩关节水平内收、上肢肩关节内旋外旋、前臂旋前旋后、上肢肘关节屈曲伸展、上肢桡尺旋前旋后、上肢腕尺桡侧偏、腕关节腕背伸腕掌屈、下肢髋部屈曲伸展，下肢髋部内旋外旋、下肢髋部内收外展、下肢膝关节屈曲伸展、下肢踝关节趾屈背屈和下肢踝关节足内翻外翻。

实施例二

如图1－5所示，针对胸腰椎前屈后伸，脊柱胸腰椎左右侧屈，脊柱胸腰椎左右旋转，本发明实施例提供了一种基于惯性传感器的人体多关节活动度的测算方法，包括：

构建惯性传感器校准模型，将惯性传感器安装于人体的关节部位，用于实时感知人体运动参数，并将惯性传感器获取的数据发送至数据处理单元；

数据处理单元基于惯性传感器校准模型对数据进行校准，根据校准后的数据计算得出传感器的姿态，并根据卡尔曼滤波器算法解算输出预测与观测结果，并利用显示屏进行结果显示；

传感器佩戴如图5所示，传感器坐标系(S)相对于全局固定坐标系(G)的三维方位，表示为

每个体节相对于其在初始直立姿势下的方向的旋转

其中解剖坐标系(A)根据图5b进行定义，即X向左，Y向后，Z向上，假设传感器和下层皮肤之间没有移动，传感器紧贴皮肤，其中

通过将后两个方程替换为前一个方程，计算出每个体节与初始直立姿势

最后，脊柱节段的相对旋转，例如T1相对于T12为B

/>

由九个分量组成的每个旋转矩阵都被转换成三个欧拉旋转序列，每个主轴一个。根据XYZ序列，从旋转矩阵中计算出欧拉角，注意B(t＝0)

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。