51名健康参与者的步行数据采用了运动捕捉,惯性测量单位和计算机视觉
Jere Lavikainen1,2, Paavo Vartiainen1, Lauri Stenroth1
1Department of Technical Physics, University of Eastern Finland, P.O. Box 1627, Yliopistonranta 8 (Melania building), 70211 Kuopio, Finland.
Data in brief
|September 11, 2024
概括
这项研究介绍了一套全面的行走运动数据集,结合了运动捕捉,惯性传感器和视频分析. 这些丰富的数据使得先进的肌肉骨建模和模拟可用于步态分析.
科学领域:
- 生物力学 生物力学
- 人类运动分析分析
- 可穿戴式传感器技术
背景情况:
- 准确的人类运动分析对于理解步态生物力学至关重要.
- 现有的数据集往往缺乏用于全面步态研究的多模式数据集成.
- 先进的肌肉骨建模需要同步的多传感器数据.
研究的目的:
- 为人类行走分析提供一种新的多模式数据集.
- 促进肌肉骨建模和仿真方面的研究.
- 为了使不同运动捕捉技术的验证和比较.
主要方法:
- 收集了同步移动捕捉,惯性测量单元 (IMU) 和斜面平面视频数据.
- 使用力板,下肢/骨盆IMU和OpenPose进行2D关键点检测.
- 获得了详细的参与者人体测量数据,包括MRI衍生测量.
主要成果:
- 51名健康参与者的数据集具有广泛的行走试验数据 (约. 60个试验/参与者).
- 包括地面反应力,3D标记轨迹,IMU (加速计,定向) 数据和2D关键点数据.
- 记录了参与者的综合人口统计和人类计量数据.
结论:
- 该数据集为肌肉骨模型和模拟提供了宝贵的资源.
- 允许计算详细的步态动力学和动力学.
- 促进运动捕捉,IMU和基于视频的方法之间的交叉验证.
