数据膝盖枕:基于异质传感器的下肢运动捕捉系统

科学领域:

• 生物力学 生物力学
• 传感器技术 传感器技术
• 机器学习 机器学习

背景情况:

• 传统的运动捕捉系统在与阻塞和漂移作斗争.
• 精确的下肢运动分析对于性能提升和用户体验在康复和虚拟现实等领域至关重要.

研究的目的:

• 开发一种先进的下肢运动捕捉系统,使用一种新的数据膝盖.
• 集成惯性测量单元 (IMU) 和液体金属传感器,以获得全面的运动和肌肉活动数据.
• 创建一个姿势估计模型,准确地重建下肢运动.

主要方法:

• 设计了一个集成IMU和液体金属传感器的数据膝盖.
• 开发了一种使用快速富里埃转换 (FFT) 来分析信号的姿势估计模型.
• 使用了变压器编码器来提取特征,以及一个完全连接的回归网络来重建运动.

主要成果:

• 通过个性化的模型实现了下肢姿势估计的平均追踪误差1.48°.
• 成功验证了系统捕获肌肉活动信号的能力.
• 证明了膝关节曲角度的高精度测量以及肌肉活动检测.

结论:

• 开发的系统提供高精度下肢运动捕捉和肌肉活动监测.
• 这种综合方法克服了传统系统的局限性,提供了更好的应用性.
• 该技术显示出运动检测和康复评估的巨大潜力,特别是在与肌肉相关的疾病中.