文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.172804
中文引用格式: 胡小華,李向攀,祁洋陽,等. 可穿戴式人體姿態檢測系統設計[J].電子技術應用,2017,43(9):13-16.
英文引用格式: Hu Xiaohua,Li Xiangpan,Qi Yangyang,et al. Design of wearable human posture detection system[J].Application of Electronic Technique,2017,43(9):13-16.
0 引言
隨著時代的發展,老年人口占世界總人口比例逐漸增大,而腦卒中等疾病對老年人健康的危害卻越發嚴重,這些疾病使老年人運動功能障礙,無法自如地行動。為此,老年人的姿態檢測為了目前研究的重點,吉林大學的蔡靖等人研發的基于人體傳感和Android技術的運動監測系統能夠在運動過程中實現對人體運動參數和運動姿態實時監測[1]。南京理工大學的李炳炳研發的基于MEMS慣性傳感器的人體姿態檢測系統能夠較為準確的顯示人體姿態[2]。而市場上主流的姿態檢測系統都比較昂貴且系統封閉,所得關節角度數據不易于集成應用于其他平臺,本文將LabVIEW與Arduino結合,設計了一種價格低廉,數據易于集成應用于其他平臺的可穿戴式人體姿態檢測系統(Wearble Human Posture Detection System,WHPDS)。
患者將此系統佩戴于手臂、腿部或足部等存在運動障礙的部位,系統能夠實時檢測患者關節活動時的角度數據并將其保存,方便醫護人員對患者病情進行評估并制定合適的恢復方案。此外,將系統所測關節角度數據進行處理后導入康復訓練機器人中,即可實現機器人的示教,從而使患者得到針對性的康復機器人輔助訓練。
1 總體方案設計
WHPDS總體設計方案如圖1所示。系統利用多個MPU6050采集人體各部位的加速度計和陀螺儀原始信號[3]。由于MPU6050與下位機UNO板采用I2C通信協議,可以根據需要采集多個部位的數據。多個MPU6050用線選法確定數據傳輸順序,依次傳輸。下位機與上位機之間采用串口通信方式進行數據傳輸,在上位機LabVIEW編程環境下對MPU6050原始數據進行均值濾波與互補濾波,實現多傳感器信息的融合,從而得出各部位Roll角與Pitch角,進而得到人體關節角度。
2 系統設計
2.1 硬件選型
本系統選用價格低廉的GY521MPU6050六軸慣性傳感器,在保證姿態檢測精度的同時大大降低了檢測系統成本。MPU6050集成一個三軸加速度計和一個三軸陀螺儀,加速度計模塊可以識別靜止或平緩運動狀態下的角度信息,陀螺儀模塊對各種運動狀態下角度信息的變化均比較敏感。
本系統選用Arduino作為下位機,不僅降低了成本,還能借助Arduino豐富的接口,在需要的時候擴展系統功能。系統以采用多線程技術的圖形化編程軟件LabVIEW作為上位機編程環境,這使得系統反應速度快,運行效率高,同時編程更為簡潔[4]。MPU6050與UNO板如圖2所示,下位機接線如圖3所示。
測試者可將一個MPU6050佩戴于腰部前面中間,此MPU6050作為測試基準。測試髖關節和膝關節運動能力時佩戴方式如圖4(a);測試肩關節和肘關節運動能力時佩戴方式如圖4(b)。
2.2 程序算法
MPU6050輸出的原始數據存在零點誤差。因此,必須對MPU6050的原始數據進行均值濾波。均值濾波流程如圖5所示。
加速度計對與陀螺儀均無法獨立完成Roll角、Pitch角的檢測,為此可以采用互補濾波技術實現兩模塊數據的融合,從而得到準確有效的Roll角、Pitch角[5]。互補濾波流程如圖6所示。
在測得各MPU6050的Roll角、Pitch角后,結合各MPU6050佩戴位置,關節角度計算原理如圖7所示。
3 比對實驗
WHPDS的軟硬件平臺搭建好之后,需要對其進行比對實驗以驗證系統的可靠性,因此將本系統與某公司開發的三維步態分析及運動訓練系統(3D gait analysis and the sports training system,GaitWatch)進行可靠性比對,對本系統進行綜合評估。
GaitWatch可以準確地測得人體步態,但只能檢測人體直立條件下的下肢關節角度,無法檢測平躺或坐下時的下肢姿態,也無法檢測上肢姿態。若比對實驗證實本系統真實有效,將能大大擴展姿態檢測的范圍。
測試者佩戴WHPDS與GaitWatch,下肢做某些特定的動作,兩系統同時記錄測試者關節角度。將兩系統測得關節角度進行比對,即可評估此系統的可靠性。兩系統佩戴方式如圖8所示(右圖為GaitWatch實時三維姿態顯示圖)。
本次實驗中,測試者原地踏步,即右髖與右膝同時屈曲,之后同時伸展。兩傳感器同時檢測髖關節和膝關節在運動過程中屈曲伸展的角度,兩傳感器測得髖關節和膝關節關節角度如圖9(a)、9(b)所示。
可以看出,兩傳感器測得曲線一致,均正確反映了原地踏步的動作過程,但兩傳感器所測關節角度略有差異,最大值誤差在10°左右,最小值誤差小于5°。對比分析其原因在于:兩系統穿戴位置不相同,GaitWatch腰部傳感器佩戴于骨盆背面中間,脊柱末端,大腿傳感器佩戴于右腿外側中部,小腿傳感器佩戴于右腿脛骨內側;WHPDS佩戴方式如圖4(a)所示。兩傳感器佩戴方式不同,采集的原始數據會有一定的差異,計算的關節角度就有一定的偏差。另外,兩系統直接接觸衣物,并未貼于人體表面,人體運動時衣物與皮膚表面會有一定程度的相對移動,測得角度也就會有一定偏差。基于以上原因,可以確定本系統誤差在允許范圍內,WHPDS是準確有效的。
4 臥式下肢康復訓練機器人示教
臨床上,一般由康復訓練師輔助運動功能障礙患者進行康復訓練,這對康復訓練師體力要求過高。康復訓練機器人能夠有效解決康復訓練師體力要求過高的問題,但康復訓練機器人參數設置又較為繁瑣,利用WHPDS的檢測數據對機器人示教,能大大降低機器人參數設置的復雜性,這使得運動功能障礙患者的康復訓練更為簡單,醫療費用也更低廉。
由于病情差異,每位患者的關節活動范圍并不相同。因此患者在進行康復訓練時,機器人運動路徑不能完全相同,那會對患者關節造成二次損傷。可以利用人體姿態檢測系統對每位患者的關節活動度進行檢測,使得臥式下肢康復訓練機器人能對每位患者提供針對性的康復訓練。
運動功能障礙患者佩戴WHPDS,康復訓練師輔助患者進行康復訓練,同時系統記錄患者關節角度數據。數據采集場景如圖10所示。
一次輔助訓練完成后,截取一周期有效關節角度數據送入MATLAB中,編寫M程序求得原始數據的五次多項式擬合函數,畫出擬合曲線,原始關節角度曲線與擬合角度曲線如圖11(a)、圖(b)所示。由于康復示教要保證運動平穩性,帶動患者緩慢運動,因此示教運動每周期耗時約30 s,大于圖9所示的普通人運動耗時。
根據人機耦合關系,將擬合數據轉化為機器人控制信號,導入機器人控制系統,即可實現臥式下肢康復訓練機器人的康復訓練功能。臥式下肢康復訓練機器人運動軌跡如圖12所示。
5 結論
本文提出了一種可穿戴式人體姿態檢測系統方案WHPDS,價格低廉,關節活動度檢測方便直觀,并進行了康復訓練機器人示教功能系統集成應用驗證,對腦卒中等運動功能障礙患者的病情評估和醫療康復訓練機器人示教具有重要作用。下一步為提高系統可靠性、方便數據檢測,將添加其他生理信號傳感器,應用多模態傳感器數據融合算法,完成人體生命體征的獲取,通過藍牙模塊實現無線傳輸,進而實現人體康復訓練、生命體征實時監控和智能家居控制應用等功能。
參考文獻
[1] 蔡靖,田入運,劉磊,等.基于人體傳感和Android技術的運動監測系統設計與實現[J].電子技術應用,2015,41(9):63-66.
[2] 李炳炳.基于MEMS慣性傳感器的人體姿態檢測系統的研究[D].南京:南京理工大學,2017.
[3] 徐秀林,姚曉明,徐奚嬌.MPU6050在評定人體上肢關節角度中的應用[J].生物醫學工程學進展,2015(3):137-141.
[4] 張紅民,李曉峰.基于LabVIEW的多線程編程技術比較研究[J].電子技術應用,2008(10):89-91.
[5] 傅忠云,朱海霞,孫金秋,等.基于慣性傳感器MPU6050的濾波算法研究[J].壓電與聲光,2015(5):821-825,829.
作者信息:
胡小華1,李向攀1,2,祁洋陽1,冷 昊1,韓建海1,2,郭冰菁1,2
(1.河南科技大學 機電工程學院,河南 洛陽471003;2.河南省機器人及智能系統重點實驗室,河南 洛陽471003)