CN116027905A - 基于惯性传感器的双人皮划艇上肢动作捕捉方法 - Google Patents
基于惯性传感器的双人皮划艇上肢动作捕捉方法 Download PDFInfo
- Publication number
- CN116027905A CN116027905A CN202310060115.9A CN202310060115A CN116027905A CN 116027905 A CN116027905 A CN 116027905A CN 202310060115 A CN202310060115 A CN 202310060115A CN 116027905 A CN116027905 A CN 116027905A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- axis
- inertial
- data
- posture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 52
- 210000001364 upper extremity Anatomy 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 16
- 210000000245 forearm Anatomy 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 210000003414 extremity Anatomy 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 210000001503 joint Anatomy 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000004904 shortening Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 210000002310 elbow joint Anatomy 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000036544 posture Effects 0.000 abstract description 37
- 238000012549 training Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009471 action Effects 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于人体动作捕捉领域，提出一种基于惯性传感器的双人皮划艇上肢动作捕捉方法，应用于实际划船场景中，对双人皮划艇中的上肢运动进行运动学姿态分析。基于惯性传感器的动作捕捉系统包括六个惯性节点、一个接收节点和上位机。每个惯性节点可通过接收节点将数据发送到上位机；完成初始校准后，运用扩展卡尔曼滤波方法提升数据融合精度，解算出各时刻的姿态信息；从运动信息中提取关节角度，利用动态时间规整方法分析两个划艇运动员的姿态同步效果。本发明适用于实际场景下的皮划艇训练，可以同时监测双人运动姿态，对关节角进行同步分析，帮助教练和运动员明确训练效果和改进技术动作。
Description
技术领域
本发明涉及人体动作捕捉领域，尤其涉及一种基于惯性传感器的双人皮划艇上肢动作捕捉方法。
背景技术
皮划艇历史悠久，在原始社会就开始作为渔猎的水上工具出现。随着生产的发展和社会的进步，皮划艇也成为娱乐和体育比赛中的常见运动。一个完整的划船动作需要全身协调发力，涉及腿部、臀部、下背部、肩部和手臂的肌肉群。划手采用单膝跪地、单桨划水的姿势，以腰部为轴心，充分利用身体的旋转，带动肩部和手臂运动，获得最大的划桨输出功率。
皮划艇的运动能力取决于运动员的体能和技术熟练程度。在躯体旋转发力过程中，手臂主要起纽带作用，因此分析上肢的姿势可以帮助运动员更直观地建立运动模式。对于双人皮划艇运动，更需要两名运动员配合才能达到最佳效果。通过双人同步姿态分析，能够帮助教练找到最匹配的皮划艇运动员进行训练，取得更好的成绩。
单一的教练评价方法主观性较强。当皮划艇运动员学习新技术时，直观的训练成绩并不能准确定位技术动作缺陷。通过动作捕捉，可以实时跟踪和记录运动员的人体动作，分析运动员的身体姿态、技术专长和动作缺陷等。根据《运动捕捉技术及其应用研究综述》，由于光学运动捕捉配置环境要求高，不适合室外环境，本发明选择惯性运动捕捉方法来解算运动员的运动姿态。选择扩展卡尔曼滤波方法进行数据融合，提升动作捕捉精度。用时间序列分析方法分析双人关节角度，为教练和运动员提供参考指标，辅助训练。
发明内容
本发明的目的在于提出一种基于惯性传感器的双人皮划艇上肢动作捕捉方法，能应用于实际划船场景中，基于惯性传感技术的双人皮划艇上肢动作捕捉和姿态同步分析系统，对双人皮划艇中的上肢运动进行运动学姿态分析。
为了实现以上目的，本发明采用以下技术方案实现：
一种基于惯性传感器的双人皮划艇上肢动作捕捉方法，基于一种基于惯性传感器的双人皮划艇上肢动作捕捉系统实现，基于惯性传感器的双人皮划艇上肢动作捕捉系统包括：六个惯性节点、一个接收节点和上位机；
每个惯性节点内置三轴陀螺仪、三轴加速度计和三轴磁力计，一个无线模组和储存卡；
接收节点配有32位微处理器和Lora无线通信模块，控制惯性节点的数据采集和上传，实现上位机与三轴加速度计、三轴陀螺仪数据和三轴磁力计的数据通信；
上位机采用Qt编写；具有良好的人机交互界面。
基于惯性传感器的双人皮划艇上肢动作捕捉系统采用离线数据采集方式存储在储存卡中；多个惯性节点同时开始采集，保证同步；运动员上岸后，惯性节点采集的数据通过接收节点传输到上位机进行进一步的处理和分析；
基于惯性传感器的双人皮划艇上肢动作捕捉方法包括以下步骤：
A1、将六个惯性节点分别穿戴于人体的腰部、胸部、左大臂、左小臂、右大臂和右小臂，同步采集两位运动员的上肢惯性运动数据；每个惯性节点通过接收节点将数据发送到上位机，输出三轴加速度计数据、三轴陀螺仪数据和三轴磁力计数据；
A2、运动员首先静止面向磁场北方向站立进行初始校准，将传感器坐标系与载体坐标系对齐；同时得到传感器坐标系到地理坐标系的姿态四元数，最终在地理坐标系中描述运动员姿态信息；
一般描述物体在空间的运动姿态，通常是相对于地理坐标系中的空间运动而言的，而在惯性坐标系中，则是沿载体坐标系的轴测量的加速度和陀螺仪信息。因此，需要利用数学变换将载体坐标系中的测量值转换为地面坐标系中的测量值，这样才能最终在地理坐标系中描述姿态信息。利用数学变换将载体坐标系中的测量值转换为地理坐标系中的测量值，最终在地理坐标系中描述运动员姿态信息；
在更新载体姿态的过程中，为了方便地在地理坐标系中描述物体的运动姿态，物体姿态角的变化也需要这个坐标变换系统作为参考。利用四元数法更新姿态信息；初始状态下，与载体坐标系重合的地理坐标系通过绕Z轴的偏航角ψ、绕Y轴的俯仰角θ和绕X轴的横滚角φ旋转到当前姿态；
在地理坐标系中，运动物体的空间状态按照航向角、横滚角、俯仰角的顺序移动，最终的合成结果与物体在空间的运动状态一致，从地理坐标系GCS到载体坐标系BCS的旋转矩阵表示为：
根据Z-Y-X的旋转变换顺序，初始姿态四元数表示为：
由于传感器固定在肢体表面，在标定初始姿态时，皮划艇运动员需要向北站立一段时间，因此ICS和BCS的初始对准大致相等。BCS和GCS的初始对准可以描述为
则初始对准为：
其中，
表示传感器坐标系到地理坐标系的旋转四元数；
表示载体坐标系到传感器坐标系的旋转四元数；
表示载体坐标系到地理坐标系的旋转四元数；
初始对准后，三轴加速度计、三轴陀螺仪数据和三轴磁力计的实际位置由地理坐标系GCS中的四元数(1，0，0，0)表示；姿态四元数在多次迭代中收敛到实际位置；
A3、采用扩展卡尔曼滤波方法进行数据融合，解算运动员的身体姿态；将人体视为一组刚体模型，包括若干个定制长度的关节，每个关节部分用姿态四元数表示；刚体模型建模为由无摩擦关节连接的线，以腰为根节点，更新每一时刻的人体姿态，还原运动信息；
以姿态四元数、三轴陀螺仪误差、人体关节位置和人体关节速度作为系统状态量，以三轴磁力计和从全身姿态计算的位置信息和速度信息作为系统观测值的扩展卡尔曼滤波方法进行数据融合，状态方程为：
其中，px、py、pz分别为人体关节位置，vx，vy，vy分别为人体关节速度，ωxb，ωyb，ωzb分别为三轴陀螺仪误差，q0，q1，q2，q3分别为姿态四元数；
初始协方差矩阵为：
其中，σp为人体关节位置协方差，σv为人体关节速度协方差，σq为姿态四元数协方差，σωb为三轴陀螺仪误差协方差；P是误差协方差的初始值，表示对当前预测状态的置信度，决定初始收敛速度；随着卡尔曼滤波器的迭代，P值不断变化；当系统进入稳态时，P值收敛为最小的估计方差矩阵，获得最优卡尔曼增益；
姿态四元数更新过程如下：
扩展卡尔曼系统的状态微分方程为：
其中，ax，ay，az为三轴加速度计值，g为重力加速度；
输入噪声矩阵为：
其中，σω为三轴陀螺仪误差方差，σa为三轴加速度计误差方差；
系统观测方程为：
z＝[px py pz vx vy vz ωxm ωym ωzm]T
将重力分量定义为[0 0 -1]，得到观测矩阵为：
观测噪声矩阵为：
其中，σm为三轴磁力计误差方差；
R值是测量噪声；R过大，卡尔曼滤波器的响应将变慢。R过小，系统不易稳定。测试时保持三轴陀螺仪不动，记录一段时间内三轴陀螺仪的输出数据，该输出数据为正态分布；根据3σ原理，取正态分布的(3σ)2作为R的初始值；
将上述状态方程、初始协方差矩阵、状态微分方程、观测方程及噪声矩阵，代入扩展卡尔曼滤波迭代过程，卡尔曼增益Kk为：
其中，Pk为初始协方差矩阵，Hk为观测矩阵，R为观测噪声矩阵；
先验矩阵和后验矩阵更新如下：
其中，
为状态量，uk-1为系统输入值，Φ为状态转移矩阵，Q表示系统噪声的协方差矩阵，zk是观测方程，Hk为观测矩阵；
根据数据融合后的姿态位置，以腰为根节点，更新每一时刻的人体姿态，还原运动姿态信息；
A4、根据A3的姿态解算的结果，提取出相邻关节段之间的关节角度；对两位运动员的左肩、右肩、左肘和右肘关节角度进行同步分析；
将上身定义为十一段结构，相邻关节段之间的角度定义为关节角；向量U和向量V分别表示上肢身体向量的同侧上臂和同侧前臂；以右臂为例，右肘的关节角定义为右上臂与右前臂的夹角。向量U和V分别用于表示上肢身体向量的右上臂和右前臂。向量U和向量V长度根据人体实际肢体长度定义；关节角计算方式如下：
其中，
分别表示地理坐标系下两个相邻的肢体段向量；运动员运动过程中关节角度的变化为时间序列，动态时间规整方法DTW用于衡量相应关节角度的相关性；DTW通过拉伸和缩短时间序列来计算两个时间序列之间的相似性，在时间轴上扭曲其中一个时间序列以实现对齐；动态时间规整后的时间序列，根据欧氏距离，计算出衡量两个时间序列相似性的DTW距离；计算如下：
其中，d(xi,yi)代表xi,yi之间的距离；DTW距离归一化后，用于衡量两个时间序列之间的相似性，用于为教练和运动员提供量化的姿态同步指标。
所述地理坐标系GCS为地球的球面坐标系；以人体重心为原点，X轴指向地球的北方，Y轴指向地球的东方，Z轴垂直于地球表面指向下方；所述惯性坐标系ICS以传感器中心为原点，以三轴陀螺仪坐标轴指向为基准；所述载体坐标系BCS定义，以人体重心为原点，指向运动员身体右侧的方向为X轴，指向运动员身体正面的方向为Y轴，垂直于运动员身体水平面向下的方向为Z轴；所述传感器坐标系以传感器中心为原点，以三轴陀螺仪坐标轴指向为基准。
在步骤A2中，磁力计在测量过程中易受磁干扰，即由于磁性物质或能影响当地磁场强度的物质的存在，使放置磁传感器位置的地球磁场发生偏移。测量过程中，利用基于最小二乘法的椭球拟合方法对三轴磁力计输出进行校正。
三轴陀螺仪、三轴加速度计和三轴磁力计内部坐标系一致，严格正交对齐，支持高采样频率的信号输出。该范围可以覆盖划艇运动的最大测量值。
惯性节点整体尺寸为4.5cm×3.5cm×2.25cm，重力42g，不影响运动员划独木舟。每个惯性节点由3.7V(400mAh)的可充电锂电池独立供电，可以持续两个小时进行数据采集。
本发明的有益效果：本发明提供一种基于惯性传感器的双人皮划艇上肢动作捕捉方法，采用无线传输方式采集人体运动信息，运用扩展卡尔曼滤波方法提升数据融合精度，解算出各时刻的人体关节角度。本发明适用于实际场景下的皮划艇训练，可以同时监测双人运动姿态，对关节角进行同步分析，帮助教练和运动员明确训练效果和改进技术动作。
附图说明
图1是本发明基于惯性传感器的双人皮划艇上肢动作捕捉方法流程框图；
图2是本发明的基于惯性传感器的双人皮划艇上肢动作捕捉系统硬件示意图；
图3是本发明的数据融合算法示意图；
图4是本发明实例一中的划船动作捕捉示意图；
图5是本发明实例二中的惯性传感器节点安装示意图；
图6(a)是本发明实例二中的关节初始角度分析图；
图6(b)是本发明实例二中的关节规整角度分析图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图和实施例对本发明进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需说明的是，为了便于描述，附图中仅示出了与本发明的部分而非全部内容。
图1为本发明实施例提供的基于惯性传感器的双人皮划艇上肢动作捕捉方法流程图。本发明实施例提供的双人皮划艇上肢姿态同步分析方法可由本发明实施例提供的基于惯性传感器的双人皮划艇上肢动作捕捉系统来实现，包括以下步骤：
A1、将六个惯性节点通过绑带分别穿戴于人体的腰部、胸部、左大臂、左小臂、右大臂和右小臂，同步采集两位运动员的上肢惯性运动数据。每个惯性传感节点通过接收节点将数据发送到上位机，输出三轴加速度计、三轴陀螺仪数据和三轴磁力计数据。
一种基于惯性传感器的基于惯性传感器的双人皮划艇上肢动作捕捉系统动作捕捉系统，包括六个惯性节点、一个接收节点和上位机。所述的每个惯性节点内置三轴陀螺仪、三轴加速度计和三轴磁力计，一个无线模组和储存卡。节点整体尺寸为4.5cm×3.5cm×2.25cm，重力42g，不影响运动员划独木舟。每个节点由3.7V(400mAh)的可充电锂电池独立供电，可以持续两个小时进行数据采集。接收节点配有32位微处理器和Lora无线通信模块，可以控制测量节点的数据采集和上传，实现PC机与各传感器的数据通信。上位机采用Qt编写，具有良好的人机交互界面。系统采用离线数据采集方式存储在储存卡中。多个节点同时开始采集，保证及时同步。皮划艇运动员上岸后，测量节点采集的数据通过接收节点传输到上位机进行进一步的处理和分析。
A2、运动员首先静止面向磁场北方向站立进行初始校准，将传感器坐标系与载体坐标系对齐，同时得到传感器坐标系到地理坐标系的旋转四元数，最终在地理坐标系中描述姿态信息。
优选地，三轴磁力计在测量过程中易受磁干扰，即由于磁性物质或能影响当地磁场强度的物质的存在，使放置磁传感器位置的地球磁场发生偏移。本发明选择基于最小二乘法的椭球拟合方法对输出进行校正。
一般描述物体在空间的运动姿态，通常是相对于地理坐标系中的空间运动而言的，而在惯性坐标系中，则是沿载体坐标系的轴测量的加速度和陀螺仪信息。因此，需要利用数学变换将载体坐标系中的测量值转换为地理坐标系中的测量值，这样才能最终在地理坐标系中描述姿态信息。
本发明将坐标系定义如下：
地理坐标系(GCS)：地理坐标系是地球的球面坐标系。X轴指向地球的北方，Y轴指向地球的东方，Z轴垂直于地球表面指向下方。
惯性坐标系(ICS)：定义了固定在体表的惯性传感器的坐标。
载体坐标系(BCS)：定义指向运动物体平面右侧的方向为X轴，指向物体正面的方向为Y轴，垂直于物体水平面的方向为Z轴。
在更新载体姿态的过程中，为了方便地在地理坐标系中描述物体的运动姿态，物体姿态角的变化也需要这个坐标变换系统作为参考。本发明选择四元数法来更新姿态。
与载体坐标系重合的地理坐标系通过绕Z轴的偏航角(ψ)、绕Y轴的俯仰角(θ)和绕X轴的横滚角(φ)旋转到当前姿态。
在地理坐标系中，运动物体的空间状态可以按照航向角、横滚角、俯仰角的顺序移动，最终的合成结果与物体在空间的运动状态一致。从GCS到BCS的旋转矩阵可表示为：
根据Z-Y-X的旋转变换顺序，初始姿态四元数可表示为：
由于传感器固定在肢体表面，在标定初始姿态时，皮划艇运动员需要向北站立一段时间，因此ICS和BCS的初始对准大致相等。BCS和GCS的初始对准可以描述为
则初始对准为：
初始对准后传感器的实际位置由参考坐标系GCS中的四元数(1，0，0，0)表示。四元数在几次迭代中收敛到实际位置。
A3、采用扩展卡尔曼滤波方法进行数据融合，解算运动员的身体姿态。将人体视为一组刚体模型，包括若干个定制长度的关节，每个关节部分用四元数表示。这些身体部分被建模为由无摩擦关节连接的线。以腰为根节点，更新每一时刻的人体姿态，还原运动信息。
优选地，本发明选择以姿态四元数、陀螺仪误差、节点位置和节点速度作为系统状态量，以三轴磁力计和从全身姿态计算的位置和速度信息作为系统观测值的扩展卡尔曼滤波方法进行数据融合，状态方程为：
x＝[px py pz vx vy vz q0 q1 q2 q3ωxbωybωzb]T
初始协方差矩阵为：
P是误差协方差的初始值，表示对当前预测状态的置信度，决定初始收敛速度。随着卡尔曼滤波器的迭代，P的值会不断变化。当系统进入稳态时，P的值会收敛到一个最小的估计方差矩阵，此时的卡尔曼增益也是最优的。
四元数更新过程如下：
扩展卡尔曼系统的状态微分方程为：
输入噪声矩阵为：
系统观测方程为：
z＝[px py pz vx vy vzωxmωymωzm]T将重力分量定义为[0 0 -1]，得到观测矩阵为：
观测噪声矩阵为：
R值是测量噪声。R过大，卡尔曼滤波器的响应将变慢。R过小，系统不易稳定。测试时保持陀螺仪不动，记录一段时间内陀螺仪的输出数据，该数据近似为正态分布。根据3σ原理，取正态分布的(3σ)2作为R的初始值。
将上述公式代入扩展卡尔曼滤波迭代过程，卡尔曼增益Kk为：
先验和后验矩阵更新如下：
根据数据融合后的姿态位置，以腰为根节点，更新每一时刻的人体姿态，还原运动信息。
A4、根据A3姿态解算的结果，提取出相邻关节段之间的关节角度。对两位运动员的左肩、右肩、左肘和右轴关节角度进行同步分析，为教练和运动员提供精确直观的双人姿态同步分析结果。
优选地，本发明中身体被定义为十一段结构，相邻关节段之间的角度定义为关节角。以右臂为例，右肘的关节角定义为右上臂与右前臂的夹角。向量U和V分别用于表示上肢身体向量的右上臂和右前臂。长度根据人体实际肢体长度定义。关节角计算方式如下：
其中，
分别表示地理坐标系下两个相邻的肢体段向量。
皮划艇运动中关节角度的变化可以看作是一个时间序列。动态时间规整(DynamicTime Warping,DTW)方法可用于衡量相应关节角度的相关性。DTW可以通过拉伸和缩短时间序列来计算两个时间序列之间的相似性，在时间轴上扭曲其中一个序列以实现更好的对齐。动态时间规整后的时间序列，根据欧氏距离，可以计算出衡量两个时间序列相似性的DTW距离。计算如下:
其中，d(xi,yi)代表xi,yi之间的距离。DTW距离归一化后，可以用来衡量两个时间序列之间的相似性，该参数可为教练和运动员提供量化的姿态同步指标。
本发明实施例提供一种基于惯性传感技术的双人皮划艇上肢动作捕捉系统，采用无线传输方式采集人体运动信息，运用扩展卡尔曼滤波方法提升数据融合精度，解算出各时刻的人体关节角度，对双人划船姿态进行运动学同步分析。
下面以实例的形式对本发明做进一步的解释说明：
实例一、
运动员在上肢穿戴节点，在室外环境中进行划船动作，实验结果如图4所示。通过惯性动作捕捉设备，可以直观还原出各时刻的人体姿态信息。根据人体骨骼模型，可以精确解算出相邻关节段之间的关节角度。
实例二、
双人划船过程中，两位运动员穿戴惯性节点同步采集数据，并通过动态时间规整方法分析双人姿态同步性，穿戴示意如图5所示，惯性节点分别穿戴于两位运动员的腰部、胸部、左大臂、左小臂、右大臂和右小臂。实验结果如图6(a)、图6(b)所示,动态时间规整方法可以将相位上不同步的两条关节角时间序列进行对齐处理，结果可作为衡量双人同步性的指标。
Claims (3)
1.一种基于惯性传感器的双人皮划艇上肢动作捕捉方法，其特征在于，基于一种基于惯性传感器的双人皮划艇上肢动作捕捉系统实现，基于惯性传感器的双人皮划艇上肢动作捕捉系统包括：六个惯性节点、一个接收节点和上位机；
每个惯性节点内置三轴陀螺仪、三轴加速度计和三轴磁力计，一个无线模组和储存卡；
接收节点配有32位微处理器和Lora无线通信模块，控制惯性节点的数据采集和上传，实现上位机与三轴加速度计、三轴陀螺仪数据和三轴磁力计的数据通信；
上位机采用Qt编写；
基于惯性传感器的双人皮划艇上肢动作捕捉系统采用离线数据采集方式存储在储存卡中；多个惯性节点同时开始采集，保证同步；运动员上岸后，惯性节点采集的数据通过接收节点传输到上位机进行进一步的处理和分析；
基于惯性传感器的双人皮划艇上肢动作捕捉方法包括以下步骤：
A1、将六个惯性节点分别穿戴于人体的腰部、胸部、左大臂、左小臂、右大臂和右小臂，同步采集两位运动员的上肢惯性运动数据；每个惯性节点通过接收节点将数据发送到上位机，输出三轴加速度计数据、三轴陀螺仪数据和三轴磁力计数据；
A2、运动员首先静止面向磁场北方向站立进行初始校准，将传感器坐标系与载体坐标系对齐；同时得到传感器坐标系到以人体重心为原点，三个坐标轴分别指向地理北方、地理东方和地面方向的地理坐标系的姿态四元数，最终在地理坐标系中描述运动员姿态信息；
利用数学变换将载体坐标系中的测量值转换为地理坐标系中的测量值，最终在地理坐标系中描述运动员姿态信息；
利用四元数法更新姿态信息；初始状态下，与载体坐标系重合的地理坐标系通过绕Z轴的偏航角ψ、绕Y轴的俯仰角θ和绕X轴的横滚角φ旋转到当前姿态；
在地理坐标系中，运动物体的空间状态按照航向角、横滚角、俯仰角的顺序移动，最终的合成结果与物体在空间的运动状态一致，从地理坐标系GCS到载体坐标系BCS的旋转矩阵表示为：
根据Z-Y-X的旋转变换顺序，初始姿态四元数表示为：
载体坐标系BCS和地理坐标系GCS的初始对准描述为
则初始对准为：
其中，
表示传感器坐标系到地理坐标系的旋转四元数；
表示载体坐标系到传感器坐标系的旋转四元数；
表示载体坐标系到地理坐标系的旋转四元数；
初始对准后，三轴加速度计、三轴陀螺仪数据和三轴磁力计的实际位置由地理坐标系GCS中的四元数(1，0，0，0)表示；姿态四元数在多次迭代中收敛到实际位置；
A3、采用扩展卡尔曼滤波方法进行数据融合，解算运动员的身体姿态；将人体视为一组刚体模型，包括若干个定制长度的关节，每个关节部分用姿态四元数表示；刚体模型建模为由无摩擦关节连接的线，以腰为根节点，更新每一时刻的人体姿态，还原运动信息；
以姿态四元数、三轴陀螺仪误差、人体关节位置和人体关节速度作为系统状态量，以三轴磁力计和从全身姿态计算的位置信息和速度信息作为系统观测值的扩展卡尔曼滤波方法进行数据融合，状态方程为：
x＝[px py pz vx vy vz q0 q1 q2 q3 ωxb ωyb ωzb]T
其中，px、py、pz分别为人体关节位置，vx，vy，vy分别为人体关节速度，ωxb，ωyb，ωzb分别为三轴陀螺仪误差，q0，q1，q2，q3分别为姿态四元数；
初始协方差矩阵为：
其中，σp为人体关节位置方差，σv为人体关节速度方差，σq为姿态四元数方差，σωb为三轴陀螺仪误差方差；P是误差协方差的初始值，表示对当前预测状态的置信度，决定初始收敛速度；随着卡尔曼滤波器的迭代，P值不断变化；当系统进入稳态时，P值收敛为最小的估计方差矩阵，获得最优卡尔曼增益；
姿态四元数更新过程如下：
扩展卡尔曼系统的状态微分方程为：
其中，ax，ay，az为三轴加速度计值，g为重力加速度；
输入噪声矩阵为：
其中，σω为三轴陀螺仪误差方差，σa为三轴加速度计误差方差；
系统观测方程为：
z＝[px py pz vx vy vz ωxm ωym ωzm]T
将重力分量定义为[0 0 -1]，得到观测矩阵为：
观测噪声矩阵为：
其中，σm为三轴磁力计误差方差；
R值是测量噪声；测试时保持三轴陀螺仪不动，记录一段时间内三轴陀螺仪的输出数据，该输出数据为正态分布；根据3σ原理，取正态分布的(3σ)2作为R的初始值；
将上述状态方程、初始协方差矩阵、状态微分方程、观测方程及噪声矩阵，代入扩展卡尔曼滤波迭代过程，卡尔曼增益Kk为：
其中，Pk为初始协方差矩阵，Hk为观测矩阵，R为观测噪声矩阵；
先验矩阵和后验矩阵更新如下：
其中，
为状态量，uk-1为系统输入值，Φ为状态转移矩阵，Q表示系统噪声的协方差矩阵，zk是观测方程，Hk为观测矩阵；
根据数据融合后的姿态位置，以腰为根节点，更新每一时刻的人体姿态，还原运动姿态信息；
A4、根据A3的姿态解算的结果，提取出相邻关节段之间的关节角度；对两位运动员的左肩、右肩、左肘和右肘关节角度进行同步分析；
将上身定义为十一段结构，相邻关节段之间的角度定义为关节角；向量U和向量V分别表示上肢身体向量的同侧上臂和同侧前臂；向量U和向量V长度根据人体实际肢体长度定义；关节角计算方式如下：
其中，
分别表示地理坐标系下两个相邻的肢体段向量；运动员运动过程中关节角度的变化为时间序列，动态时间规整方法DTW用于衡量相应关节角度的相关性；DTW通过拉伸和缩短时间序列来计算两个时间序列之间的相似性，在时间轴上扭曲其中一个时间序列以实现对齐；动态时间规整后的时间序列，根据欧氏距离，计算出衡量两个时间序列相似性的DTW距离；计算如下：
其中，d(xi,yi)代表xi,yi之间的距离；DTW距离归一化后，用于衡量两个时间序列之间的相似性，用于为教练和运动员提供量化的姿态同步指标。
2.根据权利要求1所述的基于惯性传感器的双人皮划艇上肢动作捕捉方法，其特征在于，所述地理坐标系GCS为地球的球面坐标系；以人体重心为原点，X轴指向地球的北方，Y轴指向地球的东方，Z轴垂直于地球表面指向下方；所述惯性坐标系ICS以传感器中心为原点，以三轴陀螺仪坐标轴指向为基准；所述载体坐标系BCS定义，以人体重心为原点，指向运动员身体右侧的方向为X轴，指向运动员身体正面的方向为Y轴，垂直于运动员身体水平面向下的方向为Z轴；所述传感器坐标系以传感器中心为原点，以三轴陀螺仪坐标轴指向为基准。
3.根据权利要求1或2所述的基于惯性传感器的双人皮划艇上肢动作捕捉方法，其特征在于，测量过程中，利用基于最小二乘法的椭球拟合方法对三轴磁力计输出进行校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310060115.9A CN116027905A (zh) | 2023-01-18 | 2023-01-18 | 基于惯性传感器的双人皮划艇上肢动作捕捉方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310060115.9A CN116027905A (zh) | 2023-01-18 | 2023-01-18 | 基于惯性传感器的双人皮划艇上肢动作捕捉方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116027905A true CN116027905A (zh) | 2023-04-28 |
Family
ID=86090969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310060115.9A Pending CN116027905A (zh) | 2023-01-18 | 2023-01-18 | 基于惯性传感器的双人皮划艇上肢动作捕捉方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116027905A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114533039A (zh) * | 2021-12-27 | 2022-05-27 | 重庆邮电大学 | 基于冗余传感器的人体关节位置及角度解算方法 |
| CN116226727A (zh) * | 2023-05-05 | 2023-06-06 | 济宁政韵信息科技有限公司 | 一种基于ai的运动识别系统 |
| CN116394265A (zh) * | 2023-06-08 | 2023-07-07 | 帕西尼感知科技(张家港)有限公司 | 一种姿态传感器标定方法、装置、设备及存储介质 |
| CN117084671A (zh) * | 2023-10-19 | 2023-11-21 | 首都医科大学宣武医院 | 一种基于陀螺仪信号的运动评估系统 |
| CN117322872A (zh) * | 2023-10-26 | 2024-01-02 | 北京软体机器人科技股份有限公司 | 运动捕捉方法及装置 |
| CN117932313A (zh) * | 2024-03-25 | 2024-04-26 | 武汉体育学院 | 基于人工智能的皮划艇技术动作预测方法及系统 |
| CN118722988A (zh) * | 2024-06-12 | 2024-10-01 | 首都体育学院 | 一种皮划艇船身姿态监测方法及监测系统 |
| CN120043550A (zh) * | 2025-04-27 | 2025-05-27 | 浙江帝诺医疗科技有限公司 | 基于惯性传感器的运动捕捉方法及系统 |
-
2023
- 2023-01-18 CN CN202310060115.9A patent/CN116027905A/zh active Pending
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114533039B (zh) * | 2021-12-27 | 2023-07-25 | 重庆邮电大学 | 基于冗余传感器的人体关节位置及角度解算方法 |
| CN114533039A (zh) * | 2021-12-27 | 2022-05-27 | 重庆邮电大学 | 基于冗余传感器的人体关节位置及角度解算方法 |
| CN116226727A (zh) * | 2023-05-05 | 2023-06-06 | 济宁政韵信息科技有限公司 | 一种基于ai的运动识别系统 |
| CN116394265A (zh) * | 2023-06-08 | 2023-07-07 | 帕西尼感知科技(张家港)有限公司 | 一种姿态传感器标定方法、装置、设备及存储介质 |
| CN116394265B (zh) * | 2023-06-08 | 2023-11-07 | 帕西尼感知科技(张家港)有限公司 | 一种姿态传感器标定方法、装置、设备及存储介质 |
| CN117084671B (zh) * | 2023-10-19 | 2024-04-02 | 首都医科大学宣武医院 | 一种基于陀螺仪信号的运动评估系统 |
| CN117084671A (zh) * | 2023-10-19 | 2023-11-21 | 首都医科大学宣武医院 | 一种基于陀螺仪信号的运动评估系统 |
| CN117322872A (zh) * | 2023-10-26 | 2024-01-02 | 北京软体机器人科技股份有限公司 | 运动捕捉方法及装置 |
| CN117932313A (zh) * | 2024-03-25 | 2024-04-26 | 武汉体育学院 | 基于人工智能的皮划艇技术动作预测方法及系统 |
| CN118722988A (zh) * | 2024-06-12 | 2024-10-01 | 首都体育学院 | 一种皮划艇船身姿态监测方法及监测系统 |
| CN118722988B (zh) * | 2024-06-12 | 2025-02-25 | 首都体育学院 | 一种皮划艇船身姿态监测方法及监测系统 |
| CN120043550A (zh) * | 2025-04-27 | 2025-05-27 | 浙江帝诺医疗科技有限公司 | 基于惯性传感器的运动捕捉方法及系统 |
| CN120043550B (zh) * | 2025-04-27 | 2025-06-27 | 浙江帝诺医疗科技有限公司 | 基于惯性传感器的运动捕捉方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116027905A (zh) | 基于惯性传感器的双人皮划艇上肢动作捕捉方法 | |
| CN108939512B (zh) | 一种基于穿戴式传感器的游泳姿态测量方法 | |
| Wang et al. | Using wearable sensors to capture posture of the human lumbar spine in competitive swimming | |
| CN107330967B (zh) | 基于惯性传感技术的骑师运动姿态捕捉及三维重建系统 | |
| CN102323854B (zh) | 人体运动捕获装置 | |
| WO2023221524A1 (zh) | 一种人体运动智能测量与数字训练系统 | |
| Wang et al. | Swimming stroke phase segmentation based on wearable motion capture technique | |
| CN110038291B (zh) | 一种划船运动员的运动信息采集系统及运动姿态还原方法 | |
| CN105850773A (zh) | 一种基于微惯性传感器的生猪姿态监测装置及方法 | |
| CN109284006A (zh) | 一种人体运动捕获装置和方法 | |
| Wang et al. | Motion analysis of deadlift for trainers with different levels based on body sensor network | |
| CN114680875A (zh) | 基于多源信息融合的人体运动监测方法、装置 | |
| CN108447077A (zh) | 一种马术骑手姿态信息采集分析系统 | |
| CN109846487A (zh) | 基于MIMU/sEMG融合的大腿运动姿态测量方法和装置 | |
| CN110609621B (zh) | 姿态标定方法及基于微传感器的人体运动捕获系统 | |
| Wang et al. | CanoeSense: Monitoring canoe sprint motion using wearable sensors | |
| Liu et al. | Kinematics analysis of arms in synchronized canoeing with wearable inertial measurement unit | |
| CN119091510A (zh) | 一种基于游泳动作姿态分析方法及其装置 | |
| CN110675936A (zh) | 一种基于OpenPose和双目视觉的健体代偿评估方法和系统 | |
| CN111539364A (zh) | 基于特征融合和多分类器投票的多体感人体行为识别算法 | |
| CN106886288A (zh) | 一种姿态动态捕捉方法及装置 | |
| CN115904086A (zh) | 基于可穿戴计算的手语识别方法 | |
| CN109453505A (zh) | 一种基于可穿戴设备的多关节追踪方法 | |
| CN119937796A (zh) | 一种人体运动捕捉实时渲染方法及系统 | |
| CN119845258A (zh) | 一种基于轻小型imu评估游泳运动对称性的系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |