下一代外骨骼系統(tǒng)要求有體積小輕量化，穿戴靈活，成本較低，最重要的是，精度高的特點。盤點當前常用來作為運動捕捉的傳感器系統(tǒng)，很難同時滿足上述要求：

光學系統(tǒng)：精度高，成本高，對光照條件和遮擋有高敏感性，導致應用場景限于實驗室；

慣性傳感器系統(tǒng)：成本低，便攜可穿戴，核心缺點是,加速度計檢測的是重力加速度與運動加速度的合加速度?無法獨立確定運動速度或姿態(tài)角；而基于陀螺儀的姿態(tài)估計則存在積分漂移誤差。即便經過噪聲濾波和融合處理，慣性傳感器測得的運動加速度仍包含噪聲和誤差，進一步導致速度估算的積分過程中產生累積誤差。目前各種算法致力于解決這一缺點，但是在長時間高動態(tài)肢體運動中還是存在嚴重的漂移問題。

針對這一長期存在的技術難題，清華大學朱榮教授團隊在發(fā)表于《Nature Communications》的論文“A wearable motion capture device able to detect dynamic motion of human limbs"中提出了一種不同于傳統(tǒng)慣性方法的解決思路。與依賴加速度積分來估計速度不同，該研究的核心思想是：直接測量肢體運動速度，而非事后通過積分計算得到。研究團隊受到魚類和兩棲動物的側線系統(tǒng)的啟發(fā)，設計了一種微型流速傳感器，用于感知人體肢體在運動過程中相對于空氣產生的局部氣流變化。通過將這種微流速傳感器與傳統(tǒng)的加速度計和陀螺儀集成在同一可穿戴設備中，系統(tǒng)能夠在不進行長期積分的情況下，同時獲取肢體的運動速度、角速度和姿態(tài)信息。通過一系列高動態(tài)實驗，系統(tǒng)性地驗證了該方法在速度估計精度、姿態(tài)穩(wěn)定性以及長期監(jiān)測能力方面的優(yōu)勢。

圖1. 文章信息

另外，團隊還根據人體行走和跑步時小腿與大腿之間的肢體內部協調關系，并建立了表征下肢肢體內部協調關系的神經網絡模型 —— 利用該模型，可通過人體行走和跑步時的小腿運動確定大腿運動（圖2b）。因此，用戶僅需在小腿佩戴單個設備，即可實時檢測小腿和大腿的運動。

在硬件結構上，該可穿戴設備由正交放置的微型流速傳感器并內置三軸慣性傳感器（加速度計 + 陀螺儀）構成（圖2a）。流速傳感器被布置在肢體表面，能夠實時感知由于肢體運動而產生的局部氣流速度變化, 無需積分運算，系統(tǒng)可以重建肢體在三維空間中的運動速度分量。

同時，三軸慣性傳感器同步測量肢體的加速度和角速率，為姿態(tài)角解算提供基礎數據。

設備內置 MCU（微控制單元），以 1000 Hz 頻率采集數據，經濾波處理后，通過藍牙以 100 Hz 頻率傳輸至終端，保證實時性。

圖2. 運動捕捉方案設計

該方案通過流速傳感器直接獲取運動速度，研究團隊進一步利用速度、角速度與線性加速度之間的物理約束關系，推導出肢體的運動加速度，并與加速度計和陀螺儀測量值（重力加速度+運動加速度）進行融合校準（通過卡爾曼濾波算法），比較精準地拆分出重力加速度分量，再結算運動加速度和姿態(tài)角（滾轉角、俯仰角）。這種融合方式有效抑制了噪聲影響，并避免了誤差隨時間累積的問題，運動捕捉原理如圖3。

研究團隊利用肢體協同模型實現了單設備捕捉全下肢運動（圖3）。基于 “人體行走 / 跑步時，大腿與小腿存在自然協調關系" 的發(fā)現，團隊構建了三層 BP 神經網絡模型：

輸入：小腿的姿態(tài)角（γs、θs）、運動速度（vb）、角速度（ωb）和加速度（ab）（共 11 個參數）。

隱藏層：30 個神經元（經優(yōu)化確定）。

輸出：大腿的姿態(tài)角（γt、θt）。

只需在小腿佩戴單個設備，即可通過該模型實時推算大腿運動，進而解算膝關節(jié)角度，簡化了穿戴流程和設備成本。

圖3. 單個可穿戴設備實現下肢運動捕捉的原理

為全面驗證設備的精度、穩(wěn)定性和實用性，研究團隊設計了三類核心實驗，均以行業(yè)的 VICON 光學動捕系統(tǒng)作為參考標準，同時與傳統(tǒng)慣性傳感器方案對比。三種實驗為：

高動態(tài)運動捕捉：核心測試指標為速度誤差和姿態(tài)角誤差。測試內容為拳擊和踢腿，設備分別佩戴到手腕和小腿，且這兩種運動的瞬時加速度分別超過120 m/s2  和100 m/s2 。

長時間運動捕捉：被設置用來監(jiān)測長期速度穩(wěn)定性、姿態(tài)角漂移程度。測試內容是被試小腿佩戴設備，以10km/h的速度在跑步機上跑步30分鐘，再加7分鐘減速停止。

下肢協同動作捕捉：本實驗用來測試膝關節(jié)角度誤差（RMSE/ME），要求4名被試（其中一名為半月板損傷患者）在跑步機上行走或者跑步（速度0-10 km/h），實驗重復3次。

高動態(tài)運動捕捉實驗

實驗結果顯示，在揮拳（圖4a）和快速踢腿（圖5a）等典型高動態(tài)動作中，該系統(tǒng)能夠準確捕捉肢體運動的速度變化及峰值特征（以VICON 光學動捕系統(tǒng)作為參考）。測得的三軸速度（圖4和5 d）誤差（圖4和5 e）始終小于0.11 m/s，明顯優(yōu)于傳統(tǒng)基于慣性測量單元(IMU)的積分方法。運動加速度的估計也明顯優(yōu)于傳統(tǒng)基于IMU的數據估計（圖4和5 b，和圖4和5 c）。在姿態(tài)角估計方面，所提方法同樣表現出顯著優(yōu)勢。系統(tǒng)測得的滾轉角（圖4和5 f）和俯仰角（圖4和5 h）的均方根誤差（RMSE）低于1.70°，平均誤差（ME）小于 0.47°（圖4和5 g，和i），幾乎沒有漂移現象（傳統(tǒng)慣性方法的RMSE可達4.18°，ME高達3.19°）。

圖 4. 前臂佩戴設備的拳擊運動捕捉結果

圖 5. 小腿佩戴設備的踢腿動作捕捉結果

長時間運動捕捉

對于長時間跑步運動捕捉實驗（圖6），所提設備在長時間運動中測得的速度誤差始終小于0.16 m/s（圖6 c），而慣性方法的速度誤差隨時間漂移（圖6 c），甚至達到非常大的量級。姿態(tài)角測量結果表明，所提設備測得的滾轉角（圖6 f）和俯仰角（圖6 h）幾乎沒有漂移誤差，RMSE小于0.84°，誤差不到4.12°；相比之下，慣性方法的誤差可達24.01°，漂移明顯。通過低通濾波去除基線漂移后，慣性方法滾轉角和俯仰角的殘余誤差RMSE分別為1.73°和2.83°（圖6 g和i）。

圖 6. 長時間跑步運動捕捉及速度測量結果

下肢協同動作捕捉

研究人員利用神經網絡建模小腿與大腿之間的運動協同，僅通過佩戴在小腿上的單個設備，即可推算大腿姿態(tài)和膝關節(jié)角度。矢狀面內的膝關節(jié)角度（）通過推算得到的大腿矢狀面內的俯仰角（）與直接測量的小腿俯仰角（）差值解算得出，公式為： =?。該角度可直觀反映膝關節(jié)的屈伸狀態(tài)，為運動功能評估提供關鍵指標。本設備測量的膝關節(jié)角度與 VICON 光學系統(tǒng)測量結果的偏差定義為膝關節(jié)角度誤差，用于評估肢體運動捕捉的測量精度。

實驗結果表明，4名被試的膝關節(jié)角度測算誤差（ME）較低（見表1）。圖7展示了單個被試在一個步態(tài)周期內估計出的大腿俯仰角，小腿俯仰角，膝關節(jié)角度，以及膝關節(jié)角度誤差。

表1. 小腿佩戴單設備的下肢運動捕捉中膝關節(jié)角度的測量誤差

注： 標注 * 為輕度半月板損傷受試者

圖 7. 單被試下肢矢狀面運動捕捉結果

最后，圖8直觀地顯示半月板患者的膝關節(jié)角度要均小于健康被試的膝關節(jié)角度。由于疼痛或膝關節(jié)病理限制，膝關節(jié)損傷患者的屈膝能力會減弱，因此在行走和跑步時，其膝關節(jié)角度通常小于健康人群。因此，膝關節(jié)角度可作為評估屈膝能力的指標，在運動功能障礙或損傷的診斷與評估中具有潛在應用價值。

圖8. 4名被試膝關節(jié)角度。 Sub.4是半月板損傷患者

總體而言，這項研究展示了一種有別于傳統(tǒng)慣性方法的運動捕捉思路。通過引入微型流速傳感器并結合慣性信息，研究團隊成功構建了一套能夠在高動態(tài)條件下穩(wěn)定工作的可穿戴運動捕捉系統(tǒng)。當然，該方法仍有進一步優(yōu)化空間，例如在復雜環(huán)境氣流干擾下的魯棒性、設備小型化與能耗控制等問題，仍需在后續(xù)研究中深入探索。但可以肯定的是，這項工作為解決長期困擾可穿戴運動捕捉領域的積分漂移問題，提供了一條啟發(fā)性的路徑。隨著傳感器技術、算法模型與系統(tǒng)集成能力的不斷進步，精準、穩(wěn)定、可長期使用的人體運動捕捉系統(tǒng)，正逐步從實驗室走向真實世界，為康復醫(yī)學與智能健康技術的發(fā)展提供堅實支撐。

原文信息

Liu S, Zhang J, Zhang Y, et al. A wearable motion capture device able to detect dynamic motion of human limbs[J]. Nature communications, 2020, 11(1): 5615.

作者及單位介紹

論文作者為清華大學精密儀器系Shiqiang Liu，通訊作者為清華大學Rong Zhu。研究工作得到國家自然科學基金項目和國強研究院項目的資助。

關于維拓啟創(chuàng)

相關產品