[论文解读] Sensor-Movement-Robust Angle Estimation for 3-DoF Lower Limb Joints Without Calibration

Chunzhi Yi, Feng Jiang+6 more|arXiv (Cornell University)|Oct 16, 2019

Shoulder Injury and Treatment参考文献 31被引用 5

一句话总结

本文提出了一种无需标定、对传感器运动具有鲁棒性的3-DoF下肢关节角估计方法，利用惯性测量单元（IMUs）实现。该方法采用基于反馈的迭代算法估计关节轴，并通过融合重力与磁场矢量的逐点参考帧校准，实现了在2分钟平地行走中误差低于2°的均方根误差，且对传感器运动和错位具有鲁棒性。

ABSTRACT

Inertial measurement unit (IMU)-based 3-DoF angle estimation methods for lower limb joints have been studied for decades, however the calibration motions and/or careful sensor placement are still necessary due to challenges of real-time application. This study proposes a novel sensormovement-robust 3-DoF method for lower-limb joint angle estimation without calibration. A realtime optimization process, which is based on a feedback iteration progress to identify three joint axes of a 3-DoF joint, has been presented with a reference frame calibration algorithm, and a safe-guarded strategy is proposed to detect and compensate for the errors caused by sensor movements. The experimental results obtained from a 3-DoF gimbal and ten healthy subjects demonstrate a promising performance on 3-DoF angle estimation. Specially, the experiments on ten subjects are performed with three gait modes and a 2-min level walking. The root mean square error is below 2 deg for level walking and 5 deg for other two gait modes. The result of 2-min level walking shows our algorithms stability under long run. The robustness against sensor movement are demonstrated through data from multiple sets of IMUs. In addition, results from the 3-DoF gimbal indicate that the accuracy of 3-DoF angle estimation could be improved by 84.9% with our reference frame calibration algorithm. In conclusion, our study proposes and validates a sensor-movement-robust 3-DoF angle estimation for lowerlimb joints based on IMU. To the best of our knowledge, our approach is the first experimental implementation of IMUbased 3-DoF angle estimation for lower-limb joints without calibration.

研究动机与目标

• 消除在使用IMU进行3-DoF下肢关节角估计时对功能标定姿势的需求。
• 解决IMU与地球坐标系之间参考帧偏差的问题，该偏差会导致关节角估计产生较大误差。
• 实现实时检测并补偿运动过程中的传感器移动，以维持估计精度。
• 提高IMU基关节角估计对传感器错位和动态干扰的鲁棒性。
• 开发一种自对齐、无标定的方法，适用于临床和可穿戴设备中的长期、实时应用。

提出的方法

• 基于反馈的迭代优化过程实时估计3-DoF下肢关节的三个关节轴，无需依赖功能标定姿势。
• 采用逐点参考帧校准算法，利用融合的重力与磁场矢量，校正传感器与参考帧之间的时变偏差。
• 通过监控一个变化度量 $ V $ 的安全防护检测策略，识别传感器移动，当该度量超过预设阈值时判定为发生移动。
• 在检测到移动时，利用检测窗口内的估计值，在临时区间 $ I_n^{det} $ 内维持连续性并减少误差传播。
• 该算法将实时姿态跟踪与生物力学约束相结合，在身体固定坐标系中计算3-DoF关节角。
• 采用滑动窗口方法，自适应调整区间长度 $ I_n ∈ [W_n, 800] $，在实时性能与估计精度之间取得平衡。

实验结果

研究问题

• RQ1 能否仅使用IMU数据实现无需功能标定姿势的3-DoF下肢关节角估计？
• RQ2 如何在实时中有效补偿IMU与地球坐标系之间参考帧的偏差？
• RQ3 能否在运动过程中实时检测并在线校正传感器移动，以维持估计精度？
• RQ4 该算法在长时间连续运动（如2分钟平地行走）下的性能如何？
• RQ5 与现有基于IMU的方法相比，该方法在传感器错位和移动方面的鲁棒性如何？

主要发现

• 在2分钟平地行走过程中，该算法在髋关节屈伸方向的均方根误差（RMSE）为1.69° ± 0.90°，在内收/外展方向为0.52° ± 0.33°，在内旋/外旋方向为0.79° ± 0.43°。
• 在非平地步态模式下，RMSE保持在5°以下，最大误差为5.73°（膝关节屈伸方向）。
• 在传感器移动事件中，该算法将RMSE从检测前的43.60°降低至检测区间内的13.97°，显示出有效的误差缓解能力。
• 参考帧校准算法在3-DoF云台上的实验中，使3-DoF角度估计精度相比基线方法提升了84.9%。
• 该算法在长时间运行中保持稳定性能，跨受试者在2分钟测试中，膝关节屈伸方向的标准差仅从0.77°略微增加至0.83°。
• 计算时间始终在实时约束范围内，不同滑动窗口长度下每轮迭代的最大耗时为6 ms，证实了其在实时部署中的可行性。