[论文解读] Towards Self-Calibrating Inertial Body Motion Capture

Bertram Taetz, Gabriele Bleser+1 more|arXiv (Cornell University)|Jun 12, 2016

Inertial Sensor and Navigation参考文献 24被引用 40

一句话总结

本文提出了一种在线、滑动窗口约束加权最小二乘法，用于使用惯性测量单元（IMUs）同时实现惯性传感器到肢体（I2S）参数的自校准与人体运动估计。通过整合运动模型、测量模型和生物力学模型，并引入基于运动学、解剖学及参数正则化的新型随机先验，该方法在不依赖磁力计或预设标定姿态的情况下，实现了高精度且可重复的I2S校准，即使从高度不准确的初始值出发，也能收敛至亚度级姿态精度和厘米级位置精度。

ABSTRACT

This paper presents a novel online capable method for simultaneous estimation of human motion in terms of segment orientations and positions along with sensor-to-segment calibration parameters from inertial sensors attached to the body. In order to solve this ill-posed estimation problem, state-of-the-art motion, measurement and biomechanical models are combined with new stochastic equations and priors. These are based on the kinematics of multi-body systems, anatomical and body shape information, as well as, parameter properties for regularisation. This leads to a constrained weighted least squares problem that is solved in a sliding window fashion. Magnetometer information is currently only used for initialisation, while the estimation itself works without magnetometers. The method was tested on simulated, as well as, on real data, captured from a lower body configuration.

研究动机与目标

• 解决惯性人体动作捕捉中缺乏鲁棒且实用的标定方法的问题，该方法无需用户精确执行的标定姿态。
• 开发一种可在线处理的方法，能够从惯性传感器数据中同时估计人体运动与I2S标定参数。
• 通过在估计过程中不使用磁力计，降低对磁力计的依赖。
• 通过消除对训练有素的操作员或刚性标定协议的需求，提升非专业用户的系统易用性。
• 确保从高度不准确的初始值出发，也能收敛至一致且可重复的标定结果。

提出的方法

• 采用滑动窗口方法，实时求解约束加权最小二乘（WLS）优化问题，实现在线处理。
• 结合最先进的运动模型、测量模型和生物力学模型，引入基于运动学和解剖约束的新型随机方程与先验。
• 引入传感器到肢体位置与姿态的先验，以正则化病态估计问题。
• 采用基于身体几何形状的形态先验，以提升校准的稳定性和收敛性。
• 初始阶段使用磁力计数据，但在估计过程中不依赖其输入，从而增强在动态环境中的鲁棒性。
• 应用移动时域策略，避免流式数据处理中的延迟。

实验结果

研究问题

• RQ1 自标定惯性动作捕捉系统能否在不依赖预设标定姿态的情况下，从任意初始值可靠地估计I2S参数与人体运动？
• RQ2 该方法在保持标定精度的前提下，能在多大程度上减少对磁力计的依赖？
• RQ3 该方法在从高度不准确的初始I2S估计出发时，能否收敛至一致的标定结果？
• RQ4 生物力学与解剖学先验对校准过程的稳定性和准确性有何影响？
• RQ5 该方法能否在真实世界环境中，对不同受试者与运动类型实现可重复且高精度的标定？

主要发现

• 在模拟数据中，该方法实现了亚度级姿态精度与厘米级位置精度，即使初始角度偏移高达131.19°，也观察到收敛。
• 在真实数据实验中，初始I2S姿态误差最高达113.6°，最终收敛至与参考值相差小于8.5°。
• 所有传感器最终I2S标定结果之间的最大差值仅为1.7°，表明具有高度可重复性。
• 该方法成功将初始位置误差从最高0.092 m减少至0.067 m以内，上肢的校准结果最为精确。
• 该算法在不同初始值下均保持一致性能，包括完美初始值，证实其对初始值差异具有鲁棒性。
• 形态先验未引入偏差，因为有无该先验时结果完全相同，证实其作用为正则化而非引入偏差。