基于MEMS传感器群的人体运动捕获

通过附在人身上的微型传感器对人体运动进行实时捕获.使用MEMS数字传感器和计算、通信设备搭建一种运动捕获系统,将导航和机器人机构学算法进行裁剪整合,权衡并且优化了计算量和精度,得出一种能用于人体运动捕获的算法并植入运动捕获系统.理想情况实验表明:系统的捕获误差为±2°,能迅速跟踪运动.系统的整体实验发现:系统捕获精度可以达到专业运动捕获的70％,对系统的误差进行了分析.本系统在保证运动捕获精度和速度的情况下,使用廉价设备,不需要高通量的数据计算,兼具轻便,对人体运动干扰小.     

新型数据手套及其手势识别研究

在人机交互系统中,为了准确获取手部的运动信息,设计了一种基于微机电系统MEMS加速度传感器的新型数据手套.该数据手套以MXR9500传感器和SPCE061A单片机为核心元件,通过检测加速度传感器的三轴加速度来获取手势动作的空间三维信息和手指的运动信息.以该数据手套为基础开发的汉语手指语拼音字母识别系统,采用基于模糊理论的识别算法,进一步提高了识别准确率.测试结果表明手套测量数据准确,识别系统准确率高、运行稳定.     

基于MEMS 传感器和Unity3D 的人体运动捕获系统

随着人机交互技术的发展,人与计算机之间自然、多模态交互将成为人与计算机 之间交互的主要方式,而这首先需要计算机可以正确地理解和捕捉人的行为特征,运动捕获技 术正是在这种背景下提出来。通过运动捕获技术,计算机可以理解人体动作,用户就可以通过 体态、方位、手势和表情等模态向计算机发出指令、传达信息等,因此运动捕获是新一代人机 交互中的关键技术之一。目前基于MEMS 惯性传感器的动作捕获研究主要针对动漫和电影制 作,价格昂贵;随着传感器的集成度变高,价格逐渐降低带来了新的系统设计需求。在原有动 作捕获技术基础上,设计并实现一种普适性更好的人体动作捕获系统原型,原型系统实现了基 于惯性传感节点的人体运动信息的采集与融合、节点与汇聚节点的数据传输、虚拟人体模型实 时动作呈现程序;实现了从数据测量到采集,再到模拟呈现的全过程。     

基于微型传感器驱动的三维实时运动人体模型

建立一种运用于人体运动捕获与再现系统的人体模型,实现人体运动实时控制模型的运动.根据微型传感器人体运动捕获与再现系统的特点,提出一种三维人体模型的层次化结构建模方法和多边形分组皮肤变形方法.该方法以生物动力学为基础,根据人体关节的运动特征进行分层表示,采用传感器数据驱动并控制人体骨架模型的运动以及皮肤模型的变形,实时再现真实人体运动.实验表明,新建模方法适用于传感器数据驱动人体模型的实时运动再现,并能够逼真地体现人体运动的生物力学特征.     

基于Honeypot网络安全技术的数据捕获模块设计

在对传统的防火墙和入侵检测技术探讨的基础上,通过对入侵诱骗技术Honeypot系统的研究,设计了一个基于Honeypot技术的数据捕获模块.介绍了基于Linux系统的数据捕获实现方法,其中使用了三层数据捕获来监控攻击者的入侵行为,这样尽可能多地捕获并学习攻击者的相关信息,从而保护系统安全.     

基于安卓系统的老年人摔倒检测系统的设计与实现

本文借助于Android系统内置的硬件加速度传感器和倾角传感器对运动信息进行获取,结合摔倒过程与其他日常活动不同的数据信息特点,设计并实现了一个基于Android智能手机的摔倒检测系统,从而为老人摔倒损伤提供了一种简单、科学、快捷的检测处理手段。     

热成像传感器动静态成像系统设计

为测试研究室开发的热成像传感器性能与成像质量,设计了成像传感器动静态成像与图像算法验证系统.系统能够捕获成像传感器静态图像,并能实时成像,具有通用性.数据的采集和处理应用FPGA+ DSP开发板实现.数据传输基于CY7C68013芯片以块同步数据传输方式,实现了无缝同步方式高速传输.基于VS2010编程环境和开源机器视觉库编写了接收、存储以及处理图像数据应用程序平台.测试表明:系统能够以40 Mbyte/s速率数据传输,用于实验室开发的热成像传感器工作良好.     

基于CNN的改进串行混合网络及多传感器信息融合的运动意图识别研究

为了提高基于传感器信号的运动意图识别准确度,开展了基于深度学习和多传感器信息融合的运动意图识别方法的研究.首先,在平地、10°上/下坡、上/下楼梯,共5种步态模式下,提取了80名受试者的运动传感器数据,采用非线性降维Diffusion Maps法(DM)对数据进行降维,利用短期傅里叶变化(SIFT)提取数据特征;构建基于卷积神经网络(CNN)和埃尔曼神经网络(ENN)的新型串行混合网络模型(CNN-ENN),并完成了模型的训练;随机选取了5名志愿者参与实验测试.实验结果表明CNN-ENN改进串行混合网络模型对多传感器融合信息的平均识别准确度为95.86％,分别比传统的运动意图识别算法CNN和基于集成学习的加权投票算法(MFR)高10.21％和16.37％.实践表明深度学习模型与多传感器信息融合技术相结合的方法对运动意图识别精度的提高有很好的指导价值.     

野外环境数据加密传输及远程监测系统设计

设计了一种基于4G通信的野外环境数据远程监测系统.为了提高网络传输的数据安全性,采用SM4分组密码算法对远程传输信息进行加密保护.采用STM32F103硬件平台构建一主多从采集网络,收集多个传感器的温湿度数据,通过4G通信模块与监测中心进行远程无线通信.设计基于Access数据库的数据监测软件,具有统计分析、超限报警等...     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度;根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别;实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。     

网络化人体运动跟踪系统研究

针对目前基于惯性传感的动作捕捉系统存在的姿态漂移、实时性不强和价格较高的问题,设计了一种低功耗、低成本,能够有效克服姿态数据漂移的人体实时动作捕捉系统。首先通过人体运动学原理,构建分布式关节运动捕捉节点,各捕捉节点采用低功耗模式,当节点采集数据低于预定阈值时,自动进入休眠模式,降低系统功耗;结合惯性导航和Kalman滤波算法对人体运动姿态进行实时的解算,以降低传统的算法存在的数据漂移问题;基于Wi-Fi模块,采用TCP-IP协议对姿态数据进行转发,实现对模型的实时驱动。选取多轴电机测试平台对算法的精度进行了评估,并对比了系统对真实人体的跟踪效果。实验结果表明,改进算法与传统的互补滤波算法相比具有更高的精度,基本能将角度漂移控制在1°以内;且算法的时延相对于互补滤波没有明显的滞后,基本能够实现对人体运动的准确跟踪。     

基于惯性传感器的动作捕捉系统设计

针对传统的如光学式、机械式等动作捕捉系统在成本、使用环境及精度等方面各有优劣的特点,设计了一套基于惯性传感器的动作捕捉系统,通过在人体各部位佩戴惯性传感器节点,实时采集各部位的运动惯性数据,通过WIFI通信发送至数据处理终端,对数据进行存储和显示。经实验验证所设计动作捕捉系统能够正确采集人体惯性运动数据,系统的使用不受时间和地点的限制,具有成本低廉、穿戴方便和操作简单等特点,可以深入应用于医学、体育和军事等多个领域。     

紧耦合的移动端实时位姿优化方法

位姿估计一直是三维重建领域的关键性问题.为保证移动端有限计算资源下的实时性并提高轨迹计算的准确性,提出一种紧耦合的移动端实时位姿优化方法.首先,获取图像信息与运动传感器信息进行特征提取、预积分等预处理;然后根据对极几何约束,计算重投影误差与惯性传感器误差;最后采用加权误差联合优化计算位姿轨迹.紧耦合策略可以有效利用图像...     

ANFIS-based sensor fusion system of sit-to-stand for elderly people assistive device protocols

This paper describes the analysis and design of an assistive device for elderly people under development at the EgyptJapan University of Science and Technology(E-JUST) named E-JUST assistive device(EJAD).Several experiments were carried out using a motion capture system(VICON) and inertial sensors to identify the human posture during the sit-to-stand motion.The EJAD uses only two inertial measurement units(IMUs) fused through an adaptive neuro-fuzzy inference systems(ANFIS) algorithm to imitate the real motion of the caregiver.The EJAD consists of two main parts,a robot arm and an active walker.The robot arm is a 2-degree-of-freedom(2-DOF) planar manipulator.In addition,a back support with a passive joint is used to support the patient s back.The IMUs on the leg and trunk of the patient are used to compensate for and adapt to the EJAD system motion depending on the obtained patient posture.The ANFIS algorithm is used to train the fuzzy system that converts the IMUs signals to the right posture of the patient.A control scheme is proposed to control the system motion based on practical measurements taken from the experiments.A computer simulation showed a relatively good performance of the EJAD in assisting the patient.     

基于粒子滤波的UWB+惯导融合定位算法研究

为了提高自主导航机器人的室内定位精度,提出一种基于粒子滤波的超带宽(UWB)/惯导融合定位算法。首先,UWB定位采用双边双向测距算法确定距离信息,通过三边定位算法确定位置信息。其次,惯导定位通过编码器采集运动信息,建立非完整约束下的动力学模型,确定运动轨迹。两种定位信息在上位机中通过粒子滤波进行融合,实现高精度融合定位。仿真结果表明,与单一UWB定位相比,基于粒子滤波的融合定位算法定位误差降低了66.41%。     

惯性仪器故障诊断模型设计与实现

为了挖掘隐藏在惯性仪器测试数据背后的信息知识,解决数据丰富而知识贫乏的问题,运用数据挖掘技术筛选出典型的故障测试数据,借鉴CRISP—DM行业标准并以Clementinel2．0为平台进行惯性仪器故障诊断模型的设计与实现。提出一种基于两阶段聚类的C5．0算法,即在两步聚类和k-means聚类的基础上使用C5．0算法,与传统C5．0算法相比,提高了预测精度和普适能力。结果表明,基于两阶段聚类的C5．0模型具有较好的分类能力和较强可解释性,为建立基于数据挖掘技术的惯性仪器故障诊断系统提供了研究基础。     

遥操作护理机器人系统的操作者姿态解算方法研究

设计了一种遥操作护理机器人系统,为实现从端同构式机器人的随动运动控制,对主端操作者人体姿态解算方法进行了研究.首先,构建由惯性传感单元构成的动作捕捉系统,对用作从端机器人动作指令的操作者人体姿态信息进行采集,采用四元数法对人体运动原始数据进行初步求解.其次,将四元数法得到的姿态数据解算成依据仿人结构设计的护理机器人各关节运动的目标姿态角,实现人体姿态到机器人动作的同构性映射.最后,为验证本文所提姿态解算方法的性能,设计了操作者控制护理机器人完成递送和拿取药瓶动作的实验.结果表明,本文姿态解算方法的解算性能与参考系统基本相同;在操作者动作姿态快速变化的时间段,系统仍可获得较高精度的目标姿态数据,其误差在动态条件下依旧能保持在2%以下;护理机器人可较好地实时复现操作者的人体动作.本文方法能满足机器人进行一般护理作业时对人体姿态数据处理的快速性和准确性要求.     

基于惯性技术的端帮采煤机姿态测量仪设计

针对端帮采煤机特殊的机械构造及工作运动模式对自身姿态信息获取时效性和准确性以及无人自主化提出的更高要求,设计一种基于惯性解算方法的姿态测量设备。利用惯导系统中的水平加速度计敏感重力分量完成载体水平对准,根据加速度计敏感的采煤机运动状态实现载体静止状态的辨别,引入零速修正的闭环卡尔曼滤波完成惯导解算姿态及惯性器件偏差信息的修正。搭建基于DSP+FPGA的导航信息采集与处理平台并开展室内转台实验和户外模拟车载实验,结果表明：采用零速修正的闭环卡尔曼组合方法可有效准确地完成载体姿态信息的自主求取。     

Performance evaluation of a wearable inertial motion capture system for capturing physical exposures during manual material handling tasks

With a long-term goal of improving quantification of physical exposures in the workplace, this study examined the ability of a commercially available inertial motion capture (IMC) system in quantifying exposures during five different simulated manual material handling tasks. Fourteen participants repeated all these tasks in three 20 min sequential time blocks. Performance of the IMC system was compared against an optical motion capture (OMC) system (‘gold standard’) in terms of joint angles, angular velocities and moments at selected body parts. Though several significant changes in performance over time were found, the magnitudes of these were relatively small and may have limited practical relevance. The IMC system yielded peak kinematic values that differed by up to 28% from the OMC system. The IMC system, in some cases, incorrectly reflected the actual extremity positions of a participant, and which can cause relatively large errors in joint moment estimation. Given the potential limitations, practical recommendations are offered and discussed.

Practitioner Summary: Use of an inertial motion capture system can advance the quantification of physical exposures in situ. Results indicate a good potential capacity for capturing physical exposure data in the field for an extended period, while highlighting potential limitations. Future system application can help provide better understandings of dose-exposure relationships.