29、基于视觉 - 惯性传感器融合与OpenSim的人体姿态估计及旋转笼阀在假肢膝关节中的应用

基于视觉 - 惯性传感器融合与OpenSim的人体姿态估计及旋转笼阀在假肢膝关节中的应用

人体姿态估计在许多与人类运动相关的应用中至关重要，而稳定且低成本的人体姿态估计方法在日常生活中具有很高的需求。同时，对于假肢膝关节，一种高效的可变阻尼装置也备受关注。本文将介绍基于视觉 - 惯性传感器融合与OpenSim的上半身姿态估计方法，以及用于假肢膝关节的旋转笼阀（RCV）。

基于视觉 - 惯性传感器融合的上半身姿态估计

• 背景与问题 ：上半身姿态估计在康复、虚拟现实游戏、工业等多个场景都有应用，但不同场景对成本、精度和易用性有不同要求。传统光学运动捕捉（OMC）系统成本高，仅适用于实验室；惯性测量单元（IMUs）虽成本低，但存在磁畸变、漂移和软组织伪影等问题，导致精度较低。
• 传感器系统设计 ：为实现可靠的上半身姿态估计，设计了一个包含四个传感器模块的系统。这些模块分别放置在胸部、上臂、前臂和手部，每个模块由一个6轴IMU（3轴加速度和3轴角速度）和一个ArUco标记组成。
• 传感器校准
  • 加速度计校准 ：原始加速度输出包含噪声、漂移和轴对齐误差，通过以下公式计算无偏加速度：
    [
    a_c = A \times S \times (a_r + b_a)
    ]
    其中，(A =
    \begin{bmatrix}
    1 & a_{12} & a_{13} \
    0 & 1 & a_{2