申请/专利权人：天津大学

申请日：2022-12-12

公开（公告）日：2024-04-19

公开（公告）号：CN116108873B

主分类号：G06K17/00

分类号：G06K17/00;G01C21/16

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2023.05.30#实质审查的生效;2023.05.12#公开

摘要：本发明公开了一种基于RFIDIMU融合的运动姿势评估系统，在人体特定部位佩戴姿势定位标签，在手臂、上臂、大腿、小腿及脚部佩戴RFID标签，其中利用无线传输技术如蓝牙、ZigBee等技术将IMU数据传输至处理单元，利用RFID阅读器阅读RFID标签，并将阅读信息传输至处理单元，处理单元对传输到的数据滤波处理后，再利用信息融合技术如改进的卡尔曼滤波及限制条件，获取各个标签精确位置信息，继而人体的运动姿势信息，进行三维显示或者传输至其他平台。

主权项：1.基于RFIDIMU融合的运动姿势评估系统，其特征在于，所述系统包括：姿势定位标签：感知运动状态和RFID标签，并将IMU信息传输至处理单元；RFID定位标签单元：提供个体部位位置识别标识；RFID阅读器：阅读各个所述RFID标签信息，提供RFID阅读器标识；处理单元：接收所述姿势定位标签的IMU信息并对其滤波，接收所述RFID阅读器阅读的RFID标签信息，利用信息融合技术，获取各个标签的位置信息，根据先验知识得到姿势信息；通信显示模块：将所述处理单元获取的姿势信息显示出来或传输至其他模块；所述姿势定位标签中IMU进行坐标转换获取加速度，利用四元数法进行坐标转换如下式1所示：alp＝qalq-11其中，al＝[0,a],a＝[ax,ay,az]是姿势定位标签输出加速度，q为当前姿势定位标签的信息四元数， 其中，当前姿势定位标签输出进一步，设置训练者t时刻腰部运动起点转化后加速度为ax1t,ay1t,az1t,腹部运动起点转化后坐标为ax2t,ay2t,az2t,胸部运动起点转化后坐标为ax3t,ay3t,az3t,则将人体作为一个整体的加速度将三点加速度求和，其中放置传感器安装方向错误，则先判断；以x轴为例，Ifax1t*ax2t≥0，thenax1t*ax3t≥0则认为正确；Ifax1t*ax2t≥0，thenax1t*ax3t0则认为传感器三需要整理，则ax3t＝-ax3tIfax1t*ax2t0，thenax1t*ax3t0则认为传感器一需要整理，则ax1t＝-ax1tthenax1t*ax3t≥0则认为传感器二需要整理，则ax2t＝-ax2t整理后的，整个人体的加速度值为： 进一步，利用惯性步态模型SLk＝afk+bSk+C7其中，SLk为第k步的步幅，fk为第k步行走的所用时间的倒数，即fk＝tk-tk-1，Sk为第k步内所采集得到的加速度值的方差，其中，其中，ak为第k步内的加速度的均值， 其中，N为当前一步内的采样点数，a、b、C为待求系数，一般与身高、腿长及运动环境有关，可由实验经验获得；方法如下：在当前环境下，求出3-4的步态信息，及测量步长，继而获得a、b、C值；所述定位标签定位技术，利用LANDMARC-R算法进行定位，首先利用信号距离损耗模型， 其中，r为待求标签距离距所述RFID阅读器的距离，r0为参考标签距离距所述RFID阅读器的距离，Pr为待求标签到所述RFID阅读器的信号强度耗损， 为参考标签到所述RFID阅读器的信号强度耗损，a为路径损耗指数，εr为遮蔽因子，fpx,y,z为环境干扰函数；利用公式8求出标签i到各个所述RFID阅读器的位置向量di＝ri1，ri2，…rik；其中，定位标签包括姿态定位标签和RFID定位标签单元；根据所述RFID阅读器的坐标和所述标签i与各RFID阅读器的距离di，求出各标签所在位置；根据实验环境和人体三维模型要求，设定限定条件1和限定条件2，并利用限定条件作为参考条件，利用LANDMARC求出各个参考位置，此算法本文称为LANDMARC-R算法；限定条件1，上述腰部姿势定位标签到胸部姿势定位标签，胸部姿态定位标签到腰部姿态定位标签，腹部姿态定位到胸部姿态定位标签的距离分别为L＝l12,l13,l23，且l12,l13,l23为定置，在运动过程中细微变动，利用惯性传感器值加速度变化值进行修订；限定条件2，根据人体模型，标签佩戴位置满足以下条件：标签i到标签j的位置满足一定有最大值和最小值，即LRMijLRMijLRMijminLRMijLRMijmax9其中，标签i与标签j佩戴位置在所有动作中最值，LRMijmin为最小值，LRMijmax为最大值，实际中根据身体指标确定；进一步，利用限定条件1，求取距离-损耗模型即式8中环境参数a，εrfpx,y,z，详细如下： 分别为腰部姿势定位标签、腹部姿态定位标签、胸部姿态定位标签的到特定RFID阅读器的距离，则利用最小二乘法可求出a；取腰部姿态定位标签为参考标签，结合式10则可求出εrfpx,y,z；利用卡尔曼滤波滤波，根据身体自身限制条件，作为滤波器限制条件；进一步，假设系统现在的状态是K，则系统模型如下： 其中，Xk为标签在k时刻的位置，Uk是k时刻对系统的控制输入，此处无控制输入；Wk为系统的过程噪声，在此处假设过程噪声服从高斯分布，与状态变量相互独立，A通常为描述目标状态转换的状态转移矩阵或者过程增益矩阵，B为系统增益参数，Zk是k时刻的数据测量值，H通常为观测矩阵，Vk为观测噪声，观测噪声服从高斯分布；其中，W～N0，Q，V～N0，RXcalk＝AXk-112 rk＝Zk-HXcalk14Kk＝Pk-HT[HPkHT+Rk]-115Xk＝Xcalk+Kkrk16 其中，Xcalk和Xk为k时刻卡尔曼滤波后的估计值和预测值，和Pk为k时刻状态状态变量估计误差和预测误差的协方差矩阵，Kk为k时刻的卡尔曼滤波增益，Q为预测噪声协方差矩阵，R测量噪声协方差矩阵，rk为Zk的新息量，对应的协方差矩阵为在正常的环境中，rk服从均值为0的高斯分布，则信号出现异常，rk不在服从均值为0的高斯分布，则增加抗干扰信息， 其中，设阈值为C，其值由多次实验获得；选择两个相邻或者特殊的两点作为校验条件； 此处，Xki为i处卡尔曼滤波后的位置，为列向量 将代替Rk带入式15计算；所述处理单元，包含无线通信模块、有线通信模块、滤波模块及信息处理模块，用于接收并处理所述姿态定位标签和所述RFID阅读器传输信息，产生各标签位置信息，将位置信息经所述通信显示模块显示或传输；姿势定位标签包括IMU传感器，用于感知固定部位的信息，在腰部、胸部、头部佩戴姿势定位标签，在手臂、上臂、大腿、小腿及脚部佩戴RFID标签。

全文数据：

权利要求：

百度查询： 天津大学 基于RFID/IMU融合的运动姿势评估系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD