基于MEMS傳感器的人體姿態(tài)的運(yùn)動(dòng)采集及復(fù)現(xiàn)

深圳大學(xué)信息工程學(xué)院 李禎林

華南理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 鄭藍(lán)翔

深圳大學(xué)信息工程學(xué)院 楊奕津 黃明煥 楊延釗 朱倩儀 陳全威 潘志銘

基于MEMS傳感器的人體姿態(tài)的運(yùn)動(dòng)采集及復(fù)現(xiàn)

深圳大學(xué)信息工程學(xué)院 李禎林

華南理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 鄭藍(lán)翔

深圳大學(xué)信息工程學(xué)院 楊奕津 黃明煥 楊延釗 朱倩儀 陳全威 潘志銘

該文設(shè)計(jì)了一種基于MEMS傳感器的人體姿態(tài)的運(yùn)動(dòng)采集及復(fù)現(xiàn)系統(tǒng)，采用慣性導(dǎo)航式動(dòng)作捕捉技術(shù)，它能實(shí)現(xiàn)人體運(yùn)動(dòng)數(shù)據(jù)的精確采集，并以3D動(dòng)畫運(yùn)動(dòng)的方式對(duì)運(yùn)動(dòng)過程進(jìn)行直觀的復(fù)現(xiàn)。

MEMS傳感器；無線網(wǎng)絡(luò)；姿態(tài)采集；姿態(tài)結(jié)算；運(yùn)動(dòng)復(fù)現(xiàn)

1 引言

國內(nèi)的類似系統(tǒng)絕大多數(shù)都是光學(xué)式的，得不到準(zhǔn)確的三維運(yùn)動(dòng)參數(shù)。慣性傳感器測(cè)量人體姿態(tài)在成本、便攜性上有較大優(yōu)勢(shì)，但測(cè)量精度及誤差累積一直是限制其發(fā)展的重要因素。

自20世紀(jì)70年代以來，微機(jī)電系統(tǒng)（MEMS）技術(shù)蓬勃發(fā)展，慣性傳感技術(shù)向著高可靠性、小型化等方向發(fā)展，使得使MEMS傳感器在很多電子產(chǎn)品中得到了廣泛的應(yīng)用。

本文將介紹利用自行設(shè)計(jì)制作的MEMS傳感器無線模塊，以慣性導(dǎo)航運(yùn)動(dòng)捕捉為原理進(jìn)行人體姿態(tài)采集，利用多種算法解算人體的姿態(tài)并用3D動(dòng)畫方式進(jìn)行復(fù)現(xiàn)。

2 系統(tǒng)的模型

文章通過將人體簡化建模為人體多連桿模型，并通過在連桿中央放置自制的硬件模塊實(shí)現(xiàn)運(yùn)動(dòng)數(shù)據(jù)的采集。硬件模塊使用nRF51822作為主處理器和無線發(fā)送芯片，并使用MPU9250作為傳感器采集數(shù)據(jù)。算法處理包括對(duì)角速度使用動(dòng)態(tài)零點(diǎn)補(bǔ)償、四元數(shù)表示法及互補(bǔ)融合算法，對(duì)加速度使用零加速度補(bǔ)償法和Simpson二次積分，以提高角度和位移計(jì)算精度。并將獲得的運(yùn)動(dòng)姿態(tài)數(shù)據(jù)用3D動(dòng)畫方式進(jìn)行直觀的復(fù)現(xiàn)。

3 系統(tǒng)硬件電路設(shè)計(jì)

作為本設(shè)備的硬件實(shí)物，硬件的設(shè)計(jì)是最基礎(chǔ)也是最重要的部分之一，接下來，本文將從硬件電路原理圖的角度列出各個(gè)功能模塊的電路原理及大致的工作情況。

3.1 主控制器部分電路設(shè)計(jì)

本系統(tǒng)的硬件部分的主控制器采用了nRF51822芯片進(jìn)行初步算法處理，同時(shí)作為無線射頻芯片使用。nRF51822是挪威Nordic半導(dǎo)體公司生產(chǎn)的一款支持2.4G射頻的多協(xié)議無線芯片，芯片內(nèi)部整合ARM Cortex-M0 32位處理器及豐富的外設(shè)資源，以便進(jìn)行簡單的數(shù)據(jù)傳輸及處理。

電源部分使用低噪聲線性穩(wěn)壓芯片SPX-3819（3.3V），以用于將3.7V鋰電池模塊電壓進(jìn)行降壓穩(wěn)壓，同時(shí)10uF與0.1uF的陶瓷電容并聯(lián)使用，彌補(bǔ)各自器件在高低頻濾波的實(shí)際效果，穩(wěn)定電源電壓。

3.2 傳感器節(jié)點(diǎn)部分電路設(shè)計(jì)

本文選擇的傳感器是16位九軸慣性傳感器MPU9250。主機(jī)可以通過MPU9250中的總線接口對(duì)內(nèi)部寄存器數(shù)值進(jìn)行修改，以達(dá)到修改采樣率，開啟濾波器等功能。由于只需要用該芯片的基本功能，不需要特殊處理，故直接采用該芯片數(shù)據(jù)手冊(cè)所推薦的電路。

3.3 采集與傳輸方式設(shè)計(jì)

在確定使用多連桿人體模型后，傳感器將安防在每個(gè)連桿的中央，以獲取連桿最精確的旋轉(zhuǎn)數(shù)據(jù)。傳感器將讀取連桿的旋轉(zhuǎn)角速度，以獲得在某一時(shí)刻的姿態(tài)朝向。

多點(diǎn)到單點(diǎn)通信的應(yīng)用協(xié)議如下：

（1）主網(wǎng)關(guān)模塊通過2.4Ghz GFSK調(diào)制信號(hào)及PCB天線，廣播當(dāng)前編號(hào)數(shù)據(jù)包。（2）所有傳感器節(jié)點(diǎn)將接收編號(hào)數(shù)據(jù)包，而只有編號(hào)匹配的傳感器節(jié)點(diǎn)將采集當(dāng)前慣性傳感器的編號(hào)、加速度、角速度等信息，將數(shù)據(jù)打包，利用2.4G無線射頻將數(shù)據(jù)反饋給主網(wǎng)關(guān)模塊。

（3）主網(wǎng)關(guān)模塊將核對(duì)反饋回來的原始數(shù)據(jù)包，并進(jìn)行CRC校驗(yàn)，如果通過，將通過串口發(fā)送至上位機(jī)，進(jìn)行算法部分的數(shù)據(jù)處理。

3.4 無線傳感器模塊設(shè)計(jì)

如圖1本硬件傳感器低功耗，體積小，可擴(kuò)展性好，適用于藍(lán)牙4.0及BLE協(xié)議，亦可用于物聯(lián)網(wǎng)及各類智能傳感設(shè)備。

圖1 MEMS慣性傳感器無線模塊實(shí)物圖

4 姿態(tài)測(cè)量、解算與校正部分

當(dāng)制作完成多個(gè)姿態(tài)采集硬件模塊后，將其一軟件設(shè)置為主接收網(wǎng)關(guān)，其余設(shè)置為傳感器發(fā)送端。單個(gè)發(fā)送端模塊所發(fā)送數(shù)據(jù)為未經(jīng)處理的三軸角速度數(shù)據(jù)及三軸加速度數(shù)據(jù)。本章就如何獲得最終姿態(tài)角及位移量進(jìn)行討論。

4.1 角速度計(jì)算與校正過程

4.1.1 誤差分析與校正

對(duì)陀螺儀角速度數(shù)據(jù)來說，為了獲得姿態(tài)角，我們需要將角速度進(jìn)行一次積分。而角速度零點(diǎn)偏移誤差（直流分量）的存在將在一次積分中被累積放大。所以需要對(duì)其進(jìn)行校正。常用的方法是測(cè)量足夠長時(shí)間的零點(diǎn)誤差并求平均值，并以平均值作為零點(diǎn)補(bǔ)償消除誤差。而陀螺儀的零點(diǎn)漂移除了與MEMS制造過程中的誤差相關(guān)，還存在溫度漂移。為了消除環(huán)境溫度變化對(duì)零點(diǎn)漂移的影響，本文用動(dòng)態(tài)更新零點(diǎn)的方式進(jìn)行零點(diǎn)補(bǔ)償?shù)母倪M(jìn)。圖3是動(dòng)態(tài)更新零點(diǎn)的算法框圖。

圖3 角速度動(dòng)態(tài)零點(diǎn)補(bǔ)償算法流程

4.1.2 基于四元數(shù)與互補(bǔ)濾波的姿態(tài)解算

本文利用重力加速度的測(cè)量值作為狀態(tài)量，可以對(duì)繞Y軸與X軸的的旋轉(zhuǎn)角度進(jìn)行融合校正。原始角速度數(shù)據(jù)在經(jīng)過初期的濾波和動(dòng)態(tài)零點(diǎn)補(bǔ)償操作之后，將新增的角速度值數(shù)據(jù)乘以時(shí)間間隔△t累加至用四元數(shù)表示的姿態(tài)角數(shù)據(jù)中，獲得原始積分角度值，帶入世界坐標(biāo)系到載體坐標(biāo)系的變換矩陣中，確定變換矩陣。

將加速度獲得的重力矢量參考，與旋轉(zhuǎn)矩陣轉(zhuǎn)換得到的重力矢量進(jìn)行叉乘運(yùn)算，將其作為角度誤差值，正反饋到原始積分角度數(shù)據(jù)中，進(jìn)行數(shù)據(jù)融合運(yùn)算。最終將加速度數(shù)據(jù)融合角速度以獲得長期情況下較穩(wěn)定的姿態(tài)數(shù)據(jù)。

圖4所示是重力換算角與角速度積分?jǐn)?shù)據(jù)的融合算法的流程圖。

4.1.3 實(shí)驗(yàn)數(shù)據(jù)分析

實(shí)驗(yàn)數(shù)據(jù)采集的是x單軸的旋轉(zhuǎn)角度，在30s內(nèi)的旋轉(zhuǎn)數(shù)據(jù)。其中，采樣頻率為100Hz，數(shù)據(jù)都經(jīng)過了動(dòng)態(tài)零點(diǎn)漂移削減。直接積分的數(shù)據(jù)用一階Simpson積分法實(shí)時(shí)動(dòng)態(tài)一次積分，并將一次積分后的數(shù)據(jù)輸入互補(bǔ)融合算法進(jìn)行二次處理。首先算出加速度重力矢量，從緩存的四元數(shù)姿態(tài)數(shù)據(jù)中解算出上一次的姿態(tài)矢量，并進(jìn)行叉乘運(yùn)算求出誤差角，乘以權(quán)重系數(shù)并生成新的四元數(shù)數(shù)據(jù)。

圖5是x軸角速度度直接積分與互補(bǔ)融合積分對(duì)比圖。

圖5 x軸角速度度直接積分與互補(bǔ)融合積分對(duì)比

由積分曲線可以看出，互補(bǔ)融合的積分方法在減少長時(shí)間的積分累加誤差上有不錯(cuò)的作用，保證了角度姿態(tài)測(cè)量的準(zhǔn)確性。

4.2 加速度計(jì)算與校正過程

4.2.1 誤差分析與校正

本文實(shí)現(xiàn)通過初步線性畸變校正初步還原加速度值，經(jīng)過初步線性畸變校正后的加速度讀數(shù)并不能直接進(jìn)行二次積分進(jìn)行位移運(yùn)算。因?yàn)闇y(cè)試環(huán)境中存在重力，當(dāng)物體運(yùn)動(dòng)時(shí)，加速度計(jì)測(cè)得的加速度值是重力加速度與相對(duì)運(yùn)動(dòng)加速度向量的疊加，并投影到三個(gè)測(cè)量軸的數(shù)值。在進(jìn)行加速度二重積分前，獲得相對(duì)于傳感器的姿態(tài)方向，解算出重力加速度的方向，并從三軸加速度數(shù)據(jù)中消除重力加速度在各軸上的分量，完成重力解耦。

4.2.2 基于零加速度補(bǔ)償法，速度歸零的位移計(jì)算

在經(jīng)過坐標(biāo)變換后，三軸加速度的值不可避免地存在誤差。物體而在二次積分后，加速度中直流分量將成為位移數(shù)據(jù)中的主導(dǎo)誤差。本文的解決方式是零加速度補(bǔ)償法，當(dāng)判定處于靜止時(shí)，將加速度置為0，記錄時(shí)刻內(nèi)加速度的零點(diǎn)誤差，當(dāng)判定為運(yùn)動(dòng)時(shí)，加速度值將減去零點(diǎn)誤差，以達(dá)到平衡加速面積與減速面積之間的差值。而再度判定處于靜止時(shí)，將計(jì)算新的加速度零點(diǎn)誤差為之后進(jìn)行補(bǔ)償。

4.2.3 實(shí)驗(yàn)數(shù)據(jù)分析

經(jīng)過多次試驗(yàn)，圖6顯示了單軸（Z軸）多次移動(dòng)時(shí)的位移值與真實(shí)值的誤差。傳感器將沿著世界坐標(biāo)系Z軸進(jìn)行上下約10cm的單次來回移動(dòng)。

由實(shí)驗(yàn)獲得的位移曲線圖可得出，位移多有10%誤差，能確保至少分米級(jí)的精度。

5 上位機(jī)軟件設(shè)計(jì)

5.1 軟件介紹

LabVIEW是一種圖形化的編程語言的開發(fā)環(huán)境，基于數(shù)據(jù)流進(jìn)行編程，同時(shí)適用并行編程以提高運(yùn)算效率。配套LabVIEW的嵌入式硬件產(chǎn)品可以擴(kuò)展LabVIEW的軟件功能，并實(shí)現(xiàn)ADC采集，PWM調(diào)制等功能。

5.2 基于LabVIEW的上位機(jī)程序分析

LabVIEW程序中進(jìn)行了絕大部分算法的實(shí)現(xiàn)。主網(wǎng)關(guān)模塊將用串口將整合后的數(shù)據(jù)傳輸?shù)酱冢?jīng)過串口轉(zhuǎn)USB芯片通信，將數(shù)據(jù)傳輸?shù)絃abVIEW字符緩存區(qū)。

程序?qū)⒕彺鎱^(qū)的字符串分割并還原成陀螺儀的角速度數(shù)據(jù)，加速度數(shù)據(jù)。對(duì)陀螺儀角速度數(shù)據(jù)實(shí)施了動(dòng)態(tài)零點(diǎn)補(bǔ)償，并實(shí)時(shí)更新補(bǔ)償后的零點(diǎn)值。加速度計(jì)進(jìn)行零加速度補(bǔ)償，將解算后的加速度狀態(tài)信息傳送至互補(bǔ)融合濾波算法中的四元數(shù)中進(jìn)行整合和權(quán)重疊加。最終融合后的數(shù)據(jù)將積分累加成為最終確定的姿態(tài)角數(shù)據(jù)。圖7是LabVIEW上位機(jī)程序算法實(shí)現(xiàn)圖。

圖7 LabVIEW上位機(jī)程序算法實(shí)現(xiàn)

5.3 基于LabVIEW的3D動(dòng)畫復(fù)現(xiàn)

在LabVIEW軟件中，利用 3D圖形及動(dòng)畫顯示的VI工具包繪制出桿后，將三軸的歐拉角姿態(tài)旋轉(zhuǎn)帶入姿態(tài)轉(zhuǎn)變VI進(jìn)行設(shè)置，繪制人體簡化模型玩偶，嚴(yán)格按照肢體的優(yōu)先等級(jí)進(jìn)行排序，將不同慣性傳感器傳輸?shù)淖藨B(tài)數(shù)據(jù)進(jìn)行疊加和實(shí)時(shí)顯示。

5.4 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)成果展示中，實(shí)驗(yàn)者將佩戴5個(gè)慣性傳感器模塊，分別位于左右大臂，左右小臂，身體上。將佩戴傳感器的實(shí)驗(yàn)者和顯示屏的3D動(dòng)畫進(jìn)行實(shí)時(shí)攝影，并放置在右側(cè)與實(shí)驗(yàn)者的動(dòng)作進(jìn)行對(duì)比。一共進(jìn)行了多種手臂姿態(tài)進(jìn)行演示。實(shí)驗(yàn)結(jié)果表現(xiàn)出本系統(tǒng)的動(dòng)作采集與復(fù)現(xiàn)的真實(shí)性和算法對(duì)動(dòng)作的有較好的適應(yīng)性。

6 總結(jié)

本系統(tǒng)利用人體簡化模型對(duì)人體的結(jié)構(gòu)和運(yùn)動(dòng)姿態(tài)進(jìn)行分割化簡，設(shè)計(jì)并制作了基于MEMS傳感器的無線數(shù)據(jù)傳輸模塊，利用了多種補(bǔ)償及噪聲去除的方法，盡量減少積分方法所帶來的積分誤差影響，以獲得更為精確的位移數(shù)據(jù)。

本作品的應(yīng)用領(lǐng)域：體育訓(xùn)練，精確捕捉運(yùn)動(dòng)員的運(yùn)動(dòng)姿態(tài)數(shù)據(jù)，并進(jìn)行量化分析，同時(shí)結(jié)合人體生理學(xué)，歷史數(shù)據(jù)等研究改進(jìn)的方法；醫(yī)療診斷，慣提供全身、半身以及個(gè)別部位的測(cè)量及報(bào)告，更加客觀地進(jìn)行數(shù)據(jù)統(tǒng)計(jì)和診斷，并提供客觀準(zhǔn)確的數(shù)據(jù)來反映病人的治療效果。

[1]Ruize Xu,Shengli Zhou,Wen J Li.MEMS Accelerometer Based Nonspecific-User Hand Gesture Recognition[J].IEEE Sensors Journal,2012,12(5):1166-1173.

[2]蘇伯超,陳剛,車仁生.改進(jìn)隱馬氏模型的運(yùn)動(dòng)人體模型學(xué)習(xí)[J].光學(xué)精密工程,2009,17(6):1485-1495.

[3]趙翔,杜普選,李虎,等.基于MEMS加速度計(jì)和陀螺儀的姿態(tài)檢測(cè)系統(tǒng)[J].鐵路計(jì)算機(jī)應(yīng)用,2012,21(3):15-18.

[4]王建鋒,馬建,馬榮貴,等.動(dòng)位移的加速度精確測(cè)量技術(shù)研究[J].計(jì)算機(jī)科學(xué),2010,37(12):201-202.

[5]鄭淑孟.基于MEMS慣性傳感器的人體姿態(tài)和位移檢測(cè)[D].暨南大學(xué),2015.

[6]梁延德,程敏,何福本,等.基于互補(bǔ)濾波器的四旋翼飛行器姿態(tài)解算[J].傳感器與微系統(tǒng),2011,30(11):56-58.

[7]馮錕,馮建蘭.基于零值補(bǔ)償和+EMD+的加速度積分誤差消除方法[N].湖北理工學(xué)院學(xué)報(bào),2014(4):20-24.

本項(xiàng)目受到了廣東大學(xué)生科技創(chuàng)新培育專項(xiàng)資金的資助（項(xiàng)目號(hào)：pdjh2017b0437）。

李禎林，女，大學(xué)本科，現(xiàn)就讀于深圳大學(xué)，研究方向：電子信息工程。

指導(dǎo)老師：潘志銘。