基于MEMS傳感器的人體姿態(tài)的運動采集及復(fù)現(xiàn)

深圳大學信息工程學院 李禎林

華南理工大學計算機科學與工程學院 鄭藍翔

深圳大學信息工程學院 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)的運動采集及復(fù)現(xiàn)

深圳大學信息工程學院 李禎林

華南理工大學計算機科學與工程學院 鄭藍翔

深圳大學信息工程學院 楊奕津 黃明煥 楊延釗 朱倩儀 陳全威 潘志銘

該文設(shè)計了一種基于MEMS傳感器的人體姿態(tài)的運動采集及復(fù)現(xiàn)系統(tǒng)，采用慣性導航式動作捕捉技術(shù)，它能實現(xiàn)人體運動數(shù)據(jù)的精確采集，并以3D動畫運動的方式對運動過程進行直觀的復(fù)現(xiàn)。

MEMS傳感器；無線網(wǎng)絡(luò)；姿態(tài)采集；姿態(tài)結(jié)算；運動復(fù)現(xiàn)

1 引言

國內(nèi)的類似系統(tǒng)絕大多數(shù)都是光學式的，得不到準確的三維運動參數(shù)。慣性傳感器測量人體姿態(tài)在成本、便攜性上有較大優(yōu)勢，但測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70年代以來，微機電系統(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)計制作的MEMS傳感器無線模塊，以慣性導航運動捕捉為原理進行人體姿態(tài)采集，利用多種算法解算人體的姿態(tài)并用3D動畫方式進行復(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現(xiàn)運動數(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)。算法處理包括對角速度使用動態(tài)零點補償、四元數(shù)表示法及互補融合算法，對加速度使用零加速度補償法和Simpson二次積分，以提高角度和位移計算精度。并將獲得的運動姿態(tài)數(shù)據(jù)用3D動畫方式進行直觀的復(fù)現(xiàn)。

3 系統(tǒng)硬件電路設(shè)計

作為本設(shè)備的硬件實物，硬件的設(shè)計是最基礎(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

本系統(tǒng)的硬件部分的主控制器采用了nRF51822芯片進行初步算法處理，同時作為無線射頻芯片使用。nRF51822是挪威Nordic半導體公司生產(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鋰電池模塊電壓進行降壓穩(wěn)壓，同時10uF與0.1uF的陶瓷電容并聯(lián)使用，彌補各自器件在高低頻濾波的實際效果，穩(wěn)定電源電壓。

3.2 傳感器節(jié)點部分電路設(shè)計

本文選擇的傳感器是16位九軸慣性傳感器MPU9250。主機可以通過MPU9250中的總線接口對內(nèi)部寄存器數(shù)值進行修改，以達到修改采樣率，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)手冊所推薦的電路。

3.3 采集與傳輸方式設(shè)計

在確定使用多連桿人體模型后，傳感器將安防在每個連桿的中央，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，以獲得在某一時刻的姿態(tài)朝向。

多點到單點通信的應(yīng)用協(xié)議如下：

（1）主網(wǎng)關(guān)模塊通過2.4Ghz GFSK調(diào)制信號及PCB天線，廣播當前編號數(shù)據(jù)包。（2）所有傳感器節(jié)點將接收編號數(shù)據(jù)包，而只有編號匹配的傳感器節(jié)點將采集當前慣性傳感器的編號、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)模塊將核對反饋回來的原始數(shù)據(jù)包，并進行CRC校驗，如果通過，將通過串口發(fā)送至上位機，進行算法部分的數(shù)據(jù)處理。

3.4 無線傳感器模塊設(shè)計

如圖1本硬件傳感器低功耗，體積小，可擴展性好，適用于藍牙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物圖

4 姿態(tài)測量、解算與校正部分

當制作完成多個姿態(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)角及位移量進行討論。

4.1 角速度計算與校正過程

4.1.1 誤差分析與校正

對陀螺儀角速度數(shù)據(jù)來說，為了獲得姿態(tài)角，我們需要將角速度進行一次積分。而角速度零點偏移誤差（直流分量）的存在將在一次積分中被累積放大。所以需要對其進行校正。常用的方法是測量足夠長時間的零點誤差并求平均值，并以平均值作為零點補償消除誤差。而陀螺儀的零點漂移除了與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)境溫度變化對零點漂移的影響，本文用動態(tài)更新零點的方式進行零點補償?shù)母倪M。圖3是動態(tài)更新零點的算法框圖。

圖3 角速度動態(tài)零點補償算法流程

4.1.2 基于四元數(shù)與互補濾波的姿態(tài)解算

本文利用重力加速度的測量值作為狀態(tài)量，可以對繞Y軸與X軸的的旋轉(zhuǎn)角度進行融合校正。原始角速度數(shù)據(jù)在經(jīng)過初期的濾波和動態(tài)零點補償操作之后，將新增的角速度值數(shù)據(jù)乘以時間間隔△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，帶入世界坐標系到載體坐標系的變換矩陣中，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行叉乘運算，將其作為角度誤差值，正反饋到原始積分角度數(shù)據(jù)中，進行數(shù)據(jù)融合運算。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數(shù)據(jù)的融合算法的流程圖。

4.1.3 實驗數(shù)據(jù)分析

實驗數(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)過了動態(tài)零點漂移削減。直接積分的數(shù)據(jù)用一階Simpson積分法實時動態(tài)一次積分，并將一次積分后的數(shù)據(jù)輸入互補融合算法進行二次處理。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，并進行叉乘運算求出誤差角，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融合積分對比圖。

圖5 x軸角速度度直接積分與互補融合積分對比

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

4.2 加速度計算與校正過程

4.2.1 誤差分析與校正

本文實現(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)并不能直接進行二次積分進行位移運算。因為測試環(huán)境中存在重力，當物體運動時，加速度計測得的加速度值是重力加速度與相對運動加速度向量的疊加，并投影到三個測量軸的數(shù)值。在進行加速度二重積分前，獲得相對于傳感器的姿態(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 基于零加速度補償法，速度歸零的位移計算

在經(jīng)過坐標變換后，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)中的主導誤差。本文的解決方式是零加速度補償法，當判定處于靜止時，將加速度置為0，記錄時刻內(nèi)加速度的零點誤差，當判定為運動時，加速度值將減去零點誤差，以達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，將計算新的加速度零點誤差為之后進行補償。

4.2.3 實驗數(shù)據(jù)分析

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

由實驗獲得的位移曲線圖可得出，位移多有10%誤差，能確保至少分米級的精度。

5 上位機軟件設(shè)計

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)流進行編程，同時適用并行編程以提高運算效率。配套LabVIEW的嵌入式硬件產(chǎn)品可以擴展LabVIEW的軟件功能，并實現(xiàn)ADC采集，PWM調(diào)制等功能。

5.2 基于LabVIEW的上位機程序分析

LabVIEW程序中進行了絕大部分算法的實現(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?，?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)。對陀螺儀角速度數(shù)據(jù)實施了動態(tài)零點補償，并實時更新補償后的零點值。加速度計進行零加速度補償，將解算后的加速度狀態(tài)信息傳送至互補融合濾波算法中的四元數(shù)中進行整合和權(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上位機程序算法實現(xiàn)圖。

圖7 LabVIEW上位機程序算法實現(xiàn)

5.3 基于LabVIEW的3D動畫復(fù)現(xiàn)

在LabVIEW軟件中，利用 3D圖形及動畫顯示的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進行設(shè)置，繪制人體簡化模型玩偶，嚴格按照肢體的優(yōu)先等級進行排序，將不同慣性傳感器傳輸?shù)淖藨B(tài)數(shù)據(jù)進行疊加和實時顯示。

5.4 實驗結(jié)果

在實驗成果展示中，實驗者將佩戴5個慣性傳感器模塊，分別位于左右大臂，左右小臂，身體上。將佩戴傳感器的實驗者和顯示屏的3D動畫進行實時攝影，并放置在右側(cè)與實驗者的動作進行對比。一共進行了多種手臂姿態(tài)進行演示。實驗結(jié)果表現(xiàn)出本系統(tǒng)的動作采集與復(fù)現(xiàn)的真實性和算法對動作的有較好的適應(yīng)性。

6 總結(jié)

本系統(tǒng)利用人體簡化模型對人體的結(jié)構(gòu)和運動姿態(tài)進行分割化簡，設(shè)計并制作了基于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：體育訓練，精確捕捉運動員的運動姿態(tài)數(shù)據(jù)，并進行量化分析，同時結(jié)合人體生理學，歷史數(shù)據(jù)等研究改進的方法；醫(yī)療診斷，慣提供全身、半身以及個別部位的測量及報告，更加客觀地進行數(shù)據(jù)統(tǒng)計和診斷，并提供客觀準確的數(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.改進隱馬氏模型的運動人體模型學習[J].光學精密工程,2009,17(6):1485-1495.

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

[4]王建鋒,馬建,馬榮貴,等.動位移的加速度精確測量技術(shù)研究[J].計算機科學,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[D].暨南大學,2015.

[6]梁延德,程敏,何福本,等.基于互補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.基于零值補償和+EMD+的加速度積分誤差消除方法[N].湖北理工學院學報,2014(4):20-24.

本項目受到了廣東大學生科技創(chuàng)新培育專項資金的資助（項目號：pdjh2017b0437）。

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

指導老師：潘志銘。