可解决积分漂移误差，一种用于动态运动的可穿戴运动捕捉设备的研发
2026-01-30 来源:本站 点击次数:150一种用于动态运动的可穿戴运动捕捉设备
引言
下一代外骨骼系统要求有体积小轻量化，穿戴灵活，成本较低，最重要的是，精度高的特点。盘点当前常用来作为运动捕捉的传感器系统，很难同时满足上述要求：
光学系统：精度高，成本高，对光照条件和遮挡有高敏感性，导致应用场景仅限于实验室；
惯性传感器系统：成本低，便携可穿戴，核心缺点是,加速度计检测的是重力加速度与运动加速度的合加速度无法独立确定运动速度或姿态角；而基于陀螺仪的姿态估计则存在积分漂移误差。即便经过噪声滤波和融合处理，惯性传感器测得的运动加速度仍包含噪声和误差，进一步导致速度估算的积分过程中产生累积误差。目前各种算法致力于解决这一缺点，但是在长时间高动态肢体运动中还是存在严重的漂移问题。
论文概要
针对这一长期存在的技术难题，清华大学朱荣教授团队在发表于《Nature Communications》的论文“A wearable motion capture device able to detect dynamic motion of human limbs”中提出了一种不同于传统惯性方法的解决思路。与依赖加速度积分来估计速度不同，该研究的核心思想是：直接测量肢体运动速度，而非事后通过积分计算得到。研究团队受到鱼类和两栖动物的侧线系统的启发，设计了一种微型流速传感器，用于感知人体肢体在运动过程中相对于空气产生的局部气流变化。通过将这种微流速传感器与传统的加速度计和陀螺仪集成在同一可穿戴设备中，系统能够在不进行长期积分的情况下，同时获取肢体的运动速度、角速度和姿态信息。通过一系列高动态实验，系统性地验证了该方法在速度估计精度、姿态稳定性以及长期监测能力方面的优势。
引言
下一代外骨骼系统要求有体积小轻量化，穿戴灵活，成本较低，最重要的是，精度高的特点。盘点当前常用来作为运动捕捉的传感器系统，很难同时满足上述要求：
光学系统：精度高，成本高，对光照条件和遮挡有高敏感性，导致应用场景仅限于实验室；
惯性传感器系统：成本低，便携可穿戴，核心缺点是,加速度计检测的是重力加速度与运动加速度的合加速度无法独立确定运动速度或姿态角；而基于陀螺仪的姿态估计则存在积分漂移误差。即便经过噪声滤波和融合处理，惯性传感器测得的运动加速度仍包含噪声和误差，进一步导致速度估算的积分过程中产生累积误差。目前各种算法致力于解决这一缺点，但是在长时间高动态肢体运动中还是存在严重的漂移问题。
论文概要
针对这一长期存在的技术难题，清华大学朱荣教授团队在发表于《Nature Communications》的论文“A wearable motion capture device able to detect dynamic motion of human limbs”中提出了一种不同于传统惯性方法的解决思路。与依赖加速度积分来估计速度不同，该研究的核心思想是：直接测量肢体运动速度，而非事后通过积分计算得到。研究团队受到鱼类和两栖动物的侧线系统的启发，设计了一种微型流速传感器，用于感知人体肢体在运动过程中相对于空气产生的局部气流变化。通过将这种微流速传感器与传统的加速度计和陀螺仪集成在同一可穿戴设备中，系统能够在不进行长期积分的情况下，同时获取肢体的运动速度、角速度和姿态信息。通过一系列高动态实验，系统性地验证了该方法在速度估计精度、姿态稳定性以及长期监测能力方面的优势。
图1. 文章信息
另外，团队还根据人体行走和跑步时小腿与大腿之间的肢体内部协调关系，并建立了表征下肢肢体内部协调关系的神经网络模型 —— 利用该模型，可通过人体行走和跑步时的小腿运动确定大腿运动（图2b）。因此，用户仅需在小腿佩戴单个设备，即可实时检测小腿和大腿的运动。
硬件设计
在硬件结构上，该可穿戴设备由正交放置的微型流速传感器并内置三轴惯性传感器（加速度计 + 陀螺仪）构成（图2a）。流速传感器被布置在肢体表面，能够实时感知由于肢体运动而产生的局部气流速度变化, 无需积分运算，系统可以重建肢体在三维空间中的运动速度分量。
同时，三轴惯性传感器同步测量肢体的加速度和角速率，为姿态角解算提供基础数据。
设备内置 MCU（微控制单元），以 1000 Hz 频率采集数据，经滤波处理后，通过蓝牙以 100 Hz 频率传输至终端，保证实时性。
图2. 运动捕捉方案设计
无积分算法和肢体协同模型
该方案通过流速传感器直接获取运动速度，研究团队进一步利用速度、角速度与线性加速度之间的物理约束关系，推导出肢体的运动加速度，并与加速度计和陀螺仪测量值（重力加速度+运动加速度）进行融合校准（通过卡尔曼滤波算法），比较精准地拆分出重力加速度分量，再结算运动加速度和姿态角（滚转角、俯仰角）。这种融合方式有效抑制了噪声影响，并避免了误差随时间累积的问题，运动捕捉原理如图3。
研究团队利用肢体协同模型实现了单设备捕捉全下肢运动（图3）。基于 “人体行走 / 跑步时，大腿与小腿存在自然协调关系” 的发现，团队构建了三层 BP 神经网络模型：
输入：小腿的姿态角（γs、θs）、运动速度（vb）、角速度（ωb）和加速度（ab）（共 11 个参数）。
隐藏层：30 个神经元（经优化确定）。
输出：大腿的姿态角（γt、θt）。
只需在小腿佩戴单个设备，即可通过该模型实时推算大腿运动，进而解算膝关节角度，简化了穿戴流程和设备成本。
图3. 单个可穿戴设备实现下肢运动捕捉的原理
验证实验设置
为全面验证设备的精度、稳定性和实用性，研究团队设计了三类核心实验，均以行业公认的 VICON 光学动捕系统作为参考标准，同时与传统惯性传感器方案对比。三种实验为：
高动态运动捕捉：核心测试指标为速度误差和姿态角误差。测试内容为拳击和踢腿，设备分别佩戴到手腕和小腿，且这两种运动的瞬时加速度分别超过120 m/s2 和100 m/s2 。
长时间运动捕捉：被设置用来监测长期速度稳定性、姿态角漂移程度。测试内容是被试小腿佩戴设备，以10km/h的速度在跑步机上跑步30分钟，再加7分钟减速停止。
下肢协同动作捕捉：本实验用来测试膝关节角度误差（RMSE/ME），要求4名被试（其中一名为半月板损伤患者）在跑步机上行走或者跑步（速度0-10 km/h），实验重复3次。
实验验证结果
高动态运动捕捉实验
实验结果显示，在挥拳（图4a）和快速踢腿（图5a）等典型高动态动作中，该系统能够准确捕捉肢体运动的速度变化及峰值特征（以VICON 光学动捕系统作为参考）。测得的三轴速度（图4和5 d）误差（图4和5 e）始终小于0.11 m/s，明显优于传统基于惯性测量单元(IMU)的积分方法。运动加速度的估计也明显优于传统基于IMU的数据估计（图4和5 b，和图4和5 c）。在姿态角估计方面，所提方法同样表现出显著优势。系统测得的滚转角（图4和5 f）和俯仰角（图4和5 h）的均方根误差（RMSE）低于1.70°，平均误差（ME）小于 0.47°（图4和5 g，和i），几乎没有漂移现象（传统惯性方法的RMSE可达4.18°，ME高达3.19°）。
图 4. 前臂佩戴设备的拳击运动捕捉结果
图 5. 小腿佩戴设备的踢腿动作捕捉结果
长时间运动捕捉
对于长时间跑步运动捕捉实验（图6），所提设备在长时间运动中测得的速度误差始终小于0.16 m/s（图6 c），而惯性方法的速度误差随时间漂移（图6 c），甚至达到非常大的量级。姿态角测量结果表明，所提设备测得的滚转角（图6 f）和俯仰角（图6 h）几乎没有漂移误差，RMSE小于0.84°，最大误差不到4.12°；相比之下，惯性方法的最大误差可达24.01°，漂移明显。通过低通滤波去除基线漂移后，惯性方法滚转角和俯仰角的残余误差RMSE分别为1.73°和2.83°（图6 g和i）。
对于长时间跑步运动捕捉实验（图6），所提设备在长时间运动中测得的速度误差始终小于0.16 m/s（图6 c），而惯性方法的速度误差随时间漂移（图6 c），甚至达到非常大的量级。姿态角测量结果表明，所提设备测得的滚转角（图6 f）和俯仰角（图6 h）几乎没有漂移误差，RMSE小于0.84°，最大误差不到4.12°；相比之下，惯性方法的最大误差可达24.01°，漂移明显。通过低通滤波去除基线漂移后，惯性方法滚转角和俯仰角的残余误差RMSE分别为1.73°和2.83°（图6 g和i）。
图 6. 长时间跑步运动捕捉及速度测量结果
下肢协同动作捕捉
研究人员利用神经网络建模小腿与大腿之间的运动协同，仅通过佩戴在小腿上的单个设备，即可推算大腿姿态和膝关节角度。矢状面内的膝关节角度（）通过推算得到的大腿矢状面内的俯仰角（）与直接测量的小腿俯仰角（）差值解算得出，公式为： =−。该角度可直观反映膝关节的屈伸状态，为运动功能评估提供关键指标。本设备测量的膝关节角度与 VICON 光学系统测量结果的偏差定义为膝关节角度误差，用于评估肢体运动捕捉的测量精度。
实验结果表明，4名被试的膝关节角度测算误差（ME）较低（见表1）。图7展示了单个被试在一个步态周期内估计出的大腿俯仰角，小腿俯仰角，膝关节角度，以及膝关节角度误差。
表1. 小腿佩戴单设备的下肢运动捕捉中膝关节角度的测量误差
研究人员利用神经网络建模小腿与大腿之间的运动协同，仅通过佩戴在小腿上的单个设备，即可推算大腿姿态和膝关节角度。矢状面内的膝关节角度（）通过推算得到的大腿矢状面内的俯仰角（）与直接测量的小腿俯仰角（）差值解算得出，公式为： =−。该角度可直观反映膝关节的屈伸状态，为运动功能评估提供关键指标。本设备测量的膝关节角度与 VICON 光学系统测量结果的偏差定义为膝关节角度误差，用于评估肢体运动捕捉的测量精度。
实验结果表明，4名被试的膝关节角度测算误差（ME）较低（见表1）。图7展示了单个被试在一个步态周期内估计出的大腿俯仰角，小腿俯仰角，膝关节角度，以及膝关节角度误差。
表1. 小腿佩戴单设备的下肢运动捕捉中膝关节角度的测量误差
注： 标注 * 为轻度半月板损伤受试者
图 7. 单被试下肢矢状面运动捕捉结果
最后，图8直观地显示半月板患者的最大膝关节角度要均小于健康被试的膝关节角度。由于疼痛或膝关节病理限制，膝关节损伤患者的屈膝能力会减弱，因此在行走和跑步时，其最大膝关节角度通常小于健康人群。因此，最大膝关节角度可作为评估屈膝能力的指标，在运动功能障碍或损伤的诊断与评估中具有潜在应用价值。
图8. 4名被试最大膝关节角度。 Sub.4是半月板损伤患者
总结与讨论：从实验室走向真实场景
总体而言，这项研究展示了一种有别于传统惯性方法的运动捕捉思路。通过引入微型流速传感器并结合惯性信息，研究团队成功构建了一套能够在高动态条件下稳定工作的可穿戴运动捕捉系统。当然，该方法仍有进一步优化空间，例如在复杂环境气流干扰下的鲁棒性、设备小型化与能耗控制等问题，仍需在后续研究中深入探索。但可以肯定的是，这项工作为解决长期困扰可穿戴运动捕捉领域的积分漂移问题，提供了一条极具启发性的路径。随着传感器技术、算法模型与系统集成能力的不断进步，精准、稳定、可长期使用的人体运动捕捉系统，正逐步从实验室走向真实世界，为康复医学与智能健康技术的发展提供坚实支撑。
原文信息链接
Liu S, Zhang J, Zhang Y, et al. A wearable motion capture device able to detect dynamic motion of human limbs[J]. Nature communications, 2020, 11(1): 5615.
https://www.nature.com/articles/s41467-020-19424-2
作者及单位介绍
论文第一作者为清华大学精密仪器系Shiqiang Liu，通讯作者为清华大学Rong Zhu。研究工作得到国家自然科学基金项目和国强研究院项目的资助。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
相关文章
更多 >