Loading…
Non-restrictive methods for inertial sensor fusion in human motion analysis
Laidig, Daniel
The miniaturization of MEMS-based inertial measurement units (IMUs) facilitates their widespread use in a growing number of application domains. IMUs measure angular rate, specific force, and often the magnetic field strength, each as a 3D vector in a local coordinate system. Those measurements are processed via sensor fusion methods to estimate motion parameters of interest. In human motion analysis, IMUs have the potential to overcome the need for expensive stationary motion capture labs and to enable long-term monitoring in unsupervised settings. In practice, adoption is limited by the fact that most existing methods are restrictive: They only yield precise estimates after careful parameter tuning, require the subjects to perform tedious calibration motions, and rely on a homogeneous magnetic field that is rarely found in indoor environments. This thesis aims at developing a modular set of methods for non-restrictive inertial motion analysis that overcome those limitations.
As a fundamental building block for inertial motion analysis, a versatile orientation estimation algorithm is introduced. This algorithm simultaneously estimates the 6D and 9D sensor orientation and includes extensions for gyroscope bias estimation and for magnetic disturbance rejection. The new method is evaluated with a specifically designed, extensive benchmark dataset. A comparison with eight literature methods shows that the proposed method provides unprecedented out-of-the-box accuracy.
In order to overcome the need for precise sensor attachment or tedious precise calibration motions, methods for automatic anatomical calibration are developed. The methods exploit kinematic constraints of 2-DoF joints and work with arbitrary joint motions. The experimental evaluation on the elbow joint shows that joint axes can be estimated from only ten seconds of motion, and joint angles can be obtained with similar accuracy as conventional methods while being less restrictive.
The same kinematic constraints are then used to recover the missing relative heading information for long-term stable magnetometer-free motion tracking. A robust window-based optimization approach for hinge joints and 2-DoF joints is developed. It detects rest phases and phases in which the constraints become singular. The experimental evaluation shows that the methods achieve long-term stable tracking in mechanical and finger joints.
Those methods are complemented by a set of non-restrictive methods for gait assessment with foot-worn IMUs. They support the detection of a comprehensive set of gait phases, spatiotemporal parameters, and foot position and angle trajectories. The methods are extensively validated using data recorded with healthy subjects and subjects with diverse gait pathologies. A pressure-based system and optical motion capture are used as reference. In contrast to most existing methods, the proposed methods reliably work on patients in addition to healthy subjects and still produce accurate results.
In summary, the modular set of developed methods addresses the current limitations in IMU-based human motion analysis. This work contributes toward realizing the full potential of body-worn IMUs as a measurement technology and enabling non-restrictive plug-and-play motion tracking in biomedical research, rehabilitation, and other health-related applications.
Die Miniaturisierung von MEMS-basierten Inertialsensoren ermöglicht ihre weitverbreitete Verwendung in einer wachsenden Zahl von Anwendungsgebieten. Inertialsensoren messen die Winkelgeschwindigkeit, die Beschleunigung und oft auch die magnetische Feldstärke, jeweils als 3D-Vektor in einem lokalen Koordinatensystem. Diese Messwerte werden mittels Sensorfusion verarbeitet, um Bewegungsparameter zu schätzen. Bei der Analyse menschlicher Bewegungen haben Inertialsensoren das Potenzial, teure stationäre Bewegungslabore zu ersetzen und ein unbeaufsichtigtes Langzeitmonitoring zu ermöglichen. In der Praxis wird die Verbreitung inertialer Bewegungsanalyse dadurch eingeschränkt, dass die meisten bestehenden Methoden restriktiv sind: Sie liefern nur nach sorgfältigem Parametertuning genaue Schätzungen, erfordern mühsame Kalibrierbewegungen von den Probanden und sind auf ein homogenes Magnetfeld angewiesen. Ziel dieser Dissertation ist es, einen modularen Satz an Methoden zur nicht-restriktiven inertialen Bewegungsanalyse zu entwickeln, der diese Einschränkungen überwindet.
Als grundlegender Baustein der inertialen Bewegungsanalyse wird ein vielseitiger Algorithmus zur Orientierungsschätzung vorgestellt. Dieser schätzt gleichzeitig die 6D- und 9D-Sensororientierung und enthält Erweiterungen für die Gyroskop-Bias-Schätzung und für die Unterdrückung magnetischer Störungen. Diese neue Methode wird mittels eines speziell entwickelten, umfangreichen Benchmark-Datensatzes evaluiert. Ein Vergleich mit acht Literaturmethoden zeigt, dass die vorgeschlagene Methode eine bisher unerreichte Out-of-the-Box-Genauigkeit liefert.
Um auf eine präzise Sensoranbringung oder mühsame präzise Kalibrierbewegungen verzichten zu können, werden Methoden zur automatischen anatomischen Kalibrierung entwickelt. Die Methoden basieren auf kinematischen Zwangsbedingungen von Gelenken mit zwei Freiheitsgraden und setzen keine bestimmten Gelenkbewegungen voraus. Die experimentelle Auswertung am Ellbogengelenk zeigt, dass Gelenkachsen aus nur zehn Sekunden Bewegung geschätzt werden können und dass die vorgeschlagenen Methoden Gelenkwinkel mit ähnlicher Genauigkeit wie konventionelle Methoden liefern, dabei aber weniger restriktiv sind.
Dieselben kinematischen Zwangsbedingungen werden anschließend verwendet, um die fehlende relative Heading-Information zu schätzen und damit auch ohne Magnetometer eine langzeitstabile Bewegungserfassung zu ermöglichen. Dazu wird ein robuster fensterbasierter Optimierungsansatz für Scharniergelenke und Gelenke mit zwei Freiheitsgraden entwickelt. Dieser erkennt Ruhephasen und Phasen, in denen die Zwangsbedingungen singulär werden. Die experimentelle Auswertung zeigt, dass die Methoden bei mechanischen Gelenken und Fingergelenken eine langzeitstabile Bewegungserfassung ermöglichen.
Schließlich wird eine Reihe von nicht-restriktiven Methoden zur Ganganalyse mittels am Fuß angebrachten Inertialsensoren entwickelt. Diese erkennen einen umfassenden Satz an Gangphasen, Gangparametern sowie Fußwinkel- und Positionstrajektorien. Die Methoden werden umfassend anhand von Daten gesunder Probanden und Probanden mit verschiedenen Gangpathologien validiert. Als Referenz werden dabei Daten von einem druckbasierten System und optischer Bewegungserfassung verwendet. Im Gegensatz zu den meisten bestehenden Methoden liefern die vorgeschlagenen Methoden auch bei Patienten mit Gangpathologien zuverlässig genaue Ergebnisse.
Zusammenfassend bietet der modulare Satz an entwickelten Methoden eine Lösung für einige der derzeitigen Einschränkungen in der Bewegungsanalyse mit Inertialsensoren. Die Ergebnisse dieser Dissertation tragen dazu bei, das Potenzial von am Körper getragenen Inertialsensoren als Messtechnologie voll auszuschöpfen und eine nicht-restriktive Plug-and-Play-Bewegungsanalyse in vielen medizinischen, rehabilitativen und anderen gesundheitsbezogenen Anwendungen zu ermöglichen.
