【SCI】【运动跟踪】基于惯性传感器的运动跟踪方法研究（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

 ⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据、文献

---

 ⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

摘要：基于商用惯性测量单元（IMUs）的运动跟踪在近年来得到广泛研究，因为它是一种成本效益高的技术，适用于那些光学技术无法实现运动跟踪的应用。这种测量方法对人体表现评估和人机交互有很高的影响。IMU运动跟踪系统是自包含的可穿戴设备，可以在现场环境中对用户的运动进行长时间跟踪。在对基于IMU的人体跟踪进行调查后，选择了五种运动重建技术，并与基于Vicon基于标记的运动跟踪系统的运动跟踪进行比较，以作为参照。结果显示，所选模型中除一种外，其余模型表现相似（平均位置估计误差约为35毫米）。
关键词：运动学；传感器融合；运动跟踪；惯性测量单元

近年来，感知技术和传感器信号处理技术的发展为利用可穿戴传感器监测人类状态和表现铺平了道路。这些发展导致了对有效管理这些网络的需求，正如Fortino等人在[1]中所解释的那样。可穿戴身体传感器网络（BSN）如今被广泛用于包括医疗保健、人体工程学、体育和娱乐在内的多个应用领域（有关该论点的综述，请参阅[2]）。从BSN研究中受益的一个领域是运动跟踪。

运动跟踪吸引了几代研究人员的关注和努力。有几种技术允许基于不同信息源进行运动重建。运动跟踪面临的最大挑战之一是使用非侵入式传感器和非受限工作空间进行准确估计。近年来，基于微机电系统（MEMS）技术的新一代惯性测量单元（IMUs）为运动跟踪研究带来了新的动力。这些设备具有成本效益，可以成功用于准确、非侵入式和便携式运动跟踪。人们对这些设备的浓厚兴趣主要源于它们克服了光学系统和机械跟踪器提出的许多问题。与光学运动跟踪系统相比，IMUs不会受到遮挡，并且在理论上具有无限的工作空间，尽管机械跟踪器的准确性很高，IMUs更为经济实惠且干扰较少。

几十年来，基于惯性单元的运动跟踪一直被用于导航。最初为航空器的姿态估计而开发（参见[3,4]），如今也用于其他无人车辆跟踪（参见[5,6,7,8]）。近年来，IMUs经常用于跟踪人体运动，因此成为几个应用的关键技术，包括定位、人机交互、康复和人体工程学。这一发展也由销售IMUs和基于IMU的系统的公司的兴起所证实，例如Invensense（美国加利福尼亚州圣何塞的Invensense）、Trivisio（德国特里尔的Trivisio）、Microstrain（美国佛蒙特州威利斯顿的Lord Microstrain）和XSens（荷兰恩斯赫德的Xsens Technologies B.V.），以及针对基于IMU系统的初创公司的数量。他们销售的产品通常包括姿态重建，作为用户输出，甚至全身运动重建。

IMUs通常由加速度计和陀螺仪组成。根据应用的不同，这些信号以不同的方式使用，如第2节中所解释的那样（例如参见[9]）。在大多数情况下，IMUs用于重建姿势，或者至少用于重建它们连接的身体的位置或方向。IMUs的朴素用法是随时间对传感器信号进行积分，以估计速度、位置和方向。由于加速度计和陀螺仪测量受到时间变化的偏差和噪声的影响，这种方法导致估计迅速漂移，几秒后就不可靠。因此，研究人员开始调查算法和硬件解决方案来解决漂移问题。在许多情况下，IMUs配备有三轴磁力计（例如[10,11,12,13]），我们将这些传感器称为mIMUs。磁力计测量地方（地球）磁场，用作当前IMU方向估计的地球固定参考。其他解决方案包括利用超声波传感器[14]、GPS[15]、超宽带（UWB）[16]、

本文的第二部分采用教程形式，详细介绍了五种方法，这些方法被选择用来涵盖在第2节中确定的不同领域。这些方法在传感器融合技术方面有所不同，使用CF、KF、EKF或UKF。它们还在使用的传感器方面有所不同：它们都利用IMUs，但并非总是使用磁力计信号，其中一种方法需要视觉参考来跟踪人类上肢。它们还在运动学模型方面有所不同：有些使用欧拉角，有些使用DH约定，其他使用四元数。此外，它们在如何考虑运动链的约束方面也有所不同。最后，它们在算法参数设置方面也有所不同。

📚2 运行结果

部分代码：

%% Define models    
models = {'zhu','yun','young','pep'}; %zhu, yun, young
% models = {'zhu','pep'}; %zhu, yun, young
% models = {'zhu','yun','young','pep'}; %zhu, yun, young
% models = {'pep'}; %zhu, yun, young
% Zhuver = {'original','firstorder','secondorder'}; % original, firstorder, secondorder
Zhuver = {'original'}; % original, firstorder, secondorder
Yunver = {'original'};
% Youngver = {'pure complementary','pure kalman','perfect complementary','perfect kalman'}; %perfect/pure vs. complementary/kalman
Youngver = {'pure complementary', 'perfect complementary'}; %perfect/pure vs. complementary/kalman
Pepver = {'original'};

Allids = {'Zhu_or','Zhu_fi','Zhu_se','Yun_or','You_pu_c','You_pu_k','You_pe_c','You_pe_k','Pep_or'}; %TO BE UPDATED if new models/versions are added

%% compute models

for M=1:length(models)

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

🌈4 Matlab代码、数据、文献