商标3840-480

使用IMU监测跑步时的足部轨迹和步长

跑步是最受人们欢迎的运动之一,对人们身心健康有巨大好处,但是跑步姿势不科学也给人们带来很大的风险。对跑步者姿态、速度、步频及步长的监测,有助于降低他们在跑步中受伤的风险同时也对提高跑步成绩有所帮助。跑步者姿态和速度的监测可以通过在跑步者的日常训练计划中积累跑步时特定信息(例如步频和步幅)来实现。基于这个目的,日本大阪都市大学城市健康与体育研究中心Yuta Suzuki团队设计了一种使用IMU估计跑步时足部轨迹及步长的方法。

图一 IMU的安装位置及坐标

过去的几年中,在步态事件监测、步长估计方面,生物力学领域使用IMU进行了大量的研究工作。但由于 IMU只在其自身的局部坐标系中测量三轴线性加速度、角速度和磁场强度,因此无法直接从 IMU 数据估计全局坐标系中的足部轨迹及步长。而从IMU数据计算轨迹的一个主要问题是加速度和角速度测量中的漂移,随着评估时间的增长,其位置和方位评估的结果会越发失真。解决这种漂移的一种流行方法是使用零速度假设进行捷联积分,其中假设无论跑步速度如何,足部在支持相中的某个特定时间点速度为零。

Yuta Suzuki团队在研究中,用安装在脚背上的两个IMU测量左右脚的加速度和角速度。足部轨迹和步幅长度是更具 IMU 数据的零速度假设估计的,并且估计 IMU 的旋转以计算两个连续步态支撑相中期的内外侧方向和垂直方向位移。具体而言,作者提出了Spatial Error Correcting (SEC, 空间误差矫正法)和Linear Dedrifting (LD,线性去漂移法) 两种算法来进行数据校准,然后将计算的足迹和步长与运动捕捉数据进行比较。

图二 步态示意图

在本研究中,79名跑步者以5种不同的速度进行跑步试验,IMU和VICON共获得389次试验和1414次跨步(左脚699次跨步,右脚715次跨步),平均运行速度为3.42±0.72 m/s,变化范围为1.86~5.89 m/s。如图三所示,通过LD和SEC方法获得的右脚内侧(X)、前后(Y)和垂直轨迹(Z)并与参考值相对比。如图,使用LD和SEC方法,Y坐标的相关系数都非常高,SEC方法的Z坐标相关系数大于LD方法的相关系数。此外,与参考值相比,SEC方法的估计脚轨迹均方根误差小于LD方法。

图三 LD和SEC获得的足部轨迹示意图

综上所述,该团队提出的算法可能可以为跑步者提供较为准确的步态参数估计。