基于磁-惯性传感融合的灵巧手指单元全姿态信息反演方法

作为人类与外界环境互动的重要自然媒介,手具有高度的灵活性和复杂性,高效准确的手部动作和姿态识别对实现基于手部的人-机-环境共融具有重要意义。针对手部显著的个体差异特性,提出基于磁-惯性传感信息融合技术的个性化手指单元参数化模型构建方法,为实现精准的人-机-环境感知和共融提供技术支持。结合手部的指骨生物构造约束,建立手指单元运动学模型;通过结构化磁场标记技术,搭建磁-惯性信息融合的手指单元全姿态反演系统,完成个性化手指单元参数化模型构建。通过对不同志愿者手指单元开展连续路径对比试验以及单点定位精度验证试验,证明提出的基于磁-惯性传感信息融合技术的个性化手指单元全姿态信息反演方法定位精度分布在[1.43,2.81]mm。

基于无逆Kalman滤波器的姿态估计算法

研究了一种基于磁-惯性传感单元(MIMU)的采用无逆Kalman滤波器(IFKF)的姿态估计算法。该方法将运动分为稳定和运动两种状态。针对稳定状态,该算法使用了稳态策略。这种状态下,估计器利用之前时刻的估计值和预测协方差,从而达到既降低运算量,又有效缓解磁场变化带来的姿态偏移和陀螺仪数值积分漂移的目的。另一方面,在动态策略中,严重干扰拒绝方法(SDR)被用于缓解瞬时干扰。同时,无逆Kalman滤波器被用于融合磁-惯性传感单元的数据,有效避免矩阵的求逆运算,由此减轻计算负担。实验结果证明,所提出的方法在有效减少计算时间的同时维持了较高的姿态估计精度。