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。

多微型传感器自适应信息融合姿态估计方法

融合微型惯性和磁传感器数据能够用于实时跟踪人体肢体运动、或估计某一运动刚体姿态.这里,三维加速计被用来测量传感器坐标系下的重力向量,用于确定相对于水平面的方向;三维磁力计测量得到传感器坐标系下的磁场强度向量,用来确定垂直轴上的旋转;三维陀螺仪测量角速度,通过积分可以得到角度.重力向量受人体运动加速度的干扰,磁场强度受周围环境磁感物质的干扰,而角速度在积分过程中也会引入随时间增长的漂移,所以需要融合这3种观测量.提出了一种自适应Kalman滤波的姿态估计算法AKF,通过加速度与磁场强度计算得到的姿态来做观测量与角速度融合,将非线性观测方程线性化,从而降低了计算复杂度;磁场的干扰不会影响Pitch和Roll两个角的估计;而对于运动加速度的干扰,通过自适应调整滤波器中的观测噪声协方差矩阵来抵除.算法的稳定性和精确性在实验中得到了有效验证.

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。