压阻式柔性压力传感器阵列信号采集系统设计

针对触觉传感检测的实际需求,基于STM32单片机,采用分档分压与恒流源相结合的方法设计了一种压阻式柔性压力传感器阵列信号采集系统;基于串口通信技术设计了计算机信号读取与分析系统。设计开发的系统可以实现传感器阵列信号的实时采集、分析和存储,系统稳定性较好。采用标准电阻对研制的信号采集系统进行了性能检验,系统测量阻值与标准阻值的误差在1%以内,表明设计的信号采集系统满足压阻式柔性压力传感器阵列的检测需求。

基于三维坐姿的压力数据自动标注方法

针对当前传统坐姿标注方法,存在操作繁琐、人工标注效率低等问题,提出了一种基于三维坐姿的压力数据自动标注方法。该方法基于双指针时间戳匹配实现双目视觉数据和压力数据同步实时采集;采取归一化、自适应中值滤波处理压力数据,去除压力数据量纲影响和尖峰噪声;利用二维姿态估计与匹配优化、坐标变换和多点三角测量处理视觉数据,提取6个三维人体关键点信息;构造基于坐姿特征的骨架图和基于邻接节点间空间三维投影角度特征,建立一个基于三维坐姿的标注信息生成模型;利用标注信息标注压力数据,构建带标注的坐姿压力数据集。实际应用中,单个样本数据对视觉-压力端采集平均时间差仅为21 ms,生成标注准确率达98.98%,自动标注平均耗时0.199 s,标注速度较人工标注提升13.3倍。

足底压力阵列分析系统的研究与开发

足底压力信息采集在临床医疗、康复训练、运动训练方案制订等领域有着重要参考价值,有助于糖尿病、中风后遗症等疾病的临床医疗诊断、效果评估、人工关节设计、假肢设计和评估体育训练。足底压力阵列分析系统采用阵列式电阻式柔性薄膜压力传感器,基于STM32单片机设计足底压力阵列分析采集电路,蓝牙无线传输信息到上位机。软件平台采用高效可移植性好的HAL库程序开发。应用标定实验和算法计算确保系统可行性、准确性、鲁棒性。

基于姿态与力测量的手功能自动康复评估方法

脑卒中后约70%的患者存在手部功能障碍,需要长期进行康复治疗。康复评估是制定康复治疗方案的科学依据。现有手功能评定方法需要有经验的医生指导患者完成目标任务,其评分机制具有一定的主观性,而且持续时间较长,整个评估过程不仅费力、复杂,还降低了患者的舒适度。目前仍缺乏准确的手功能自动评估系统,开发客观、定量、可靠的测量设备,实现手功能自动评估在康复医学中具有重要意义。因此,提出一种基于柔性阵列式薄膜压力传感器(Flexible Array Pressure Sensor,FAPS)和RGBD相机的自动Fugl-Meyer手功能评估系统。该系统采用Leap Motion双目视觉传感器跟踪手部/手腕的运动姿态,将FAPS分别附着在5种抓握工具上,记录5种抓握方式下手部的力信息。设计包含教学视频的上位机平台,指导患者康复评估动作。分别提取运动姿态和力信息的特征值,设计基于不同条件的逻辑规则分类方法进行每个动作的评定。进行了初步实验,结果证明该系统可用于手部运动功能的康复评估。

接触式交互感知的人体三维坐姿姿态估计

针对视觉姿态估计方法受覆盖遮挡等干扰,提出一种基于座椅面压力图像的人体三维坐姿姿态估计方法,建立坐姿时座椅面体压分布与人体三维姿态之间的跨域联系。设计了一套基于压力-视觉的坐姿训练系统,将阵列式压力传感器嵌入在座椅面中感知坐姿变换,利用时间戳实现压力图像和双目视觉图像的同步匹配。采取双边滤波消除压力图像的尖峰噪声;依靠OpenPose姿态估计、三角测量等手段从双目视觉图像中提出19个三维关键点;为提高姿态估计精度,提出随机梯度下降最小化损失函数的方法来优化三维关键点坐标,并利用3D高斯滤波器进一步生成3D关键点置信度图。设计一个基于多层卷积神经网络的压力-视觉跨域深度学习模型,以连续的多帧压力图像作为模型输入,包含三维关键点坐标及其置信度图的3D姿态估计结果作为监督对模型进行训练。算法依靠椅面上的阵列传感器接触感知坐姿时的压力分布,就能够准确的估计包含19个人体关键点的三维坐姿姿态,在验证集上测试,19个关键点平均误差9.7 cm。

基于单片机的按法测试仪的设计

按法是中医按摩手法中一个重要手法,作者设计一个基于单片机的中医按法测试仪。该仪器通过阵列式压力传感器,将按摩过程中的力度进行采集并显示,同时记录力度到达峰值所需的时间。