徐國政　朱吉鴿

摘要 現(xiàn)有基于Kinect構建的康復訓練系統(tǒng)，大多以患者自行開展主動康復訓練為主，未能充分利用康復醫(yī)師的臨床經(jīng)驗且很少用于機器人輔助康復訓練系統(tǒng)，具有一定的局限.針對此問題，提出一種基于Kinect的機器人輔助上肢被動康復訓練方法.首先，開展基于Kinect的上肢骨骼點跟蹤與逆運動學計算;其次，基于Linux/QT及Kinect設計三維虛擬康復訓練環(huán)境;再次，在康復醫(yī)師示教訓練任務并通過Kinect獲取示教任務參考軌跡基礎上，根據(jù)訓練過程中Kinect實時捕獲的患肢運動位置反饋，設計基于模糊推理的機器人輔助被動康復訓練控制器;最后，基于Kinect及Barrett 公司4自由度WAMTM康復機器人構建試驗統(tǒng)平臺，對方法有效性進行試驗驗證.實驗結果表明，所提方法能有效利用醫(yī)師的臨床康復經(jīng)驗，并使機器人較平穩(wěn)地牽引受試者上肢沿示教任務軌跡進行訓練，較好地實現(xiàn)了“醫(yī)師—機器人—患者”之間的人機協(xié)同康復訓練.

關鍵詞 康復機器人;Kinect;被動訓練;虛擬環(huán)境;任務示教;軌跡跟蹤

中圖分類號 TP242

文獻標志碼 A

0 引言

偏癱初期患者病患部位肌張力增大，關節(jié)活動受限.為緩解肌痙攣并防止肌肉軟組織硬化，患者偏癱后必須盡快進行關節(jié)被動牽引訓練.康復機器人技術是近年來發(fā)展起來的一種新的運動神經(jīng)康復治療技術[1].在機器人輔助患肢進行關節(jié)被動訓練過程中，主要是由機器人在控制器作用下平穩(wěn)地牽引患肢沿事先規(guī)劃的運動軌跡進行康復訓練[2].

研究表明，基于虛擬現(xiàn)實交互的機器人輔助康復訓練方法，因其具有高度的逼真感和臨場感，極大地提高了康復訓練過程中患者的積極性和主動參與意識[3].近年來基于虛擬現(xiàn)實交互的機器人康復訓練方法大多采用力/觸覺反饋設備[3-4]或運動傳感器[5]等來獲取訓練過程中的沉浸感.上述方法因交互設備價格昂貴或傳感器穿戴不便，限制了其臨床應用推廣.此外，在機器人輔助康復訓練過程中，實時獲取患者運動位置信息，不僅可以實時評價患者康復訓練效果，還可以據(jù)此設計位置反饋式康復訓練控制器，以使康復機器人提供的牽引能更好地適應患者病情變化.現(xiàn)階段臨床大多采用尺子及量角器等傳統(tǒng)量具進行測定[6]，此方法只能在康復訓練結束前后進行，不具備實時性，而且只能測定受試者具有較大變化的位置信息.

基于Kinect的體感交互，是近年來發(fā)展起來的一種新的無需借助任何控制設備、可直接使用肢體動作與數(shù)字設備及虛擬環(huán)境進行交互的技術，解決了現(xiàn)有虛擬交互過程中需要使用或佩戴復雜力觸覺交互及運動捕捉設備的局限，且能夠?qū)崟r跟蹤和捕捉運動過程中肢體的運動位置[7].文獻[8]運用Kinect測量帕金森患者康復過程中肢體的運動時間和位置，通過與標準Vicon動作捕捉系統(tǒng)比較，驗證了Kinect用于肢體運動時間和位置測量的準確性.文獻[9]基于Kinect構建了一套居家康復訓練系統(tǒng)，通過Kinect來捕獲訓練中患者的運動位置信息，以實時評估患者的康復訓練效果.上述基于Kinect構建的康復訓練系統(tǒng)，大多以患者自行開展主動康復訓練為主，且較少用于康復機器人訓練系統(tǒng).

為充分發(fā)揮康復醫(yī)師、機器人及Kinect體感交互技術在中風患者康復訓練過程中的作用，本文提出了一種基于Kinect的機器人輔助上肢被動康復訓練方法.首先，基于Kinect進行上肢骨骼點跟蹤及逆運動學計算;其次，基于Kinect與Linux/QT設計三維虛擬康復訓練環(huán)境;再次，基于Kinect獲取康復醫(yī)師示教訓練任務參考軌跡及患肢實時運動位置，設計基于模糊邏輯的被動康復訓練控制器;最后，基于Kinect及Barrett WAM柔順機械臂構建機器人輔助康復訓練系統(tǒng)，驗證方法有效性.

1 方法

1.1 基于Kinect的上肢骨骼點跟蹤與逆運動學計算

基于Kinect的上肢骨骼跟蹤，是通過Kinect傳感器實時捕獲的人體深度圖像并根據(jù)圖1所示骨骼跟蹤算法流程來實現(xiàn)的.首先通過Kinect獲取的深度圖像檢測人體軀干，然后根據(jù)用戶校準姿勢（PSI）對人體姿態(tài)進行標定，待標定完成后即可對人體進行骨骼跟蹤并實時計算各骨骼點數(shù)據(jù).

Kinect捕獲到的上肢骨骼點坐標經(jīng)過濾波后，需進一步根據(jù)濾波后的捕獲坐標計算人體上肢逆運動學，以得到人體上肢運動時各關節(jié)的運動角度.為完成上肢逆運動學計算，建立如圖2所示坐標系，計算過程如下：

首先，基于人體軀干建立參考坐標系Rt，該坐標系yt軸在人體冠狀面內(nèi)與冠狀軸平行，zt軸在人體矢狀面內(nèi)與叉乘積yt×tSr平行，xt軸在人體橫截面內(nèi)與叉乘積zt×yt平行：

其中Sl與Sr分別為左右肩關節(jié)在世界坐標系的位置矢量.

其次，將軀干參考坐標系Rt平移至左肩關節(jié)Sl處，建立左肩參考坐標系R0，并基于R0在左肩和左肘處分別進一步建立左肩坐標系（R1，R2）及左肘坐標系R3，其中R2由R0經(jīng)兩次旋轉(zhuǎn)得到：

最后，分別計算肩關節(jié)繞冠狀軸運動的屈伸角q1、繞矢狀軸運動的外展內(nèi)收角q2、肩關節(jié)內(nèi)外旋轉(zhuǎn)角q3及肘關節(jié)屈伸角q4：

其中：0xEl、0yEl、0zEl是左肘關節(jié)基于坐標系R0的坐標值;2xWl與2zWl分別為左腕關節(jié)Wl基于坐標系R2的坐標值;dSE、dEW、dSW分別為肩肘、肘腕及肩腕關節(jié)之間的肢體長度.

在基于Kinect的機器人輔助上肢被動康復訓練過程中，受試者在虛擬康復訓練環(huán)境里進行桌面污漬擦拭動作（康復醫(yī)師示教康復訓練任務，中風患者在機器人牽引下實現(xiàn)被動擦拭訓練），Kinect傳感器捕獲受試者手部腕關節(jié)三維空間坐標，并與虛擬環(huán)境中方塊的位置坐標進行轉(zhuǎn)換，進而實現(xiàn)受試者控制方塊抹布對污漬的擦拭示教與訓練.

1.3 基于Kinect的機器人輔助上肢被動康復訓練控制方法

圖4所示為基于Kinect的機器人輔助上肢被動康復訓練控制系統(tǒng)框圖.在機器人輔助上肢被動康復訓練過程中，首先，康復醫(yī)師在事先設計好的虛擬康復訓練環(huán)境中，根據(jù)受試者上肢病情特征示教桌面污漬擦拭動作，同時運用Kinect傳感器捕獲康復醫(yī)師在桌面污漬擦拭過程中肩與肘關節(jié)的運動位置，構建桌面污漬擦拭康復訓練動作參考軌跡;其次，根據(jù)康復醫(yī)師示教得到的訓練動作參考軌跡，設計康復機器人被動訓練控制器，使機器人平穩(wěn)地牽引受試者上肢沿既定參考軌跡進行康復訓練;最后，在機器人牽引受試者進行關節(jié)協(xié)調(diào)被動訓練過程中，運用Kinect傳感器捕獲受試者肩、肘關節(jié)實際運動位置，并與康復醫(yī)師示教參考軌跡進行比較，同時反饋軌跡跟蹤誤差至被動訓練控制器.

在基于Kinect的機器人輔助被動康復訓練過程中，為使機器人能平穩(wěn)地牽引受試者上肢沿示教任務軌跡進行訓練，本文在傳統(tǒng)PID位置控制基礎上，結合模糊推理構建了機器人輔助被動康復訓練控制器，如圖5所示.該控制器主要由“醫(yī)師桌面污漬擦拭示教參考軌跡生成”、“模糊PID調(diào)節(jié)器”、“實時運動位置反饋”和“重力補償”4個模塊組成.“醫(yī)師桌面污漬擦拭示教參考軌跡生成”模塊主要是二次處理基于Kinect獲取的醫(yī)師示教任務參考軌跡，此處采用過路徑點的拋物線過渡線性插值[10]方法進行平滑處理.“模糊PID調(diào)節(jié)器”模塊分別為比例、積分和微分系數(shù)設計了獨立的模糊調(diào)節(jié)器.在控制器設計過程中，選擇關節(jié)位置跟蹤誤差θe及其誤差變化θec作為模糊控制器輸入，比例、積分和微分增益變化ΔKP、ΔKI和ΔKD作為相應調(diào)節(jié)器輸出.“實時運動位置反饋”模塊主要實時反饋機器人牽引被動訓練過程中受試者的關節(jié)實際位置.“重力補償”模塊主要是用來對機器人本體、附在機器人末端的受試者上肢進行重力補償.圖6—7給出了模糊推理控制器輸入和輸出隸屬度函數(shù)分布.

經(jīng)過模糊化推理運算和重力補償后，機器人關節(jié)驅(qū)動力矩可表示為

其中，KP，KI，KD，KP，KI及KD分別為傳統(tǒng)PID控制器增益及相應的模糊調(diào)節(jié)器增益輸出，M為機器人連桿及患肢質(zhì)量和，g和Gscale分別為重力加速度和補償系數(shù).

2 實驗裝置

基于Kinect和Barrett公司W(wǎng)AMTMARM柔順機械臂構建的機器人輔助上肢被動康復訓練系統(tǒng)，如圖8所示.該系統(tǒng)主要由Kinect深度傳感器、Barrett公司4自由度柔順機械臂WAMTM、球形輔助操縱裝置及基于Linux/QT與Kinect構建的三維虛擬康復訓練環(huán)境組成.在基于Kinect的機器人輔助上肢被動康復訓練系統(tǒng)中，深度傳感器Kinect用來捕獲受試者肩、肘及腕部關節(jié)運動位置，主要由紅外發(fā)射器、RGB攝像頭及紅外攝像頭組成.WAMTM是一款高性能、可反饋驅(qū)動的靈巧型機械臂，主要有4自由度和7自由度2種配置，該機器人系統(tǒng)具有基于Ubuntu Linux及Xenomai實時模塊開發(fā)的高度開放軟件，用戶可以在此平臺上進行高級控制算法的實驗驗證[11].基于Linux/QT與Kinect開發(fā)的“桌面污漬擦拭”虛擬康復訓練環(huán)境（詳見1.2節(jié)），除用來獲取康復醫(yī)師的示教訓練任務參考軌跡外，主要用于機器人輔助上肢被動康復訓練過程中受試者與虛擬康復訓練任務的實時交互.

3 實驗結果與分析

為驗證本文所提基于Kinect的機器人輔助上肢被動康復訓練方法的有效性及臨床適用性，選取1例健康受試者，分別在人體水平面和矢狀面內(nèi)規(guī)劃桌面污漬擦拭動作，以驗證機器人在被動訓練控制器作用下，牽引受試者沿康復醫(yī)師示教軌跡進行訓練時肩、肘關節(jié)的軌跡跟蹤性能.水平和矢狀面內(nèi)桌面污漬擦拭訓練時傳統(tǒng)PID控制器比例、積分及微分增益分別設置為KP=625水平/715（矢狀）、KI=35水平/15（矢狀）及KD=12水平/15（矢狀）.模糊PID調(diào)節(jié)器增益變化范圍設置如圖7所示.考慮患肢訓練安全及WAM機器人鋼繩承載能力，機器人末端運行最大速度、各關節(jié)電機最大絕對輸出力矩分別設置為1.2 rad/s和8 191.

根據(jù)康復醫(yī)師示教的桌面污漬擦拭任務，圖9—10分別給出了在水平和矢狀面內(nèi)進行機器人牽引被動訓練時受試者肩、肘關節(jié)的軌跡跟蹤曲線及機器人相應關節(jié)的力矩變化.分析水平和矢狀面內(nèi)關節(jié)運動位置控制（圖9a、9b與圖10a、10b）和機器人力矩變化（圖9c與圖10c）結果可知：

首先，基于Kinect獲取的康復醫(yī)師示教任務軌跡經(jīng)插值平滑處理后（過路徑點的拋物線過渡線性插值），能較好地應用于機器人輔助被動康復訓練.

其次，在機器人牽引受試者進行桌面污漬擦拭被動訓練過程中，模糊與傳統(tǒng)PID位置控制器雖不同程度地存在跟蹤誤差，但未出現(xiàn)明突變或顯偏離的軌跡跟蹤，二者均能較好地控制機器人牽引受試者進行關節(jié)被動跟蹤訓練.

再次，傳統(tǒng)PID位置控制器雖能跟蹤醫(yī)師示教參考軌跡變化趨勢，但與模糊PID位置控制器跟蹤性能相比，明顯具有較大的跟蹤誤差;二者軌跡跟蹤誤差計算結果表明（單位：（°）），在水平面內(nèi)，傳統(tǒng)PID控制器作用下肩、肘關節(jié)的跟蹤誤差均值分別為4.21±5.12與3.05±2.01，相應地，模糊PID控制器對肩、肘關節(jié)的跟蹤誤差均值分別為1.18±2.14與1.58±0.74;在矢狀面內(nèi)，傳統(tǒng)PID位置控制器對肩、肘關節(jié)的跟蹤誤差均值分別為2.63±2.41與0.58±1.45，模糊PID控制器作用下肩、肘關節(jié)的跟蹤誤差均值分別為0.87±1.01與0.45±1.76.根據(jù)跟蹤誤差計算結果可知，矢狀面內(nèi)進行桌面污漬擦拭訓練的軌跡跟蹤誤差要小于水平面內(nèi)的相應誤差.

最后，從各自關節(jié)力矩變化情況可以看出，由于受試者肢體肌力的影響，傳統(tǒng)PID控制方法同模糊PID控制方法相比，前者在控制機器人牽引受試者進行被動跟蹤過程中存在一定的顫動和較大的力矩超調(diào)，而后者均能保持較平穩(wěn)的力矩控制.