胡玉舸，陶慶，2，孟慶豐，來全寶

（1.新疆大學(xué)機(jī)械工程學(xué)院，新疆 烏魯木齊 830047；2.新疆大學(xué)機(jī)械工程博士后研究中心，新疆 烏魯木齊 830047）

1 引言

隨著社會(huì)老齡化的加快，現(xiàn)有醫(yī)療資源以及專業(yè)人員的匱乏，康復(fù)外骨骼機(jī)器人應(yīng)運(yùn)而生。研究表明，主動(dòng)積極的康復(fù)訓(xùn)練更有利于偏癱患者的神經(jīng)通道重建以及功能恢復(fù)。這要求康復(fù)外骨骼機(jī)器人跟隨患者的肢體意圖進(jìn)行控制，達(dá)到所思即所動(dòng)的效果。人體運(yùn)動(dòng)意圖的準(zhǔn)確識(shí)別成為了研究重點(diǎn)。

現(xiàn)有研究中的人體運(yùn)動(dòng)意圖的獲取主要有基于生物感知信號(hào)和物理交互信號(hào)兩種方式。常用的生物信號(hào)有腦電信號(hào)（Electroencephalogram，EEG）和肌電信號(hào)（Electromyography，EMG）。2014年足球賽，巴西開幕上的外骨骼機(jī)器人[1]，即經(jīng)過分析癱瘓少年的EEG信號(hào)，獲取其運(yùn)動(dòng)意圖，從而控制外骨骼輔助行走。文獻(xiàn)[2]將以往的腦電圖源成像（ESI）技術(shù)擴(kuò)展到解碼手/手腕操作上，對(duì)右手的四種復(fù)雜運(yùn)動(dòng)想象：屈伸、伸展、外旋和內(nèi)旋進(jìn)行了精確的分類。而日本著名的混合輔助義肢（HAL）通過采集并分析處理表面肌電信號(hào)，根據(jù)研究表面肌電信號(hào)強(qiáng)度和關(guān)節(jié)力矩大小的映射關(guān)系，提取信息預(yù)測(cè)運(yùn)動(dòng)步態(tài)。文獻(xiàn)[3]設(shè)計(jì)了一種肌電控制模式的分類算法，將用戶的運(yùn)動(dòng)意圖映射到輪椅的七個(gè)不同的運(yùn)動(dòng)指令上，從而實(shí)現(xiàn)了電動(dòng)輪椅的智能控制功能。文獻(xiàn)[4]提出了一種基于短時(shí)傅里葉變換的短時(shí)傅里葉變換排序（ST?FT?ranking）的新方法，考慮并覆蓋了運(yùn)動(dòng)模式中，sEMG與多個(gè)肌肉之間的關(guān)系信息，進(jìn)行了有效的運(yùn)動(dòng)模式識(shí)別。腦電信號(hào)最大的優(yōu)勢(shì)在于，只要大腦功能正常，它不用考慮肢體的殘疾程度。但是EEG信號(hào)具有更大的隨機(jī)性，并且對(duì)于采集過程要求嚴(yán)格。相對(duì)于腦電信號(hào)，sEMG的信噪比較優(yōu)，但由于貼敷身體，易受皮膚表面情況影響。

物理交互類通常是利用傳感器，固定在待測(cè)物體上，從而獲取所需位置信息或運(yùn)動(dòng)學(xué)信息。文獻(xiàn)[5]使用力矩傳感器，獲得人體下肢運(yùn)動(dòng)意圖，并經(jīng)過延遲彌補(bǔ)，將處理后的信號(hào)導(dǎo)入外骨骼康復(fù)機(jī)器人中。文獻(xiàn)[6]使用三軸加速度計(jì)，檢測(cè)大腿肌肉上的多通道MMG（Mechanomyography）信號(hào)，對(duì)6 種膝關(guān)節(jié)運(yùn)動(dòng)狀態(tài)進(jìn)行識(shí)別。文獻(xiàn)[7]利用肌周傳感器（Muscle Circumference Sensor，MCS）和測(cè)壓元件（load cells）計(jì)算期望運(yùn)動(dòng)意圖力。然后根據(jù)這些力，用阻尼最小二乘法計(jì)算了期望運(yùn)動(dòng)。相對(duì)而言，物理交互類在實(shí)際中應(yīng)用較多，但具有一點(diǎn)的遲滯性。

上述方法各有優(yōu)劣，實(shí)際操作中也會(huì)根據(jù)各自的特點(diǎn)，綜合使用。但患者會(huì)和采集設(shè)備有著直接或間接的接觸，康復(fù)運(yùn)動(dòng)自由度受限，特別是在主動(dòng)式的康復(fù)訓(xùn)練運(yùn)動(dòng)中，不利于培養(yǎng)患者的積極性。體感交互技術(shù)的出現(xiàn)，為患者的非接觸式信息的提取提供了可能。文獻(xiàn)[8]運(yùn)用Kinect，來獲取健肢運(yùn)動(dòng)軌跡，鏡像控制康復(fù)機(jī)器人工作。文獻(xiàn)[9]經(jīng)過Kinect，獲取人體下肢運(yùn)動(dòng)意圖，實(shí)現(xiàn)了一種主動(dòng)式伴舞康復(fù)機(jī)器人。欲基于Kinect，試圖做一些探尋與研究，減少主動(dòng)康復(fù)訓(xùn)練中對(duì)患者的運(yùn)動(dòng)限制，培養(yǎng)患者的主動(dòng)積極性。

在患者的主動(dòng)康復(fù)訓(xùn)練中，運(yùn)用Kinect獲得人體上肢關(guān)鍵骨骼點(diǎn)的原始坐標(biāo)信息。結(jié)合運(yùn)動(dòng)方程，進(jìn)行卡爾曼濾波，對(duì)數(shù)據(jù)進(jìn)行濾波保證其精準(zhǔn)性時(shí)，還可以改善設(shè)備采集過程中存在的滯后性。為了控制康復(fù)機(jī)器人的運(yùn)動(dòng)，提取濾波處理后的坐標(biāo)信息，換算成人體肢體的運(yùn)動(dòng)關(guān)節(jié)角度，描述人體的運(yùn)動(dòng)狀態(tài)情況，獲取人體上肢運(yùn)動(dòng)意圖。

2 基于Kinect的人體上肢運(yùn)動(dòng)意圖獲取

2.1 Kinect體感交互技術(shù)

不同于傳統(tǒng)的人機(jī)交互，Kinect的主要優(yōu)勢(shì)在于遠(yuǎn)程控制，不需要鼠標(biāo)和鍵盤的控制。目前市場(chǎng)上的Kinect產(chǎn)品共有兩個(gè)版本，與一代相比，Kinect2.0的彩色圖像分辨率可以實(shí)現(xiàn)1920×1080，大幅度提高，如圖1所示。在骨骼關(guān)節(jié)點(diǎn)獲取中，Kinect2.0可得到25個(gè)Joint。最佳測(cè)試距離為（0.5～4.5）m，水平角度最大值是70°，垂直60°。利用Kinect2.0，通過visual studio 的c#語(yǔ)言編程，將它的骨骼圖像疊加到彩色圖像上，如圖2所示。

圖1 Kinect2.0Fig.1 Kinect2.0

圖2 Kinect信息采集頁(yè)面Fig.2 Kinect Information Collection Page

2.2 基于卡爾曼濾波的軌跡預(yù)測(cè)

通過卡爾曼濾波器，結(jié)合運(yùn)動(dòng)方程，對(duì)Kinect采集的三維空間關(guān)節(jié)點(diǎn)坐標(biāo)進(jìn)行濾波，以及意圖預(yù)測(cè)，便于后續(xù)數(shù)據(jù)應(yīng)用。假設(shè)實(shí)驗(yàn)人員做變加速運(yùn)動(dòng)，設(shè)加速度為a，由系統(tǒng)高斯白噪聲ω提供［10］。建立運(yùn)動(dòng)方程如下：

由于測(cè)量過程中同樣存在噪音ν，假設(shè)測(cè)量到的位置為sZ，則：

卡爾曼濾波器根據(jù)測(cè)量值和預(yù)測(cè)值的結(jié)合，進(jìn)行工作，式如下：

其中，系統(tǒng)控制變量Ut一般取0值，Wt和Vt分別是系統(tǒng)的過程噪音以及測(cè)量噪音，兩種噪音的協(xié)方差分別是Q和R。編程測(cè)試時(shí)，Q可以先取較小值，再慢慢往大值調(diào)整，R相反。

取Δt=1，根據(jù)式（1）、式（2）代入得出：

式中：A—系統(tǒng)狀態(tài)參數(shù)；B—系統(tǒng)控制量參數(shù)；H—測(cè)量參數(shù)。

2.3 人體上肢運(yùn)動(dòng)意圖的獲取

在主動(dòng)康復(fù)訓(xùn)練中，為了將Kinect數(shù)據(jù)用于后續(xù)康復(fù)，提取卡爾曼濾波處理后的坐標(biāo)信息，計(jì)算人體肢體關(guān)節(jié)的運(yùn)動(dòng)關(guān)節(jié)角度，描述人體運(yùn)動(dòng)狀態(tài)。在忽略較小誤差可行的基礎(chǔ)前提下，建立的上肢簡(jiǎn)化模型，如圖3所示。主要研究肩部的外展/內(nèi)收α，前屈/后伸β以及肘部的屈/伸θ三種上肢常見運(yùn)動(dòng)。其中，S（SpineShoulder）、SL（ShoulderLeft）、SR（ShoulderRight）、EL（El?bowLeft）、ER（ElbowRight）、WL（WristLeft）、WR（WristRight）和S′（SpineMid）為上肢主要活動(dòng)關(guān)節(jié)點(diǎn)。向量n→是人體冠狀面的法向量，點(diǎn)EL沿著法向量n→在冠狀面上的投影為EL'。

圖3 人體上肢簡(jiǎn)化模型Fig.3 Simplified Model of Human Upper Limb

根據(jù)模型，很容易得到：

研究以左臂為例，模型為了直觀，肘部角度標(biāo)注在右臂。所以左臂肘部角度公式為：

3 實(shí)驗(yàn)與結(jié)果

3.1 實(shí)驗(yàn)安排

這里研究主要驗(yàn)證卡爾曼濾波在數(shù)據(jù)處理中的濾波以及預(yù)測(cè)效果。

（1）將Kinect采集的數(shù)據(jù)直接處理。

（2）把所采集到的數(shù)據(jù)經(jīng)過卡爾曼濾波后，再進(jìn)行相同處理。最后，將兩種數(shù)據(jù)進(jìn)行對(duì)比。

主要設(shè)計(jì)了兩種分別針對(duì)肩關(guān)節(jié)或肘關(guān)節(jié)的實(shí)驗(yàn)：實(shí)驗(yàn)1，主要針對(duì)肩關(guān)節(jié)運(yùn)動(dòng)，試驗(yàn)人員站在Kinect前方1m左右處，左臂平行于左肩，垂直于軀干，置于左前方135°左右，正常速度向下收于身體左側(cè)。實(shí)驗(yàn)2，肘關(guān)節(jié)主要運(yùn)動(dòng)，左臂平行于左肩，垂直于軀干，置于左側(cè)180°左右，上臂保持穩(wěn)定，小臂正常速度向內(nèi)收大約135°。

3.2 實(shí)驗(yàn)結(jié)果處理與分析

將Kinect中采集的原始坐標(biāo)數(shù)據(jù)，輸入到MATLAB中，一種直接進(jìn)行運(yùn)動(dòng)狀態(tài)轉(zhuǎn)化，一種進(jìn)行濾波處理后，再進(jìn)行運(yùn)動(dòng)狀態(tài)轉(zhuǎn)換。最后，在兩種數(shù)據(jù)中提取出上肢關(guān)鍵骨骼點(diǎn)信息，經(jīng)過MATLAB處理，顯示出運(yùn)動(dòng)軌跡，構(gòu)造數(shù)學(xué)模型，如圖4所示。

圖4 肩關(guān)節(jié)的外展/內(nèi)收運(yùn)動(dòng)Fig.4 Abduction/Adduction of Shoulder Joint

由圖4～圖6可以看出，卡爾曼濾波處理后的數(shù)據(jù)相對(duì)早于原始數(shù)據(jù)，可以有效改善信息采集過程中所造成的滯后性。圖4和圖5中，由于手臂貼合身體時(shí)，不會(huì)嚴(yán)格地平行于人體軀干，所以運(yùn)動(dòng)角度不會(huì)趨于0，由圖中所示，大概在10°左右。

圖5 肩關(guān)節(jié)的前屈/后伸運(yùn)動(dòng)Fig.5 Forward/Backward Movement of Shoulder Joint

圖6 肘關(guān)節(jié)運(yùn)動(dòng)信息Fig.6 Elbow Motion Information

圖4～圖6中，運(yùn)動(dòng)開始采集時(shí)，兩種數(shù)據(jù)相差甚大，故在以后的研究中，會(huì)選擇舍去大概10幀左右的數(shù)據(jù)，讓康復(fù)機(jī)器只接收不執(zhí)行該部分?jǐn)?shù)據(jù)。三幅圖中的其它運(yùn)動(dòng)拐點(diǎn)，為動(dòng)作轉(zhuǎn)換時(shí)刻，能夠看出通過卡爾曼濾波的數(shù)據(jù)變化更為圓滑平緩，更要滿足運(yùn)動(dòng)需求。

4 總結(jié)

Kinect 價(jià)錢親民，性能良好，易操作，并且屬于非接觸式采集，不需要添加輔助設(shè)備與標(biāo)志。雖然精度方面不如Vicon 等光能捕捉系統(tǒng)，但經(jīng)眾多試驗(yàn)證明，可以滿足實(shí)驗(yàn)需求。經(jīng)過微軟體感設(shè)備Kinect，（1）運(yùn)用visual studio 的語(yǔ)言編程，將它的骨骼圖像疊加到彩色圖像上，直觀清晰，獲取人體上肢原始關(guān)節(jié)坐標(biāo)數(shù)據(jù)；（2）結(jié)合運(yùn)動(dòng)方程，進(jìn)行卡爾曼濾波，確保數(shù)據(jù)的實(shí)時(shí)性以及準(zhǔn)確性，以便后續(xù)應(yīng)用；（3）根據(jù)上肢簡(jiǎn)化模型，計(jì)算上肢關(guān)節(jié)角度，運(yùn)用MATLAB轉(zhuǎn)換為數(shù)據(jù)模型，顯示運(yùn)動(dòng)意圖。

結(jié)果表明Kinect是可以獲取人體上肢運(yùn)動(dòng)意圖的，滿足實(shí)驗(yàn)需求，是可靠且可行的。這為以后的研究應(yīng)用做好了技術(shù)準(zhǔn)備。