面向传感器失准的躯干运动估计不变扩展卡尔曼滤波器设计与评估

理解人体运动对于健康监测和辅助机器人的控制至关重要，然而许多人体运动学变量无法通过可穿戴传感器直接或精确测量。近年来，不变扩展卡尔曼滤波（InEKF）在非线性状态估计中显示出巨大潜力，但其在人体上的应用带来了新的挑战，包括可穿戴传感器的不完美佩戴和不精确的测量模型。为应对这些挑战，本文提出了一种增广 InEKF 设计，将躯干处惯性传感器的失准视为状态的一部分，并保留了过程模型的群仿射性质。构建了个性化的下肢正向运动学模型，并将其用作增广 InEKF 的测量模型。文中给出了新 InEKF 设计的可观测性分析。该滤波器在三名受试者的下蹲、滚动步态行走和爬梯运动中进行了评估。实验结果验证了所提出的 InEKF 相对于现有最先进的 InEKF 具有优越性能。尽管存在显著的初始估计误差以及与正向运动学测量模型相关的不确定性，但在所有三种运动中，估计人体速度和姿态的精度均有所提高，收敛速度也更快。