用于分析手工劳动者肩部运动的低成本惯性测量单元数据融合算法的开发与验证
机器人学
2020-10-16 v1
摘要
工作相关上肢肌肉骨骼疾患（WRUED）是现代社会的一大问题，因其影响劳动者生活质量并导致缺勤与生产力损失。据北美与西欧的研究，其患病率在近几十年上升。该挑战要求改进预防方法。一条途径是开发可穿戴传感器系统以分析劳动者动作并向劳动者和/或临床医生提供反馈。此类系统可降低体力工作负荷并最终预防肌肉骨骼疾患。本文提出一种用于惯性测量单元以分析劳动者手臂抬升的数据融合算法的开发与验证。该算法在两种商用传感器系统（Actigraph GT9X 与 LSM9DS1）上实现，结果与已验证商用传感器（XSens MVN 系统）的数据融合结果比较。采用互相关系数 [r]、均方根误差（RMSE）与估计平均绝对误差确立算法的结构效度。五名受试者各完成十项不同手臂抬升任务。结果显示该算法可有效评估肩部运动，两种不同传感器与商用传感器结果间高度相关（0.900-0.998），十项任务的 RMSE 值相对较低（1.66-11.24{\deg}）。所提数据融合算法因此可用于估算手臂抬升。
引用
@article{arxiv.2010.07450,
title = {Development and Validation of a Data Fusion Algorithm with Low-Cost Inertial Measurement Units to Analyze Shoulder Movements in Manual Workers},
author = {Marianne Boyer and Antoine Frasie and Laurent Bouyer and Jean-Sébastien Roy and Isabelle Poitras and Alexandre Campeau-Lecours},
journal= {arXiv preprint arXiv:2010.07450},
year = {2020}
}