基于李群约束扩展卡尔曼滤波与减少IMU数量的下肢运动学估计

目标：本文提出一种仅使用两到三个可穿戴惯性传感器估计行走时骨盆、大腿、小腿与足运动学的算法。方法：该算法新颖地使用了基于李群(Lie group)的扩展卡尔曼滤波。算法迭代执行预测（运动学方程）、测量（骨盆位置伪测量、零速更新与平地假设）与约束更新（铰链膝踝关节、腿长恒定）。结果：该惯性动作捕捉算法在两个数据集上被广泛评估，展示其相对光学动作捕捉中两种标准基准方法（即 plug-in gait（常用于步态分析）与 kinematic fit（常用于动画、机器人与肌骨仿真））的性能，并揭示不同应用领域所用方法间的异同。使用置于足与骨盆的三个 IMU 时，我们的算法（$n=14$ 名参与者）在自由行走下的整体平均身体节段位置（相对骨盆中原点）与朝向误差幅值为 $5.93 \pm 1.33$ cm 与 $13.43 \pm 1.89^\circ$；仅使用置于足的两个 IMU 时为 $6.35 \pm 1.20$ cm 与 $12.71 \pm 1.60^\circ$。结论：该算法能较好跟踪直线行走矢状面关节角，但对非预设动作（如转身、侧步）尤动态动作或临床应用时需改进。意义：本工作使我们更接近于使用鞋上 IMU 的全面远程步态监测。低计算成本也表明其可用于步态辅助设备的实时应用。