基于MEMS的姿態(tài)測量系統(tǒng)的研究.pdf

1、實時人體運動姿態(tài)測量，也稱動作捕捉，在生物醫(yī)療、體育運動、人機控制、虛擬現(xiàn)實、影視制作等領域應用廣泛。實現(xiàn)運動姿態(tài)測量的的現(xiàn)有技術主要分為光學動作捕捉、磁性動作捕捉、機械動作捕捉、慣性動作捕捉。其中基于光學的動作捕捉系統(tǒng)是目前應用最為廣泛的，但是由于其設備安裝操作復雜且昂貴，正被使用簡單、價格低廉且能克服抖動、延遲等問題的慣性式運動測量系統(tǒng)替代。本文對慣性式運動測量系統(tǒng)的組成及姿態(tài)解算算法展開研究。
　　主要研究工作如下:

2、　　(1)構建基于MEMS傳感器和無線WIFI技術的動作捕捉軟硬件平臺
　　根據(jù)實時姿態(tài)測量需要，自主設計了具有三軸加速度計、三軸陀螺儀、三軸磁阻計的九軸慣性節(jié)點，采用CAN總線和無線WIFI通訊技術解決了數(shù)據(jù)的高速傳輸，實現(xiàn)了慣性節(jié)點單元數(shù)據(jù)的實時獲取，完成了基于MEMS的姿態(tài)測量系統(tǒng)的軟硬件平臺搭建，實現(xiàn)了3D虛擬模型對設備穿戴者的實時姿態(tài)以及位置跟蹤。
　　(2)研究數(shù)據(jù)融合算法，實現(xiàn)姿態(tài)的實時解算
　　設計并實

3、現(xiàn)了多種數(shù)據(jù)融合算法，并針對人體運動測量中的線性加速度干擾，對互補濾波以及七狀態(tài)量擴展卡爾曼算法做了自適應改進，并通過單軸旋轉仿真實驗驗證了改進算法的可行性。另外針對人體姿態(tài)測量的站立腳特點，設計了十三狀態(tài)量擴展卡爾曼濾波算法，利用站立腳的坐標以及各骨骼姿態(tài)推算各慣性節(jié)點的速度以及位置信息，將該數(shù)據(jù)作為擴展卡爾曼算法的測量數(shù)據(jù)，在仿真實驗中達到了良好效果。最后設計了基于PI反饋的桿長跟蹤算法，實現(xiàn)了慣性節(jié)點對穿戴位置不敏感的特性，并通過