0 引言
随着时代的发展，老年人口占世界总人口比例逐渐增大，而脑卒中等疾病对老年人健康的危害却越发严重，这些疾病使老年人运动功能障碍，无法自如地行动。为此，老年人的姿态检测为了目前研究的重点，吉林大学的蔡靖等人研发的基于人体传感和Android技术的运动监测系统能够在运动过程中实现对人体运动参数和运动姿态实时监测[1]。南京理工大学的李炳炳研发的基于MEMS惯性传感器的人体姿态检测系统能够较为准确的显示人体姿态[2]。而市场上主流的姿态检测系统都比较昂贵且系统封闭，所得关节角度数据不易于集成应用于其他平台，本文将LabVIEW与Arduino结合，设计了一种价格低廉，数据易于集成应用于其他平台的可穿戴式人体姿态检测系统(Wearble Human Posture Detection System，WHPDS)。
患者将此系统佩戴于手臂、腿部或足部等存在运动障碍的部位，系统能够实时检测患者关节活动时的角度数据并将其保存，方便医护人员对患者病情进行评估并制定合适的恢复方案。此外，将系统所测关节角度数据进行处理后导入康复训练机器人中，即可实现机器人的示教，从而使患者得到针对性的康复机器人辅助训练。
1 总体方案设计
WHPDS总体设计方案如图1所示。系统利用多个MPU6050采集人体各部位的加速度计和陀螺仪原始信号[3]。由于MPU6050与下位机UNO板采用I2C通信协议，可以根据需要采集多个部位的数据。多个MPU6050用线选法确定数据传输顺序，依次传输。下位机与上位机之间采用串口通信方式进行数据传输，在上位机LabVIEW编程环境下对MPU6050原始数据进行均值滤波与互补滤波，实现多传感器信息的融合，从而得出各部位Roll角与Pitch角，进而得到人体关节角度。
2 系统设计
2.1 硬件选型
本系统选用价格低廉的GY521MPU6050六轴惯性传感器，在保证姿态检测精度的同时大大降低了检测系统成本。MPU6050集成一个三轴加速度计和一个三轴陀螺仪，加速度计模块可以识别静止或平缓运动状态下的角度信息，陀螺仪模块对各种运动状态下角度信息的变化均比较敏感。
本系统选用Arduino作为下位机，不仅降低了成本，还能借助Arduino丰富的接口，在需要的时候扩展系统功能。系统以采用多线程技术的图形化编程软件LabVIEW作为上位机编程环境，这使得系统反应速度快，运行效率高，同时编程更为简洁[4]。MPU6050与UNO板如图2所示，下位机接线如图3所示。
测试者可将一个MPU6050佩戴于腰部前面中间，此MPU6050作为测试基准。测试髋关节和膝关节运动能力时佩戴方式如图4（a）；测试肩关节和肘关节运动能力时佩戴方式如图4（b）。
2.2 程序算法
MPU6050输出的原始数据存在零点误差。因此，必须对MPU6050的原始数据进行均值滤波。均值滤波流程如图5所示。
加速度计对与陀螺仪均无法独立完成Roll角、Pitch角的检测，为此可以采用互补滤波技术实现两模块数据的融合，从而得到准确有效的Roll角、Pitch角[5]。互补滤波流程如图6所示。
在测得各MPU6050的Roll角、Pitch角后，结合各MPU6050佩戴位置，关节角度计算原理如图7所示。
3 比对实验
WHPDS的软硬件平台搭建好之后，需要对其进行比对实验以验证系统的可靠性，因此将本系统与某公司开发的三维步态分析及运动训练系统(3D gait analysis and the sports training system，GaitWatch)进行可靠性比对，对本系统进行综合评估。
GaitWatch可以准确地测得人体步态，但只能检测人体直立条件下的下肢关节角度，无法检测平躺或坐下时的下肢姿态，也无法检测上肢姿态。若比对实验证实本系统真实有效，将能大大扩展姿态检测的范围。
测试者佩戴WHPDS与GaitWatch，下肢做某些特定的动作，两系统同时记录测试者关节角度。将两系统测得关节角度进行比对，即可评估此系统的可靠性。两系统佩戴方式如图8所示(右图为GaitWatch实时三维姿态显示图)。
本次实验中，测试者原地踏步，即右髋与右膝同时屈曲，之后同时伸展。两传感器同时检测髋关节和膝关节在运动过程中屈曲伸展的角度，两传感器测得髋关节和膝关节关节角度如图9（a）、9（b)所示。
可以看出，两传感器测得曲线一致，均正确反映了原地踏步的动作过程，但两传感器所测关节角度略有差异，最大值误差在10°左右，最小值误差小于5°。对比分析其原因在于：两系统穿戴位置不相同，GaitWatch腰部传感器佩戴于骨盆背面中间，脊柱末端，大腿传感器佩戴于右腿外侧中部，小腿传感器佩戴于右腿胫骨内侧；WHPDS佩戴方式如图4（a）所示。两传感器佩戴方式不同，采集的原始数据会有一定的差异，计算的关节角度就有一定的偏差。另外，两系统直接接触衣物，并未贴于人体表面，人体运动时衣物与皮肤表面会有一定程度的相对移动，测得角度也就会有一定偏差。基于以上原因，可以确定本系统误差在允许范围内，WHPDS是准确有效的。
4 卧式下肢康复训练机器人示教
临床上，一般由康复训练师辅助运动功能障碍患者进行康复训练，这对康复训练师体力要求过高。康复训练机器人能够有效解决康复训练师体力要求过高的问题，但康复训练机器人参数设置又较为繁琐，利用WHPDS的检测数据对机器人示教，能大大降低机器人参数设置的复杂性，这使得运动功能障碍患者的康复训练更为简单，医疗费用也更低廉。
由于病情差异，每位患者的关节活动范围并不相同。因此患者在进行康复训练时，机器人运动路径不能完全相同，那会对患者关节造成二次损伤。可以利用人体姿态检测系统对每位患者的关节活动度进行检测，使得卧式下肢康复训练机器人能对每位患者提供针对性的康复训练。
运动功能障碍患者佩戴WHPDS，康复训练师辅助患者进行康复训练，同时系统记录患者关节角度数据。数据采集场景如图10所示。
一次辅助训练完成后，截取一周期有效关节角度数据送入MATLAB中，编写M程序求得原始数据的五次多项式拟合函数，画出拟合曲线，原始关节角度曲线与拟合角度曲线如图11（a）、图（b）所示。由于康复示教要保证运动平稳性，带动患者缓慢运动，因此示教运动每周期耗时约30 s，大于图9所示的普通人运动耗时。
根据人机耦合关系，将拟合数据转化为机器人控制信号，导入机器人控制系统，即可实现卧式下肢康复训练机器人的康复训练功能。卧式下肢康复训练机器人运动轨迹如图12所示。
5 结论
本文提出了一种可穿戴式人体姿态检测系统方案WHPDS，价格低廉，关节活动度检测方便直观，并进行了康复训练机器人示教功能系统集成应用验证，对脑卒中等运动功能障碍患者的病情评估和医疗康复训练机器人示教具有重要作用。下一步为提高系统可靠性、方便数据检测，将添加其他生理信号传感器，应用多模态传感器数据融合算法，完成人体生命体征的获取，通过蓝牙模块实现无线传输，进而实现人体康复训练、生命体征实时监控和智能家居控制应用等功能。
参考文献
[1] 蔡靖，田入运，刘磊，等.基于人体传感和Android技术的运动监测系统设计与实现[J].电子技术应用，2015，41(9)：63-66.
[2] 李炳炳.基于MEMS惯性传感器的人体姿态检测系统的研究[D].南京：南京理工大学，2017.
[3] 徐秀林，姚晓明，徐奚娇.MPU6050在评定人体上肢关节角度中的应用[J].生物医学工程学进展，2015(3)：137-141.
[4] 张红民，李晓峰.基于LabVIEW的多线程编程技术比较研究[J].电子技术应用，2008(10)：89-91.
[5] 傅忠云，朱海霞，孙金秋，等.基于惯性传感器MPU6050的滤波算法研究[J].压电与声光，2015(5)：821-825，829.
作者信息：
胡小华1，李向攀1，2，祁洋阳1，冷 昊1，韩建海1，2，郭冰菁1，2
（1.河南科技大学 机电工程学院，河南 洛阳471003；2.河南省机器人及智能系统重点实验室，河南 洛阳471003）
