Les appareils de mesure inertielle dans l’analyse du mouvement humain 1
Feb 23, 2016
1
Les appareils de mesure inertielle dans l’analyse du mouvement humain
2
Les appareils traditionnels de mesure du mouvement 3D (Électrogoniométrie)
Lamoreux, LW, 1971, Kinematic Measurements in the Study of Human Walking, Bul. Prosth. Res. BPR 10-15
3Les appareils d’aujourd’hui sont beaucoup moins encombrants mais demeurent encore des outils de laboratoire. (Vicon, MotionAnalysis)
4
Mesure expérimentale 6 caméras VICON Mcam2 (120Hz); tapis roulant à 2 voiesl ADAL;
Système Physilog (3D acc, 3D gyros)
5Système d’analyse du mouvement
6
Inverse Dynamic Modeling Approach
Kinematic Datap,v,a,ω,α
Force-platform measurementsFground, Mground
Body Segment Parameters
m,I
Inverse Dynamic Model
ΣF = maΣM = Iα
Net Joint Forces and MomentsFnet, Mnet
Inputs Outputs
ith Segment
i+1th segment
FM
MF
7
Avantages des appareils optoélectroniques Ils fournissent les positions 3D par rapport à un repère fixe
globale. Ils sont précis ( environ 200 micro-mètres)
8
Désavantage des appareils optoélectroniques Nécessité du calibrage lors des dispositions des caméras Volume de mesure statique En général ils ne fonctionnent pas en temps-réel
9
Unité inertielle La mesure inertielle est un système qui combine des
accéléromètres 3D, des gyroscopes 3D ainsi que des magnetomètres 3D
Physilog, BioAGM, MTI - Xsens ADPM – 8Gb/ 720hDynamic accuracy 2.80 deg
10
Unité inertielle Monitorage des activités de la vie quotidienne Estimation de l’énergie dépensé quotidiennement Mesure de la cinématique articulaire et du corps entier Estimation des charges par inverse dynamique
11
Unité inertielle : Monitorage de l’activité physique quotidienne Un moyen efficace pour la mesure objective du mouvement
humain dans un contexte de mouvement non contraint Le monitorage de différent type de mouvement (marche,
transfert assis-debout, équilibre postural, descente d’escalier chutes, etc…)
Permet l’identification et la classification des activités physiques par monitorage continue
12
Unité inertielle Goniomètre (mesure les angles inter-segmentaires) Accéléromètre (mesure l’accélération linéaire et le
mouvement d’un segment) Gyroscope (mesure l’orientation ou la vitesse angulaire d’un
segment) Contacteur électromécanique (mesure le temps entre 2
contacts talons succéssifs) Podomètre (mesure le nombre de pas) Actimètre (mesure la quantité ou le pourcentage d’activité
physique)
13
Avantage Peu couteux Mesure effectuée en dehors du contexte du laboratoire ou de
la clinique Ils répondent bien en fréquence et en intensité du
mouvement Permettent la mesure de l’inclinaison grâce à la mesure de
l’axe gravitationnel
14
ActiGraph, RT3, TricTrac-3D
15
Consommation en courant L’accéléromètre de type iMEMS consomment environ de
0.18 à 0.7 mA alors que le gyroscope en consomme beaucoup plus de 3.5 à 6.0 mA.
16
ADXL322
17
Modèle des capteurs inertielsSabatini. Review. Sensors, 2011.
18
Vitesse angulaire estimé par l’axe de rotation instantannéAissaoui et al., IEEE-EMBS2004
19
Comparison between accelerometer and optoelectronic system. Aissaoui et al. 2006. IEEE-ISIE
20How to filter noise ?Three categories Filtering in time domain Filtering in frequency domain Filtering in time-frequency domain
21Comparative studies
There is no powerful method that works for every biomechanical situation Comparison of filtering techniques have always been done on a single
marker i.e. the rigidity constraint of rigid body is not taken into account Difficulty in automatisation of the algorithms
Walker JA. (1998). Estimating velocities and accelerations of animal locomotion : a simulation experiment comparing numerical differentiation algorithms. The Journal of Theoretical Biology, 201: 981-995.
Wachowiak MP. et al. (2000). Wavelet-based noise removal for biomechanical signals: A comparative study. IEEE Trans. on Biomedical Eng., vol 47(2): 360-368.
Nagano A et al. (2003). Optimal digital filter cut-off frequency of jumping kinematics evaluated through computer simulation. Int. J. Health Res, 1(2): 196-201.
Alonso FJ. et al. (2004). Automatic filtering procedure for processing biomechanical kinematic signals. Lecture Notes in Computer Science, 3337: 281-291..
22
Purpose of this work is to compare three automatic methods with and without the rigidity constraints
Autocorrelation method (AC) Power spectral density method (PSA) Singular spectrum analysis (SSA)
23AC method
24PSA method
Signal series S
AR modeling using modified covariance algorithm
Estimating power spectrum using FFT of the AR coefficient(Wiener-Khintchin identity)
Estimating the power of the noise Average of 80 to 100% of the power spectrum
Determination of the frequency fc at which the power is lower than the previous average calculation
Use of butterworth filter at fc
25SSA method
Let S be a signal of length N, and let L represents a window length. The first step is to construct a Hankel matrix from the original signal by sliding a window with length L.
1 2 3 8 9 10S
1 2 3 82 3 8 93 8 9 10
H
H = UDWT Singular value decomposition of H
26Derivatives calculation
Method-1 : central difference
2 2
2
2
4i i i
i
s s sa
t
Method-2: using the angular velocity calculation
2i ia W W s
00
0
z y
z x
y x
dWW Wdt
27Results
0 200 400 600 800 1000 1200-10
-5
0
5
10
Y-ax
is
0 200 400 600 800 1000 1200-10
0
10
20
Z-ax
is
0 200 400 600 800 1000 1200-10
-5
0
5
10
X-ax
is
Acceleration measured and calculated from raw data without filtering in three axis (m/s2)
28comparing PSA, AC and SSA for method-2
0 200 400 600 800 1000 1200-10
0
10
20
0 200 400 600 800 1000 1200-10
-5
0
5
10
0 200 400 600 800 1000 1200-5
0
5
10
filtre PSAfiltre autocorfiltre SSAaccelerometre SSA
29
Estimation de l‘orientation avec les UI sans les capteurs de mouvement Strap-down integration method (SDI) : gyroscope +
quaternion algebra Fusion algorithm using selective orientation correction
method SOC : gyroscope + accelerometer Fusion algorithm using Kalman filtering : gyroscope +
accelerometer + magnetometer + sensor modeling.
30
General fusion algorithmRoentenberg et al. 2003, International Symposium on Mixed and Augmented Reality (ISMAR ’03)
31
Erreur typique due au drift en utilisant la méthode SDI et SOCFavre, PhD Dissertation , EPFL 2008
32
Contrôle du drift en utilisant le filtre de kalman Roentenberg et al. 2003, International Symposium on Mixed and Augmented Reality (ISMAR ’03)
33
Application
34
Mesure cinématique Cinématique de la marche
Paramètre Spatio-temporels (durée du cycle, cadence, pahse de simple et double support; longueur de pas et de foulée )
Déplacement articulaire (2D/3D)
Dynamique de la marche Moment de réaction à l’épaule.
35
Utilisation de l’accéléromètre durant la marche Saunders, J., Inman, V. and Eberhart, H., 1953. The major
determinants in normal and pathological gait. Journal of Bone and Joint Surgery - American Volume 35, 543-58.
Morris, J. R. W., 1973. Accelerometry - Technique for measurement of human body movements. Journal of Biomechanics 6, 729-32.
36
Temporal parameters (wavelet analysis) Aminian et al. J. Biomech, 2002.
10 ms delay between HS as compared with foot-switch
37
2D kinematics modelAminian et al. J.Biomech, 2002.Errors for velocityand stride length estimations were equal to 0.06 m/s and 0.07 m respectively
38
Knee joint angular measurementHagemeister et al. J. Biomech (2005)
Optoélectronique (Optotrack 3020)
Magnétique (FastTrack,Polhemus)
Vidéo (VICON)
Physilog
39
40Knee Motion Analyser System using functional calibration system
Body-coordinate system
Anatomical coordinatesystem
Joint CoordinateSystem(Groot & Suntay)
41Knee 3D Inertial Measurement system Favre, Aissaoui et al. J. Biomech (2009)
42Results of the functional calibration method using IMUFavre, Aissaoui, et al. J. Biomech (2009)
Syst. Lyberty (électromagnétique) Syst. Inertiel Physilog (Acc, gyro)
43
Repeatability & Accuracy
44
Travail actuel de Perrine F (MSc.)
45
Travail actuel de Perrine F (MSc.)
46Shoulder moment estimation during wheelchair propulsion systemAissaoui et al. (2006)
Infra-red markers
Inertial System
Handrim reaction forces
47Generic inverse dynamics
48
Results(solid red : IMU; black dashed optoelectronic)
Flx/Ext
Add/Abd
Int/Ext
Mz
49
ResultsFlx/Ext Add/Abd Int/Ext
rms (Nm)
2.57 2.78 2.23
rms_peak (Nm) 4.40 5.09 4.54
relative peak error (%)
24.4 51.01 49.32
50
Conclusion Les UI sont un excellent outil pour le monitorage de l’activité
physique en dehors du laboratoire et du milieu clinique. La répétabilité peut-être considérée comme bonne dans
certains cas de mesure