人体关节角度解算的动态对齐方法

近日，重庆邮电大学生物医学工程研究中心王伟教授团队在SCI收录期刊SENSORS上发表题为“Effects of Dynamic IMU-to-Segment Misalignment Error on 3-DOF KneeAngle Estimation in Walking and Running”的论文，提出了一种用于惯性测量单元（IMU）与肢体节段动态对齐的新算法。

论文检索页面

研究背景

人体动作捕捉技术在康复、竞技体育、人机交互、身份识别等领域发挥着重要的作用。在各种应用场景中，获得更加精确的关节角是一项重要的评判标准。

使用惯性测量单元（IMU）获取肢体姿态数据，惯涉及全局坐标系、传感器坐标系与肢体坐标系之间的转换，其中IMU坐标系与肢体坐标系的对齐（IMU-to-Segment，I2S）决定着传感器输出数据是否能够代表所附着肢体的运动，是人体关节角解算的重要环节。

目前IMU与肢体对齐的方法主要分为人工对齐、预动作对齐、额外数据融合以及运动模型对齐等类型。其中基于运动模型的动态对齐方法无需专业人员以及额外设备，并且能够消除运动过程中的误差。

IMU与肢体坐标对齐示意图

研究内容

研究团队基于运动约束模型，引入了带交叉因子的DPSO算法完成动态对齐过程，利用动态对齐参数，完成了基于四元数的三自由度人体关节角度解算。

进一步的，通过人为添加误差，研究了人体在行走（3km/h）、慢跑（6km/h）以及正常跑步（9km/h）过程中，IMU与肢体错位误差对关节角解算带来的影响，以及各种影响背后的人体运动学差异。

算法验证

为了验证关节解算算法的效果，研究团队使用NOKOV度量亚毫米级光学动作捕捉系统，获取真实的肢体姿态信息。部署光学动作捕捉镜头，在被试者双腿的大腿和小腿上设置三个非共面的marker来定义附着的刚体，通过NOKOV度量动作捕捉软件输出每个肢体节段的旋转姿态数据，进一步计算出基于光学动作捕捉设备的三自由度关节角，作为真实值，与基于IMU的关节角进行对比。

使用NOKOV度量动作捕捉系统获取真实的肢体姿态信息

结果表明，在三种运动场景下，关节角的均方根误差（RMSE）在1.2-5.2°之间，关节角解算算法效果良好，不同运动中的IMU与肢体间的错位误差也印证了相关的人体运动学差异。

IMU关节角数据与光学动作捕捉数据对比

参考文献：

Jiang C, Yang Y, Mao H, Yang D, Wang W. Effects of Dynamic IMU-to-Segment Misalignment Error on 3-DOF Knee Angle Estimation in Walking and Running. Sensors. 2022; 22(22):9009.

仿生水下机器人推进机制研究：两种多连杆仿生方案的设计与验证 |东北大学储逸尘

东北大学储逸尘在 Biomimetics 及 JMSE 发表两项仿生水下机器人研究，以牛蛙后肢及牛鼻鲼胸鳍为灵感基于多连杆机构设计两种仿生水下推进机制，并通过水下动捕实验验证其运动学与推进性能。研究团队采用 NOKOV 度量动作捕捉系统用于获取真实生物及仿生机构在水下环境中的运动学数据，为仿生模型分析与实验验证提供数据支持。

具有矢量推进的全驱动六自由度跨介质机器人

北京航空航天大学文力老师团队在 IROS 2025 提出并验证了一种具有推力矢量的六自由度全驱动跨介质机器人。该机器人实现了空中与水下完整 6-DOF 独立控制，并可自主稳定跨越水空界面。在实物实验中，研究团队采用 NOKOV度量动作捕捉系统获取机器人位姿与运动轨迹数据，为全驱动运动验证与跨介质实验与空中传感器部署实验提供位置信息精确测量支持。

游戏开发中的马匹动作捕捉

客户使用NOKOV光学动作捕捉系统，实时采集马匹运动过程中标记点的位置信息，再通过动作捕捉系统处理数据，最终将运动数据传送至Unity或Motion Builder等三维软件中，用于游戏开发。

水下复杂环境鱼情探测

湛江湾实验室利用主动式发光标记点和度量水下动捕系统，验证水下机器人性能。