Ước lượng thông số bước đi dùng cảm biến quán tính đặt trên bàn chân

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THẾ KHÁNH ƯỚC LƯỢNG THÔNG SỐ BƯỚC ĐI DÙNG CẢM BIẾN QUÁN TÍNH ĐẶT TRÊN BÀN CHÂN Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 8520216 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HĨA Đà Nẵng - Năm 2020 Cơng trình hồn thành TRƯỜNG ĐẠI HỌC BÁCH KHOA Người hướng dẫn khoa học: PGS.TS ĐOÀN QUANG VINH Phản biện 1: TS Nguyễn Hoàng Mai Phản biện 2: TS Nguyễn Khánh Quang Luận văn bảo vệ Hội đồng chấm luận văn tốt nghiệp thạc sĩ chuyên ngành Kỹ thuật điều khiển tự động hóa họp Trường Đại học Bách khoa vào ngày 18 tháng 01 năm 2020 Có thể tìm hiểu luận văn tại: - Trung tâm thông tin - Học liệu, Trường ĐHBK - Đại học Đà Nẵng - Thư viện Khoa Điện - Trường ĐHBK - Đại học Đà Nẵng MỞ ĐẦU Tính cấp thiết đề tài Ở nước ta nay, tình hình kinh tế đời sống xã hội ngày cải thiện phát triển Do nhu cầu chăm sóc sức khỏe ngày cao cấp thiết Điều đặt yêu cầu phải cải thiện chất lượng y tế có việc phát triển sản phẩm phục vụ chăm sóc sức khỏe Việc nghiên cứu đánh giá tình trạng sức khỏe người bệnh thông qua phương pháp chẩn đoán như: sử dụng xét nghiệm, chụp X - quang, Cộng hưởng từ, phân tích tín hiệu điện điện tim, điện não…ngày phổ biến định rộng rãi Trong đó, chẩn đốn loại bệnh thông qua bước dáng yếu tố đánh giá tình trạng sức khỏe người, thay đổi thông số bước tiết lộ thông tin quan trọng chất lượng sống người Điều đặc biệt hữu ích tìm kiếm thơng tin đáng tin cậy phát triển bệnh khác nhau: bệnh thần kinh bệnh đa xơ cứng bệnh Parkinson; bệnh toàn thân bệnh tim mạch (trong dáng có ảnh hưởng rõ ràng) Phần lớn bệnh nhân có thay đổi cách di chứng từ đột quỵ bệnh gây lão hóa Vì vậy, với kiến thức đáng tin cậy xác đặc điểm thông số bước thời điểm định theo dõi đánh giá chúng theo thời gian, cho phép chẩn đoán sớm loại bệnh biến chứng chúng, từ giúp tìm cách khuyến cáo hướng điều trị tốt Trên giới có nhiều kiểm tra để đánh giá thơng số bước (ví dụ: 4-meters walk test [1], 50-foot walk test [2], 30-seconds chair stand test [2] the timed up and go [3]) Trong đó, thơng số bước bao gồm độ dài bước, tốc độ bước, thời gian bước thời gian hoàn thành kiểm tra… sử dụng để đưa khuyến cáo cho bệnh nhân khả bị té ngã người bị rối loạn tiền đình, khả bị té ngã người già [3] Trên sở kiểm tra đó, hiệu chỉnh lại cho phù hợp với điều kiện thể trạng người Việt Nam Hơn nữa, xây dựng lại kiểm tra người sử dụng gậy walker để hỗ trợ lại Để tính tốn đáp ứng u cầu việc thực kiểm tra để đánh giá thông số bước hạn chế nhầm lẫn chủ quan gây từ trình quan sát mắt Bác sỹ Chúng ta cần hướng đến việc chế tạo thiết bị để xác định ước lượng thông số bước cho người dùng để tạo kênh thơng tin khách quan, xác hỗ trợ Bác sĩ trình đánh giá tình trạng sức khỏe người dùng Xuất phát từ thực tiễn đó, để thực việc ước lượng tính tốn cách xác thơng số bước như: độ dài bước, tốc độ bước, thời gian bước cần phải sử dụng thiết bị để thu thập thơng tin tính tốn liệu đáng tin cậy hiệu Ở đề tài này, tơi nghiên cứu sử dụng cảm biến qn tính IMU (Inertial Measurement Units) để thực trình thu thập thông tin bước Từ thông tin gia tốc vận tốc góc ước lượng quỹ đạo chuyển động bàn chân cách sử dụng thuật tốn định vị qn tính kết hợp với lọc Kalman để ước lượng tín hiệu vào từ cảm biến đưa thông tin cần thiết làm giảm nhiễu hiệu Việc ước lượng quỹ đạo chuyển động cảm biến quán tính thực thuật tốn định vị qn tính INA (Inertial Navigation Algorithm) cách tích phân tín hiệu cung cấp từ cảm biến Với việc tích phân lớp gia tốc tịnh tiến cho ta quãng đường di chuyển tích phân vận tốc góc quay cho ta hướng di chuyển Từ thông tin quãng đường hướng di chuyển, ta ước lượng quỹ đạo di chuyển hệ thống Tuy nhiên, nguyên lý INA trình tích phân tín hiệu cung cấp từ cảm biến, sai số bị tích lũy theo thời gian nhanh, để khắc phục điều q trình tính tốn ước lượng cần phải kết hợp với lọc để tăng độ xác làm giảm nhiễu tác động vào hệ thống, phổ biến thường sử dụng lọc Kalman Với lý trên, định thực đề tài: “Ước lượng thông số bước dùng cảm biến quán tính đặt bàn chân” để nghiên cứu sâu IMU, INA, lọc Kalman xây dựng phương trình cập nhật cho IMU đặt bàn chân ứng dụng chúng vào đánh giá thông số bước người dùng Tổng quan hệ thống zb b w b w T ,C xb yb zw yw xw Hình Ước lượng chuyển động bàn chân sử dụng IMU Để giám sát chuyển động đối tượng bất kỳ, cần đặt cố định IMU lên đối tượng Lúc này, quỹ đạo chuyển động đối tượng xem trùng với quỹ đạo chuyển động IMU Trong ước lượng thông số bước người dùng, thông thường IMU thường đặt mu bàn chân chuyển động bàn chân có tính chất tuần hồn ln có khoảng thời gian bàn chân chạm đất Khoảng thời gian chạm đất thời điểm mà vận tốc độ cao bàn chân đạt đến vị trí 0, người ta thường gọi thời điểm ZVI (Zero Velocity Interval) Dựa vào đặc điểm thời điểm ZVI này, xây dựng phương trình để cập nhật quỹ đạo chuyển động ước lượng nhằm nâng cao độ xác việc ước lượng thơng số bước Hình thể ứng dụng định vị quán tính để phân tích chuyển động bàn chân Trong đó, quỹ đạo chuyển động bàn chân vị trí hướng hệ trục tọa độ gắn với bàn chân (BCS Body Coordinate System) hệ tọa độ định vị (WCS - Wolrd Coordinate System) Vị trí hướng vector tịnh tiến 𝑇𝑤𝑏 ma trận quay 𝐶𝑤𝑏 chuyển từ hệ trục WCS sang BCS BCS thường chọn trùng với hệ trục toạn độ vật lý IMU Gốc WCS thường chọn trùng với BCS thời điểm đầu chuyển động, trục 𝑧𝑤 hướng thẳng đứng lên trên, 𝑥𝑤 nằm ngang trùng với phương trục 𝑥𝑏 thời điểm ban đầu Trong INA, đặt v ∈ R3 r ∈ R3 vận tốc vị trí IMU WCS Đặt C(q) ∈ R3×3 ma trận quay từ WCS sang BCS tương ứng với quaternion [4] q ∈ R4 Lúc 𝑟 ≡ 𝑇𝑤𝑏 𝐶(𝑞) ≡ 𝐶𝑤𝑏 Việc thực phép quay khơng gian xác định theo nhiều cách khác như: ma trận quay DCM, quaternion, phương pháp Euler Trong nghiên cứu này, xây dựng hướng BCS theo phương pháp quaternion Mục tiêu nhiệm vụ luận văn Nghiên cứu thiết bị ước lượng thông số bước đi, ứng dụng INA lọc Kalman mở rộng vào việc ước lượng thông số bước cho IMU đặt bàn chân, nhằm tạo ứng dụng tự động ước lượng thông số bước cho người dùng phục vụ cho việc đánh giá tình trạng sức khỏe người dùng từ cung cấp thơng tin đáng tin cậy khách quan thông số bước người dùng làm giảm sai số nhầm lẫn phương pháp đo chủ quan Mục tiêu cụ thể: - Xây dựng INA để ước lượng chuyển động IMU - Xây dựng lọc Kalman ứng dụng định vị quán tính để nâng cao độ xác ước lượng - Xây dựng phương trình cập nhật cho IMU đặt bàn chân Đối tượng nghiên cứu phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu  Cảm biến quán tính IMU  Thuật tốn định vị qn tính  Bộ lọc Kalman  Chuyển động bàn chân trình bước 4.2 Phạm vi nghiên cứu Xây dựng INA sử dụng lọc Kalman cho IMU đặt bàn chân nhằm ước lượng thông số bước đơn giản như: số bước, tốc độ bước, thời gian bước, quỹ đạo chuyển động bàn chân với độ xác phù hợp với mục đích sử dụng Phương pháp nghiên cứu  Tìm hiểu lọc Kalman  Tham khảo hệ thống, thiết bị, báo liên quan đến IMU  Xây dựng INA sử dụng lọc Kalman để ước lượng chuyển động cho hệ thống Tìm hiểu đặc trưng riêng chuyển động cho đối tượng để tìm phương pháp cập nhật, tăng độ xác cho ước lượng chuyển động Cụ thể hóa điều vào thuật tốn cập nhật giá trị đo cho lọc Kalman Từ ước lượng thông số bước người dùng Ý nghĩa khoa học thực tiễn đề tài Đề tài mang lại hướng việc nghiên cứu chế tạo thiết bị ước lượng thông số bước đi, ứng dụng INA lọc Kalman mở rộng vào việc ước lượng thông số bước cho IMU đặt bàn chân nhằm tạo ứng dụng tự động ước lượng thông số bước cho người dùng phục vụ cho việc đánh giá tình trạng sức khỏe người dùng nhằm cung cấp thông tin đáng tin cậy khách quan thông số bước người dùng làm giảm sai số nhầm lẫn phương pháp đo chủ quan Bố cục luận văn Ngoài phần mở đầu, phần kết luận kiến nghị, luận văn gồm chương: Chương 1: Nghiên cứu tổng quan cảm biến qn tính tình hình nghiên cứu Chương 2: Thuật tốn định vị qn tính Chương 3: Bộ lọc Kalman cho định vị quán tính phương trình cập nhật Chương 4: Thí nghiệm kết CHƯƠNG - NGHIÊN CỨU TỔNG QUAN VỀ CẢM BIẾN QN TÍNH VÀ TÌNH HÌNH NGHIÊN CỨU 1.1 Giới thiệu Luận văn tập trung nghiên cứu thiết bị để ước lượng thông số bước sử dụng cảm biến quán tính, chương tập trung nghiên cứu tổng quan cảm biến quán tính Trước đây, cảm biến quán tính thường ứng dụng hàng không vũ trụ quân có kích thước lớn giá thành đắt Cùng với phát triển công nghệ vi - - điện tử (MEMS) cảm biến qn tính ngày tính hợp, có kích thước nhỏ gọn, giá thành rẻ ngày ứng dụng rộng rãi dân dụng 1.2 Tổng quan MEMS 1.3 Công nghệ chế tạo sản phẩm MEMS 1.4 Giới thiệu cảm biến quán tính (IMU) 1.4.1 Giới thiệu cảm biến gia tốc Cảm biến gia tốc kiểu áp điện Cảm biến gia tốc kiểu tụ Cảm biến gia tốc kiểu áp trở 1.4.2 Giới thiệu cảm biến vận tốc góc 1.4.3 Giới thiệu cảm biến từ trường 1.5 Khả ứng dụng IMU Hình 1 Năm chế độ cảm biến chuyển động 1.6 Cảm biến quán tính Mti-1 hãng Xsens Hình Các dịng IMU hãng Xsens 1.7 Tổng quan tình hình nghiên cứu Thuật tốn định vị qn tính ứng dụng rộng rãi ước lượng giám sát chuyển động phân tích dáng định vị cho người 1.7.1 Phân tích dáng (gait analysis) 1.7.2 Định vị cho người (pedestrian navigation) 1.8 Kết luận Trong chương giới thiệu công nghệ MEMS ứng dụng công nghệ ngành công nghiệp Sau đó, chương giới thiệu cấu tạo, nguyên lý cảm biến quán tính chế tạo từ công nghệ MEMS, khả ứng dụng cảm biến quán tính cảm biến quán tính Hãng Xsens loại Mti-1 sử dụng luận văn Cuối chương trình bày tổng quan tình hình nghiên cứu giới hướng nghiên cứu sử dụng cảm biến quán tính Trong chương trình bày thuật tốn định vị qn tính sử dụng lọc Kalman để ước lượng thông số chuyển động từ tín hiệu cảm biến quán tính CHƯƠNG - THUẬT TỐN ĐỊNH VỊ QUÁN TÍNH 2.1 Giới thiệu Chương luận văn trình bày cảm biến qn tính gồm cảm biến gia tốc cảm biến vận tốc góc Trong chương này, luận văn trình bày thuật tốn định vị quán tính (INA) để ước lượng chuyển động sử dụng tín hiệu từ cảm biến quán tính Thuật tốn định vị qn tính hoạt động dựa ngun tắc tích phân nên sai số bị tích lũy theo thời gian nên thường sử dụng kèm lọc, phổ biến lọc Kalman Do vậy, nội dung chương luận văn tập trung giới thiệu thuật tốn định vị qn tính 2.2 Các hệ thống định vị dẫn đường 2.2.1 Hệ thống dẫn đường toàn cầu GPS 2.2.2 Hệ thống dẫn đường qn tính 2.3 Các phương trình định vị quán tính 𝑞̇ = Ω𝑞 (2-12) −𝜔𝑥 −𝜔𝑦 −𝜔𝑧 𝜔𝑧 −𝜔𝑦 𝜔 Với : Ω = [𝜔𝑥 −𝜔 ] 𝜔𝑥 𝑧 𝑦 𝜔𝑧 𝜔𝑦 −𝜔𝑥 ω ω y ωz ] vận tốc góc BCS WCS ω = [ x Kết hợp phương trình vi phân quaternion (2-12) với vi phân vận tốc vị trí ta có quaternion q, vận tốc v vị trí r BCS liên quan với qua công thức [19]: 𝑞̇ = Ω𝑞, 𝑣̇ = 𝐶 𝑇 (𝑞)[𝑎]𝑏 , (2-13) 𝑟̇ = 𝑣, [a]b ∈ R3 gia tốc tịnh tiến BCS Giá trị đầu cảm biến vận tốc góc (yg ∈ R3 ) cảm biến gia tốc (ya ∈ R3 ) cho công thức: yg = ω + vg + bg , (2-14) ya = [a]b + C(q)[g̃]w + va + ba , 10 𝑣𝑘+1 = 𝑣𝑘 + 𝑣̇ 𝑇 = 𝑣𝑘 + 𝐶 𝑇 (𝑞𝑘 )[𝑎]𝑏 = 𝑣𝑘 + 𝐶 𝑇 (𝑞𝑘 )(𝑦𝑎𝑘 − 𝐶(𝑞𝑘 )[𝑔̃]𝑤 )𝑇 = 𝑣𝑘 + 𝐶 𝑇 (𝑞𝑘 )𝑦𝑎𝑘 𝑇 − [𝑔̃]𝑤 𝑇 (2-21) 𝑇 𝑇 ≈ 𝑣𝑘 + (𝐶 (𝑞𝑘+1 )𝑦𝑎𝑘+1 + 𝐶 (𝑞𝑘 )𝑦𝑎𝑘 )𝑇 − [𝑔̃]𝑤 𝑇 Triển khai Taylor bậc để tính vị trí 𝑟𝑘+1 sử dụng phương trình (2-12) ta có : 𝑟𝑘+1 = 𝑟𝑘 + 𝑟̇ 𝑇 = 𝑟𝑘 + (𝑣𝑘+1 + 𝑣𝑘 )𝑇 (2-22) 2.5 Kết luận Trong chương này, luận văn trình bày thuật tốn định vị qn tính để ước lượng chuyển động sử dụng tín hiệu từ cảm biến qn tính Thuật tốn định vị qn tính (INA) hoạt động dựa nguyên tắc tích phân nên sai số bị tích lũy theo thời gian nên thường sử dụng kèm lọc, phổ biến lọc Kalman Do vậy, nội dung chương luận văn tập trung giới thiệu thuật tốn định vị qn tính Chương sau trình bày lọc Kalman dùng định vị quán tính phương trình cập nhật 11 CHƯƠNG - BỘ LỌC KALMAN CHO ĐỊNH VỊ QUÁN TÍNH VÀ CÁC PHƯƠNG TRÌNH CẬP NHẬT 3.1 Giới thiệu Chương luận văn trình bày định vị qn tính thuật tốn định vị qn tính (INA) Trong chương này, luận văn trình bày việc sử dụng lọc Kalman (KF) để ước lượng thông số bước sử dụng giá trị cảm biến qn tính Trong đó, thuật tốn định vị qn tính xây dựng cách khai triển Taylo giá trị cần ước lượng Các biến trạng thái đưa vào lọc Kalman sai số giá trị cần ước lượng quaternion, vận tốc hướng đối tượng Mơ hình lọc xây dựng từ phương trình vi phân biến trạng thái đưa vào lọc Để nâng cao độ xác cho việc ước lượng quỹ đạo chuyển động bàn chân trình bước ta cần xây dựng phương trình cập nhật cho lọc Kalman Trong đó, tập trung vào phương trình cập nhật trường hợp cảm biến qn tính đặt bàn chân 3.2 Bộ lọc Kalman Bộ lọc Kalman đề xuất từ năm 1960 giáo sư Kalman để thu thập kết hợp linh động thông tin từ cảm biến thành phần Kalman Filter (KF) thuật toán sử dụng chuỗi giá trị đo lường, bị ảnh hưởng nhiễu sai số, để ước đốn biến số nhằm tăng độ xác so với việc sử dụng giá trị đo lường KF thực phương pháp truy hồi chuỗi giá trị đầu vào bị nhiễu, nhằm tối ưu hóa giá trị ước đốn trạng thái hệ thống Nên KF có khả lọc nhiễu bám tín hiệu tốt so với phương pháp Fourier Một phương trình định hướng mẫu thống kê nhiễu cảm biến biết xác định, lọc Kalman cho ước lượng giá trị tối ưu (chính xác loại sai số, nhiễu) sử dụng tín hiệu “tinh khiết” có độ phân bổ khơng đổi 12 Cập nhật theo thời gian (dự đốn theo mơ hình) Cập nhật giá trị đo (hiệu chỉnh) Tính hệ số Kalman 𝐾𝑘 = 𝑃𝑘− 𝐻 𝑇 (𝐻𝑃𝑘− 𝐻 𝑇 + 𝑅)−1 Dự đoán trạng thái 𝑥ො𝑘− = 𝐴𝑥ො𝑘−1 + 𝐵𝑢𝑘−1 Cập nhật giá trị ước lượng sử dụng giá trị đo 𝑧𝑘 𝑥ො𝑘 = 𝑥ො𝑘− + 𝐾𝑘 (𝑧𝑘 − 𝐻𝑥ො𝑘− ) Dự đoán hiệp phương sai 𝑃𝑘− = 𝐴𝑃𝑘−1 𝐴𝑇 + 𝑄 Cập nhật hiệp phương sai 𝑃𝑘 = (𝐼 − 𝐾𝑘 𝐻)𝑃𝑘− Khởi tạo giá trị 𝑥ො0− , 𝑃0 Hình Hoạt động lọc Kalman Bắt đầu Tìm điểm ZVI (dùng phương trình 4-2) Khởi tạo vị trí, hướng, hệ số R,Q ban đầu Dự đoán trạng thái (sử dụng 3-2) Dự đoán hiệp phương sai Tính hệ số Kalman Cập nhật giá trị (sử dụng 3-4) Cập nhật hiệp phương sai Tính vị trí, hướng, vận tốc Là ZVI? Cập nhật vị trí, hướng, vận tốc Đúng Sai Kết thúc Hình Lưu đồ thuật toán hoạt động lọc Kalman định vị quán tính 13 Hoạt động lọc Kalman cho thuật tốn định vị qn tính thể Hình 3.2 Ban đầu cần xác định điểm có vận tốc khơng (ZVI) phương trình 3-23 Các điểm ZVI điểm bàn chân chạm đất, lúc vận tốc vị trí bàn chân xem gần khơng Thông tin sử dụng để xây dựng phương trình cập nhật cho Bộ lọc Kalman Sau tìm điểm ZVI, cần khởi tạo giá trị ban đầu cho lọc Hình 3.1 Tại điểm lấy mẫu, ta sử dụng phương trình 3-2 để dự đoán trạng thái cho biến trạng thái dự đốn hiệp phương sai Hình 3.1 Sau có biến trạng thái ta tính vị trí, hướng vận tốc bàn chân Nếu điểm lấy mẫu thuộc khoản thời gian chạm đất ZVI ta tiến hành giai đoạn cập nhật cho lọc Kalman, Việc cập nhật bao gồm tính hệ số Kalman (xem Hình 3.1), cập nhật giá trị biến trạng thái (sử dụng công thức 3-4) cập nhật hiệp phương sai (xem Hình 3.1) Từ biến trạng thái cập nhật ta tiến hành cập nhật vị trí, hướng vận tốc bàn chân 3.3 Xây dựng mơ hình lọc Kalman cho định vị quán tính Các biến trạng thái sử dụng cho lọc Kalman: 𝑞̅ 𝑏𝑔 𝑥 = 𝑟̅ ∈ 𝑅15 (3-1) 𝑣̅ [𝑏𝑎 ] Phương trình trạng thái cho lọc Kalman có dạng: 𝑥̇ (𝑡) = 𝐴(𝑡)𝑥(𝑡) + 𝑤(𝑡) (3-2) Vậy ma trận mơ hình lọc Kalman cho định vị quán tính (3-2) sau: − 𝐼 0 [−𝑦𝑔 ×] 0 0 𝐴(𝑡) = 0 𝐼 0 0 0 −2𝐶 𝑇 (𝑞ො)[𝑦𝑎 ×] [ 0 0] 14 − 𝑣𝑔 𝑤𝑏𝑔 𝑤(𝑡) = −𝐶 𝑇 (𝑞ො)𝑣𝑎 [ 𝑤𝑏𝑎 ] [a ×] ∈ R3×3 ma trận đối xứng lệch tương ứng với vector a ∈ R Nhiễu wbg wba đại diện cho thay đổi nhỏ thành phần nhiễu chậm tương ứng 3.4 Phương trình cập nhật cho lọc Kalman Do INA sử dụng nguyên lý tích phân nên sai số bị tích lũy theo thời gian, sai số tăng lên nhanh khơng có biện pháp để cập nhật Phương trình cập nhật tổng quát cho lọc Kalman có dạng: 𝑧(𝑡) = 𝐻(𝑡)𝑥(𝑡) + 𝑣(𝑡) (3-22) 3.5 Phương trình cập nhật cho IMU đặt bàn chân Trong q trình bước đi, ln có khoảng thời gian bàn chân chạm đất sau bước Lúc này, vận tốc bàn chân gần Nếu xác định người dùng di chuyển mặt đất phẳng cịn xác định độ cao bàn chân gần Thời điểm bàn chân gọi gọi ZVI (Zero Velocity Interval) Trong trường hợp này, chúng tơi sử dụng thuật tốn phát ZVI đơn giản Nếu điều kiện thỏa mãn thời điểm gián đoạn m phải thuộc ZVI: 3×1 Ng Ng  yg ,i  Bg , m i  m   2  N N  y y m a i  m a a ,i a ,i 1  Ba ,  2 (3-23)  Trong N g ngưỡng đặt trước N a số nguyên Bg , Ba giá trị 15 Phương trình cập nhật cho IMU đặt bàn chân điểm ZVI: 𝑧𝑣 𝑣𝑣 𝐇 [𝑧 ] = [ 𝐯 ] 𝑥 + [𝑣 ] (3-27) 𝐇 𝑟 𝑟 𝐫 Trong đó: 𝑧𝑟 = 03×1 − 𝑣ො 𝑧𝑟 = − 𝑟̂ (3) 𝐻𝑣 = [03×9 𝐼 03×3 ] 𝐻𝑟 = [01×8 𝐼1 01×6 ] 3.6 Kết luận Trong chương này, luận văn trình bày lọc Kalman sử dụng lọc Kalman để ước lượng chuyển động sử dụng giá trị cảm biến qn tính Trong đó, thuật tốn định vị qn tính xây dựng từ cách khai triển Taylo giá trị cần ước lượng Các biến trạng thái đưa vào lọc Kalman sai số giá trị cần ước lượng quaternion, vận tốc hướng đối tượng Mơ hình lọc xây dựng từ phương trình vi phân biến trạng thái đưa vào lọc Việc xây dựng phương trình cập nhật cho lọc phụ thuộc vào đối tượng tính chất chuyển động Trong tập trung vào phương trình cập nhật trường hợp cảm biến quán tính đặt bàn chân Các phương trình cập nhật giúp nâng cao độ xác cho việc ước lượng quỹ đạo chuyển động bàn chân trình bước Trong trình bước ln có khoảng thời gian bàn chân chạm đất, lúc cảm biến quán tính đặc bàn chân xem đứng yên Để tìm khoảng đứng yên luận văn sử dụng thuật toán phát điểm ZVI 16 CHƯƠNG - THÍ NGHIỆM VÀ KẾT QUẢ 4.1 Giới thiệu Trong chương này, luận văn trình bày thí nghiệm để lấy số liệu thực việc đánh giá độ xác thuật tốn Thí nghiệm thực Khoa Điện - Đại học Ulsan, Hàn Quốc Tác giả khơng thực thí nghiệm mà xin số liệu để thử nghiệm thuật toán Tuy nhiên, để thuận tiện cho việc đánh giá, luận văn trình bày ln phần cứng thí nghiệm để lấy liệu Trong đó, bao gồm việc thí nghiệm dọc hành lang 30m thí nghiệm bước hệ thống camera Thí nghiệm dọc hành lang 30m nhằm phân tích thơng số bước qng đường dài đánh giá độ xác thơng qua quảng đường di chuyển Thí nghiệm bước hệ thống camera nhằm phân tích hiệu việc ứng dụng lọc Kalman đóng góp phương trình cập nhật lọc Kalman vào việc nâng cao độ xác cho thuật tốn định vị quán tính 4.2 Thiết bị thí nghiệm 4.3 Thí nghiệm thẳng dọc hành lang Thí nghiệm thực với người dùng 30m dọc hành lang, người thực lần Tín hiệu gia tốc đo theo trục thể Hình 4.2 tín hiệu vận tốc góc đo được thể Hình 4.3 Hình Tín hiệu gia tốc theo trục thu với quãng đường 30m 17 Hình Tín hiệu vận tốc góc theo trục thu với quãng đường 30m Để thấy rõ tín hiệu cảm biến hiển thị liệu khoảng từ giây thứ hai giây thứ ba Hình 4.4 Hình 4.5 Hình Tín hiệu gia tốc truy xuất từ giây thứ hai đến giây thứ ba Hình 4 Tín hiệu vận tốc góc truy xuất từ giây thứ hai đến giây thứ ba Để sử dụng phương trình cập nhật lọc Kalman điểm bàn chân chạm đất sử dụng thuật toán phát điểm ZVI cơng thức (3-2) Trong đó, bao gồm phát ZVI sử dụng tín hiệu gia tốc (Hình 4.6) phát ZVI sử dụng tín hiệu vận tốc góc (Hình 4.7) 18 Hình Phát ZVI sử dụng tín hiệu gia tốc Hình Phát ZVI sử dụng tín hiệu vận tốc góc Để thấy rõ tín hiệu cảm biến việc phát ZVI hiển thị dự liệu khoảng từ giây thứ hai giây thứ ba Hình 4.8 Hình 4.9 Hình Phát ZVI sử dụng gia tốc truy xuất từ giây thứ hai đến giây thứ ba Hình Phát ZVI sử dụng vận tốc góc truy xuất từ giây thứ hai đến giây thứ ba 19 Kết hợp khoảng ZVI phát tín hiệu cảm biến gia tốc cảm biến vận tốc góc ta có khoảng ZVI hồn chỉnh Hình 4.10 Hình 4.11 Hình Phát ZVI sử dụng cảm biến qn tính Hình 10 Phát ZVI sử dụng cảm biến quán tính truy xuất từ giây thứ hai đến giây thứ ba Kết thí nghiệm thể Bảng 4.1 Trong đó, tốc độ bước tỉ số tổng quãng đường (30m) thời gian bước (thời gian thực thí nghiệm) Độ dài sãi chân trung bình sãi chân (quãng đường lần chạm đất liên tiếp) Tốc độ bước tỉ số độ dài sãi chân thời gian bước Sai lệch khoảng cách sai lệch quãng đường ước lượng so với quãng đường thực tế (30m) Chúng ta thấy sai lệch khoảng cách trung bình 0,42m tổng số 30m di chuyển Nếu tính theo tỉ lệ phần trăm sai lệch nhỏ (1.4%) ứng dụng ước lượng thông số bước người dùng Bảng Ước lượng thông số bước sai lệch quãng đường 30m 20 Độ dài sãi Tốc độ chân bước (m) (bước/s) 1.25 0.92 1.25 0.92 1.25 1.02 1.30 0.98 1.30 1.01 1.50 0.96 1.50 1.01 1.50 1.01 1.50 1.01 10 1.50 1.02 11 1.50 1.03 12 1.50 1.03 13 1.50 1.12 14 1.50 1.12 15 1.50 1.13 Trung bình 4.4 Thí nghiệm ba bước với hệ thống camera Thứ tự Tốc độ bước (km/h) 4.14 4.15 4.75 4.59 4.72 5.19 5.43 5.44 5.46 5.53 5.54 5.57 6.06 6.07 6.10 Sai lệch khoảng cách (m) 0.45 0.34 0.52 0.54 0.37 0.43 0.35 0.44 0.52 0.36 0.42 0.37 0.39 0.31 0.51 0.42 Camera Hạt phản quang Mô đun IMU Hình 11 Mơ đun thu thập liệu gắn bàn chân Q trình thí nghiệm tiến hành Hình 4.12 Người dùng tiến hành bước thẳng trước giám sát hệ thống 21 camera Optitrack Flex 13 Hệ thống camera ghi lại chuyển động hạt phản quang gắn mơ đun IMU với độ xác 0,2 mm Do vậy, quỹ đạo chuyển động hạt phản quang hệ thống camera ghi lại xem quỹ đạo thực bàn chân người dùng Hình 12 Vị trí bàn chân sử dụng INA khơng cập nhật Hình 13 Vị trí bàn chân sử dụng INA cập nhật vận tốc điểm ZVI Hình 14 Vị trí bàn chân sử dụng INA cập nhật vận tốc độ cao điểm ZVI Về mặt định tính, Hình 4.13, Hình 4.14 Hình 4.15 thể vị trí bàn chân theo trục 𝑥, 𝑦 𝑧 trình bước theo thời gian, trường hợp sử dụng INA mà khơng có cập nhật (Hình 4.13), có cập nhật vận tốc ZVI (Hình 4.14) có cập nhật vận tốc kết hợp với cập nhật độ cao ZVI (Hình 4.15) Trong trục 𝑧 độ cao bàn chân, đường nét liền màu xanh thể vị trí ước 22 lượng đường màu đỏ nét đứt thể vị trí thực bàn chân ghi lại hệ thống camera Như thấy Hình 4.13, khơng có cập nhật sai số ước lượng tăng lên nhanh (tức đường ước lượng bị phân kỳ nhanh so với đường thực) Cụ thể, sau giây ước lượng sai số tăng lên đến gần 20m trục 𝑥, gần 30m trục 𝑦 khoảng 1m trục 𝑧 Đây nhược điểm lớn IMU, nhiệm vụ nghiên cứu xây dựng đề xuất giải pháp để tăng độ xác việc ước lượng Khi sử dụng phương trình cập nhật vận tốc (Hình 4.14) ta thấy kết hồn tồn khác so với Hình 4.13 Lúc này, đường ước lượng bám theo đường thực Tuy nhiên, sai lệch đáng kể theo phương 𝑧 (độ cao bàn chân) Khi áp dụng tiếp phương trình cập nhật độ cao bàn chân ta có kết Hình 4.15 Lúc này, sai lệch theo phương 𝑧 cập nhật sau bước Việc phân tích mặt định tính cho thấy rõ vai trị việc xây dựng phương trình cập nhật cho INA, đặc biệt phương trình cập nhật ZVI Bảng Sai số vị trí theo trục sử dụng cập nhật vận tốc ZVI (m) Thứ tự RMSE x RMSE y RMSE z Tổng 0,0183 0,0121 0,0112 0,0416 0,0252 0,0178 0,0207 0,0637 0,0153 0,0133 0,0104 0,0391 0,0276 0,0201 0,0151 0,0627 Trung bình 0,0216 0,0158 0,0144 0,0518 Bảng Sai số vị trí theo trục sử dụng cập nhật vận tốc cập nhật độ cao ZVI (m) Thứ tự RMSE x RMSE y RMSE z Tổng 0,0187 0,0121 0,0083 0,0391 0,0249 0,0167 0,0086 0,0502 0,0155 0,0130 0,0089 0,0374 0,0223 0,0190 0,0105 0,0519 Trung bình 0,0204 0,0152 0,0091 0,0447 Về mặt định lượng, kết thí nghiệm sử dụng cập nhật vận tốc ZVI liệt kê Bảng 4.2, cập nhật vận tốc độ cao 23 ZVI liệt kê Bảng 4.3 Trong tiêu chí bậc hai trung bình bình phương sai số (RMSE - Root Mean Square Error) sử dụng để đánh giá độ xác Lúc tổng sai số theo phương khoảng 5cm tổng số bước với độ dài 2m Như độ xác việc ước lượng vị trí sử dụng INA nâng cao lên nhiều sử dụng phương trình cập nhật điểm ZVI Nếu xét riêng cho bước sai số ước lượng khoảng 1,7cm Đây sai số hoàn toàn chấp nhận việc ước lượng thông số bước người dùng So sánh hai Bảng 4.2 4.3 ta thấy sử dụng phương trình cập nhật độ cao tác dụng nâng cao độ xác việc ước lượng theo phương đứng Kết tương tự trường hợp thử nghiệm kết trường hợp sử dụng cập nhật độ cao 4.5 Đánh giá sức khỏe thông qua thông số bước 4.6 Kết luận Trong chương này, luận văn trình bày việc thí nghiệm để đánh giá độ xác thuật tốn định vị qn tính sử dụng lọc Kalman Trong đó, bao gồm việc thí nghiệm dọc hành lang 30m thí nghiệm bước hệ thống camera Thí nghiệm dọc hành lang 30m nhằm phân tích thơng số bước qng đường dài đánh giá độ xác thơng qua quãng đường di chuyển Thí nghiệm bước hệ thống camera nhằm phân tích hiệu việc ứng dụng lọc Kalman đóng góp phương trình cập nhật lọc Kalman vào việc nâng cao độ xác cho thuật tốn định vị quán tính Kết thí nghiệm cho thấy thơng số ước lượng đạt độ xác cao phù hợp với mục đích phân tích thơng số bước cho người dùng Ngồi chương cịn trình bày số định hướng ứng dụng thơng số bước vào đánh giá tình trạng sức khỏe đưa số lời khuyên dẫn cho người dùng dựa số tài liệu công bố sử dụng giới 24 KẾT LUẬN Luận văn trình bày hướng việc nghiên cứu chế tạo thiết bị ước lượng thông số bước như: độ dài bước, tốc độ bước, thời gian bước phục vụ chăm sóc sức khỏe người Đồng thời, Luận văn xây dựng thuật tốn định vị qn tính để ước lượng thông số bước kết hợp lọc Kalman để ước lượng tín hiệu vào từ cảm biến, làm giảm nhiễu hiệu nhằm nâng cao độ xác việc ước lượng quỹ đạo chuyển động sử dụng IMU Đây phương pháp để ước lượng quỹ đạo chuyển động khắc phục số nhược điểm hệ thống giám sát chuyển động dùng camera GPS Luận văn xây dựng hệ thống ước lượng thông số bước cho người dùng nhằm cung cấp thông tin đáng tin cậy khách quan thông số bước người dùng làm giảm sai số nhầm lẫn phương pháp đo chủ quan Ngồi luận văn cịn xây dựng số phương trình cập nhật phổ biến cho IMU gồm cập nhật vận tốc độ cao điểm ZVI Những phương trình cập nhật góp phần quan trọng việc nâng cao độ xác giúp loại bỏ đáng kể sai số tích lũy theo thời gian INA Để tìm điểm ZVI này, luận văn trình bày thuật tốn đơn giản để gián tiếp xác định Qua kết thí nghiệm mặt định tính định lượng cho thấy việc sử dụng phương trình cập nhật xuyên suốt trình chuyển động cần thiết góp phần nâng cao độ xác cho INA Riêng trường hợp cảm biến đặt bàn chân sai số việc ước lượng cho sai lệch khoảng cách trung bình 0.42m quãng đường 30m sai lệch trung bình bước khoảng 1,7 cm Đây sai số hoàn toàn chấp nhận ứng dụng ước lượng thơng số bước cho người dùng Ngồi luận văn cịn trình bày số định hướng ứng dụng thơng số bước vào đánh giá tình trạng sức khỏe đưa số lời khuyên dẫn cho người dùng dựa số tài liệu công bố sử dụng giới ... thiết bị ước lượng thông số bước đi, ứng dụng INA lọc Kalman mở rộng vào việc ước lượng thông số bước cho IMU đặt bàn chân, nhằm tạo ứng dụng tự động ước lượng thông số bước cho người dùng phục... Kalman Với lý trên, định thực đề tài: ? ?Ước lượng thông số bước dùng cảm biến quán tính đặt bàn chân? ?? để nghiên cứu sâu IMU, INA, lọc Kalman xây dựng phương trình cập nhật cho IMU đặt bàn chân ứng... tính  Bộ lọc Kalman  Chuyển động bàn chân trình bước 4.2 Phạm vi nghiên cứu Xây dựng INA sử dụng lọc Kalman cho IMU đặt bàn chân nhằm ước lượng thông số bước đơn giản như: số bước, tốc độ bước,