英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
使用标记动作捕捉技术的LeapMotion控制器的验证
摘要
LeapMotion控制器（简称LMC）是一种低成本，无标记的运动捕捉设备，可跟踪手腕，腕部和前臂位置。由于该技术在医疗中的应用已经开始迅速发展，使得LMC数据输出的验证成为重要的研究目标。在这里，我们对LMC的运动学数据输出进行了详细的评估，并针对黄金标准的运动捕捉技术验证了该输出。我们指导受试者执行三个临床相关的手腕（屈曲/伸展，径向/尺骨偏离）和前臂（旋前/仰卧）运动。使用leap公司（MAC）的LMC和基于标记的运动捕捉系统同时跟踪运动。通过调整LMC采样频率中已知的不一致性，我们通过Pearson相关性分析（r）和均方根误差（RMSE）比较了同时获取的LMC和MAC数据。手腕屈曲/伸展和径向/尺骨偏差与MAC系统显示出良好的总体一致性（r=0.95;RMSE=11.6°，r=0.92;RMSE=12.4°）。然而，当跟踪前臂旋前/仰卧时，报告的关节角度（r=0.79;RMSE=38.4°）存在严重不一致。手部姿势显着影响手腕偏差（Plt;0.005）和前臂仰卧位/前旋（Plt;0.001）的质量，但无腕屈曲/伸展（P=0.29）。由此我们得出结论，LMC能够提供对手腕屈曲/伸展以及手腕偏差具有临床意义的数据。但它不能返回用于测量前臂旋前/仰卧的临床有意义的数据。由于软件的更新版本的公布，未来的研究应该会对LMC做进一步的分析和验证。
关键词：复原、动作捕捉、跳跃运动、远程医疗、物理疗法、电机恢复
- 介绍
近年来，一些低成本，无标记的运动感应系统已经迈入商业化，可供玩家和体感爱好者选择使用，LeapMotionController（LMC;LeapMotionInc.，SanFrancisco，CA）便是一个这样的系统。该设备被设计为跟踪手的动作和手势的控制器。LMC小巧便携，而且对于用户的人性化处理十分优秀，并且可以准确地跟踪0.2毫米精度内的静态物体（Weichertetal.，2013）。最近，它已经成功地与数字游戏结合使用作为体感控制器来使用（Khademi等，2014;Putrino，2014）。远程临床护理服务是一种新兴的临床护理服务方法，有着显著降低患有慢性运动障碍障碍的个体患者的损伤并改善其生活质量的可能性（Navarro等，2014;Taylor和Curran，2015）。这些LMC之类的体感设备的出现，使得人们有希望利用这些设备作为有效的远程康复的有用工具，因为这些对于这些设备的开发和使用可以使的互动系统更加有效和治疗手段具有更大的吸引力，并允许治疗师远程监控合规性（Putrino，2014）。然而，仍然不清楚LMC是否能够在典型的家庭或临床环境中准确捕获上肢的运动学数据。在这个问题得到解决之前，LMC不能用于执行家庭或临床上的上肢的功能评估。
LMC的原始传感器功能可靠性已经得到了验证。使用机器人工具可以证实LMC可以以lt;0.5mm的标准偏差捕获静态位置数据（Guna等，2014）。此外，两个移动固定距离点之间的距离已经被证实在1.2mm精度内（Weichertetal.，2013）。然而，这些研究只集中在LMC在高度受控的标准化环境下区分终点运动的能力，而不是准确地确定运动学变量的能力。目前还没有研究评估LMC在现实临床或家庭环境中准确跟踪人类受试者的手腕和前臂运动的能力。如果LMC可以在实际环境中提供精确的关节角度数据，则允许临床医生使用其远程执行上肢功能评估。对于对患有腕部和前臂运动功能障碍的个人的护理的改善所带来的影响是十分巨大的：临床医生不仅可以跟踪家庭锻炼计划的完成度，还可以以前所未有的准确性测量家庭锻炼对关节的影响。对家庭锻炼计划完成度以及对关节功能的改善程度的观察将使临床医生能够严格评估每位患者的家庭锻炼的疗效。
为了产生运动学数据，LMC首先会获取环境图像，并且使用定义的对象来识别视野中的上肢。LMC官方网站提供了如何捕获图像的简单介绍（http://bit.ly/1A2UI7Q）。在拍摄图像后，LMC软件使用专有变体的立体摄影测量法进行联合运动推理（Selvik，1989）。立体摄影测量已经成为采用无标记运动捕获的一种被广泛使用的方法，但很少有设备仅专注于推导上肢运动学数据（Cappozzo等，2005;Li等，2015）。LMC对于获取这些数据的对于基本立体摄影测量算法的优化方法并没有公开。
几十年来，基于标记的运动捕捉系统已被认为是运动捕获技术的黄金标准（Ceseracciu等，2014）。它们被跨学科使用，以获得描述人类运动的最可靠的非侵入性测量（Cook等，2007）。通过来自这些系统的数据，结合使用经验证的运动学算法建立的联合中心估计，人们得以高精度计算关节运动（Metcalf等人，2008;Todorov，2007;Zhang等，2011）。然而，冗长的设置时间和具体的技术知识不仅提高了系统的操作难度，而且还需要对获取的数据进一步处理，使其无法作为恢复工具。
在这里，我们使用黄金标准运动捕捉技术来量化LMC记录手腕和前臂关节角度的准确度，这些条件设计为在受监督的临床环境中可重现。
2.方法
受试者从一般人群中招募。入选标准规定受试者必须精神正常，且无上肢重大损伤史。受试者会签署知情书面同意书。伯克康复医院人权研究委员会全面批准了所有实验实践。
2.1受试者信息
我们招募了16名受试者进入研究，这允许我们共检查32只手：16只右手，16只左手。手的平均尺寸为18.3厘米times;9.0厘米（表1）。其中有6名女性参与者，10名男性参与者，年龄在23〜55岁（平均31岁，标准差10.1）。所有受试者在都顺利的完成了被分配的要求，没有受试者出现意外。
表2.1平均（plusmn;标准偏差），最大和最小手尺度量度（cm）。
|
右手长度 |
右手宽度 |
右手环绕长度 |
右手手掌长度 |
左手长度 |
左手宽度 |
左手环绕长度 |
左手手掌长度 |
|
|
平均值 |
18.3(plusmn;1.3) |
9.1 (plusmn;0.9) |
20.7 (plusmn;1.5) |
10.0 (plusmn;0.8) |
18.2(plusmn;1.5) |
9.0 (plusmn;0.9) |
20.4(plusmn;1.6) |
9.9 (plusmn;1.0) |
|
最大值 |
21.3 |
10.8 |
24.1 |
11.9 |
22 |
11.1 |
23.5 |
11.8 |
|
最小值 |
16.2 |
8 |
8.2 |
8.4 |
15.6 |
7.7 |
17.8 |
8.2 |
2.2标记运动捕捉系统
来自MotionAnalysisCorporation公司（MAC;MotionAnalysisCorp.，SantaRosa，CA）的八个运动捕捉摄像机按照计划放置在我们的实验室中，以创建约2.2mtimes;2.3mtimes;2.3m的捕获体积。我们使用“Kestrel”摄像机线进行数据采集，其采集速度为300赫兹（Hz），具有2048times;1088（220万）像素分辨率。MAC系统允许收集高精度的运动捕捉数据，随后可以将其转换为关节角度（Zhangetal.，2011）。使用MAC用户手册概述的标准校准做法，我们在数据采集之前完成了系统校准。如果平均3D残差估计为0.8mm以下，则接受校准，仅在实现适当的校准后才尝试进行数据采集。每个对象在上身穿着一组21个用于反射的球形（5mm直径）的标记。标记放置是根据与MotionAnalysisCorporation的私人协商以及以前发布的建议（Rabetal.，2002;Schmidtetal.，1999）确定的。进行最终布局决定是为了便于联合中心计算的简便性和准确性。标记被用于确定每个结构的坐标（图1）。
图1用于标记放置的位置。1，2）肩峰;3）胸骨中心;4）肘外侧，5）内侧肱骨上髁;6）尺骨和7）径向茎突过程;8）手腕的背侧以茎突为中心;9）第三掌骨的中心（手背）;10）第一掌掌中间;11）拇指的远端趾骨;12）第三（中）手指的远端趾骨。
2.3LeapMotion控制器
LMC是一种低成本，无图案的红外和立体视觉运动捕捉装置，专门用于前臂，手腕和手的无标记运动捕获。它包含两个摄像头和三个红外灯。它是一个小的矩形装置（13毫米times;13毫米times;76毫米），重45克。当它放置在用户手部下方时，它执行双手的实时反馈运动捕获（图2）。LMC以高达120Hz的可变采集速率流式传输数据。它支持双平台（Macintosh/Windows），通过USB3.0连接连接到计算机，并具有全功能的软件开发工具包（SDK）。使用SDK（v2.3.0），我们编写了一个数据采集软件，允许我们从设备中流式传输和保存数据。
图2（LeapMotionInc.）典型用途：用户使用LeapMotion控制电脑中的虚拟手。
2.4数据采集
我们从LMC和MAC系统中获得了同一时刻的记录，而对象则通过手腕进行了一系列围绕轴的一维旋转：径向/尺度偏差（围绕全局x轴的旋转，图4a），屈曲/伸展（关于全局z轴的旋转，图4b）以及旋转/仰角（围绕全局y轴的旋转，图4c）。每个受试者被指示坐在椅子上，手臂放在他们的身边，之后肘弯曲到90°。在每个受试者的肘部的高度放置一个木榫，以确保他们的前臂固定在整个范围中。LMC放置在高度可调平台的顶部，位于主体手下方约1.5手的高度（图3）。我们为每一个实验对象都定制了指标，使得较大手的对象不会太靠近传感器，而在采集数据的任何时候，具有较小手对象都不会离传感器太远。手长度，宽度，圆周和手掌长度都是根据美国陆军准则（White，1980）来测量的。为了近似由于固定的病理性手势引起的跟踪问题，每个受试者用三只不同的位置重复三个动作：开手（图4d），松紧拳（图4e）和紧拳（图4f）。受试者完成每个运动时会进行五次记录。为了确保运动速度在主体之间是一致的，他们被指示以每分钟60次的节拍器速度行动。
图3实验对象：准备从右手获取数据的受试者。LMC位于主体侧面的可变高度平台上，并将木制指示杆升高到每个受试者肘部的水平高度。
图4手部运动：a）径向/尺骨偏离，b）屈曲/伸展，以及c）仰卧/旋转。手位：d）开手，e）松紧拳头，f）拳头紧。
2.5运动分析
我们使用一种专门的运动捕捉软件Cortex（MotionAnalysisCorp.，SantaRosa，CA）来获取和处理MAC数据。Cortex中的SkeletonBuilder软件包可以从位置标记数据中计算关节中心和节段骨架。这里提出的关节角度是从代表肱骨，前臂和掌骨的简单三段模型获得的。根据国际生物力学协会（ISB）关于联合坐标系的建议，这个骨架的本体轴被分配（Wuetal.，2005）。对于右腕关节，这些准则规定y轴位于前臂的近侧，x轴指向，z轴指向大尺寸（图5a）。这些轴被假定为手腕的中立位置（即，具有0度旋转的位置）垂直于地板，手掌面向内，拇指向上指示。另一方面，当手旋转并且手掌面向设备时，LMC认为手腕处于0度旋转。因此，为了使我们的骨架的关节角度输出与装置的关节角度输出相匹配，需要对ISB建议进行微调。这是通过围绕局部y轴的手腕坐标系的简单-90°旋转（沿着前臂行进的轴;图5b）实现的。
图5手腕和对应轴的中性位置。a）ISB推荐中性手腕位置，灰色箭头描述我们的旋转调整。b）LeapMotion调整的中性手腕位置。
2.6LMC数据的时间对齐
原始数据的时间对齐由于LMC的可变采样率变得复杂：虽然MAC系统设置为匹配LMC的标称60Hz采集速率，但LMC以不可预测的方式改变了采样频率，并以此作为时间函数。这导致来自LMC的数据以类似的不可预测的方式与MAC数据不同步。为了正确评估LMC报告关节角度的准确性，我们必须纠正时间差异，而不改变每个信号的幅度。由于可变采样频率不会影响关节角度测量的实际精度，并且评估LMC的时间精度不是一个优先事项，因此我们选择对数据应用动态时间扭曲（DTW）函数。DTW是用于检测和校正时间序列数据集中的时间对准差异的已建立方法（Fu等，2007）。它通常用于诸如语音识别和手写验证分析（Munich和Perona，1999;Myers等，1980）。
2.7LMC和MAC数据的比较
为了确定LMC是否比其他动作传感器更准确地跟踪了一些运动，我们进行了方差分析，以查找运动方向和手势的所有组合的相关系数之间的差异。因为我们测试了九个不同的变量，所以我们使用Bonferroni校正来调整所有数据的方差分析。这些分析可以在补充表1和附图1-3中找到。
为了量化LMC以显示可接受性能的范围，我们将每个移动方向的全部运动范围（由M
全文共9626字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[143270]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
