基于FPGA模块的体感控制系统设计

张　栋

(宝鸡文理学院体育系，陕西 宝鸡　721013)



基于FPGA模块的体感控制系统设计

张栋

(宝鸡文理学院体育系，陕西 宝鸡721013)

摘要：随着计算机技术的发展，体感控制系统逐渐成为研究的热点。为了提高其应用效果，设计了体感控制系统的整体方案，系统包括信息采集单元和显示控制单元两部分，通过ADXL345加速度传感器和Kinect体感设备完成人体信息采集。传感器采集数据信息之后，对数据进行融合处理，FPGA模块对数据的采集过程进行控制，最后通过无线网络将信息传输到主控计算机。对系统应用进行测试，结果表明：该系统可以精确采集人体信息。

关键词：加速度传感器；体感控制；数据融合

当前，体感技术作为一种人机交互的新技术成为研究热点，该技术具备自然性和直观性的特点。FPGA(field programmable gate array)技术为控制系统的设计创新提供了相应的技术手段。FPGA技术的最大特点就是研发时间短并且可以重复利用，用户采用硬件描述语言编写好程序后，由EDA(electronic design automation)工具将其转化成BitStream文件，将编写的程序下载到FPGA中就可以实现系统功能。修改系统功能时，只需通过相关配置处理器重新对FPGA进行再配置即可，可满足模块化的控制需求。

在体感控制系统的研究中，Kinect传感器成为研究热点。Fernando Zuher等采用Kinect传感器研发了可对人体全身关节进行识别的类人机器人；Myagmarbayar Nergui等[1]应用Kinect传感器设计了从侧面检测人体动作并进行跟随的机器人系统；钱鹤庆[2]应用Kinect传感器和DTW算法实现了虚拟地球仪的设计；韩峰等[3]通过Kinect传感器和RRT算法对机械臂进行了路径规划。本文主要应用FPGA模块和Kinect传感器对体感控制系统进行设计。

1系统设计方案

本文设计的基于FPGA模块的体感控制系统包括数据采集及显示控制两部分。数据采集单元主要是对人体的运动信息进行采集，并对数据进行

修正，修正之后的数据传输到电脑，电脑发出控制指令至FPGA控制器，对系统进行精准控制。基于FPGA的体感控制系统逻辑框图如图1所示。

图1　基于FPGA的体感系统控制逻辑框图

2系统硬件选择

该系统主要包括FPGA控制器、加速度传感器及电源模块、计算机及体感设备。主控制器采用的FPGA型号为EPC2C8208。

加速度传感器采用ADXL345，它可以测量动态加速度、静止加速度，本设计应用其测量静止加速度的功能采集倾斜角度数据，从而发出控制指令。本文采用标准100kHz通信。利用FPGA从ADXL345读取数据，FPGA分配出一个输出引脚输出时钟信号,再分配出一个输入输出引脚作为与ADXL345交换数据的引脚。如果Pin 12(ALT ADDRESS)接到高电平则选ADXL345的地址0x1D，写入时地址是0x3A,读取时地址是0x3B;如果Pin 12(ALT ADDRESS)接到GND,则选ADXL345的备用地址0x53，写入地址是0xA6,读取地址是0xA7。采用RT9161稳压芯片,为ADXL345加速度传感器模块提供3.3V电压。本研究中的电源模块采用ISL8273M。

该人体控制系统采用Kinect传感器。Kinect的核心技术是骨架追踪技术，应用该技术可以使Kinect更好地捕捉人体动作信息，识别人的身份，该技术主要采用红外线传感器通过黑白光谱的方式实现识别环境内容。本系统中Kinect传感器的主要作用是获得深度图像数据及RGB数据，实时对人体骨骼进行追踪，实现对人体的控制。

3无线网络通信结构设计

当前无线网络通信技术主要包括蓝牙、WiFi及ZigBee等，这几种技术的应用范围较广泛，但是它们的抗干扰能力不强，比较适合于较短距离之间的通信。而无线通信模块APC220不仅可以实现无线传输，并且该模块具备高度集成的特点，该模块中嵌入了高性能射频芯片和高速单片机。和其他无线通信模块相比，该模块的通信距离较远，并且性价比较高，可以实现1 000m范围内的通信，灵敏度高，抗干扰能力强，即使存在遮蔽物，仍然能够正常通信，此外还具备组网便捷的特性，每个节点都可以发送和接收信号。因此，本研究中的无线通信采用模块APC220实现，其控制接口为串口通信接口。APC220模块提供了从431 MHz～455 MHz多个频道的选择，只要网络节点号不同的所有APC220模块处于同一频率的网络波段上，设置相同的串行通信波特率，拥有相同的网络识别号，就能成功地组建一个无线通信的网络。控制器接收到位置指令后，仅仅截取、解读其中针对自己的指令数据，并发出相应的控制信息。

4系统数据融合分析

Kinect体感设备对数据采集后，系统还要对数据进行融合分析，数据融合主要包括运动状态划分和融合算法实现两部分。下面以手臂信息采集为例进行分析。

1)运动状态划分。

系统采集固接于Kinect传感器坐标系的加速度向量ɑ、角速度向量ω及磁通向量Φ。当手臂处于静止状态时，传感器所采集的信息为重力加速度，通过对不同传感器数据的组合利用，可以设计出多种数据融合方案，不同的数据融合方案的延迟、精度及硬件要求也存在差别。重力加速度和磁通数据融合过程中不需要进行积分运算，因此不会积累漂移误差，保证了长时间使用过程中的可靠稳定性。但是，和角速度数据融合运算相比，重力加速度和磁通数据融合过程比较复杂，并且容易受到外界磁场和运动加速度的干扰。角速度数据受到的外界干扰较少，且融合算法十分简单，但是在融合过程中会出现漂移误差，并且该误差会随着积分运算而不断积累。以往动作捕捉多采用计算机进行数据融合，其优点是可将3类数据同时处理，且动作响应延迟时间短，但增加了动作捕捉的成本。综合考虑3个传感器的特点，为降低系统成本，提出一种分状态的融合方案。数据融合流程如图2所示。

图2　数据融合流程示意图

融合过程中，为三轴角速度的平均值预先设置一个阈值，如果平均值高于阈值则认为相对应的手臂处于运动状态，此时的数据融合通过角速度数据完成；相反，如果平均值低于阈值则认为手臂部位处于静止状态，此时的静态数据融合通过加速度和磁通数据完成，融合完成之后，根据融合结果校准手臂姿态。本研究中采用的融合方案充分集合了3种数据的各自优点，既能在静止时使用已空闲的计算资源进行自校准，又能够在运动过程中充分利用硬件资源实现低延迟的捕捉，使用时间较长。此外，仅在静止状态下使用加速度数据，避免了运动加速度对重力加速度产生干扰。

2)融合算法实现。

当三轴角速度平均值高于设定的阈值时，读取角速度数据进行动作数据融合。传感器节点坐标系下的角速度ωs=ωxi+ωyj+ωzk，融合的时间间隔为Δt。通过角速度数据融合得到表示手臂姿态的四元数Q，其递推公式为:

Qn=Qn-1+ΔQ

(1)

(2)

式中:Qn与Qn-1为本次和前次融合所得的运动姿态四元数；ΔQ为Qn与Qn-1的差值。

当三轴角速度平均值低于设定值时，读取加速度数据和磁通数据进行静止校准。由于节点坐标系中重力加速度和磁通大小不变，而方向会随着传感器姿态变化发生改变，因此利用此特性可以获得各传感器节点的姿态。使用梯度下降法进行融合，设加速度和磁通的误差函数分别为eg与eφ，定义合成误差函数e并计算其梯度:

(3)

(4)

综上可得重力加速度和磁通融合递推公式:

Qn=Qn-1-S·Δe

(5)

式中:Qn和Qn-1分别为本次和前次融合所得的静止姿态四元数;S为步长，步长过小则融合速度慢，步长过大会产生抖动。

5系统实验测试

将系统节点佩戴在人体双脚脚踝进行实验。测试者先静止站立，然后向折返点直线行走10m，到达折返点后静止站立一段时间，转身，再静止一段时间，然后正常行走回到出发点。采集到实验者的加速度和角速度信号，根据获得实验数据后采用MATLAB软件对其进行滤波平滑处理。实验结果表明，该系统可以精确采集人体行走信息，应用前景广阔。

6结束语

随着计算机科学技术及传感器技术等的发展，体感控制系统逐渐受到重视，成为研究的热点。本文主要设计了基于FPGA控制器、体感摄像头、Kinect传感器等的人体控制系统，该系统可以实现远程体感控制，采集的数据信息准确性较高，系统功能稳定。但是由于研究的时间相对较短，系统运行过程中还会存在一些问题，因此在今后的研究过程中，对系统的功能加以完善和改进。

参考文献：

[1]Nergui M, Imamoglu N, Yoshida Y, et al. Human Behavior Recognition by a Mobile Robot Following Human Subjects[M]. Berlin: Springer Berlin Heidelberg, 2013: 159-172.

[2]钱鹤庆. 应用Kinect与手势识别的增强现实教育辅助系统[D].上海：上海交通大学,2011.

[3]韩峥,刘华平,黄文炳，等.基于Kinect的机械臂目标抓取[J].智能系统学报,2013,8(2):1-9.

The design of somatosensory control system based on FPGA

ZHANG Dong

(Department of Sports, Baoji University of Arts Science, Shaanxi Baoji, 721013, China)

Abstract：With the development of computer technology, somatosensory control system has become a hot research item. It designs the somatosensory control system, describes the overall design of the control system. The system includes two pieces of information gathering unit and a display control unit, information gathering, mainly through ADXL345 acceleration sensor and Kinect somatosensory equipment. After the sensors collect data, data fusion, FPGA module deals with data acquisition process, and finally transmits through the wireless network information to the host computer. The application result shows that the system can accurately capture human information.

Key words：accelerometer; somatosensory control; data fusion

作者简介：张栋(1983—)，男，陕西宝鸡人，宝鸡文理学院讲师，硕士，主要研究方向为体育教学与训练。

收稿日期：2015-10-09

中图分类号：TP241

文献标志码：A

文章编号：2095-509X(2015)12-0044-03

DOI:10.3969/j.issn.2095-509X.2015.12.012