基于可穿戴惯性测量的滑雪运动员姿态测量与水平评估方法

2021-12-02张艺佳姚小兰韩勇强李佩璋曹洪卿方勖洋

导航定位与授时 2021年6期

张艺佳，姚小兰，韩勇强，李佩璋，张浩，曹洪卿，方勖洋

(北京理工大学自动化学院，北京 100081)

0 引言

滑雪时，身体姿态的控制能力是一种特殊的专项能力，这种能力对于滑雪成绩有着重要的影响。一套适用于滑雪训练的运动捕捉与重构系统不仅可以实时捕捉滑雪者的身体姿态，还可以搭配数字化评估方法帮助滑雪训练者找到自身与高水平运动员的差距，发现自身动作不足，纠正发力错误，在普及滑雪运动的同时提高大众对滑雪运动的热情。另外，一套可靠的运动捕捉及评分系统为滑雪训练者的科学训练提供了强有力的工具。

动作捕捉技术经过几十年的发展，主要分为两大类别：基于视频设备的动作捕捉和基于传感器的动作捕捉。基于视频设备的动作捕捉系统成本高、便携性低、易受干扰[1]，随着惯性传感器的成本越来越低，基于传感器的动作捕捉系统逐步得到发展。目前，国外市场上一些公司推出了较为成熟的动作捕捉产品：如荷兰Xsens公司推出的MVN产品[2]、美国Innalabs公司推出的3DSuit产品[3]和英国Vicon公司推出的Vicon Motion Syetem。国内关于动作捕捉也有一定的发展，如北京诺亦腾公司推出的戴若犁团队研发设计的Noitom[4]和中国科学院传感网络与应用联合研究中心吴健康教授研发的MMocap[5-8]。

目前，动作捕捉系统广泛应用于体育训练领域。H.Ghasemzadeh等将可穿戴姿态检测设备应用于高尔夫训练中，采集高尔夫挥杆动作过程中手腕的旋转角度[9]。M.Sharma等将可穿戴姿态检测设备应用于网球运动中，分析每个阶段的动作标准性[10]。R.Samir等将可穿戴检测设备装在运动员手臂上，识别运动员是棒球运动中的投掷动作还是排球运动中的击打动作[11]。J.Chan等将可穿戴姿态检测设备应用于舞蹈训练中，方便老师指导学生提升技能[12]。但是目前适用于滑雪运动的运动捕捉与重构系统较少，且缺少滑雪运动的量化分析，而运动量化分析是科学化滑雪训练的重要发展方向，人体滑雪过程中运动模式的数字化表达是科学量化分析的关键步骤。

本文针对高山滑雪运动设计了一套基于惯性传感器的可穿戴式运动捕捉与重构系统，对人体11个节点的运动数据进行实时捕捉与重构。该设备既可以应用于户外，也可以应用于室内。同时，结合人体多刚体运动模型实现了滑雪过程的人体重构。最后，针对目前缺少滑雪运动的量化分析和评估研究的现状，提出了一种适用于高山滑雪运动中回转动作的数字化评估方法，用于滑雪训练者滑行特点分析及辅助训练。

1 可穿戴人体姿态检测设备

本运动捕捉与重构系统为自主研发系统，其工作流程图如图1所示。

图1 系统流程图Fig.1 System flow chart

本运动捕捉与重构系统的参数如表1所示。

表1 动作捕捉设备参数

11个姿态采集模块分别穿戴在人体11个主要节点上，穿戴位置如图2所示。髋部还穿戴一个中心控制器，负责接收11个节点的姿态数据并发往服务器端。

图2 姿态检测模块佩戴位置Fig.2 Posture detection module wearing position

2 人体建模与姿态复现

基于惯性传感器的人体运动建模分为骨骼模型建立和人体运动学模型建立。由于人体结构复杂，因此对人体模型作如下建模假设：

1)忽略皮肤变形给人体运动带来的影响;

2)将人体骨骼抽象为刚体，各个关节定义关节轴;

3)关节坐标系与传感器坐标系和骨骼坐标系视为同一个坐标系。

建立包含11个节点和5条父子继承关系线的骨骼模型，5条父子关系线分别为：

1)骨盆—胸腔—头部；

2)骨盆—胸腔—左大臂—左小臂；

3)骨盆—胸腔—右大臂—右小臂；

4)骨盆—左大腿—左小腿；

5)骨盆—右大腿—右小腿。

骨骼模型如图3所示。

定义2个坐标系，分别是世界坐标系和传感器坐标系。世界坐标系以X轴为水平方向，Y轴为垂直方向，Z轴垂直于XY平面向上；传感器坐标系以上一关节与本关节的连线为X轴，关节的轴线方向为Z轴，另外一个为Y轴，逆时针为正，顺时针为负。

在人体初始姿态标定之后，姿态的求解主要由旋转矩阵及位置矩阵构成，旋转矩阵表示为

图3 骨骼模型图Fig.3 Skeletal model diagram

(1)

(2)

(3)

其中，α、β、γ分别为三维向量绕X、Y、Z轴旋转的角度；Rx、Ry、Rz分别为三维向量绕X、Y、Z轴旋转得到的旋转矩阵，总旋转矩阵表示为

R=RxRyRz

(4)

由式(1)～式(4)得到总旋转矩阵

(5)

当姿态发生平移变换时，位置矩阵P表示为

(6)

其中，Px、Py、Pz分别为三维向量在X、Y、Z轴的平移量。

(7)

通过上述分析可得，关节系j在关节系i的齐次变换阵为

(8)

根据式(8)完成在规定坐标系下姿态的表示与转换。

在人体运动3D显示的具体实现过程中，选择Unity 3D作为开发工具，基于惯性数据的运动重构图如图4所示。

图4 基于惯性数据的运动重构图Fig.4 Motion reconstruction images based on inertial data

3 滑雪辅助训练

本文所述动作捕捉系统不仅可以用于室外滑雪环境，还可用于室内模拟滑雪训练台，为滑雪者提供滑雪关键技术分析，同时搭配数字化评分方法，可以用于滑雪训练者滑行特点分析及辅助训练。

本文以室内模拟滑雪训练台为例，提供了一种基于运动捕捉系统、适用于回转运动的数字化滑雪水平评分方法。采用SkyTechSport公司的Olymp模拟滑雪训练台进行实验，其外观如图5所示。

图5 模拟滑雪训练台Fig.5 Top view of simulated ski training platform

训练者穿戴运动捕捉系统在模拟滑雪训练台上进行回转运动，动作捕捉系统捕捉训练者姿态并将其实时显示。

3.1 滑雪关键技术分析

本文定义滑雪者在模拟训练台的中间位置至最左端至中间位置至最右端再至中间位置的过程为一次回转运动，定义回转速度为

(9)

其中，Rl为滑雪者在一次回转运动中从模拟训练台的中间位置至最左端位置的距离；Rr为滑雪者在一次回转运动中从模拟训练台的中间位置至最右端位置的距离；t为训练者完成一次回转运动所需的时间。

人体3个基准面分别为矢状面、额状面和水平面，如图6所示。

图6 人体基准面Fig.6 Human datum level

实验分别采集滑雪教练、中等滑雪水平者和无滑雪经验者三种滑雪水平的滑雪者在训练台上的姿态数据，同时记录训练者每做一次回转运动的平均速度。

提取五种能够体现滑雪者身体素质和滑雪能力的特征，如表2所示。

表2 滑雪特征参数表

其中，矢状面上背部与垂直轴的夹角如图7所示。

图7 矢状面上背部与垂直轴的夹角Fig.7 Angle between dorsal and vertical axis in sagittal plane

额状面上背部与垂直轴的夹角如图8所示。

图8 额状面上背部与垂直轴的夹角Fig.8 Angle between dorsal and vertical axis of coronal plane

实验采集的三种水平滑雪者的滑板最大倾角、矢状面上背部与垂直轴的夹角、额状面上背部与垂直轴的夹角如图9所示。

图9 不同水平滑雪者的滑行特征Fig.9 Skiing features of skiers at different levels

由数据分析可得，水平越高的滑雪者全身协调性越好、下肢爆发力越大、下肢动作幅度越大，表现出左右回转时小腿倾角大，即立刃角度大；水平越高的滑雪者上半身越稳定，表现为上身前倾且重心下压，矢状面上背部与垂直轴的平均夹角大；水平越高的滑雪者身体核心力量越大，上肢左右晃动幅度越大，靠上身事先倾斜带动下肢倾斜进行回转运动，表现出额状面上背部与垂直轴的最大夹角大。