本研究由 Frieder Wittmann、Olivier Lambercy 和 Roger Gassert 共同完成，作者单位均为瑞士苏黎世联邦理工学院健康科学与技术系的康复工程实验室。该研究成果以《基于磁力计的静止姿态漂移校正方法在IMU手臂运动追踪中的应用》（”Magnetometer-based drift correction during rest in IMU arm motion tracking”）为题，于2019年3月15日发表于学术期刊 *Sensors*。

研究背景与目的 本研究属于生物医学工程、康复工程及运动捕捉技术的交叉领域。具体聚焦于利用惯性测量单元进行人体上肢运动实时追踪的应用场景，特别是在家庭环境中的虚拟现实游戏和康复治疗。商用IMU通常集成了三轴加速度计、陀螺仪和磁力计，其姿态估计算法常依赖于对周围均匀磁场的测量来校正绕重力轴（航向）的长期漂移。然而，在建筑物内部，由于墙体、地板和家具中的铁磁结构干扰，地磁场往往严重畸变，变得不均匀且不可靠，这导致了现有磁力计校正方法在家庭等非受控环境中失效。为了解决这一难题，本研究旨在开发一种能够在非均匀磁场环境下，有效校正IMU方向长期漂移的新型算法。研究的基本思路是：利用用户在进行自由空间手臂运动后需要频繁休息这一生理现象，在预定义的休息姿态下，记录并利用当时当地的磁场信息进行漂移校正。该方法的最终目标是实现高精度、低延迟的长时间实时手臂运动追踪，以支持家庭上肢康复等应用。

研究详细流程与方法 本研究包含以下几个核心流程：系统与算法开发、光学验证实验设计、数据采集与分析。

1. RPMC算法开发与系统集成：本研究提出了一种名为“休息姿态磁力计漂移校正”的新方法。该方法基于Madgwick等人提出的梯度下降算法框架，但对其磁力计使用策略进行了根本性改变。其工作流程分为校准阶段和跟踪阶段。

   • 校准阶段：
     • 传感器到房间校准：用户将三个IMU传感器（佩戴于躯干、上臂、手腕）放置于接收器（即已知相对于惯性坐标系u的姿态）上，系统记录此刻各传感器坐标系(si)到参考坐标系(ri)的初始转换关系(q_ri_si)。
     • 传感器到身体校准：用户将传感器佩戴于身体相应部位，并做出一个预定义的校准姿态（躯干直立，手臂外展前伸，肘部伸直）。系统根据已知的身体段在此时相对于惯性坐标系u的姿态(q_ub_i)，计算出传感器与身体段之间的固定转换关系(q_si_bi)。
     • 休息姿态校准：用户自行定义一个舒适的休息姿态（例如背靠椅子，手放于腿上）。系统采集约0.5秒的加速度和磁力计数据，计算平均重力矢量(ḡ_i)和平均磁场矢量(m̄_i)。基于这两个矢量，为每个传感器构建一个本地“休息坐标系”(mi)。该坐标系的Z轴与重力方向对齐，X轴与磁场在水平面的投影方向对齐。系统记录下此刻传感器坐标系(si)到其对应的休息坐标系(mi)的转换关系(q_mi_si)。此关系在后续跟踪中作为磁力计校正的参考。
   • 跟踪阶段：
     • 基本姿态估计：在用户运动期间，系统仅使用陀螺仪数据（积分）和加速度计数据（通过梯度下降法校正俯仰和横滚轴漂移）来实时估计传感器姿态，不使用磁力计数据，以避免磁场干扰引入误差。这不可避免地会导致绕重力轴的航向漂移逐渐累积。
     • 休息姿态检测与漂移校正：系统假设用户会定期休息。为此，它采用一个基于规则的分类器来检测用户是否回到了预先校准的休息姿态。检测标准包括：所有传感器的平移加速度和角速度接近于零；各传感器当前位置与校准记录的休息位置接近；各传感器测得的磁场强度和磁场与重力场的夹角与校准记录值相似。当所有条件满足时，系统判定用户处于休息姿态。
     • 磁力计校正触发：一旦检测到休息姿态，系统立即启用磁力计。算法使用当前测得的磁场方向，与校准阶段存储在该休息姿态下的本地磁场参考方向进行比较，通过梯度下降法快速修正自上次休息以来累积的所有航向漂移。校正完成后，磁力计再次被禁用，直到下一个休息姿态被检测到。研究还将在休息期间使用的梯度下降步长从0.03增加到0.1，以加快校正速度。

   该算法被集成到一个名为“ArmEoSenso”的家庭上肢康复系统中。该系统包含三个无线IMU、一台带大屏幕的PC以及一套治疗性游戏软件（“流星”游戏）。游戏会每40秒提示用户休息至少4秒，并利用休息期进行RPMC漂移校正。

2. 光学验证实验设计：

   • 研究对象与环境：研究包含1名健康受试者（男性，30岁，作者之一），进行了7次独立验证会话。实验在存在磁干扰的环境中进行（椅子钢架、桌子铁框、地板等），以模拟真实的家庭环境。
   • 实验流程：受试者佩戴装有IMU和四个光学反光标记点的手腕传感器，玩“流星”游戏1小时。游戏涉及快速、大范围的手臂运动，以充分挑战跟踪算法。一个12摄像头的光学运动捕捉系统以200Hz频率追踪手腕标记点的姿态，作为评估IMU算法精度的“金标准”。
   • 对比方法：为了评估RPMC算法的性能，研究同时实现了三种基于相同硬件和Madgwick算法框架的对比方法：
     • IMU：从不使用磁力计，仅靠加速度计校正俯仰和横滚漂移。
     • MARG：持续使用磁力计，其磁场参考坐标系在校准阶段（t1，传感器在桌上时）确定。
     • Adaptive：模仿现有抗干扰方法，根据磁场强度和方向与校准值的相似性（仅使用RPMC标准中的两条磁相关标准）动态开关磁力计校正。
   • 数据采集与处理：同步记录光学追踪数据（quo）和四种IMU算法估计的手腕传感器方向（q_us3）。通过事先标定的传感器与标记点间的固定转换关系(q_s3o)，计算IMU估计方向与光学参考方向之间的误差角α[n]。主要评估指标为1小时内所有采样点的方向误差的均方根值（RMS(α)）。此外，还分析了误差随时间窗口（每10分钟）的变化以观察漂移，统计了休息时间占比、磁场扰动程度、数据包丢失率以及手腕角速度。

3. 系统延迟评估： 使用高速摄像机（120Hz）拍摄传感器实物和显示虚拟手臂的屏幕。通过分析传感器被敲击开始运动到屏幕上虚拟手臂开始运动之间的帧数差，估算从物理运动到视觉反馈的端到端系统延迟。共进行了23次测量。

主要研究结果 1. 追踪精度：提出的RPMC算法在7次1小时的会话中，手腕方向跟踪的平均均方根误差为6.05° ± 0.78°。这一结果显著优于所有三种对比方法（Wilcoxon符号秩检验，p < 0.05）。具体对比为：IMU方法误差为65.09° ± 29.59°（误差减少90.7%），MARG方法误差为34.52° ± 14.59°（误差减少82.5%），Adaptive方法误差为39.49° ± 15.40°（误差减少84.7%）。 2. 长期稳定性与漂移：将1小时数据分为6个10分钟的时间窗口进行分析发现，IMU方法和Adaptive方法的误差均随时间显著增加（存在漂移），而RPMC方法和MARG方法的误差随时间没有显著变化。这表明RPMC成功抑制了长期漂移。 3. 环境与运动特征：实验环境中手腕传感器磁场强度的归一化标准差达到25.2%，证实了磁场存在显著不均匀性。手腕运动的99百分位角速度为333.1°/s，表明运动幅度大、速度快。无线传输导致约1.72%的数据包丢失。受试者在游戏过程中实际休息时间占比约为20.6%（工作/休息比约4:1），高于系统强制要求的10:1，说明频繁休息是自然发生的。 4. 系统延迟：从传感器运动开始到虚拟手臂在屏幕上开始运动的平均端到端延迟为60.9 ± 7.7毫秒，属于低延迟水平。 5. 对比方法分析： * IMU方法由于完全不使用磁力计，航向漂移非常严重。 * MARG方法虽然无显著漂移，但因校准阶段（在铁质桌旁）记录的磁场参考方向与运动区域的实际磁场方向不一致，导致整体误差很大。 * Adaptive方法性能甚至差于MARG，且仍有显著漂移。这可能是由于在复杂干扰环境下，仅靠磁场特征难以可靠判断何时该相信磁力计。

结论与价值 本研究的结论是：所提出的RPMC手臂追踪方法，通过利用用户在非均匀磁场环境中进行自由手臂运动后需要频繁休息的特性，能够在休息姿态下基于预校准的本地磁场方向有效地校正方向漂移。光学验证表明，该方法能够在充满铁磁干扰的家庭类似环境中，实现高精度（~6° RMS）、低延迟（~61 ms）、无长期漂移的实时手臂运动追踪，持续时间长达一小时。

研究的科学价值在于：它创新性地将人体工效学（“大猩猩臂”效应导致的疲劳与休息需求）与传感器融合算法相结合，为解决IMU在复杂磁场环境中的航向漂移问题提供了一种新颖、实用且鲁棒的解决方案。与需要定制硬件、环境磁力图谱或假设单一干扰源的现有方法相比，RPMC仅使用商用IMU，对环境磁干扰具有极强的耐受性。

其应用价值直接而显著：该方法使得基于IMU的高精度运动捕捉系统能够可靠地应用于家庭、诊所等非受控室内环境，极大地推动了其在家庭远程康复（如脑卒中后上肢康复）、虚拟现实交互、游戏等领域的实用化进程。集成了该算法的ArmEoSenso系统已在患者试验中初步证明了其可用性。

研究亮点 1. 方法新颖性：核心创新点在于提出了“休息姿态磁力计校正”的概念，将算法校正动作与用户的自然生理节律（运动-休息循环）相绑定，巧妙地规避了运动过程中磁场不可靠的问题。 2. 强实用性与鲁棒性：算法不要求均匀磁场，不依赖额外的专用硬件或繁琐的环境标定，对持续存在的复杂磁干扰具有鲁棒性，非常适用于真实的家庭环境。 3. 全面严谨的验证：研究在具有挑战性的磁干扰环境下，使用光学动作捕捉作为金标准，进行了长时间（7小时总数据）、高动态（快速手臂运动）的验证，并与多种主流算法进行了详细对比，结果令人信服。 4. 系统集成与评估完整：研究不仅提出了算法，还将其集成到一个完整的康复系统（ArmEoSenso）中，并评估了从传感器到屏幕的端到端系统延迟，体现了从算法到应用的全链条研究。

其他有价值内容 研究也坦诚讨论了RPMC方法的一些局限性，例如：校准后、第一次休息姿态校准前发生的漂移无法被纠正；休息姿态下的磁场方向不能与重力方向平行；用户不能大幅移动椅子位置；如果休息区域的磁场发生永久性变化需要重新校准。然而，这些局限性在实际应用场景中通常可以通过合理的系统设计和用户指引来管理。作者指出，未来使用具有板上集成、校验和及更低丢包率的现代IMU，有望进一步提升性能。