[논문]관성측정장치를 이용한 보행거리 측정 시스템 개발

이기혁; 강신일; 조재성; 임도형; 이종실; 김인영

관성측정장치를 이용한 보행거리 측정 시스템 개발
Development of Gait Distance Measurement System Based on Inertial Measurement Units 원문보기

재활복지공학회논문지 = Journal of rehabilitation welfare engineering & assistive technology, v.9 no.2, 2015년, pp.161 - 168

이기혁 (한양대학교 생체의공학과) , 강신일 (한양대학교 생체의공학과) , 조재성 (한양대학교 의용생체공학과) , 임도형 (세종대학교 기계공학과) , 이종실 (한양대학교 의공학연구소) , 김인영 (한양대학교 의공학교실)

초록
AI-Helper

본 논문은 자체 개발한 관성측정장치의 가속도, 각속도, 지자기계 데이터를 이용하여 보행거리를 측정하는 시스템 개발에 관한 것이다. 관성센서들의 오프셋 및 이득 오차를 최소화하기 위하여 9축의 자유도를 갖는 지그를 제작하였으며, 이를 이용하여 캘리브레이션을 수행하였다. 보행거리의 정확한 측정을 위하여, 기울기 하강법을 이용하여 가속도계의 중력성분 제거 및 보행패턴 분석을 통한 드리프트 성분을 제거하였다. 최종적으로 보정된 가속도 데이터의 이중적분을 통하여 보행거리를 측정하였다. 시스템의 성능 평가를 위하여, 실내 직선 10m 직선 보행에 대하여 캘리브레이션 전, 후 오차 개선 비율를 비교하였으며, 간단한 보행에 대해 Vicon과의 비교 실험을 수행하였다. 직선 보행에 대해서는 x, y, z축 각각에 대하여 $31.4{\pm}14.38%$(mean${\pm}$S.D.), $78.64{\pm}10.84%$ 및 $69.71{\pm}26.25%$ 개선이 되었음을 확인하였으며, Vicon과의 비교 실험 결과 x, y, z축 각각에 대하여 0.1m, 0.16m, 0.12m의 오차를 얻을 수 있었다.

Abstract ▼ AI-Helper

In this paper, we present an inertial sensor-based gait distance measurement system using accelerometer, gyroscope, and magnetometer. To minimize offset and gain error of inertial sensors, we performed the calibration using the self-made calibration jig with 9 degrees of freedom. For measuring accurate gait distance, we used gradient descent algorithm to remove gravity error and used analysis of gait pattern to remove drift error. Finally, we measured a gait distance by double-integration of the error-removed acceleration data. To evaluate the performance of our system, we walked 10m in a straight line indoors to observe the improvement of removing error which compared un-calibrated to calibrated data. Also, the gait distance measured by the system was compared to the measurement of the Vicon motion capture system. The evaluation resulted in the improvement of $31.4{\pm}14.38%$(mean${\pm}$S.D.), $78.64{\pm}10.84%$ and $69.71{\pm}26.25%$ for x, y and z axis, respectively when walked in a straight line, and a root mean square error of 0.10m, 0.16m, and 0.12m for x, y and z axis, respectively when compared to the Vicon motion capture system.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 관성측정장치로 가속도, 각속도 및 지자기계 데이터를 이용하여 정확한 보행 거리를 측정할 수 있는 시스템을 구현하였다. 자체 개발한 IMU 모듈을 이용하였으며, 오프셋 및 이득 오차를 최소화하기 위하여 자동 캘리브레이션(Calibration)장비를 개발 하였으며, 이를 이용하여 캘리브레이션을 수행하였다.

제안 방법

3축 가속도계(범위: ± 8g), 3축 지자기계(범위: ±12 Gauss)가 내장된 9축 자유도관성 측정 센서(MPU-9150, InvenSense, USA)를 이용하였으며, 그림 2에서 보여주는 바와 같이 관성측정 센서와 마이크로컨트롤러 사이의 통신은 SPI를 이용하였으며, 샘플링레이트는 100Hz로 하였다.
IMU모듈의 부착은 그림 9와 같이 오른쪽 신발 위 발등에 위치시키고, 실내 직선 10m를 기준으로 보행 거리 실험을 4번 실행하고, 기준으로부터의 거리 분석 오차를 캘리브레이션 전과 후를 비교하여 계산하였다.
실험은 두 가지로 나누어 진행하였는데, 우선 센서 데이터 자동 캘리브레이션 장비에 대한 성능 평가를 실내 직선방향 보행 거리를 측정하는 실험으로 진행 하였고, 실험 결과는 캘리브레이션 전 데이터와 캘리브레이션된 데이터를 비교하여 오차를 확인하였다. 그 다음으로 보행 거리 분석 시스템의 신뢰성을 검증하기 위하여 광학식 움직임 측정 시스템인 Vicon과의 비교 실험을 진행하였다.
자체 개발한 IMU 모듈을 이용하였으며, 오프셋 및 이득 오차를 최소화하기 위하여 자동 캘리브레이션(Calibration)장비를 개발 하였으며, 이를 이용하여 캘리브레이션을 수행하였다. 그리고 보행거리의 정확도를 높이기 위하여 중력가속도 성분을 제거 및 보행 패턴 분석을 통하여 드리프트 현상을 제거하였다. 이러한 과정을 거친 가속도 데이터를 이중적분을 취함으로서 최종적인 보행거리를 측정하였다.
따라서 이러한 누적 오차를 최소화 시킬 수 있는 방법이 필요로 하게 되며, 본 연구에서는 센서 회전시의 중력 가속도 값을 효과적으로 제거 할 수 있는 알고리즘을 적용시키고, 보행 패턴을 분류하여 보행 주기를 설정하여 이에 따라 누적 오차를 최소화 시켰다.
이는 Pan과 Roll을 360도로 회전시키는 서보 모터(HS-785HB, Hitec, USA)와 Tilt를 180도 회전시키는 서보 모터(HS-645MG)로 구성되어 있어 9축의 자유도를 가지고 있다. 또한 서보 모터를 PC에서 컨트롤하기 위하여 서보 컨트롤러(Mini Maestro, Pololu, USA)를 구성하였다.
보행거리 측정은 PC로 전송된 관성센서 데이터를 MATLAB(MATLAB R2009b, The MatWorks, USA) 프로그램을 이용하여 구하였다.
본 논문에서는 각 축의 가속도 값에 대한 크기를 구하고, 임계값을 지정하여 입각기와 유각기를 구분하였다. 가속도 값의 크기를 식으로 표시하면 식 (9)과 같다.
본 연구에는 발등에 부착하여 보행 시 발등의 가속도, 회전 변화, 방향을 가속도계 및 자이로스코프를 이용, 측정할 수 있는 관성 측정 센서 기반 모듈을 설계 및 제작하였다.
실험은 두 가지로 나누어 진행하였는데, 우선 센서 데이터 자동 캘리브레이션 장비에 대한 성능 평가를 실내 직선방향 보행 거리를 측정하는 실험으로 진행 하였고, 실험 결과는 캘리브레이션 전 데이터와 캘리브레이션된 데이터를 비교하여 오차를 확인하였다. 그 다음으로 보행 거리 분석 시스템의 신뢰성을 검증하기 위하여 광학식 움직임 측정 시스템인 Vicon과의 비교 실험을 진행하였다.
오프셋 및 이득 오차를 최소화하기 위하여 자동 캘리브레이션 장비(Auto-Calibration Jig)를 제작하였으며, 상기 방법을 이용하여 캘리브레이션을 수행하였다.
그리고 보행거리의 정확도를 높이기 위하여 중력가속도 성분을 제거 및 보행 패턴 분석을 통하여 드리프트 현상을 제거하였다. 이러한 과정을 거친 가속도 데이터를 이중적분을 취함으로서 최종적인 보행거리를 측정하였다. 그리고 제안한 시스템의 신뢰성을 확인하기 위하여 상용화된 광학식 움직임 측정 시스템인 Vicon과의 비교를 통하여 정확도를 평가하였다[7].
센서에서 주변 온도 등 환경적 요인에 의해 드리프트(Drift) 현상이 발생하는데 이로 인해 보행 거리측정에 오차가 발생한다[10]. 이를 제거하기 위하여 보행의 패턴을 분류하고, 드리프트의 영향을 최소화하는 알고리즘을 적용하였다.
자동 캘리브레이션은 PC상에서 별도의 C# 기반의 프로그램으로 수행하였으며, 캘리브레이션 전,후의 데이터를 모두 저장하고 각각 데이터에 대하여 보행거리 정확도를 평가하였다.
본 논문에서는 관성측정장치로 가속도, 각속도 및 지자기계 데이터를 이용하여 정확한 보행 거리를 측정할 수 있는 시스템을 구현하였다. 자체 개발한 IMU 모듈을 이용하였으며, 오프셋 및 이득 오차를 최소화하기 위하여 자동 캘리브레이션(Calibration)장비를 개발 하였으며, 이를 이용하여 캘리브레이션을 수행하였다. 그리고 보행거리의 정확도를 높이기 위하여 중력가속도 성분을 제거 및 보행 패턴 분석을 통하여 드리프트 현상을 제거하였다.

대상 데이터

3축 가속도계(범위: ± 8g), 3축 지자기계(범위: ±12 Gauss)가 내장된 9축 자유도관성 측정 센서(MPU-9150, InvenSense, USA)를 이용하였으며, 그림 2에서 보여주는 바와 같이 관성측정 센서와 마이크로컨트롤러 사이의 통신은 SPI를 이용하였으며, 샘플링레이트는 100Hz로 하였다. 관성센서 데이터는 블루투스 모듈(PAN-1321i, Panasonic, Japan)을 통해 무선으로 PC로 전송하도록 하였다. PC로의 전송 프로토콜은 헤더(Header)를 포함하여 28바이트로 이루어진다.
본 모듈은 효율적인 소모 전력 관리를 위하여 저전력 마이크로 컨트롤러(MSP430F5338, TI, USA)를 사용하였으며, 배터리는 장시간 데이터 측정을 위하여 충전 가능한 리튬폴리머 배터리(650mAh, 3.7V, DTP, China)를 사용하였다.

데이터처리

이러한 과정을 거친 가속도 데이터를 이중적분을 취함으로서 최종적인 보행거리를 측정하였다. 그리고 제안한 시스템의 신뢰성을 확인하기 위하여 상용화된 광학식 움직임 측정 시스템인 Vicon과의 비교를 통하여 정확도를 평가하였다[7].
또한 자이로스코프의 오차를 최소화하기 위하여 각 동적 회전마다의 움직임에서의 각 샘플 t의 각축에서 각속도 값 ua,t를 측정하고 샘플링 간격 T를 곱하여 측정 회전각을 계산하고 이미 알고 있는 움직임의 회전 각 r 과 비교하여 최적의 이득 보상값 Ka와 오프셋 ba,t값을 계산한다.

이론/모형

IMU 모듈은 중력 가속도 값에 의해 가속도 센서 데이터에 오차가 발생하게 된다. 이러한 중력 가속도 성분을 효과적으로 제거하기 위하여 기울기 하강법을 이용한 방위각 변화를 측정하는 알고리즘을 적용하였다[9].

성능/효과

결과적으로 각각의 축에 따른 RMSE(Root Mean Square Error) 값은 x축으로 0.1m, y축으로 0.16m, z축으로 0.12m로, 제안한 시스템이 신뢰할 만한 정확도를 가졌음을 확인하였다.
이는 센서 바이어스의 영향으로 인하여 가속도계 및 자이로스코프의 신호가 왜곡되는 것을 증명하는 것이고, 따라서 이를 제거해주는 자동 캘리브레이션 장비가 센서 바이어스를 효과적으로 제거함을 의미한다. 또한 패턴구분을 통한 센서 데이터의 드리프트 성분을 제거함으로써, 움직이지 않을 때의 센서 왜곡 현상이 최소화 됨을 확인할 수 있었고, Vicon과의 성능 평가를 통하여 보행 거리 측정에 있어 본 연구가 신뢰할만한 정확도를 가졌음이 확인되었다. 하지만 개개인의 보행 별 가속도 차이에 의해 보행 패턴 구분시 임계값을 변화시켜줘야 하는데, 본 연구에는 적용되지 않아 운동을 할 때나 보행이 느린 재활 환자의 경우 패턴 구분에 어려움이 발생한다.
실험 결과, IMU모듈 신호 데이터 자동 캘리브레이션 장비를 사용하는 경우, 사용하기 전보다 정확도가 명확하게 증가함을 보였다. 이는 센서 바이어스의 영향으로 인하여 가속도계 및 자이로스코프의 신호가 왜곡되는 것을 증명하는 것이고, 따라서 이를 제거해주는 자동 캘리브레이션 장비가 센서 바이어스를 효과적으로 제거함을 의미한다.
표 1-3에서 보여주는 바와 같이, x, y, z축 각각 캘리브레이션 전과 후를 비교하였을 때 31.4±14.38%(mean±S.D.), 78.64±10.84% 및 69.71±26.25% 개선된 결과를 얻을 수 있었다.

후속연구

하지만 개개인의 보행 별 가속도 차이에 의해 보행 패턴 구분시 임계값을 변화시켜줘야 하는데, 본 연구에는 적용되지 않아 운동을 할 때나 보행이 느린 재활 환자의 경우 패턴 구분에 어려움이 발생한다. 따라서 보행 패턴 구분을 위한 가변 임계값을 적용함으로서, 각 상황별, 개개인별 보행 패턴 구분 및 정확한 보행 거리 측정이 가능할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	GPS의 단점은 무엇인가?	두 번째는 보행자의 위치를 파악하는 개인용 항법장치로의 기능으로써 사용되는 것인데, 보편적으로는 실외에서 GPS(Global Positioning System)을 이용하여 보행자의 위치를 파악할 수 있다. 하지만 실내에서는 정확한 보행자의 위치 파악이 어렵다는 단점을 가지고 있다[2].
	보행거리뿐만 아니라 보행에 대한 전반적인 분석을 할 수 있는 시스템으로는 무엇이 있나?	이러한 단점을 보완하기 위하여 실내에서 보행거리뿐만 아니라 보행에 대한 전반적인 분석을 할 수 있는 시스템들이 연구되고 있는데, 이는 광학식(Optical), 기계식(Mechanical), 전자식(Electronical)등의 여러 가지 움직임 측정 시스템에 의해 정량적인 측정이 가능하다. 전통적인 보행 분석 방법으로는 보행자에게 마커를 부착하고 적외선 카메라를 이용하여 광학적으로 마커의 위치를 추적하여 보행을 분석할 수 있는 광학식 움직임 측정 시스템(Optical motion tracking system)이 있으며, 보편적으로 사용되고 있다.
	보행 거리 측정의 목적은 무엇인가?	보행 거리 측정은 최근 많은 연구가 진행되고 있는데, 이는 주로 두 가지 목적으로 사용된다. 첫 번째는 보행 시 소모되는 운동량을 추정하는 것이다[1]. 두 번째는 보행자의 위치를 파악하는 개인용 항법장치로의 기능으로써 사용되는 것인데, 보편적으로는 실외에서 GPS(Global Positioning System)을 이용하여 보행자의 위치를 파악할 수 있다. 하지만 실내에서는 정확한 보행자의 위치 파악이 어렵다는 단점을 가지고 있다[2].

참고문헌 (10)

A. E. Minetti, C. Moia, G. S. Roi, D. Susta, and G. Ferretti, "Energy cost of walking and running at extreme uphill and downhill slopes," J Appl Physiol, vol. 93, no. 3, pp. 1039-1046, 2002.

상세보기
R. Feliz, E. Zalama, and J. G. Garcia-Bermejo, "Pedestrian tracking using inertial sensors", JoPhA, vol. 3, no. 1, pp. 35-43, 2009.
H. Zheng, N. D. Black, and N. D. Harris, "Positioning-sensing technologies for movement analysis in stroke rehabilitation," Med Biol Eng Comput, vol. 43, no. 4, pp. 413-420, 2005.

상세보기
J. Boudarham, N. Roche, and D. Pradon, "Variations in kinematics during clinical gait analysis in stroke patients," PLos One, vol. 8, no. 6, pp. e66421, 2013.

상세보기
Y. Karasawa, Y. Teruyama, and T. Watanabe, "A trial of making reference gait data for simple gait evaluation system with wireless inertial sensors," Conf Proc IEEE Eng Med Biol Soc, vol. 2013, pp. 3427-3430, 2013.
강신일, 조재성, 임도형, 이종실, 김인영, "재활훈련을 위한 관성센서 기반 동작 분석 시스템 구현," 한국재활복지공학회논문지, 제7권, 제2호, 한국재활복지공학회, pp. 47-54. 2013.
http://www.vicon.com/
S. O. Madgwick, "Automated calibration of an accelerometers, magnetometers and gyroscopes - A feasibility study", Tehc Rep, x-io Technologies Limited, Bristol, UK, 2010.
S. O. Madgwick, A. J. Harrison, and A. Vaidyanthan, "Estimation of IMU and MARG orientation using a gradient descent algorithm," IEEE Int Conf Rehabil Robot, vol. 2011, pp. 1-7, 2011.
Y. K. Thong, M. S. Woolfson, J. A. Crowe, B. R. Hayes-Gill, and D. A. Jones, "Numerical double integration of acceleration measurements in noise," Meas Sci Technol, vol. 36, pp. 73-92, 2004.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증