[논문]손목운동 측정을 위한 손목 자기장 센서의 모델링 및 캘리브레이션

여희주

doi:10.5762/kais.2020.21.4.26

손목운동 측정을 위한 손목 자기장 센서의 모델링 및 캘리브레이션
Modeling and Calibration of Wrist Magnetic Sensor for Measuring Wrist Gesture 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.21 no.4, 2020년, pp.26 - 32

초록
AI-Helper

최근 웨어러블 장치와 IoT 기술들이 다양하게 개발 및 상용화되면서, 이에 발맞추어 다양한 종류의 센서 들이 개발되었고, 이런 새로운 종류의 센서들이 실생활에서 다양하게 접목되면서 다양한 응용 제품들이 개발되어 왔다. 새로운 센서 기술들이 현실화되면서 의학분야에서도 많이 적용되고 있으며, 특히 자기장 센서는 의학분야에서 다양한 목적으로 활용되어져 왔다. 본 논문에서는 소형의 영구자석과 이를 측정하기 위한 자기장 센서를 활용하여 손목의 재활 훈련이나 운동량을 측정하는 모델과 방법을 제시하고자 한다. 자석과 자기장 센서 사이에는 전기적인 선들의 연결이 없이도 자석과 자기장 센서 사이의 자기장을 측정할 수 있어, 이렇게 측정된 자기장 값들을 실제 자석과 자기장 센서간의 거리로 환산하여 측정할 수 있는 장점이 있다. 하지만, 자기장의 특징은 그 자체만으로도 비선형적인 자기장이 생성되기 때문에, 자기장 센서 패드와 손목동작의 비선형 모델로 인하여, 아주 복잡한 모델과 많은 계산이 요구하게 된다. 따라서 본 논문에서는 이런 구현상의 어려운 단점들을 보완하고 정확한 장기장센서 데이터를 측정하기 위하여, 손에 설치된 자석과 손목에 설치된 자기장 센서를 모델링하고 캘리브레이션하는 방법을 제안한다.

Abstract ▼ AI-Helper

Recently, as various wearable devices and IoT technologies have emerged and been applied to real applications, various sensors have been developed to satisfy their purposes and applied. In even In medical applications, IoT technologies have been applied gradually, and particularly, magnets and magnetic sensors have already been playing an important role in the medical industry. In wrist rehabilitation, this kind of sensor technology has enabled us to easily and conveniently measure wrist movement and gestures because there are no tangled lines required between the magnet and sensor. However, one of the drawbacks is that nonlinear output is generated because of the characteristics of a magnetic field. Also, the movement of the wrist joint involves small bones, and so it is not easy to simply model the movement. In order to resolve these issues and accurately measure sensor data, a calibration procedure is inevitable in the measurement. Thus, this paper proposes a practical model and simple calibration methods for measuring the distance between a magnet and a magnetic sensor.

주제어

표/그림 (5)

그림 Fig. 1. Hand anthropotomy model and the installation of magnet and sensor pad.
그림 Fig. 2. Sensor pad and installation on wrist.
그림 Fig. 3. Calculating I_F, I_B, I_L, I_R with calibration.
그림 Fig. 5. Trial test for target motion over 5 random people groups, indicating A, B, C, D, and E. Each group contains 10 people.(b)
그림 Fig. 4. Comparison of camera captured motion tractory and sensor data after calibration.

AI 본문요약
AI-Helper

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

문제 정의

따라서, 본 논문에서는 이런 문제점들을 인지하고 해결하기 위하여, 정확한 손목운동 데이터를 손쉽게 얻기 위해서 비선형 특성을 고려한 간편하고 고속의 캘리브레이션(calibration) 방법을 개발하였다.
본 논문에서는 복잡하고 비선형적인 데이터들을 대체하기 위해서, 간단한 손목의 모델링을 통하여 위에서 설명한 바와 같이 손쉽게 캘리브레이션을 할 수 있는 방법을 제시하였고, 캘리브레이션을 통해서 GMR 센서 패드에서 자석의 상대적인 위치와 값들을 구할 수 있었다. 이런 자석의 상대적인 위치와 값들은 손목이 움직일 때 발생하는 GMR 센서 데이터들을 보정 및 계산을 하여 움직임을 측정하였다.
본 논문에서는 손의 재활운동이 목적이나 시스템 제어를 위한 목적으로 손의 정확한 운동 및 동작(gestures) 을 분석하는데 도움을 줄 수 있는 시스템 및 방법 제공을 목적으로 한다. 이런 재활의 목적을 달성하기 위해서는, 최대한 손의 움직임에 영향을 주지 않고, 환자가 의식을 하지 못할 정도의 장비가 요구된다.
본 논문에서는 자석과 자기장 센서를 간단한 구조로 설계하여, 손목에 관련된 재활운동에 적용 할 수 있도록 개발하였다. 하지만, 자석과 자기장 센서를 실제 적용시에 여러 가지 장점들이 존재하지만, 자기장이라는 비선형적인 데이터를 사용하기 위해서는 복잡한 장비나 계산시스템이 필요하기 때문에, 현실적으로 소용화 장비에서 간단히 응용하기에는 어렵고, 또한 실제 구현 시에는 여러 가지 해결해야할 문제와 제약들이 존재한다.
본 논문을 통해서 손목 운동의 재활에 도움을 줄 수 있는 새로운 시스템 방법을 제공하였고, 이런 시스템을 구현함에 있어서 발생하는 복잡한 모델이나 계산식의 문제점들을 해결하였다. 실제 손목운동을 할 때 자석과 GMR 센서와의 관계와 여기서 발생하는 데이터에 대해서 고찰하였고, 이를 소형의 컴퓨터(CPU)를 사용하여 전체시스템을 웨어러블하게 적용 가능한 방법을 제시하였다.
위와 같은 비선형 요소들을 본 논문의 목적에 맞게 계산의 용이성을 위해서 간략화하였고, 본 논문에서는 최종 비선형 데이터를 캘리브레이션을 통해서 해결하고자 한다. 또한 위와 같은 효과들을 극대화하기 위해서 인접한 3개 센서를 동시에 사용하여 센서값들을 캘리브레이션 한다.
캘리브레이션의 핵심 포인트는 센서 패드와 자석의 설치 위치를 정확하게 판단 및 이해하는 것이 목적이다. 하지만, 센서 패드의 설치 위치는 사용자의 손목 크기나 여러번 사용함에 따라 수시로 조금씩 바뀔 수 있기 때문에, 미리 예측하거나 계산이 불가능하다.

제안 방법

캘리브레이션시에 손목을 움직이게 되면 GMR 센서가 자기장의 변경을 측정하게 되고, 노이즈나 측정의 오류를 최소화하기 위해서, 모든 센서 값들은 Eq. (1-4)와 같이 이동평균필터(moving average filter)를 사용하여 사전 계산처리(preprocessing)를 하였다.
하지만, Fig. 1 (b)와 같이 본 논문에서는 계산의 용이성을 위해서 기계의 조인트(joint)로 단순 모델링을 하고, 이러한 구조를 통해서 캘리브레이션하는 방법을 제안한다. 본 캘리브레이션에 사용될 대표적인 손목의 네가지 동작들은 레디얼, 울너, 플랙션, 익텐션 (Radial, Ulnar, Flexion, Extension) 으로 각각 나눌 수 있고[1], 이와 같은 분류는 실생활의 손목의 재활운동에 많이 활용되고 있다.
자석을 손에 직접 붙여도 되지만, 장갑 같을 것을 사용하여 간접적으로 용이하게 장갑위에 설치하였다. GMR 센서는 8개를 사용하여 센서 패드에 각각 설치되어 있고, 이 센서는 증폭기를 사용하여 값을 증폭 하였다. 증폭된 센서 데이터는 ADC(analog-to-digital converter) 를 통해 아날로그 신호를 디지털로 바꾸어 CPU에 전달되어 처리하였다.
위와 같은 비선형 요소들을 본 논문의 목적에 맞게 계산의 용이성을 위해서 간략화하였고, 본 논문에서는 최종 비선형 데이터를 캘리브레이션을 통해서 해결하고자 한다. 또한 위와 같은 효과들을 극대화하기 위해서 인접한 3개 센서를 동시에 사용하여 센서값들을 캘리브레이션 한다. 따라서 1개의 센서를 사용할 때보다 좀 더 안정된 값을 취할 수 있게 하였다.
본 시스템의 사용성(usability) 실험을 위해서 본 시스템에 대해서 전혀 알고 있지 않은 대상자들 중에서 5개의 그룹을 만들어서 몇 번만에 실제의 타켓 손목운동을 완성하는지를 테스트 하였다. Fig.
본 논문을 통해서 손목 운동의 재활에 도움을 줄 수 있는 새로운 시스템 방법을 제공하였고, 이런 시스템을 구현함에 있어서 발생하는 복잡한 모델이나 계산식의 문제점들을 해결하였다. 실제 손목운동을 할 때 자석과 GMR 센서와의 관계와 여기서 발생하는 데이터에 대해서 고찰하였고, 이를 소형의 컴퓨터(CPU)를 사용하여 전체시스템을 웨어러블하게 적용 가능한 방법을 제시하였다. 복잡한 모델이나 계산식이 없어도 충분히 손목의 움직임을 손쉽게 측정할 수 있었고, 빠르면서 간단한 모델링과 수식을 통해서 손목의 운동들을 손쉽게 측정할 수 있었다.
본 논문에서는 복잡하고 비선형적인 데이터들을 대체하기 위해서, 간단한 손목의 모델링을 통하여 위에서 설명한 바와 같이 손쉽게 캘리브레이션을 할 수 있는 방법을 제시하였고, 캘리브레이션을 통해서 GMR 센서 패드에서 자석의 상대적인 위치와 값들을 구할 수 있었다. 이런 자석의 상대적인 위치와 값들은 손목이 움직일 때 발생하는 GMR 센서 데이터들을 보정 및 계산을 하여 움직임을 측정하였다.
GMR 센서는 8개를 사용하여 센서 패드에 각각 설치되어 있고, 이 센서는 증폭기를 사용하여 값을 증폭 하였다. 증폭된 센서 데이터는 ADC(analog-to-digital converter) 를 통해 아날로그 신호를 디지털로 바꾸어 CPU에 전달되어 처리하였다. 이때 센서 패드는 손목주변에 감아서 설치하였다.
실시간 운영체제(RTOS)는 사용하지 않았고, 운영체제 없이 베어메탈(bare metal) 펌웨어로만 구성하였다. 최종 결과 값은 시리얼통신(USART)를 통해서 컴퓨터로 전달하여 데이터를 축적하였다.
캘리브레이션을 통해서 얻어진 I_F, I_B, I_L, I_R의 값들을 통해서 실제 자석의 위치를 계산하였고, 특히 움직임이 가장 명확한 운동인 앞(forward)과 뒤(backward) 손목 운동을 했을 때 데이터를 분석하였다. 데이터를 분석하기 위해서, 카메라를 통해서 구한 실제 움직임의 경로와 본 논문의 방법을 사용하여 구한 결과값들을 비교해 본 결과 Fig.

대상 데이터

5. Trial test for target motion over 5 random people groups, indicating A, B, C, D, and E. Each group contains 10 people.
본 논문의 하드웨어적인 시스템 구성은 기본적으로 자석(1개 또는 4개 등으로 확장 가능한 구성), 자기장 (GMR : Giant Magnetoresistance, 이하 GMR) 센서, 중앙처리장치(Atmega128 CPU : Central Processing Unit, 이하 CPU)로 구성되어 있다. 자석은 손에 설치가 되는데, 4개 자석들이 손등, 손바닥, 손 왼쪽 및 오른쪽에 각각 설치된다.

성능/효과

Fig. 4 (b, c)과 같이 손목이 왼쪽, 오른쪽으로 움직일 때, 왼쪽과 오른쪽에 각각 설치된 자석들을 통해서 캘리브레이션된 GMR 센서값들을 사용해서 손목운동을 분석하였는데, 왼쪽과 오른쪽의 운동 경로를 명확하게 판단할 수 있었다. 또한, Fig.
의 값들을 통해서 실제 자석의 위치를 계산하였고, 특히 움직임이 가장 명확한 운동인 앞(forward)과 뒤(backward) 손목 운동을 했을 때 데이터를 분석하였다. 데이터를 분석하기 위해서, 카메라를 통해서 구한 실제 움직임의 경로와 본 논문의 방법을 사용하여 구한 결과값들을 비교해 본 결과 Fig. 4에서와 같이 상당히 일치함을 보였다.
따라서 복잡한 수식의 모델이나 비선형적인 데이터를 사용하지 않고서도, 자석과 GMR 센서를 사용하여 시스템을 웨어러블하게 소형화시켰으며, 간단하면서 실용적 인 캘리브레이션 방법을 통해서 실제 손목 재활의 목적을 달성할 수 있는 새로운 방법을 제시하면서 실현 가능성을 보였다.
실제 손목운동을 할 때 자석과 GMR 센서와의 관계와 여기서 발생하는 데이터에 대해서 고찰하였고, 이를 소형의 컴퓨터(CPU)를 사용하여 전체시스템을 웨어러블하게 적용 가능한 방법을 제시하였다. 복잡한 모델이나 계산식이 없어도 충분히 손목의 움직임을 손쉽게 측정할 수 있었고, 빠르면서 간단한 모델링과 수식을 통해서 손목의 운동들을 손쉽게 측정할 수 있었다.
이와 같이 동일한 사람에 대해서 오랫동안 측정해 본 결과 IF, IB, IL, IR의 위치가 최대 ±5mm 의 오차를 보이기도 했다.

참고문헌 (10)

Bin Shi, et al., "Wearable Ankle Robots in Post-stroke Rehabilitation of Gait : A Systematic Review," Neurorobot, 2019. DOI: https://doi.org/10.3389/fnbot.2019.00063
E. Shammas and Mauricio de Oliveira, "Motion planning for the Snakeboard," The International Journal of Robotics Research, 2006. DOI: https://doi.org/10.1177%2F0278364912441954
R. Murphy, "Human-robot interaction in rescue robotics," IEEE Systems, Man and Cybernetics, vol. 34. no. 2, May 2004. DOI: https://doi.org/10.1109/TSMCC.2004.826267
L. Shook and D. Akin, "Evaluation of various hand controllers for use by a space-suited subject," 31st International Conference on Environmental Systems, July 2001. DOI: https://doi.org/10.4271/2001-01-2203
Thuong Huang, et al., "Passive Deformable Haptic Glove to Support 3D Interactions in Mobile Augmented Reality Environments," IEEE/ACM International Symposium on Mixed and Augmented Reality, 2013. DOI: https://doi.org/10.1109/ISMAR.2013.6671793
Y. Kim, B. Sok, and S. Lee, "A new wearable input device: Scurry," IEEE Transactions on Industrial Electronics, vol. 52, no. 6, pp. 1490-1499, Dec. 2005. DOI: https://doi.org/10.1109/TIE.2005.858736

상세보기
J. Mcintosh, C. Mcneill, and M. Fraser, "Practical Hand Gesture Classification with Wrist-Mounted EMG and Pressure Sensing," Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems, pp. 2332-2342, May 2016. DOI: https://doi.org/10.1145/2858036.2858093
https://www.ansys.com/solutions/solutions-by-industry
Vivian Genaro and Kelly Caine, "Micro interactions and Multi dimensional Graphical User Interfaces in the Design of Wrist Worn Wearables," in Proceedings of the Human Factors and Ergonomics Society Annual Meeting, Dec 2016. DOI: https://doi.org/10.1177/1541931215591370
S. Parikh, R. Rao, S. Jung, V. Kumar, J. Ostrowski, and C. Taylor, "Human robot interaction and usability studies for a smart wheelchair," in Proc. IEEE/RSJ Int'l Conf. on Intelligent Robots and Systems, Las Vegas, Nevada, pp. 3206-3211, 2003 DOI: https://doi.org/10.1109/IROS.2003.1249650

저자의 다른 논문 :

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