1

Les appareils de mesure inertielle dans l’analyse du mouvement humain

2

Les appareils traditionnels de mesure du mouvement 3D (Électrogoniométrie)

Lamoreux, LW, 1971, Kinematic Measurements in the Study of Human Walking, Bul. Prosth. Res. BPR 10-15

3Les appareils d’aujourd’hui sont beaucoup moins encombrants mais demeurent encore des outils de laboratoire. (Vicon, MotionAnalysis)

4

Mesure expérimentale 6 caméras VICON Mcam2 (120Hz); tapis roulant à 2 voiesl ADAL;

Système Physilog (3D acc, 3D gyros)

5Système d’analyse du mouvement

6

Inverse Dynamic Modeling Approach

Kinematic Datap,v,a,ω,α

Force-platform measurementsFground, Mground

Body Segment Parameters

m,I

Inverse Dynamic Model

ΣF = maΣM = Iα

Net Joint Forces and MomentsFnet, Mnet

Inputs Outputs

ith Segment

i+1th segment

FM

MF

7

Avantages des appareils optoélectroniques Ils fournissent les positions 3D par rapport à un repère fixe

globale. Ils sont précis ( environ 200 micro-mètres)

8

Désavantage des appareils optoélectroniques Nécessité du calibrage lors des dispositions des caméras Volume de mesure statique En général ils ne fonctionnent pas en temps-réel

9

Unité inertielle La mesure inertielle est un système qui combine des

accéléromètres 3D, des gyroscopes 3D ainsi que des magnetomètres 3D

Physilog, BioAGM, MTI - Xsens ADPM – 8Gb/ 720hDynamic accuracy 2.80 deg

10

Unité inertielle Monitorage des activités de la vie quotidienne Estimation de l’énergie dépensé quotidiennement Mesure de la cinématique articulaire et du corps entier Estimation des charges par inverse dynamique

11

Unité inertielle : Monitorage de l’activité physique quotidienne Un moyen efficace pour la mesure objective du mouvement

humain dans un contexte de mouvement non contraint Le monitorage de différent type de mouvement (marche,

transfert assis-debout, équilibre postural, descente d’escalier chutes, etc…)

Permet l’identification et la classification des activités physiques par monitorage continue

12

Unité inertielle Goniomètre (mesure les angles inter-segmentaires) Accéléromètre (mesure l’accélération linéaire et le

mouvement d’un segment) Gyroscope (mesure l’orientation ou la vitesse angulaire d’un

segment) Contacteur électromécanique (mesure le temps entre 2

contacts talons succéssifs) Podomètre (mesure le nombre de pas) Actimètre (mesure la quantité ou le pourcentage d’activité

physique)

13

Avantage Peu couteux Mesure effectuée en dehors du contexte du laboratoire ou de

la clinique Ils répondent bien en fréquence et en intensité du

mouvement Permettent la mesure de l’inclinaison grâce à la mesure de

l’axe gravitationnel

14

ActiGraph, RT3, TricTrac-3D

15

Consommation en courant L’accéléromètre de type iMEMS consomment environ de

0.18 à 0.7 mA alors que le gyroscope en consomme beaucoup plus de 3.5 à 6.0 mA.

16

ADXL322

17

Modèle des capteurs inertielsSabatini. Review. Sensors, 2011.

18

Vitesse angulaire estimé par l’axe de rotation instantannéAissaoui et al., IEEE-EMBS2004

19

Comparison between accelerometer and optoelectronic system. Aissaoui et al. 2006. IEEE-ISIE

20How to filter noise ?Three categories Filtering in time domain Filtering in frequency domain Filtering in time-frequency domain

21Comparative studies

There is no powerful method that works for every biomechanical situation Comparison of filtering techniques have always been done on a single

marker i.e. the rigidity constraint of rigid body is not taken into account Difficulty in automatisation of the algorithms

Walker JA. (1998). Estimating velocities and accelerations of animal locomotion : a simulation experiment comparing numerical differentiation algorithms. The Journal of Theoretical Biology, 201: 981-995.

Wachowiak MP. et al. (2000). Wavelet-based noise removal for biomechanical signals: A comparative study. IEEE Trans. on Biomedical Eng., vol 47(2): 360-368.

Nagano A et al. (2003). Optimal digital filter cut-off frequency of jumping kinematics evaluated through computer simulation. Int. J. Health Res, 1(2): 196-201.

Alonso FJ. et al. (2004). Automatic filtering procedure for processing biomechanical kinematic signals. Lecture Notes in Computer Science, 3337: 281-291..

22

Purpose of this work is to compare three automatic methods with and without the rigidity constraints

Autocorrelation method (AC) Power spectral density method (PSA) Singular spectrum analysis (SSA)

23AC method

24PSA method

Signal series S

AR modeling using modified covariance algorithm

Estimating power spectrum using FFT of the AR coefficient(Wiener-Khintchin identity)

Estimating the power of the noise Average of 80 to 100% of the power spectrum

Determination of the frequency fc at which the power is lower than the previous average calculation

Use of butterworth filter at fc

25SSA method

Let S be a signal of length N, and let L represents a window length. The first step is to construct a Hankel matrix from the original signal by sliding a window with length L.

1 2 3 8 9 10S

1 2 3 82 3 8 93 8 9 10

H

H = UDWT Singular value decomposition of H

26Derivatives calculation

Method-1 : central difference

2 2

2

2

4i i i

i

s s sa

t

Method-2: using the angular velocity calculation

2i ia W W s

00

0

z y

z x

y x

dWW Wdt

27Results

0 200 400 600 800 1000 1200-10

-5

0

5

10

Y-ax

is

0 200 400 600 800 1000 1200-10

0

10

20

Z-ax

is

0 200 400 600 800 1000 1200-10

-5

0

5

10

X-ax

is

Acceleration measured and calculated from raw data without filtering in three axis (m/s2)

28comparing PSA, AC and SSA for method-2

0 200 400 600 800 1000 1200-10

0

10

20

0 200 400 600 800 1000 1200-10

-5

0

5

10

0 200 400 600 800 1000 1200-5

0

5

10

filtre PSAfiltre autocorfiltre SSAaccelerometre SSA

29

Estimation de l‘orientation avec les UI sans les capteurs de mouvement Strap-down integration method (SDI) : gyroscope +

quaternion algebra Fusion algorithm using selective orientation correction

method SOC : gyroscope + accelerometer Fusion algorithm using Kalman filtering : gyroscope +

accelerometer + magnetometer + sensor modeling.

30

General fusion algorithmRoentenberg et al. 2003, International Symposium on Mixed and Augmented Reality (ISMAR ’03)

31

Erreur typique due au drift en utilisant la méthode SDI et SOCFavre, PhD Dissertation , EPFL 2008

32

Contrôle du drift en utilisant le filtre de kalman Roentenberg et al. 2003, International Symposium on Mixed and Augmented Reality (ISMAR ’03)

33

Application

34

Mesure cinématique Cinématique de la marche

Paramètre Spatio-temporels (durée du cycle, cadence, pahse de simple et double support; longueur de pas et de foulée )

Déplacement articulaire (2D/3D)

Dynamique de la marche Moment de réaction à l’épaule.

35

Utilisation de l’accéléromètre durant la marche Saunders, J., Inman, V. and Eberhart, H., 1953. The major

determinants in normal and pathological gait. Journal of Bone and Joint Surgery - American Volume 35, 543-58.

Morris, J. R. W., 1973. Accelerometry - Technique for measurement of human body movements. Journal of Biomechanics 6, 729-32.

36

Temporal parameters (wavelet analysis) Aminian et al. J. Biomech, 2002.

10 ms delay between HS as compared with foot-switch

37

2D kinematics modelAminian et al. J.Biomech, 2002.Errors for velocityand stride length estimations were equal to 0.06 m/s and 0.07 m respectively

38

Knee joint angular measurementHagemeister et al. J. Biomech (2005)

Optoélectronique (Optotrack 3020)

Magnétique (FastTrack,Polhemus)

Vidéo (VICON)

Physilog

39

40Knee Motion Analyser System using functional calibration system

Body-coordinate system

Anatomical coordinatesystem

Joint CoordinateSystem(Groot & Suntay)

41Knee 3D Inertial Measurement system Favre, Aissaoui et al. J. Biomech (2009)

42Results of the functional calibration method using IMUFavre, Aissaoui, et al. J. Biomech (2009)

Syst. Lyberty (électromagnétique) Syst. Inertiel Physilog (Acc, gyro)

43

Repeatability & Accuracy

44

Travail actuel de Perrine F (MSc.)

45

Travail actuel de Perrine F (MSc.)

46Shoulder moment estimation during wheelchair propulsion systemAissaoui et al. (2006)

Infra-red markers

Inertial System

Handrim reaction forces

47Generic inverse dynamics

48

Results(solid red : IMU; black dashed optoelectronic)

Flx/Ext

Add/Abd

Int/Ext

Mz

49

ResultsFlx/Ext Add/Abd Int/Ext

rms (Nm)

2.57 2.78 2.23

rms_peak (Nm) 4.40 5.09 4.54

relative peak error (%)

24.4 51.01 49.32

50

Conclusion Les UI sont un excellent outil pour le monitorage de l’activité

physique en dehors du laboratoire et du milieu clinique. La répétabilité peut-être considérée comme bonne dans

certains cas de mesure