-
公开(公告)号：CN114847978B
公开(公告)日：2024-09-13
申请号：CN202210579392.6
申请日：2022-05-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于肌肉功能网络的康复评估方法，属于康复医学技术领域，该方法包括：首先设计不同手势实验范式采集表面肌电信号，随后对采集的表面肌电信号进行滤波降噪与手势数据起止点检测的预处理，预处理之后的数据经过滑动窗函数提取特征，经由互信息法计算变量之间的关联程度，并构建邻接矩阵；然后将邻接矩阵转化为二值矩阵，构建出肌肉功能网络；最后根据图论的特征指标，对肌肉功能网络下不同肌肉之间的信息交流状况进行分析，利用皮尔逊相关系数对不同目标对象的肌肉功能网络的特征指标进行量化，实现对运动损伤的康复评估。该方法实现对手臂肌肉内部信息交流状况的具体阐述，并可据此进一步了解到障碍肌肉的康复情况。
-
公开(公告)号：CN117213513A
公开(公告)日：2023-12-12
申请号：CN202311123710.9
申请日：2023-08-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于环境感知和人体运动学的行人导航系统及路径规划方法，行人导航系统包括：环境信息获取模块，定位模块，步态规划模块，运动规划模块。路径规划方法包括：通过环境感知建立欧式符号距离场地图，采用线性倒立摆模型建立连续运动模型，利用线性步态点放置控制生成步态点并求解LIP模型，通过搜索算法生成安全的轨迹，引导行人按照最优步态轨迹行走。本发明提出的基于行人导航系统及方法能够感知丰富的环境信息，处理环境中的动态信息，考虑人体的运动学约束，规划适合视障、智力障碍等特殊人士通行的安全无障碍行走轨迹，实现对行人的自主安全的引导。
-
Patent Agency Ranking
公开(公告)号：CN114847978A
公开(公告)日：2022-08-05
申请号：CN202210579392.6
申请日：2022-05-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于肌肉功能网络的康复评估方法，属于康复医学技术领域，该方法包括：首先设计不同手势实验范式采集表面肌电信号，随后对采集的表面肌电信号进行滤波降噪与手势数据起止点检测的预处理，预处理之后的数据经过滑动窗函数提取特征，经由互信息法计算变量之间的关联程度，并构建邻接矩阵；然后将邻接矩阵转化为二值矩阵，构建出肌肉功能网络；最后根据图论的特征指标，对肌肉功能网络下不同肌肉之间的信息交流状况进行分析，利用皮尔逊相关系数对不同目标对象的肌肉功能网络的特征指标进行量化，实现对运动损伤的康复评估。该方法实现对手臂肌肉内部信息交流状况的具体阐述，并可据此进一步了解到障碍肌肉的康复情况。
-
公开(公告)号：CN117191056A
公开(公告)日：2023-12-08
申请号：CN202311123602.1
申请日：2023-08-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于触地力学反馈的行人导航系统及步行轨迹跟踪控制方法，系统包括环境信息获取模块、定位模块、环境感知与探索模块、步态规划模块、力反馈控制模块，方法包括：获取行走轨迹的初始状态和终止状态，构建人体行走运动学模型离散化差分模型，对实时得到的初始状态和终止状态进行最优化控制，结合目标函数和约束条件进行最优求解得到两个状态之前的人体步行的最优轨迹，将求取的最优航向角作为控制输入序列，给到力反馈控制器，驱动力反馈机构跟踪最优航向角，沿规划的路径引导行人。本发明可在人体运动学模型，动态环境，障碍物等约束下，通过步行轨迹跟踪控制方法控制力反馈机构实现对视障、智力障碍等特殊人士的自主引导。
-
公开(公告)号：CN115736898A
公开(公告)日：2023-03-07
申请号：CN202211326782.9
申请日：2022-10-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种融合深度相机与惯性传感器的步态分析方法及系统，该方法包括：采集人体步态数据；对原始人体步态数据进行预处理；用处理后的数据进行步态相关计算；通过融合算法进行传感器数据融合；进行步态分析。本发明使用互补滤波器将惯性测量单元中有噪音的加速度计和有漂移的陀螺仪融合，得到较准确的关节角结果，IMU以任意方向安装在肢体上，不依赖于均匀的磁场，避免因磁场干扰产生的噪音和误差，适用于单肢体转动的情况，并结合通过深度相机数据计算的关节角结果，融合深度相机和IMU数据，在检测到测量误差较大的运动时，使用深度相机和IMU互相矫正关节角度，在不降低操作效率的情况下提高了计算精度。
-
公开(公告)号：CN117995351A
公开(公告)日：2024-05-07
申请号：CN202410079427.9
申请日：2024-01-19
Applicant: 南京理工大学
IPC: G16H20/30 , A61B5/11 , A61B5/296 , A61B5/00 , G16H50/30 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于跑步姿势监测的下肢运动学参数测量方法与装置，采用表面肌电信号综合监测技术结合图卷积网络与长短期记忆网络的深度学习模型，能够准确地监测跑步运动员的下肢关节角度变化并对运动员的肌肉损伤风险进行分析；本发明搭建了一个整合了图卷积网络与长短时记忆网络的深度学习模型，通过训练，模型可以学习肌电信号和髋关节运动之间的复杂关系，从而能够预测髋关节在跑步时的运动轨迹。为有效分析跑步姿势不正确造成的肌肉损伤风险，本发明综合考虑了送髋的角度、触地时间以及表面肌电信号特征作为风险评估参数，可有效指导长跑者的跑步姿势，降低运动损伤风险。
-
公开(公告)号：CN114224325A
公开(公告)日：2022-03-25
申请号：CN202111178707.8
申请日：2021-10-11
Applicant: 南京理工大学
IPC: A61B5/11
Abstract: 本发明公开了一种利用惯性传感器计算关节力矩和角度的步态分析系统及方法，系统包括佩戴于被试者身上的惯性传感器和计算单元；所述惯性传感器用于测量加速度和陀螺仪数据，所述计算单元利用深度学习网络，计算得出关节角度、地反力和关节力矩。本发明通过佩戴于被试者身上的惯性传感器得到数据，利用深度神经网络等技术，可以实时计算地面反作用力、关节角度与关节力矩等步态信息，同时具有低成本、高精度、便携、高效等多方面优势，能方便分析被试者的步态特征、开展运动评估、指导运动训练，因此在医疗康复、生物力学、运动科学等领域具有较好的应用前景和经济效益。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
