A Recurrent Neural Network for 3D Joint Angle Estimation based on Six-axis IMUs but without a Magnetometer

이창준; 김우재; 이정근

doi:10.7736/JKSPE.022.112

추천

검색

질문

자료유형: 학술저널

저자정보: 이창준 (한경대학교) 김우재 (한경대학교) 이정근 (한경대학교)

저널정보: Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Journal of the Korean Society for Precision Engineering Vol.40 No.4

발행연도: 2023.4

수록면: 301 - 308 (8page)

DOI: 10.7736/JKSPE.022.112

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Inertial measurement unit (IMU)-based 3D joint angle estimation have a wide range of important applications, among them, in gait analysis and exoskeleton robot control. Conventionally, the joint angle was determined via the estimation of 3D orientation of each body segment using 9-axis IMUs including 3-axis magnetometers. However, a magnetometer is limited by magnetic disturbance in the vicinity of the sensor, which highly affects the accuracy of the joint angle. Accordingly, this study aims to estimate the joint angle using the 6-axis IMU signals composed of a 3-axis accelerometer and a 3-axis gyroscope without a magnetometer. This paper proposes a recurrent neural network (RNN) model, which indirectly utilizes the joint kinematic constraint and thus estimates joint angles based on 6-axis IMUs without using a magnetometer signal. The performance of the proposed model was validated for a mechanical joint and human elbow joint, under magnetically disturbed environments. Experimental results showed that the proposed RNN approach outperformed the conventional approach based on a Kalman filter (KF), i.e., RNN 3.48° vs. KF 10.01° for the mechanical joint and RNN 7.39° vs. KF 21.27° for the elbow joint.

#Joint angle estimation (관절각 추정) #Inertial measurement unit (관성측정장치) #Magnetometer (지자기센서) #Recurrent neural network (순환 신경망) #Joint constraint (관절 구속조건)

참고문헌 (26)

참고문헌 신청

El-Gohary, M., Pearson, S., McNames, J., Mancini, M., Horak, F., Mellone, S., Chiari, L., (2014), Continuous monitoring of turning in patients with movement disability, Sensors, 14(1), 356-369.

Díaz, S., Stephenson, J. B., Labrador, M. A., (2019), Use of wearable sensor technology in gait, balance, and range of motion analysis, Applied Sciences, 10(1), 234.

Lee, M., Park, S., (2020), Estimation of three-dimensional lower limb kinetics data during walking using machine learning from a single IMU attached to the sacrum, Sensors, 20(21), 6277.

Lee, T., Kim, I., Lee, S.-H., (2021), Estimation of the continuous walking angle of knee and ankle (Talocrural joint, subtalar joint) of a lower-limb exoskeleton robot using a neural network, Sensors, 21(8), 2807.

Lee, B. J., Kim, G. T., Kim, H. C., Shin, Y. J., (2019), Static and dynamic friction characteristics analysis of actuation module for friction compensation of exoskeleton robot, Journal of the Korean Society for Precision Engineering, 36(10), 929-935.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이창준

소속기관 한경국립대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 산업공학

논문수 29 이용수 1,753

김우재

소속기관 한경대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반

논문수 2 이용수 109

이정근

소속기관 한경대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 10% 공학 > 산업공학

논문수 67 이용수 5,095

이 논문과 함께 이용한 논문

Comparative Analysis between IMU Signal-based Neural Network Models for Energy Expenditure Estimation

이창준 , 이정근 Journal of the Korean Society for Precision Engineering 2024 .03

수소 극저온 열교환기 국내 연구 동향

류진우 , 김우경 , 김보겸 외 1명 대한기계학회 춘추학술대회 2023 .04

Reliability Verification of Shoulder Joint Range of Motion Measurement Using OpenCV and Motion Capture

조근식 , 조영준 , 최인식 외 8명 Journal of the Korean Society for Precision Engineering 2023 .07

Prediction of CMP Material Removal Rate based on Pad Surface Roughness Using Deep Neural Network

정종민 , 정선호 , 신영일 외 2명 Journal of the Korean Society for Precision Engineering 2023 .01

어깨 통증 치료 재활로봇 개발

이정수 , 김태현 , 김광기 재활복지공학회논문지 2022 .11

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (26)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)