Three-dimensional human movement tracking has long been an important topic in medical and engineering field. Complex camera systems such as Vicon can be used to retrieve very precise motion data. However, the system is more commercial-oriented with a high cost. Besides, it would also be tedious and cumbersome to wear the special markers and suits for tracking. Therefore, there's an urgent need to investigate a cost-effective and markless tool for motion tracking. Microsoft Kinect provides a promising solution with a vast variety of libraries, allowing quick development of 3-D spatial modeling and analysis such as moving skeleton possible. For example, the kinematics of the joints such as acceleration, velocity, and angle changes can be deduced from the spatial position information acquired by the camera. In order to validate whether the Kinect system is sufficient for the analysis in practice, a micro-controller platform Arduino along with Intel® Curie™ IMU (Inertial Measurement Unit) module is developed. In particular, the velocity and Euler angels of joint movements, as well as head orientations are measured and compared between the two systems. In this paper, the goal is to present (i) the use of Kinect Depth sensor for data acquisition, (ii) post-processing with the retrieved data, (iii) validation of the Kinect camera. Results show that the RMS error of the velocity tracking ranges from 1.78% to 23.34%, presenting a good agreement of measurement between the two systems. Moreover, the relative error of the angle tracking is between 4.0% and 24.3%. The results of the head orientations tracking are hard to perform a mathematical analysis due to the noise and invalid data from the camera caused by the loss of tracking. Overall, the accuracy of joint movement tracked by the Kinect camera, particularly velocity, is proved to be acceptable and the depth camera has been found to be an effective tool for kinematic measurement as a cost-effective option. A platform and workflow are now established, thus making future work regarding validation and application possible when the advanced hardware is available. / Tre dimensionell rörelse spårning har alltid varit ett viktigt ämne inom medicinska och tekniska områden. Komplexa kamerasystem så som Vicon kan användas för att hämta exakta data för olika rörelser. Dessa system är dock mer kommersiellt orienterade, och är oftast dyra. Systemen är dessutom besvärliga eftersom man är tvungen att bära speciella dräkter med markörer, för att kunna spåra rörelser. Därav finns det ett stort intresse av att undersöka ett kostnadseffektivt och markörfria verktyg för rörelsespårning. Microsoft Kinect är en lovande lösning med en mängd olika bibliotek som möjliggör en snabb utveckling av 3D spatial modellering och analys. Från den spatiala positionsinformationen kan man få fram information om ledernas acceleration, hastighet och vinkelförändring. För att kunna validera om Kinect är passande för analysen, utvecklades en mikro-styrplattform Ardunino tillsammans med Intel R CurieTM IMU (tröghetsmätningsenhet). Hastigheten och Eulers vinkel vid rörelse av lederna, samt orienteringen av huvudet mättes och jämfördes mellan dessa två system. Målet med detta arbete är att presentera (i) användningen av Kinect Depth sensor för datainsamling, (ii) efterbehandling av inhämtad data, (iii) validering av Kinect Kamera. Resultatet visade att RMS-errorn av hastighetsspårningen varierade mellan 1.78% och 23.34%, vilket påvisar en god likhet mellan mätningarna av de två systemen. Det relativa felet i vinkelspårningen är mellan 4.0% och 24.3%. Resultatet för orienteringen av huvudet var svår att ta fram genom matematisk analys eftersom brus och invalid data från kameran uppstod pga förlust av spårning. Noggrannheten av ledrörelsen detekterad av Kinect kameran bevisas vara acceptabel, speciellt för hastighetsmätningar. Djupkameran har visat vara ett effektivt verktyg för kinematiks mätning som ett kostnadseffektivt alternativ. En plattform och arbetsflöde har tagits fram, vilket möjliggör validering och tillämpning när den avancerade hårdvaran är tillgänglig.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-235944 |
| Date | January 2018 |
| Creators | Yuan, Qiantailang |
| Publisher | KTH, Skolan för kemi, bioteknologi och hälsa (CBH) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-CBH-GRU ; 2018:132 |
Page generated in 0.0166 seconds