您现在的位置是：首页 > 其他

当前栏目

依据MPU6050角速度原始数据的计步算法

算法数据

2023-04-18 16:12:54 时间

首先我要吐槽一下InvenSense的DMP，很坑。没有什么特别需求的话，不要往nRF52832上移植，吃力不讨好。

一、简介

依据MPU6050的角速度原始数据计算佩戴者步数，由于依据的是角速度，只适用与手环或者腿环等设备。本项目的主控芯片是nRF52832（SDK：Nordic SDK 17.0.2.），但算法通用，读取原始数据的完整工程来自艾克姆，已上传个人主页。

不知为何，在nRF53832的带BLE功能的工程中，读取MPU6050的原始数据频率如果过快的话MCU会卡死。本算法仅需50ms读取一次原始数据即可，对CPU压力较小。

二、步态分析

人在行走过程中，腿部垂直于人体矢状面方向的角速度变化最为明显，且具有一定的规律性，可以通过这一规律性来判断步数。角速度在行走过程之中的大致变化曲线如图一所示：

其中摆动中相就是走路过程中两腿并排的那一刻，此时角速度最大[1]。由图可以看出在每一步中，角速度有一个骤增和一个骤减的过程最具有标志性，若是能够通过算法捕获到这个现象，就可以实现计步功能了。

大致思路如下：

MCU配置一个50ms定时器，每50ms读取一下当前角速度原始数据(Gyro_new_sample)，并将上一个50ms的原始数据保存(Gyro_old_sample)。同时实时更新出现过的角速度原始数据最大值(Gyro_max)、最小值(Gyro_min)和二者平均值(Gyro_mid)。一旦出现下述两种情况：

1.Gyro_old_sample < Gyro_mid < Gyro_new_sample (骤增现象);

2.Gyro_new_sample < Gyro_mid < Gyro_old_sample (骤减现象);

就记为一次有效的走步，如图二所示。

三、计步算法

1、均值滤波采样、可信赖变化量、记录MAX和MIN

单次采样数据必然不可信，所以要多次采样取平均值。

取完平均值后的数据依然不一定是可信的数据，如果本次采样的数据和上一个50ms采样的数据差值过小或者过大，应当不予采纳，需要设置可信赖变化量的下限和上限，上限和下限的值需要开发者根据自己MCU的实际情况进行设置，这里的值仅作参考。

①全局变量定义

#define ABS(a) (0 - (a)) > 0 ? (-(a)) : (a)   //取a的绝对值
#define SAMPLE_NUM                10          //采样10次取平均值
#define MIN_RELIABLE_VARIATION    500         //最小可信赖变化量
#define MAX_RELIABLE_VARIATION    5000        //最大可信赖变化量

//三轴数据
typedef struct
{
	int16_t X;
	int16_t Y;
	int16_t Z;
}axis_value_t;              
axis_value_t old_ave_GyroValue, ave_GyroValue;
//极值数据
typedef struct
{
	axis_value_t max;
	axis_value_t min;
}peak_value_t;
peak_value_t peak_value;

②采样程序

大致过程是：保存上一次采样数据 → 均值采样本次数据 → 计算本次和上次的差值 → 检验差值大小(若超限则将本次数据回退到上一次的大小) → 保存最大值和最小值。这个函数50ms会被调用一次。

void Gyro_sample_update(void)
{
	axis_value_t GyroValue;
	axis_value_t change;
	int sum[3] = {0};
	uint8_t success_num = 0;

	//保存上一次测量的原始数据
	old_ave_GyroValue.X = ave_GyroValue.X;
	old_ave_GyroValue.Y = ave_GyroValue.Y;
	old_ave_GyroValue.Z = ave_GyroValue.Z;

	//多次测量取平均值
	for(uint8_t i = 0; i < SAMPLE_NUM; i++)
	{
		if(MPU6050_ReadGyro(&GyroValue.X , &GyroValue.Y , &GyroValue.Z ) == true)
		{
			sum[0] += GyroValue.X;
			sum[1] += GyroValue.Y;
			sum[2] += GyroValue.Z;
			success_num ++;
		}
	}
	ave_GyroValue.X = sum[0] / success_num;
	ave_GyroValue.Y = sum[1] / success_num;
	ave_GyroValue.Z = sum[2] / success_num;

	//原始数据变化量
	change.X = ABS(ave_GyroValue.X - old_ave_GyroValue.X);
	change.Y = ABS(ave_GyroValue.Y - old_ave_GyroValue.Y);
	change.Z = ABS(ave_GyroValue.Z - old_ave_GyroValue.Z);
	
	//如果变化量超出可接受的变化值，则将原始数据退回到上一次的大小
	if(change.X < MIN_RELIABLE_VARIATION || change.X > MAX_RELIABLE_VARIATION)
	{
		ave_GyroValue.X = old_ave_GyroValue.X;
	}
	if(change.Y < MIN_RELIABLE_VARIATION || change.Y > MAX_RELIABLE_VARIATION)
	{
		ave_GyroValue.Y = old_ave_GyroValue.Y;
	}	
	if(change.Z < MIN_RELIABLE_VARIATION || change.Z > MAX_RELIABLE_VARIATION)
	{
		ave_GyroValue.Z = old_ave_GyroValue.Z;
	}

	//分别保存三轴角速度原始数据的最大值和最小值
	peak_value.max.X = MAX(peak_value.max.X , ave_GyroValue.X);
	peak_value.min.X = MIN(peak_value.min.X , ave_GyroValue.X);
	peak_value.max.Y = MAX(peak_value.max.Y , ave_GyroValue.Y);
	peak_value.min.Y = MIN(peak_value.min.Y , ave_GyroValue.Y);
	peak_value.max.Z = MAX(peak_value.max.Z , ave_GyroValue.Z);
	peak_value.min.Z = MIN(peak_value.min.Z , ave_GyroValue.Z);
}

注：MPU6050_ReadGyro(&GyroValue.X , &GyroValue.Y , &GyroValue.Z )是读取三轴角速度原始数据的函数，将数据保存在GyroValue中；succee_num是用来防止这个函数返回的是false从而影响结果。（但实际采用过程中大概率是不会采样失败的，可以删去，直接除以SAMPLE_NUM就行）

2、判断最活跃轴

只有知道MPU6050哪个轴是更接近垂直于人体矢状面的，才能确定究竟要使用哪个轴的原始数据进行计步。

①全局变量定义

#define ACTIVE_NUM          30            //最活跃轴更新周期
#define ACTIVE_NULL         0             //最活跃轴未知
#define ACTIVE_X            1             //最活跃轴是X
#define ACTIVE_Y            2             //最活跃轴是Y
#define ACTIVE_Z            3             //最活跃轴是Z
uint8_t most_active_axis = ACTIVE_NULL;   //记录最活跃轴

②最活跃轴判断程序

这个函数也是50ms被调用一次。

每一次被调用时，都会计算一次change值，也就是上一次和这一次原始数据的差值，然后比较这三个差值的大小，增加最大差值轴的活跃度权重。这里是每1.5秒(由ACTIVE_NUM决定)比较一次权重值，权重最大的轴就是最活跃轴，然后把权重都清零，下一个1.5秒再重新判断一次。

void which_is_active(void)
{
	axis_value_t change;
	static axis_value_t active;        //三个轴的活跃度权重
	static uint8_t active_sample_num; 
 
	Gyro_sample_update();
	active_sample_num ++;

	//每隔一段时间，比较一次权重大小，判断最活跃轴
	if(active_sample_num >= ACTIVE_NUM)
	{
		if(active.X > active.Y && active.X > active.Z)
		{
			most_active_axis = ACTIVE_X;
		}
		else if(active.Y > active.X && active.Y > active.Z)
		{
			most_active_axis = ACTIVE_Y;
		}
		else if(active.Z > active.X && active.Z > active.Y)
		{
			most_active_axis = ACTIVE_Z;
		}
		else
		{
			most_active_axis = ACTIVE_NULL;
		}
		active_sample_num = 0;
		active.X = 0;
		active.Y = 0;
		active.Z = 0;
	}

	//原始数据变化量
	change.X = ABS(ave_GyroValue.X - old_ave_GyroValue.X);
	change.Y = ABS(ave_GyroValue.Y - old_ave_GyroValue.Y);
	change.Z = ABS(ave_GyroValue.Z - old_ave_GyroValue.Z);

	//增加三轴活跃度权重
	if(change.X > change.Y && change.X > change.Z)
	{
		active.X ++;
	}
	else if(change.Y > change.X && change.Y > change.Z)
	{
		active.Y ++;
	}
	else if(change.Z > change.X && change.Z > change.Y)
	{
		active.Z ++;
	}
}

3、初步计步

一切准备就绪，接下来要捕获原始数据骤增和骤减现象了。

①全局变量定义

uint16_t step_count;

②计步程序

取最大值和最小值的均值mid，每当出现图二中的情况，则算作一次有效走步。

void detect_step(void)
{
	int16_t mid;
	which_is_active();
	switch(most_active_axis)
	{
		case ACTIVE_NULL:
			break;
		//捕捉原始数据骤增和骤减现象
		case ACTIVE_X:
			mid = (peak_value.max.X + peak_value.min.X) / 2;
			if(old_ave_GyroValue.X < mid && ave_GyroValue.X > mid)
			{
				step_count ++;
			}
			else if(old_ave_GyroValue.X > mid && ave_GyroValue.X < mid)
			{
				step_count ++;
			}
			break;
		case ACTIVE_Y:
			mid = (peak_value.max.Y + peak_value.min.Y) / 2;
			if(old_ave_GyroValue.Y < mid && ave_GyroValue.Y > mid)
			{
				step_count ++;
			}
			else if(old_ave_GyroValue.Y > mid && ave_GyroValue.Y < mid)
			{
				step_count ++;
			}
			break;	
		case ACTIVE_Z:
			mid = (peak_value.max.Z + peak_value.min.Z) / 2;
			if(old_ave_GyroValue.Z < mid && ave_GyroValue.Z > mid)
			{
				step_count ++;
			}
			else if(old_ave_GyroValue.Z > mid && ave_GyroValue.Z < mid)
			{
				step_count ++;
			}
			break;
		default:
			break;
	}
}

但是到这里还没有结束，step_count作为最终结果不够严谨，需要根据人类实际的走步速度，再对步数进行一次调整。

4、最终步数

这是nRF52832的一个50ms定时器回调函数，只需关注核心部分：detect_step() 每50ms被调用一次，正常人走路1秒内不会超过3步，所以每300ms查看一次step_count 是不是为0 ，只要不是0 ，无论是多大都只算作1步，step就是最终的步数。

uint16_t step;

void timer3_handler(nrf_timer_event_t event_type, void* p_context)
{
	static uint8_t step_time_count = 0;
	switch(event_type)
	{
		case NRF_TIMER_EVENT_COMPARE0:
			
			detect_step();
			step_time_count ++;
			if(step_time_count == 6)   //300ms
			{
				step_time_count = 0;
				if(step_count != 0)
				{
					step_count = 0;
					step ++;
				}
			}
			break;
		default:
			break;
	}
}

参考： (16条消息) 基于三轴加速度传感器的计步算法_Dancer__Sky的博客-CSDN博客_加速度计步算法

参考文献：[1] 李江慧，连春快，李玉榕 . 基于惯性传感器的穿戴式步态分析系统设计与实现[J] . 电气技术，2021（9）：14-21

猜你喜欢

Jease 2.6发布 Java开源内容框架
EasyCVR对接华为iVS订阅摄像机和用户变更请求接口介绍
JVM调优总结：反思
【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
JVM调优总结：调优方法
前端面试【JavaScript】— typeof 是否能正确判断类型？
JVM调优总结：新一代的垃圾回收算法
前端面试【JavaScript】— instanceof 能否判断基本数据类型？
JVM调优总结：典型配置举例
前端面试【JavaScript】— 能不能手动实现一下 instanceof 的功能？
前端面试【JavaScript】— Object.is和=== 有什么区别？
JVM调优总结：分代垃圾回收详述
前端面试【JavaScript】— JS中类型转换有哪几种？
WPF开发入门尝试
前端面试【JavaScript】— == 和 ===有什么区别？
一个Java程序员对2011年的回顾
前端面试【JavaScript】— 对象转原始类型是根据什么流程运行的？
JVM调优总结：垃圾回收面临的问题
直接在代码里面对list集合进行分页
JVM调优总结：基本垃圾回收算法

zl程序教程

当前栏目

依据MPU6050角速度原始数据的计步算法

一、简介

二、步态分析

三、计步算法

1、均值滤波采样、可信赖变化量、记录MAX和MIN

①全局变量定义

②采样程序

2、判断最活跃轴

①全局变量定义

②最活跃轴判断程序

3、初步计步

①全局变量定义

②计步程序

4、最终步数

相关文章