Impatto del posizionamento del sensore inerziale sul corpo umano: compensazione del frame di riferimento nel tracciamento inerziale

The topic of this thesis is the evaluation of the impact of the positioning of the inertial sensor on the human body, with particular attention to the compensation of the reference frame in inertial tracking. Specifically, a recent evolution of inertial sensors was discussed: Attitude and Heading Reference Systems (AHRS). These are integrated systems consisting of an accelerometer, a gyroscope, a magnetometer plus an on-board processing system. This evolution takes advantage of Micro Electro-Mechanical Systems (MEMS) technology. These inertial systems are used in several of fields of application, due to their ease of use and their portability. In this study the attention was paid to their application to the kinematic analysis of human movement, which widely affects health and sports fields. A fundamental element of these devices is the Sensor Fusion algorithm which integrates the inertial measurements detected by the MEMS components (accelerometer, gyroscope and magnetometer) to provide the orientation of the body with respect to a Global Reference System. In this work, the MPE algorithm owned by the company 221e was examined. The experimental activity of this thesis was carried out inside the company. Specifically, changes have been made to some pre-existing sections of the MPE algorithm to improve the accuracy of data compensation from the Local Frame (LF) to the Body Frame (BF). In addition, a new section has been implemented for the automatic recognition of the sensor position on the user. This section is based on the use of an autoregressive model. In the experimental tests carried out were obtained coherent results of the orientation of the body. However, there would still be some implementation aspects to improve, in particular as regards the method of the autoregressive model. Moreover, This method could also be extended to the recognition of other positions on the body and to activity tracking. These devices therefore represent one of the most promising technologies of recent decades, the key element of their evolution is certainly the data processing algorithm.

La tesi di laurea in oggetto tratta della valutazione dell’impatto del posizionamento del sensore inerziale sul corpo umano, sulla stima di posizione e orientamento del corpo stesso, con particolare attenzione alla compensazione del frame di riferimento nel tracciamento inerziale. Nello specifico è stata trattata un recente evoluzione dei sensori inerziali: gli Attitude and Heading Reference Systems (AHRS). Si tratta da sistemi integrati costituiti da un accelerometro, un giroscopio, un magnetometro combinati con un sistema di processing on board. Quest’evoluzione sfrutta la tecnologia dei componenti micro-elettro-meccanici (Micro Electro-Mechanical Systems, MEMS). Tali sistemi inerziali sono impiegati in un crescente numero di campi di applicazione per la loro facilità di utilizzo da parte dell’utente e per la loro portabilità. In questo studio l’attenzione è stata posta nella loro applicazione all’analisi cinematica del movimento umano, che interessa ampiamente l’ambito sanitario e l’ambito sportivo. Elemento fondamentale di tali dispositivi è l’algoritmo di Sensor Fusion che realizza l’integrazione delle misure inerziali rilevate dai componenti MEMS (accelerometro, giroscopio e magnetometro) per fornire l’orientamento del corpo rispetto ad un Sistema di Riferimento Globale (Global Frame, GF). Nel presente lavoro è stato esaminato l’algoritmo MPE di proprietà dell’azienda 221e, dove si è svolta l’attività sperimentale di tesi. Nello specifico, sono state apportate delle modifiche ad alcune sezioni preesistenti dell’algoritmo MPE, per migliorare l’affidabilità della compensazione dei dati dal Local Frame (LF) al Body Frame (BF). Inoltre, è stata implementata una nuova sezione per il riconoscimento automatico della posizione del sensore sull’utente. Tale sezione si basa sull’utilizzo di un modello autoregressivo. Nelle prove sperimentali effettuate sono stati ottenuti risultati coerenti con l’orientamento effettivo del corpo. Tuttavia, ci sarebbero ancora degli aspetti implementativi da migliorare, in particolare per quanto riguarda il metodo del modello autoregressivo. Tale algoritmo risulta molto promettente, in quanto potrebbe essere esteso anche al riconoscimento di altre posizioni sul corpo e all’activity tracking. Tali dispositivi rappresentano pertanto una delle tecnologie più promettenti degli ultimi decenni, l’elemento chiave della loro evoluzione è sicuramente l’algoritmo di processing dei dati.