A method of detecting human movement intentions in real environments

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Gutierrez Farewik Elena 1973 ) > A method of detecti...

Liu, YixingKTH,Farkostteknik och Solidmekanik (författare)

A method of detecting human movement intentions in real environments

Artikel/kapitelEngelska2023

Förlag, utgivningsår, omfång ...

Institute of Electrical and Electronics Engineers (IEEE),2023
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:kth-341996
https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-341996URI
https://doi.org/10.1109/ICORR58425.2023.10304774DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:kon swepub-publicationtype

Anmärkningar

Part of proceedings ISBN: 979-8-3503-4275-8QC 20240109
Accurate and timely movement intention detection can facilitate exoskeleton control during transitions between different locomotion modes. Detecting movement intentions in real environments remains a challenge due to unavoidable environmental uncertainties. False movement intention detection may also induce risks of falling and general danger for exoskeleton users. To this end, in this study, we developed a method for detecting human movement intentions in real environments. The proposed method is capable of online self-correcting by implementing a decision fusion layer. Gaze data from an eye tracker and inertial measurement unit (IMU) signals were fused at the feature extraction level and used to predict movement intentions using 2 different methods. Images from the scene camera embedded on the eye tracker were used to identify terrains using a convolutional neural network. The decision fusion was made based on the predicted movement intentions and identified terrains. Four able-bodied participants wearing the eye tracker and 7 IMU sensors took part in the experiments to complete the tasks of level ground walking, ramp ascending, ramp descending, stairs ascending, and stair descending. The recorded experimental data were used to test the feasibility of the proposed method. An overall accuracy of 93.4% was achieved when both feature fusion and decision fusion were used. Fusing gaze data with IMU signals improved the prediction accuracy.

Ämnesord och genrebeteckningar

NATURVETENSKAP Data- och informationsvetenskap Datorseende och robotik hsv//swe
NATURAL SCIENCES Computer and Information Sciences Computer Vision and Robotics hsv//eng
Robotic exoskeletons
movement intention prediction
eye tracker
wearable sensor

Biuppslag (personer, institutioner, konferenser, titlar ...)

Wan, Zhao-YuanKTH,Farkostteknik och Solidmekanik(Swepub:kth)u1sqx25i (författare)
Wang, RuoliKTH,Farkostteknik och Solidmekanik(Swepub:kth)u1nan6x1 (författare)
Gutierrez-Farewik, Elena,1973-KTH,Farkostteknik och Solidmekanik(Swepub:kth)u1tekbf6 (författare)
KTHFarkostteknik och Solidmekanik (creator_code:org_t)

Sammanhörande titlar

Ingår i:2023 international conference on rehabilitation robotics, ICORR: Institute of Electrical and Electronics Engineers (IEEE)

Internetlänk

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Liu, Yixing; Wan, Zhao-Yuan; Wang, Ruoli; Gutierrez-Farewi ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datorseende och ...

Artiklar i publikationen: 2023 internation ...

Av lärosätet: Kungliga Tekniska Högskolan

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se