Individuelles Ganzkörper-Trainingssystem basierend auf miniaturisierten Inertialsensoren und algorithmusgestützter Bewegungserkennung

Abstract:
Der mit dem in modernen Industriegesellschaften auch in Zukunft vorherrschenden Trend der immer stärkeren Urbanisierung und Technisierung einhergehenden Tendenz der geringen Bewegung kann mit intelligenten Trainingskonzepten begegnet werden, die sich leicht, umgebungsunabhängig und vor allem kostengünstig in den individuellen Alltag der Menschen integrieren lassen. Bei Betrachtung des aktuellen Standes der Technik wäre für die Realisierung eines solchen Trainingskonzeptes ein preiswertes Verfahren zur Bewegungserkennung von großem Vorteil, das unabhängig von seiner Umwelt ohne Anfälligkeit gegenüber Abschattung, Mehrwegausbreitung sowie Störquellen und -signalen und freien Sichtlinien über einen unbegrenzten Arbeitsraum einsetzbar ist. Neben der massenhaften Verfügbarkeit der benötigten Sensoren auf dem Markt, ihrem miniaturisierten Aufbau und kleinen Gewicht bieten mikromechanische Inertialsensoren genau diese Vorteile an. Die im Rahmen der vorliegenden Arbeit bearbeitete Aufgabenstellung der Bewegungserkennung sieht die Erkennung hochdynamischer Bewegungen eines menschlichen Körpers ohne die Verwendung infrastruktur- oder kontaktbasierter Bewegungserfassungsverfahren vor. Inertialsensoren erfassen kontaktfrei und referenzlos auf ein beliebiges Objekt einwirkende Beschleunigungen und Drehraten und können ohne Verwendung externer Signale die Position, die Geschwindigkeit und die Lage eines Objektes im dreidimensionalen Raum zur Verfügung stellen. Das vorgestellte Konzept strebt die Integration mehrerer mikromechanischer Inertialsensoren in einem Multisensoranzug als rein inertiales Ganzkörpersystem bei gleichzeitigem Verzicht auf eine numerische Integration der bei Verwendung kostengünstiger Inertialsensoren driftbehafteten Signale an. Der vorgestellte Ansatz basiert auf der Theorie der verborgenen Markov-Modelle sowie auf der stochastischen Modellierung inertialer Bewegungsmessungen mit Hilfe von Markovketten. Im vorliegenden Beitrag werden das Konzept der Bewegungserkennung, die Modelldefinition, die Musterauswahl und die Validierungsergebnisse diskutiert. Außerdem werden aktuelle Einblicke in die Entwicklung des Multisensoranzugs als Funktionsmuster und in die zukünftigen Entwicklungen gegeben.