DIODEM：多模态惯性-光学运动链数据集推动惯性运动追踪算法发展

研究人员针对惯性运动追踪(IMT)面临的磁力计缺失、稀疏传感器配置、传感器-肢体对齐及运动伪影补偿等关键挑战，开发了DIODEM数据集。该数据集包含46分钟五段运动链(KC)的同步光学与惯性数据，涵盖20个标记点和10个IMU（含刚性/泡沫附着配置），通过机械控制设置实现精确运动学标定，为IMT算法在生物力学、康复医疗等领域的系统评估提供基准。

　　

在运动追踪技术领域，惯性测量单元(IMU)因其成本低、无需视线限制等优势，正逐步替代传统光学追踪系统。然而，磁力计缺失环境下的姿态估计、稀疏传感器配置的鲁棒性、传感器与肢体的精确对齐，以及运动伪影补偿等问题，始终制约着惯性运动追踪(Inertial Motion Tracking, IMT)技术的实际应用。尽管已有研究针对单一挑战提出解决方案，但多种挑战的复合效应仍缺乏系统性评估平台。

德国莱布尼茨汉诺威大学(Leibniz Universit?t Hannover)的Simon Bachhuber团队联合柏林工业大学、埃尔朗根-纽伦堡大学的研究人员，在《Scientific Data》发表了名为"DIODEM"的创新数据集。该研究通过3D打印五段运动链(Kinematic Chain, KC)，构建了包含46分钟同步光学与惯性数据的基准平台，涵盖两种关节配置（模拟上肢拾取动作的"arm"链含铰链/球关节，模拟步态的"gait"链含铰链/鞍关节），并创新性地采用刚性/泡沫双IMU附着设计以量化运动伪影。

研究采用三大关键技术：1) 通过12相机光学运动捕捉系统(OMC)与10个IMU同步采集数据，采样率分别为30Hz和40Hz；2) 利用四标记点构建肢体坐标系B，通过优化算法实现IMU与肢体坐标系的精确对齐；3) 采用Welch功率谱分析法对比刚性/泡沫附着IMU的信号差异。

主要研究结果

1. 机械控制基准验证
   通过计算铰链关节残差旋转角(MARR)，验证x/y/z轴向铰链关节的1自由度特性（MARR<3.5°），且优化后关节轴向误差降低<0.03°，证实机械结构的运动学精确性。

2. 运动伪影频谱特征
   

   
   
   泡沫附着IMU的加速度计/陀螺仪信号在5-20Hz频段能量显著增强，但未出现窄带干扰峰，说明传统带阻滤波难以有效补偿此类伪影。

3. 多场景运动数据库
   包含11类实验（总计46分钟），涵盖准静态到快速运动（如拾取放置、步态模拟）、局部与全局运动组合，支持稀疏传感（可人为丢弃特定IMU数据）和磁力计缺失等场景重构。

4. 坐标系对齐验证
   传感器-肢体坐标系对齐误差仅0.56±0.27°，OMC与地球坐标系E的转换误差<1°，满足高精度算法验证需求。

该研究通过标准化数据集解决了IMT领域长期缺乏复合挑战评估工具的问题。其机械控制设计消除了人体实验中软组织运动引入的误差，双IMU配置首次实现了运动伪影的定量研究。提供的Python工具包(diodem)支持快速数据调用与重采样，为开发适用于康复监测、机器人控制等场景的鲁棒IMT算法奠定了基础。未来工作可扩展至更多关节类型与动态负载场景，进一步推动穿戴式运动追踪技术的实用化进程。