基于动态点云的小关节运动追踪技术：与高精度机器人系统的准确性及可靠性验证

本研究开发了一种基于多视角深度传感器的无标记运动捕捉（Mocap）系统，可动态追踪小关节运动。通过与高精度机器人系统对比验证，系统在动态捕捉中均方根误差（RMSE）小于1.55°，皮尔逊相关系数（PCC）大于0.99，组内相关系数（ICC）达0.98–0.99，重复性系数小于1.60°，展现出优异准确性与可靠性，为临床及生物力学运动分析提供了可靠的无标记评估方法。

　　

Highlight

基于计算机视觉的无标记运动捕捉系统（CV-based Mocap System）

如图1所示，本研究所采用的无标记计算机视觉运动捕捉系统通过五个深度传感器（Structure Core, Occipital Inc., USA）采集多视角深度图。传感器视场角（FoV）为59° × 46° × 70°，有效捕捉范围为900毫米，帧率稳定在30 FPS。系统具备500毫米 × 300毫米的有效三维捕捉区域，专门设计用于步态中下肢——尤其是足踝复合体——的运动捕捉。该无标记系统的工作流程包括……

Results（结果）

图4A与4B分别展示了预处理流程对标准模型与足部仿生模型的效果。在所有三个解剖平面上，无标记系统计算出的旋转角度（包括标准模型与足部仿生模型）与机器人提供的参考值之间的均方根误差（RMSE）均小于1.55°（见表1）。相比之下，若直接将相同运动学算法应用于含噪声的原始点云数据，其准确度显著下降。

Discussion（讨论）

无标记运动捕捉系统在体育和临床生物力学研究中日益受到关注，但其动态追踪的准确性与可靠性仍缺乏充分验证。因此，本研究旨在通过与高精度机器人系统生成的运动轨迹进行对比，确立多视角深度传感器无标记系统的准确度与重复性。我们开展了一系列综合性实验，以验证该系统输出数据与机器人“金标准”之间的相关性……

Conclusion（结论）

总而言之，本研究所提出的基于多深度传感器的无标记运动捕捉系统能够有效捕捉动态关节运动，尤其是小关节的运动。本研究被认为是首次在动态响应下、针对不同解剖平面对多视角深度传感器无标记系统在关节运动学测量性能方面与机器人系统进行定量评估的研究。与高精度机器人系统相比，该系统实现了1.55°的准确度与……