Capítulo 6 - Conclusões e Trabalho Futuro
Nesta secção são apresentadas as conclusões do trabalho e sugestões para trabalho futuro.
No Capítulo 2, realizou-se uma análise a trabalhos de grande relevo na área da deteção e seguimento de pessoas usando sensores laser range finder. Os trabalhos analisados pertencem às duas principais categorias de métodos utilizados nesta vertente: métodos geométricos e métodos probabilísticos. Esta análise feita permitiu constatar que os métodos geométricos, comparativamente aos métodos probabilísticos, são bastante mais simples, rápidos e apresentam um menor custo computacional. Todavia, o vestuário da pessoa influencia a forma como as pernas são detetadas pelo sensor LRF, tornando-se este um problema para este tipo de abordagem, pelo que se desenvolveu um novo algoritmo capaz de detetar e identificar corretamente as pernas.
No Capítulo 3, foi apresentado o andarilho no qual está inserido este projeto e descrito o modo de funcionamento do sensor LRF e do potenciómetro utilizados.
A descrição do algoritmo de deteção e identificação das pernas e o cálculo dos parâmetros de marcha, bem como o controlo implementado, encontram-se descritos no Capítulo 4.
Capítulo 6 Conclusões e Trabalho Futuro
Pretendia-se um algoritmo robusto na deteção e identificação das pernas e ao mesmo tempo simples e leve a nível computacional. A estratégia de controlo implementada tinha como objetivo definir a velocidade e orientação do andarilho permitindo que este funcione em modo autónomo tendo por base os parâmetros de marcha do utilizador.
O algoritmo de deteção e identificação das pernas implementado pode ser dividido em três partes: pré-processamento, tratamento de marcha normal e tratamento de casos especiais. O pré-processamento tem como objetivo restringir o espaço de análise ao espaço onde o utilizador do andarilho consegue caminhar. Para este fim, estabeleceu-se uma limitação, tanto em termos de distância como em termos angulares, o que garante que os únicos objetos detetados pelo laser sejam as pernas do utilizador. Os dados são posteriormente separados em casos onde as pernas se encontram perfeitamente afastadas e onde ocorre oclusão de uma das pernas, sendo feita a identificação das pernas ao longo do seu tratamento. Com os dados da aquisição laser, foram calculadas a velocidade linear e angular do utilizador, a sua distância ao andarilho, o ângulo que este faz com o utilizador e o comprimento e número de passos. Estes parâmetros foram calculados pelo fato de serem necessário para a validação do algoritmo e criação do controlo. Era ainda necessário definir a velocidade angular do andarilho contudo, esta não podia ser extraída com dados do sensor LRF. Deste modo, utilizou-se a informação do potenciómetro linear do guiador como forma de obter os dados relativos a esse parâmetro.
A validação do algoritmo e as provas de marcha realizadas por pacientes foram apresentadas no Capítulo 5. Na fase de validação, realizaram-se testes de marcha em ambiente laboratorial com parâmetros de marcha predefinidos. Tanto a deteção como a identificação das pernas foram feitas corretamente pelo algoritmo e, os testes realizados permitiram determinar os erros de medição associados a cada parâmetro. Nas provas de marcha realizadas no Hospital de Braga participaram dois pacientes sujeitos a uma artroplastia total do joelho e um paciente diagnosticado com ataxia. Os dados obtidos permitiram fazer uma avaliação da evolução dos pacientes ao longo do período de reabilitação.
Em termos de perspetivas de trabalho futuro, sugere-se a implementação de métodos capazes de detetar quando se está perante a existência de uma só perna no varrimento laser, situação que acorre quando o utilizador se desloca para o andarilho, e quando se detetam outros objetos que não o utilizador, como por
Capítulo 6 Conclusões e Trabalho Futuro exemplo a fisioterapeuta ou outra pessoa que esteja a acompanhar a marcha da pessoa e se encontre muito próxima dela. Deve-se ainda efetuar mais provas de marcha com parâmetros de marcha controlados, de maneira a poder fazer uma análise estatística mais aprofundada dos erros obtidos na extração desses parâmetros. Por fim, deve-se implementar todo o trabalho que foi desenvolvido para funcionamento em tempo real e validar a estratégia de controlo nestas condições.
Bibliografia
Bibliografia
[1] A. M. Lira, A. M; Xavier, D.; Santos, E.;Sueoka, E. M.; Leite, A.; Silva, “Factors affecting the run after neurological injury, featuring the marches pathological,” 2011.
[2] U. N. Department of Economic and Social Affairs, Population Divison, “World Population Ageing: 1950-2050,” 2007. [Online]. Disponível em: http://www.un.org/esa/population/publications/worldageing19502050/pdf/80ch apterii.pdf. [Acedido em: 11-Jun-2014].
[3] W. H. Organization, “Global Report on Falls Prevention in Older Age,” 2008. [4] H. G. Axer H, Axer M, Sauer H, Witte OW, “Falls and gait disorders in
geriatric neurology”, 2010.
[5] K. D. Gerard Lacey, “Evaluation of Robot Mobility Aid for the Elderly Blind,” 1997.
[6] M. B. Bateni H, “Assistive devices for balance and mobility: benefits, demands, and adverse consequences.,” 2005.
[7] T. Pallejà, M. Teixidó, M. Tresanchez, and J. Palacín, “Measuring gait using a ground laser range sensor.,” Sensors (Basel), 2009.
[8] S. Gidel, P. Checchin, C. Blanc, T. Chateau, and L. Trassoudaine, “Pedestrian Detection and Tracking in Urban Environment using a Multilayer Laserscanner”.
[9] N. Bellotto, S. Member, H. Hu, and S. Member, “Multisensor-Based Human Detection and Tracking for Mobile Service Robots,” 2009.
[10] A. Carballo, A. Ohya, and S. Yuta, “Multiple People Detection from a Mobile Robot using Double Layered Laser Range Finders,” 2009.
Bibliografia
[11] J. Xavier, M. Pachecot, D. Castrot, A. Ruanot, and U. Nunes, “Fast Line , Arc / Circle and Leg Detection from Laser Scan Data in a Player Driver,” 2005. [12] B. Kluge, C. Kohler, and E. Prassler, “Fast and robust tracking of multiple
moving objects with a laser range finder,” 2001.
[13] N. S. Katsuyuki Nakamura, Hujing Zhao, Ryosuke Shibasaki, Kiyoshi Sakamoto, Tomowo Ohga, “Tracking pedestrians using multiple single-row laser range scanners and its reliability evaluation,” 2006.
[14] M. Mucientes and W. Burgard, “Multiple Hypothesis Tracking of Clusters of People,” 2006.
[15] D. Schulz, D. Fox, and A. B. Cremers, “Tracking Multiple Moving Targets with a Mobile Robot using Particle Filters and Statistical Data Association,” 2001
[16] K. O. Arras, S. Grzonka, M. Luber, and W. Burgard, “Efficient people tracking in laser range data using a multi-hypothesis leg-tracker with adaptive occlusion probabilities,” 2008.
[17] M. Martins, C. Santos, and A. Frizera, “Online control of a mobility assistance Smart Walker,” 2012.
[18] C. a. Cifuentes, A. Frizera, R. Carelli, and T. Bastos, “Human–robot interaction based on wearable IMU sensor and laser range finder,” 2014.
[19] J. Barreira, “aquis1.” [Online]. Disponível em:
https://mega.co.nz/#!xQEwDYbJ!lzWGIxl59p0L1LM8DBJd33Wb1FaS5Dy5 AbI1g-7VFHw.
[20] J. Barreira, “aquis2.” [Online]. Disponível em: https://mega.co.nz/#!NY00nbyA!Ym3iebulX2- EdalxCRTWSXKprEo2DUJdaluGFxdgDjY.
[21] J. Barreira, “valida_aquis1.” [Online]. Disponível em:
Bibliografia [22] J. Barreira, “valida_aquis2.” [Online]. Disponível em:
http://asbg.dei.uminho.pt/sites/default/files/videos/jb_valida_aquis2.mov. [23] J. Barreira, “Esquerda.” [Online]. Disponível em:
https://mega.co.nz/#!1EknEZAA!9nAyDC9H9- DS8f4QHkywPTcYsMoOkN888Cc6z1NIZGY. [24] J. Barreira, “Direita.” [Online]. Disponível em:
https://mega.co.nz/#!tIchTBIQ!LCN9MdxGj6l1Oj1mBHgTrQL4t8CJKNvUQ 2pD27028Zo.
[25] J. Barreira, “paciente1_marcha.” [Online]. Disponível em:
http://asbg.dei.uminho.pt/sites/default/files/videos/jb_paciente1_marcha.mov. [26] J. Barreira, “paciente1_marcha15d.” [Online]. Disponível em:
http://asbg.dei.uminho.pt/sites/default/files/videos/jb_paciente1_marcha15d.mo v.
[27] J. Barreira, “paciente2_marcha.” [Online]. Disponível em:
http://asbg.dei.uminho.pt/sites/default/files/videos/jb_paciente2_marcha.mov. [28] J. Barreira, “Paciente2_marcha15d.” [Online]. Disponível em:
http://asbg.dei.uminho.pt/sites/default/files/videos/jb_paciente2_marcha15d.mo v.
[29] J. Barreira, “Paciente3_marcha1.” [Online]. Disponível em:
http://asbg.dei.uminho.pt/sites/default/files/videos/jb_paciente3_marcha1.mov. [30] J. Barreira, “Paciente3_marcha2.” [Online]. Disponível em:
http://asbg.dei.uminho.pt/sites/default/files/videos/jb_paciente3_marcha2.mov. [31] J. Barreira, “Paciente3_marcha3.” [Online]. Disponível em:
Anexos
Anexos
ANEXO I – Sensor ótico Hokuyo URG-04LX-UG01
O URG-04LX-UG01 é um sensor ótico utilizado para fazer a deteção de objetos ao longo de um plano horizontal. Este é utilizado em ambientes interiores e utiliza uma fonte de luz infravermelho com comprimento de onda de 785nm.
A área de deteção é um semicírculo de 240º com a distância variável entre 20mm e 4000mm. A resolução da distância é de 1mm e a resolução angular de leitura deste sensor é de 0,36º, realizando 682 leituras desde o ângulo 0º até 240º. O tempo de leitura de todas as distâncias do dispositivo é de aproximadamente 100ms.
Este sensor é alimentado através da porta USB, com tensão de alimentação de 5V DC, consumindo uma corrente típica de 500mA. O peso do dispositivo é cerca de 0.160Kg (quilogramas). Informações adicionais do fabricante podem ser consultadas na seguinte página web:
http://www.hokuyo-aut.jp/02sensor/07scanner/download/pdf/URG- 04LX_UG01_spec_en.pdf
Anexos
ANEXO II – Circuito de leitura do potenciómetro
O circuito representado na Figura AII.1 foi utilizado para o potenciómetro. O condensador “C” apresenta o valor de 10nF e tem como objetivo estabilizar o sinal de entrada do ADC. O díodo de zener tem a função de proteger o microcontrolador contra picos de tensão. Caso a tensão de entrada do ADC seja superior a 5.1V, o díodo entra em condução, não danificando o pino de entrada do microcontrolador. A tensão de alimentação do circuito, “Vi” é 5V. A resistência apresenta o valor de 1kΩ e o potenciómetro de 10kΩ.