Real-Time Body Orientation Estimation Based on Two-Layer Stochastic Filter Architecture

Članak obrađuje postupke estimacije prostorne orijentacije krutog tijela u realnom vremenu temeljene na mjerenjima inercijskih i magnetskih senzora. Pregledom standardnih pristupa estimaciji orijentacije, kao moguća alternativa predložena je nova arhitektura stohastičkog estimacijskog filtra temeljena na kombiniranju Kalmanovog i čestičnog algoritma u dvije razine. Arhitektura dvorazinske prirode je uporabljena jer omogućava veću primjenjivost nadogradnjom već implementiranih Kalmanovih ili čestičnih filtra. U radu su projektirane četiri dvorazinske arhitekture koje su različitim kombinacijama ostvarivale interakciju među razinama. Pri tome je kao ogledni primjer uporabljena estimacija orijentacije glave čovjeka. Izvedena su ispitivanja točnosti i računske efikasnosti kako na simuliranim tako i na stvarnim mjernim podacima u off-line režimu rada, te je odabrana ona arhitektura s najboljim rezultatima. Odabrana arhitektura je zatim implementirana u realnom vremenu pri međudjelovanju čovjeka s računalom, te je ispitana na nekoliko praktičnih primjena. Na temelju ostvarenih rezultata su izvedeni zaključci te predložena moguća poboljšanja, te daljnji pravci istraživanja.
The article presents real time rigid body orientation estimation using inertial and magnetic sensors. Based on the review of orientation estimation literature we suggest, as possible alternative to standard approaches, novel two-layer stochastic estimation filter architecture based on Kalman and particle filters combined into two layers. Two-layer architecture was chosen because it enables greater applicability via upgrade of already implemented Kalman or particle filters. Four two-layer filter architectures were designed, each one enabling different layer interaction. Estimation of human head orientation was chosen as a case example. Simulated data and batch head orientation measurement data were used to test the proposed architectures in terms of accuracy and computational efficiency and to select the best one in terms of aforementioned performance parameters. Selected architecture was then implemented in real time for human-computer interaction and was tested on several practical applications. Obtained results are presented and discussed and future research directions suggested.