Robotics‐driven gait analysis: Assessing Azure Kinect's performance in in‐lab versus in‐corridor environments

Resumen

J Field Robotics. 2024;41:1133–1145. Gait analysis offers vital insights into human movement, aiding in the diagnosis, treatment, and rehabilitation of various conditions. Analyzing gait in corridors, rather than in lab, provides unique advantages for a more comprehensive understanding of human locomotion. However, limited dedicated technologies constrain gait data analysis in this context. In this study, a markerless gait analysis system using an Azure Kinect sensor mounted on a mobile robot is proposed and validated as a potential solution for gait analysis in corridors. Ten healthy participants (4 males and 6 females) underwent two tests. The first test (5 trials per participant) took place in the laboratory. Here, Azure Kinect performance was validated against a Vicon system, assessing eight gait signals and 22 gait parameters. The second test (2 trials per participant) was performed in the corridors over a 32‐m walking distance to compare this gait pattern with the one developed within the laboratory. The intrasession Intraclass Correlation Coefficient (ICC) reliability for in‐lab experiments was assessed by calculating the ICC between gait cycles captured in each session per participant. Notably, knee flexion/extension (ICC‐0.95), hip flexion/extension (ICC‐0.96), pelvis rotation (ICC‐0.88), and interankle distance (ICC‐0.98) demon strated excellent reliability with high confidence. Similarly, hip adduction/abduction showed good reliability (ICC‐0.79), while trunk rotation exhibited moderate reliability (ICC‐0.72). In contrast, both trunk tilt (ICC‐0.24) and pelvis tilt (ICC‐0.41) consistently displayed lower reliability. This was observed for both the Vicon and the Azure systems, highlighting the intricate nature of capturing precise data for these specific signals in both systems. Validity outcomes indicated comparable error rates to literature standards (12.68° knee flexion/extension, 5.54° hip flexion/extension, and 3.45° hip adduction/abduction), with 11 parameters having no significant differences from Vicon. Comparison of in‐lab and in‐corridor experiments show that individuals exhibit significantly longer stride time (1.10 s vs. 1.05 s), lower pelvis tilt (6.83° vs. 9.39°), and lower minimum pelvis rotation (−5.82° vs. −14.61°) when walking in the laboratory. This study demonstrates promising outcomes in outdoor gait analysis with a robot‐mounted camera, revealing significant distinctions from controlled laboratory evaluations

Descripción

El análisis de la marcha ofrece información vital sobre el movimiento humano, ayudando en el diagnóstico, tratamiento y rehabilitación de diversas afecciones. Analizar la marcha en los pasillos, en lugar de en el laboratorio, proporciona ventajas únicas para una comprensión más completa de la locomoción humana. Sin embargo, las tecnologías dedicadas limitadas restringen el análisis de datos de la marcha en este contexto. En este estudio, se propone y valida un sistema de análisis de la marcha sin marcadores que utiliza un sensor Azure Kinect montado en un robot móvil como una posible solución para el análisis de la marcha en los pasillos. Diez participantes sanos (4 hombres y 6 mujeres) se sometieron a dos pruebas. La primera prueba (5 ensayos por participante) se llevó a cabo en el laboratorio. Aquí, el rendimiento de Azure Kinect se validó contra un sistema Vicon, evaluando ocho señales de marcha y 22 parámetros de marcha. La segunda prueba (2 ensayos por participante) se realizó en los pasillos a lo largo de una distancia de caminata de 32 m para comparar este patrón de marcha con el desarrollado en el laboratorio. La confiabilidad del coeficiente de correlación intraclase (ICC) intrasesión para experimentos en laboratorio se evaluó calculando el ICC entre ciclos de marcha capturados en cada sesión por participante. En particular, la flexión/extensión de rodilla (ICC-0,95), la flexión/extensión de cadera (ICC-0,96), la rotación de pelvis (ICC-0,88) y la distancia entre tobillos (ICC-0,98) demostraron una excelente confiabilidad con un alto nivel de confianza. De manera similar, la aducción/abducción de cadera mostró una buena confiabilidad (ICC-0,79), mientras que la rotación del tronco exhibió una confiabilidad moderada (ICC-0,72). Por el contrario, tanto la inclinación del tronco (ICC-0,24) como la inclinación de la pelvis (ICC-0,41) mostraron sistemáticamente una confiabilidad menor. Esto se observó tanto para el sistema Vicon como para el sistema Azure, lo que resalta la naturaleza intrincada de la captura de datos precisos para estas señales específicas en ambos sistemas. Los resultados de validez indicaron tasas de error comparables a los estándares de la literatura (flexión/extensión de rodilla de 12,68°, flexión/extensión de cadera de 5,54° y aducción/abducción de cadera de 3,45°), con 11 parámetros sin diferencias significativas con respecto a Vicon. La comparación de experimentos en el laboratorio y en el corredor muestra que los individuos exhiben un tiempo de zancada significativamente más largo (1,10 s frente a 1,05 s), una menor inclinación de la pelvis (6,83° frente a 9,39°) y una menor rotación mínima de la pelvis (−5,82° frente a −14,61°) al caminar en el laboratorio. Este estudio demuestra resultados prometedores en el análisis de la marcha al aire libre con una cámara montada en un robot, revelando distinciones significativas con respecto a las evaluaciones de laboratorio controladas

Palabras clave

Citación

https://onlinelibrary.wiley.com/doi/10.1002/rob.22313
license logo
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution 4.0 International