Robotics‐driven gait analysis: Assessing Azure Kinect's performance in in‐lab versus in‐corridor environments
Fecha
2024-03-13
Título de la revista
ISSN de la revista
Título del volumen
Editor
Wiley
Enlace externo
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
Colecciones

Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution 4.0 International