polito.it
Politecnico di Torino (logo)

Sviluppo di un sistema per la visualizzazione di informazioni relative all'attivazione muscolare in realtà aumentata. = Development of an augmented reality system for muscle activation analysis.

Nicolo' Gentili

Sviluppo di un sistema per la visualizzazione di informazioni relative all'attivazione muscolare in realtà aumentata. = Development of an augmented reality system for muscle activation analysis.

Rel. Marco Gazzoni, Giacinto Luigi Cerone, Alberto Botter. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2018

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB) | Preview
Abstract:

L’obiettivo della tesi è stato quello di sviluppare un sistema per la visualizzazione di informazioni relative all’attivazione muscolare rilevata tramite EMG di superficie in realtà aumentata. Il sistema di realtà aumentata (AR) sviluppato è stato integrato come plugin in bluPlot, un software in grado di registrare e mostrare in real-time il segnale EMG acquisito. Il sistema bluePlot + AR può essere diviso in quattro blocchi che sono: acquisizione segnale EMG, acquisizione segnale video, processing ed infine biofeedback.Il primo blocco si occupa dell’acquisizione del segnale EMG, che dopo essere stato prelevato viene reso disponibile al blocco di processing. Il segnale EMG può essere acquisito con la tecnica bipolare classica o con tecniche di EMG ad alta densità (HD-EMG) nel caso in cui si sia interessati alla distribuzione spaziale delle attivazioni muscolari.Il secondo blocco si occupa dell'acquisizione dei frame video. Il terzo blocco riceve il segnale EMG e il segnale video rispettivamente dagli altri due e procede all’elaborazione. Il segnale EMG viene processato al fine di estrarre un'informazioni di ampiezza (ARV) che viene tradotta in un codice colore indicativo dell’entità della contrazione muscolare registrata. Il codice colore va dal blu, indicativo del muscolo a riposo, al rosso, indicativo invece della contrazione massimale del muscolo. Ogni frame video viene processato per individuare nella scena la posizione di particolari marker, detti "fiducial marker", che vengono posti sopra agli elettrodi di prelievo. I fiducial marker sono individuati all’interno della scena mediante un algoritmo di marker recognition e rappresentano il riferimento su cui poi verrà applicato il feedback visivo. Per il riconoscimento dei marker si è utilizzata ArUco, una libreria OpenSouce estremamente veloce, scritta completamente in c++, che permette di riconoscere i marker presenti nell’ambiente e di stimare la loro posizione e orientamento.L’ultimo blocco combina i risultati del processing per generare il biofeedback. Il video frame acquisito viene modificato andando ad aggiungere l’oggetto virtuale all’interno della scena. Sovrapposto ai marker associati alla sonda di tipo bipolare, viene mostrato un poligono colorato, mentre per un sistema HD-sEMG viene mostrata una mappa colore. Una volta generato il nuovo frame si procede al repainting, ottenendo così la visualizzazione dell’attivazione muscolare.

Relatori: Marco Gazzoni, Giacinto Luigi Cerone, Alberto Botter
Anno accademico: 2017/18
Tipo di pubblicazione: Elettronica
Numero di pagine: 78
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Biomedica
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/7996
Modifica (riservato agli operatori) Modifica (riservato agli operatori)