传统的手部康复治疗方案存在着设备成本过高、医疗资源不足等问题,为了辅助医生进行手部康复评定、制定合理的手部康复训练计划,使患者获得长期的居家手部康复指导,本文提出一种面向手部康复应用的数据手套系统,包括数据手套的系统设计,数据手套上传感器的校正、数据融合和姿态解算,利用数据手套进行基于Unity的人机交互以及医学手部指标评定。具体研究内容和成果如下:(1)为了采用低成本、高精度的方式获取手部信息,本文搭建了基于MPU9150传感器的数据手套系统,根据系统需求,给出了数据手套系统的硬件实现方案,实现了手部主要关节和手背加速度、角速度以及地磁信息的获取。(2)为了解算手部主要关节和手背的姿态角,本文对数据手套上的传感器进行了校正、数据融合和姿态解算,采用六位置法估算陀螺仪的零偏,采用均值滤波减小陀螺仪的随机误差,利用最小二乘原理求解加速度的校正参数,通过椭球拟合减小磁力计的硬磁干扰和软磁干扰,采用基于四元数的互补滤波对加速度、角速度和地磁数据进行数据融合,最后由四元数进行姿态解算,实验结果表明,解算的姿态角静态精度可达0.3°,动态精度可达1.7°。(3)为了利用数据手套进行动态高精度的人机交互,本文在Unity中建立了虚拟手模型以及虚拟场景,实现了传感器到虚拟手关节的映射,并将姿态角转化为可以驱动虚拟手关节运动的旋转角,最后设计脚本实现了数据手套对Unity中手部模型的控制。实验表明,利用本文设计的数据手套能在Unity中控制手部模型进行人和物体的实时高精度人机交互。(4)为了给医生提供手部评定参考,本文分析了医学手部康复中的手部评定,将较为抽象的活动范围、震颤程度和灵活性指标转化为可以利用数据手套得到的角度、稳定性和时间,接着利用医学评定标准中的TAM等级评定法和基于BP神经网络的手势识别法对关节活动范围进行评定,并利用BP神经网络对手部震颤程度进行评定,都取得了较高的正确率。最后描述了系统利用动作完成时间对手部灵活性进行评定的过程。实验结果表明,利用数据手套系统可以实现对手部关节活动范围、震颤程度和灵活性较为准确的评定。