Analyse multimodale à bas coût pour l'évaluation de la cinématique et la dynamique des mouvements humains

La quantification des activités motrices humaines nécessite de mesurer et estimer, aussi précisément que possible, des variables cinématiques et dynamiques. L’analyse du mouvement humain possède une grande variété d’applications dans les domaines de la rééducation fonctionnelle, l’orthopédie, le sport, la robotique d’assistance, ou l’ergonomie industrielle. Les systèmes d’analyse de mouvement actuels font généralement référence à des systèmes stéréophotogrammétriques et à des plateformes de force de laboratoire qui sont précis mais également coûteux, nécessitant des compétences d'experts et ne sont pas portables. Récemment, l'utilisation de capteurs à bas coût pour l'estimation du mouvement humain, tels que les centrales inertielles et les caméras RGB, a fait l'objet de nombreuses études. Malgré leur grand potentiel d'utilisation en dehors du laboratoire, ces systèmes souffrent encore d'une précision limitée, principalement en raison de la dérive inhérente des centrales inertielles et des occlusions en cas de l’utilisation des caméras, ce qui fait que l’estimation précise de la cinématique et de la dynamique articulaire est encore difficile à garantir. Ces restrictions pourraient expliquer pourquoi de tels systèmes sont rarement utilisés dans des applications cliniques ou pour la rééducation à domicile. Dans ce contexte, cette thèse a pour objectif le développement d'un nouveau système d’analyse de mouvement à bas coût permettant l’estimation précise de l’état 3D des articulations humaines. Contrairement aux études précédentes basées sur des capteurs soient visuels soient inertiels, l'approche proposée porte sur la combinaison des données de capteurs visuels-inertiels nouvellement conçus. Le système utilise également de nouvelles méthodes pratiques de calibration ne nécessitant aucun équipement externe. Les données des capteurs sont combinées dans un filtre de Kalman étendu contraint prenant en considération la biomécanique du corps humain ainsi que les tâches réalisées pour améliorer l'estimation de la cinématique. Cela se fait en incorporant des contraintes de corps rigide, des butées articulaires, et en modélisant l'évolution temporelle des trajectoires articulaires ou de la dérive des centrales inertielles. La capacité du système à estimer la cinématique articulaire en 3D a été validée par l’analyse de plusieurs activités de la vie quotidienne du bras ainsi que l’analyse de la marche sur tapis roulant. Deux prototypes avec un nombre et des configurations de capteurs différents ont été étudiés. Les expériences menées avec plusieurs sujets sains ont montré des résultats très satisfaisants par rapport à un système stéréophotogrammétrique de référence. Dans l'ensemble, l’erreur quadratique moyenne obtenue est inférieure à 4 degrés. Ce système a également été utilisé pour l'identification des paramètres dynamiques des membres inférieurs d'un système humain-exosquelette. Un système d'évaluation a été proposé dans le but de sélectionner un modèle dynamique optimal du système humain-exosquelette qui soit le meilleur compromis entre la précision des couples articulaires estimés et la simplicité du modèle. Dans ce contexte, le système proposé vise à quantifier la contribution indépendante des paramètres cinématiques et dynamiques dans l'estimation du couple articulaire, ainsi que l'effet du mouvement relatif entre les axes articulaires de l’exosquelette et du porteur. Une évaluation a été réalisée sur une orthèse d'assistance de genou pendant des mouvements de flexion/extension. Les résultats ont conduit à la proposition d’un modèle minimal du système humain-orthèse.Quantifying human motor act starts with measuring and estimating kinematics and dynamics variables as accurately as possible. Monitoring human motion has a wide array of applications in functional rehabilitation, orthopaedics, sports, assistive robotics or industrial ergonomics. Today’s motion capture systems usually refer to stereophotogrammetric systems and laboratory-grade force-plate that are accurate but also costly, require expert skills, and are not portable. Recently, the use of affordable sensors for human motion estimation, such as Inertial Measurement Unit or RGB-Depth camera(s), has been the subject of numerous studies. Despite their great potential to be used outside of the laboratory, these systems still suffer from limited accuracy, mainly due to inherent IMU drift and visual occlusions, and the joint kinematics and kinetics estimates are still difficult to be estimated. These drawbacks might explain why such systems are rarely used in common clinical applications or for in-home rehabilitation programs.In this context, this thesis deals with the development of a new affordable motion capture system capable of estimating accurately human 3D joint state. Unlike previous studies based on either visual or inertial sensors, the proposed approach consists in combining data from newly designed visual-inertial sensors. The system is also making use of new practical calibration methods, which do not require any external equipment while remaining very affordable. All sensors data are fused into a constrained extended Kalman filter that takes advantage of the biomechanics of the human body and of the investigated tasks to improve significantly joint state estimate. This is done by incorporating different types of constraints, such as joint limit, rigid-body and soft joint constraints, as well as modelling the temporal evolution of joint trajectories and/or sensors random bias.The system's ability to estimate accurate 3D joint kinematics has been validated through various case studies of daily life activities for upper-arm and treadmill gait. Two different prototypes with different sensors count and configurations have been investigated. Experiments conducted with several healthy subjects showed very satisfactory results when compared to a gold standard motion capture system. Overall, the average RMS difference between the two systems was below 4deg. This was also the case when a reduced number of sensors was used for gait analysis.This system was also used for the dynamics identification of a lower-limbs human-exoskeleton system. As a result, an error below 6% was observed when comparing estimated and measured external ground reaction force and moments. Finally, beyond these validations, a dynamics assessment framework has been proposed with the aim of selecting an optimal human-exoskeleton dynamic model that is the best trade-off between the accuracy of kinetic estimation, i.e., joint torque, and simplicity of modelling. To this end, the proposed framework consists in quantifying the independent contribution of kinematic and body segments inertial parameters to joint torque estimation, as well as the effect of wearer-exoskeleton joint axes misalignment. It has been exemplified in the case of an assistive knee joint orthosis during standardized sitting knee flexion/extension movements. Results led to a minimal orthosis-wearer model that was able to reconstruct up to 97.5% of the total knee joint torque estimate