RoboGait Studio: Análisis y Sincronización Multisensor de Marcha
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13732Palabras clave:
Robots móviles, Visión por computador, Sistemas biomédicos, Análisis del movimiento, Fusión de sensores, Procesamiento de datosResumen
RoboGait Studio es una plataforma software diseñada para el análisis sincronizado de la marcha mediante múltiples sensores y la comparación entre sistemas. La herramienta integra la gestión de participantes y ensayos, visualización de señales, sincronización temporal, normalización de ciclos de marcha y análisis comparativo dentro de un flujo de trabajo unificado. La alineación temporal se realiza utilizando trayectorias de distancia entre tobillos obtenidas de registros adquiridos de forma independiente, evitando la necesidad de sincronización a nivel hardware. El marco fue evaluado utilizando datos pareados procedentes de un sistema RGB-D montado sobre un robot móvil y un sistema de captura de movimiento VICON. Los resultados demostraron una sincronización precisa y una buena concordancia entre sistemas para parámetros espacio-temporales y cinemáticos representativos. La plataforma proporciona una base flexible para futuras aplicaciones de análisis de la marcha en línea y en tiempo real.
Referencias
Balta, H., Velipasalar, S., Cavusoglu, M. C., 2024. RGB-D Sensor-Based Gait Analysis for Neurological Rehabilitation and Clinical Assessment. IEEE Access, 12, 25411–25429. DOI: 10.1109/ACCESS.2024.3361287
Barzyk, M., Kwolek, B., Michalczuk, A., 2024. Robot-Assisted Gait Monitoring Using RGB-D Sensing Technologies in Clinical Environments. Robotics and Autonomous Systems, 176, 104698. DOI: 10.1016/j.robot.2024.104698
Clark, R. A., Mentiplay, B. F., Pua, Y. H., Bower, K. J., 2021. Reliability and Validity of Technology-Based Gait Assessment in Clinical Applications. Sensors, 21(7), 2308. DOI: 10.3390/s21072308
Fritsch, F. N., Carlson, R. E., 1980. Monotone Piecewise Cubic Interpolation. SIAM Journal on Numerical Analysis, 17(2), 238–246. DOI: 10.1137/0717021
Han, X., Guffanti, D., Brunete, A., 2025. A Comprehensive Review of Vision-Based Sensor Systems for Human Gait Analysis. Sensors, 25(2), 498. DOI: 10.3390/s25020498
Lagomarsino, M., Rossi, S., Bianchi, M., 2024. Markerless Motion Capture Technologies for Biomechanical Gait Assessment: A Systematic Review. Journal of Biomechanics, 172, 112245. DOI: 10.1016/j.jbiomech.2024.112245
Mentiplay, B. F., Perraton, L. G., Bower, K. J., et al., 2021. Gait Assessment Using Wearable and Vision-Based Technologies in Neurological Populations. Gait & Posture, 84, 277–293. DOI: 10.1016/j.gaitpost.2020.12.017
Muro-de-la Herran, A., Garcia-Zapirain, B., Mendez-Zorrilla, A., 2014. Gait Analysis Methods: An Overview of Wearable and Non-Wearable Systems. In: Highlights of Practical Applications of Heterogeneous Multi-Agent Systems. Springer, pp. 407–414. DOI: 10.1007/978-3-319-07767-340
Smirnova, D., Sazonov, E., Huo, Z., 2022. Evaluation of Kinect-Based Gait Analysis Systems Compared with Optical Motion Capture. Sensors, 22(9), 3275. DOI: 10.3390/s22093275
VICON Motion Systems Ltd., 2024. Vicon Nexus Documentation. Available online: https://www.vicon.com/
Vun, C. H., Lee, J. Y., Lim, W. H., et al., 2024. Recent Advances in Markerless Gait Analysis Technologies for Clinical and Rehabilitation Applications. Biomedical Signal Processing and Control, 89, 105741. DOI: 10.1016/j.bspc.2023.105741
Winter, D. A., 2009. Biomechanics and Motor Control of Human Movement (4th Edition). John Wiley & Sons.
Yeung, L. F., Yang, Z., Cheng, K. C. C., Du, D., Tong, R. K. Y., 2021. Evaluation of the Microsoft Azure Kinect for Clinical Gait Analysis. PLoS ONE, 16(2), e0246073. DOI: 10.1371/journal.pone.0246073
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Xiaofeng Han, Diego Guffanti, Alberto Brunete, Miguel Hernando, David Álvarez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
