申请/专利权人：武汉科技大学

申请日：2023-12-13

公开（公告）日：2024-02-13

公开（公告）号：CN117549306A

主分类号：B25J9/16

分类号：B25J9/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明公布了一种跌倒位置识别方法及陪伴机器人，通过VR头戴式设备采集的人体姿态角和角速度进行跌倒行为的预警，能快速识别出VR体验者的跌倒行为，然后基于LSTM编解码模型进行人体头部轨迹预测，模型预测准确度高，能用于陪伴机器人的路径规划。

主权项：1.一种跌倒位置识别方法，其特征在于，包括以下步骤：S1.训练LSTM神经网络；数据收集：收集vr头戴式设备的位置坐标数据的时间序列，时间序列中每个时间步的位置坐标数据包括vr头戴式设备在导航坐标系中的坐标xi，yi，zi，i为时间步的编号，x为正东方向的坐标，y为正北方向的坐标，z为垂直于水平面方向的坐标；数据准备：对时间序列中每个时间步的位置坐标数据在导航坐标系的三个坐标轴对应的数值分别进行标准化处理，使标准化处理后的时间序列中每个时间步的位置坐标数据在导航坐标系的三个坐标轴对应的数值的均值为0，方差为1；划分数据集：将标准化处理后的时间序列分成输入序列和目标序列；LSTM神经网络训练：初始化LSTM模型参数，将输入序列通过LSTM模型进行前向传播，得到预测序列，根据预测序列和目标序列计算损失函数，通过反向传播算法，根据计算出的损失函数梯度更新LSTM模型的权重参数，重复训练过程，直到达到预设的训练次数或直至收敛；S2.以地面作为参考，在VR体验空间中建立导航坐标系，采集人体佩戴VR头戴式设备时VR头戴式设备的实时数据，包括姿态角、加速度以及在导航坐标系中的位置坐标数据；S3.将姿态角、加速度输入跌倒预判模型，提取出触发跌倒条件的实时数据；S4.采用滑动窗口法，从步骤S3提取的实时数据中提取滑动窗口范围内的时间步对应的位置坐标数据，组成的样本时间序列，所述滑动窗口范围内的时间步包含S3提取出的实时数据的时间步；S5.将S4样本时间序列进行标准化处理后输入训练好的LSTM神经网络，输出结果进行逆标准化处理得出VR头戴式设备的位置坐标数据的预测结果。

全文数据：

权利要求：

百度查询： 武汉科技大学 一种跌倒位置识别方法及陪伴机器人

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD