申请/专利权人：华南理工大学

申请日：2021-09-30

公开（公告）日：2024-05-03

公开（公告）号：CN113962247B

主分类号：G06V40/20

分类号：G06V40/20;G06V10/75;G06F16/58;G06F16/583

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2022.02.15#实质审查的生效;2022.01.21#公开

摘要：本发明公开了一种基于标准库匹配的步态预测方法及系统，由于人体的步态相对稳定性，同一速度下的各关节转角相对固定，可考虑通过已有的标准关节角度，对比当前的输入角度获得步态周期，从而得到其他单元姿态。本发明基于上述原理，只需借助于部署于人体的单一的惯性测量单元传感器测量得到的数据进行计算即可实现人体其他单元的姿态预测，减少了传感器的使用，同时使用标准库使得预测具有一定的适应性，而且使用的算法本身不复杂，相比于采用高斯过程或者神经网络等方法，结果可控。

主权项：1.一种基于标准库匹配的步态预测方法，其特征在于，包括以下步骤：S1、在人体一侧的某个部位设置惯性测量单元传感器，并通过惯性测量单元传感器获取该部位的姿态数据；S2、通过步骤S1获得的姿态数据预测此刻的步态周期；S3、获取当前步行速度；S4、从预置的标准库中选择与步骤S3获取得到的步行速度最接近的标准的一系列各关节角度数据，依照步骤S2预测得到的步态周期的百分比获取此刻人体设置有惯性测量单元传感器的一侧的其他关节的角度，从而通过该侧各关节的角度计算出人体设置有惯性测量单元传感器的一侧的姿态数据；S5、步骤S4得到的人体一侧的姿态数据向后相位平移50％获得人体另外一侧的姿态数据；所述步骤S2通过步骤S1获得的姿态数据预测此刻的步态周期，包括：通过姿态的两个合法的极大值或极小值的时间差作为一个步态周期；此刻的步态周期为之前数个历史步态周期的平均值，若平均步态周期从n0到n1，则结合极大值来计算，此刻的步态周期为： 其中，tθ_max,i为第i个合法的极大值，tθ_max,i-1第i-1个合法的极大值；所述合法的极大值为免除数据干扰的主极值；极大值和极小值通过以下方法判定：定义观察窗口tw，若数据依次递增，则此时数据处于上升态；若数据依次递减，则此时数据处于下降态；上升态时，若当前角度数据小于上一帧的角度数据，则触发观察期，若tw内均为下降态，则观察期开始的数据帧被判定为极大值，并且此后的数据被定义为下降态；若某时刻数据大于前一帧数据，则取消观察期；下降态时，若当前角度数据大于上一帧的角度数据，则触发观察期，若tw内均为上升态，则观察期开始的数据帧被判定为极小值，并且此后的数据被定义为上升态；若某时刻数据大于前一帧数据，则取消观察期；所述步骤S3中，通过运动学模型计算、惯性测量单元积分或动作捕捉系统获取当前步行速度；所述预置的标准库中的所有模板数据均根据获得的极值位置为起点进行相位平移。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于标准库匹配的步态预测方法及系统

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