CN108871331A - 一种跑动步长估计方法及装置 - Google Patents
一种跑动步长估计方法及装置 Download PDFInfo
- Publication number
- CN108871331A CN108871331A CN201810247206.2A CN201810247206A CN108871331A CN 108871331 A CN108871331 A CN 108871331A CN 201810247206 A CN201810247206 A CN 201810247206A CN 108871331 A CN108871331 A CN 108871331A
- Authority
- CN
- China
- Prior art keywords
- section
- strides
- vertical
- running
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种跑动步长估计方法及装置,所述方法包括:采集垂直加速度数据,检测垂直加速度数据的多个峰值,将相邻两个垂直加速度峰值间记为一个跨步区间;对每个跨步区间的垂直加速度数据进行二次积分处理,获得垂直位移;根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量;根据所述垂直位移以及所述跑动参量获得每个跨步区间的跑动步长数据;所述方法及装置通过装置本身硬件获得参考数据,避免了因定位信号不稳定导致的定位不准确的情况;同时通过对姿态的识别,动态的对跑动的跨步进行跑动补偿,以获得更加精确的步长估计;所述方法及装置可进一步用于室内的运动轨迹估计。
Description
技术领域
本发明涉及室内定位技术领域,更具体地,涉及一种跑动步长估计方法及装置。
背景技术
随着科技的进步,人们的出行越来越依靠各类导航和路径规划软件来确定自己的出行路线和自己所处的位置;目前比较精确的导航手段,如GPS导航,需要通过软件收发定位信号来对用户进行定位,当用户处于室内时,墙壁等隔挡物会影响定位信号强弱,这使得依赖于接收定位信号的定位方法在室内十分的不稳定;而不依赖接收定位信号的定位方法,常见的是依靠对用户的行走步数及方向进行行走路径的估算;但该类方法仅考虑了在室内步行的情况,当用户在室内进行跑动时,因用户跑动和步行时的步长存在差异,故通过该行走路径的估算获得的导航就会存在较大的偏差,即该类方法无法满足用户跑动时的步长估算。
发明内容
为了解决背景技术存在的依赖于接收定位信号的定位方法在室内十分的不稳定而不依赖与定位信号的定位方法无法满足用户跑动时的步长估算的问题,本发明提供了一种跑动步长估计方法及装置,所述方法及装置通过装置本身硬件获得实时加速度,并通过加速度数据获得每一步的跑动步长的估计值;同时,所述方法及装置通过对姿态的识别,动态的对跑动的跨步进行跑动补偿,以获得更加精确的步长估计。所述一种跑动步长估计方法包括:
采集垂直加速度数据,检测垂直加速度数据的多个峰值,将相邻两个垂直加速度峰值间记为一个跨步区间;
对每个跨步区间的垂直加速度数据进行二次积分处理,获得垂直位移;
根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量;
根据所述垂直位移以及所述跑动参量获得每个跨步区间的跑动步长数据。
进一步的,所述对每个跨步区间的垂直加速度数据进行积分处理,获得垂直位移包括:
对跨步区间内的垂直加速度数据进行积分获得垂直速度数据;
对所述垂直速度数据进行积分得到垂直高度数据;
取每个跨步区间内所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得该跨步区间内的垂直位移。
进一步的,所述对每个跨步区间的垂直加速度数据进行积分处理,获得垂直位移包括:
对每个跨步区间的垂直加速度数据进行积分得到垂直速度数据;
根据所述每个跨步区间的垂直速度数据获得对应跨步区间的中位垂直速度;
将所述跨步区间的垂直速度数据中的每一个减去与该跨步区间对应的中位垂直速度,得到对应跨步区间校正后的垂直速度数据;
对所述校正后的垂直速度数据进行积分得到垂直高度数据;
取所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得所述垂直位移。
进一步的,在对每个跨步区间的垂直加速度数据进行积分处理前包括:
根据每个跨步区间内垂直加速度数据获得对应区间的中位垂直加速度;
将跨步区间内垂直加速度数据中的每一个减去中位垂直加速度,获得对应跨步区间内校正后的垂直加速度数据;
使用校正后的垂直加速度数据代替对应跨步区间内原垂直加速度数据。
进一步的,根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量包括:
获得每个跨步区间内垂直加速度数据的方差,若所述方差小于预设方差阈值,识别用户运动姿态为步行;若所述方差大于预设方差阈值,识别用户运动姿态为跑动;根据识别为跑动的跨步区间对应垂直加速度数据获得该跨步区间的跑动参量。
进一步的,若识别用户运动姿态为跑动,则对应跨步区间的跑动参量取预设跑动参量N;其中,0<N<2。
进一步的,对用户姿态进行识别前还包括:
在每个跨步区间内获取对应的当前位置的气压;
判断所述当前位置的气压与平均气压的差值是否大于预设气压差阈值;
若不大于,则对用户运动姿态进行识别;所述平均气压为当前位置的前K个跨步区间对应的气压的平均值。
进一步的,所述根据所述垂直位移以及所述跑动参量获得每个跨步区间的跑动步长数据包括:
通过每个跨步区间的垂直位移以及预设的用户腿长数据,获得对应跨步区间内的步长数据;
通过所述步长数据、预设的用户脚长数据以及对应跨步区间的跑动参量,获得对应区间的跑动步长数据。
所述一种跑动步长估计装置包括:
采集单元,所述采集单元用于采集垂直加速度数据,检测垂直加速度数据的多个峰值,并将相邻两个垂直加速度峰值间记为一个跨步区间;所述采集单元将每个跨步区间内的垂直加速度数据发送至积分处理单元以及姿态识别单元;
积分处理单元,所述积分处理单元用于对所述每个跨步区间的垂直加速度数据进行二次积分处理,并获得垂直位移;
姿态识别单元,所述姿态识别单元根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量;
跑动步长计算单元,所述跑动步长计算单元用于根据所述积分处理单元输出的垂直位移以及所述姿态识别单元输出的跑动参量计算对应每个跨步区间的跑动步长数据。
进一步的,所述积分处理单元用于对跨步区间内的垂直加速度数据进行积分获得垂直速度数据,并对所述垂直速度数据进行积分得到垂直高度数据;
所述积分处理单元取所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得垂直位移。
进一步的,所述积分处理单元用于对每个跨步区间的垂直加速度数据进行积分得到垂直速度数据,并根据所述每个跨步区间的垂直速度数据获得对应跨步区间的中位垂直速度;
所述积分处理单元用于将所述跨步区间的垂直速度数据中的每一个减去与该跨步区间对应的中位垂直速度,得到对应跨步区间校正后的垂直速度数据;
所述积分处理单元用于对所述校正后的垂直速度数据进行积分得到垂直高度数据,并取所述垂直高度数据的极大值和极小值,通过所述极大值减去极小值获得所述垂直位移。
进一步的,所述采集单元根据每个跨步区间内垂直加速度数据获得对应区间的中位垂直加速度,并将跨步区间内垂直加速度数据中的每一个减去中位垂直加速度,获得对应跨步区间内校正后的垂直加速度数据;
所述采集单元使用校正后的垂直加速度数据代替对应跨步区间内原垂直加速度数据。
进一步的,所述姿态识别单元用于获得每个跨步区间内垂直加速度数据的方差,若所述方差小于预设方差阈值,识别用户运动姿态为步行;若所述方差大于预设方差阈值,识别用户运动姿态为跑动;根据识别为跑动的跨步区间对应垂直加速度数据获得该跨步区间的跑动参量。
进一步的,若所述姿态识别单元识别用户运动姿态为跑动,则对应跨步区间的跑动参量取预设跑动参量N;其中,0<N<2。
进一步的,所述姿态识别单元用于在每个跨步区间内获取对应的当前位置的气压;
所述姿态识别单元判断当前位置的气压与平均气压的差值是否大于预设气压差阈值;若不大于,则对用户运动姿态进行识别;所述平均气压为当前位置前K个跨步区间对应的气压的平均值。
进一步的,所述跑动步长计算单元通过每个跨步区间的垂直位移以及预设的用户腿长数据,获得对应跨步区间内的步长数据;
所述跑动步长计算单元通过步长数据、预设的用户脚长数据以及对应跨步区间的跑动参量,获得对应区间的跑动步长数据。
本发明的有益效果为:本发明的技术方案,给出了一种跑动步长估计方法及装置,所述方法及装置通过装置本身硬件获得实时加速度,并通过加速度数据获得每一步的跑动步长的估计值;这避免了因定位信号不稳定导致的定位不准确的情况;同时,所述方法及装置通过对姿态的识别,动态的对跑动的跨步进行跑动补偿,以获得更加精确的步长估计;当识别为步行状态时,所述方法及装置也可获得步行步长估计数据,从而涵盖了跑动和步行的多种运动姿态情况;所述方法及装置可进一步用于室内的运动轨迹估计,实现在不依赖定位信号的情况下识别用户的室内运动轨迹。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为本发明具体实施方式的一种跑动步长估计方法的流程图;
图2为本发明具体实施方式的通过中位垂直速度归零抑制加速度计零漂的方法的流程图;
图3为本发明具体实施方式的一种跑动轨迹检测方法的流程图;
图4为本发明具体实施方式的一种跑动步长估计装置的结构图;以及
图5为本发明具体实施方式的一种跑动轨迹检测装置的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为本发明具体实施方式的一种跑动步长估计方法的流程图,如图1所示,所述方法包括:
步骤110,采集垂直加速度数据,检测垂直加速度数据的多个峰值,将相邻两个垂直加速度峰值间记为一个跨步区间;所述每个跨步区间对应一次跨步;
所述垂直加速度数据的采集可通过加速度采集装置实现,在现有技术下,手机或运动手表内均会集成诸如加速度的加速度采集装置;一般情况下,加速度采集装置的采样频率会远高于行人步行或跑动的频率,这使得在所述一个跨步区间内会获得多组垂直加速度数据,而相对的,所述跨步区间也是在连续不断采集获得的垂直加速度数据间通过对数据峰值的判定而获得的时间区间;
以本实施例为例,在行人进行跨步时,每一个跨步区间的垂直加速度数据的波动可以看作是在0到2π时间内以时间为x轴、加速度为y轴的余弦函数;当行人开始跨步脚刚离地时,方向向上(在坐标轴中表现为正向)的垂直加速度为最大值,当行人垂直位移达到最高点时,垂直向速度为0,而其垂直加速度正处于方向向下的最大值(对应于在坐标轴中x取π时);而当行人脚落地时亦是下一次脚离地时,其垂直加速度从新回到方向向上的最大值位置;由此例可见,两次相邻的峰值间即为一次跨步,后一峰值与其在下一峰值间形成下一次跨步;
步骤120,对每个跨步区间的垂直加速度数据进行二次积分处理,获得垂直位移;
所述对每个跨步区间的垂直加速度数据进行积分处理,首先对跨步区间内的垂直加速度数据进行一次积分获得垂直速度数据;所述积分的起始点和结束点即为对应跨步区间的起始时间和结束时间;在对对应每个跨步区间的垂直速度数据进行一次积分,得到垂直高度数据;此次积分的起始点和结束点也为对应跨步区间的起始时间和结束时间,所述垂直高度数据;取每个跨步区间内所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得该跨步区间内的垂直位移。
以本实施例为例,如上所述,在一个跨步区间内垂直加速度数据的波动可以看作是在0到2π时间内以时间为x轴、加速度为y轴的余弦函数;则通过一次积分获得该跨步区间内垂直速度数据,所述垂直速度数据可以看做是在0到2π时间内以时间为x轴、加速度为y轴的正弦函数;当行人开始跨步脚刚离地时,垂直方向上的速度为0;当行人垂直位移达到最高点时,垂直方向上的速度为0;当行人跨步脚落地时,垂直方向上的速度也为0,此三次过零点对应于在0到2π时间内正弦函数的三次过零点;
理论上来说,在行人在水平面正常步行时,所述垂直高度数据的极小值应为0,即没有向上位移的情形,也就是通常会使用垂直位移数据的极值去代表垂直位移;但当行人处于非水平面上行走时,即行走地面存在向上或向下的倾角时,行人跨步后所处的垂直位置会比跨步前所处的垂直位置高或低,使得极小值为一个正值或负值;抑或当行人进行跑动时,因人身体处于运动状态,垂直高度的极小值也不一定为0;故本发明中使用极大值减去极小值的设定以获得该跨步区间内的垂直位移;
同时,因所述垂直高度数据是通过加速度计测量获得加速度通过二次积分获得的,而加速度计在使用中会存在零点漂移的问题,这也会导致即便垂直高度数据极小值的理论值应为0时而不是0,通过使用极大值减去极小值的设定,可以消除系统零点漂移造成的极小值非零情况,已获得该跨不取件的垂直位移。
若不考虑装置的运算效率,也可先将每个跨步区间内的垂直加速的数据拟合为函数,并对所述函数进行积分获得垂直速度函数,并对每个跨步区间内的垂直速度函数在其跨步区间内进行积分获得垂直位移。
进一步的,为了保证检测到的峰值的真实性,对于纵向加速度数据的峰值检测,可以进行半个周期的延迟(一个周期等于一个跨步区间,人步行大约0.5秒一步,当峰值维持了半个周期0.25秒的时候,才认定为前面这个是真正的峰值。这样不会造成错检和漏检。确认峰值的时间滞后半周期),待纵向加速度数据组成的波形中包含了真实的峰值点后时再进行峰值点确认,虽然这样的处理方式会带来半步的延迟,但这个延时在可接受的范围内,但上述处理方式能够保证检测到的峰值真实准确。
进一步的,图2为本实施例步骤120的另一具体实施方式,由于如加速度计的加速度采集装置大多存在零漂的问题,造成理论上应为零中位速度的漂移;如图2所示的方法利用中位速度值校正对应跨步区间内垂直速度数据,相当于将中位速度强制归零,以达到抑制零漂的目的;所述方法包括:
步骤121,对每个跨步区间的垂直加速度数据进行积分得到垂直速度数据;
步骤122,根据所述每个跨步区间的垂直速度数据获得对应跨步区间的中位垂直速度,
步骤123,将所述跨步区间的垂直速度数据中的每一个减去与该跨步区间对应的中位垂直速度,得到对应跨步区间校正后的垂直速度数据;
所述校正后的垂直速度数据为通过中位垂直速度归零以抑制零漂后的垂直速度数据;将所述校正后的垂直速度数据对应替代所述垂直速度数据;
步骤124,对所述校正后的垂直速度数据进行积分得到垂直高度数据;
步骤125,取所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得所述垂直位移。
进一步的,在进行步骤120前,所述方法还包括:
步骤111,根据每个跨步区间内垂直加速度数据获得对应区间的中位垂直加速度;
步骤112,将跨步区间内垂直加速度数据中的每一个减去中位垂直加速度,获得对应跨步区间内校正后的垂直加速度数据;
步骤113,使用校正后的垂直加速度数据代替对应跨步区间内原垂直加速度数据。
所述方法通过对中位垂直加速度进行强制归零,达到抑制零漂的目的。
步骤130,根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量;
进一步的,所述根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别包括:获得每个跨步区间内垂直加速度数据的方差,若所述方差小于预设方差阈值,识别用户运动姿态为步行;若所述方差大于预设方差阈值,识别用户运动姿态为跑动;
因用户跑动时,身体处于腾空、下落、腾空的循环状态,其垂向加速度的数值的振幅要高于用户步行时所对应的垂直加速度数值的振幅;通过每个跨步区间内垂直加速度数据的方差的大小判定用户实际的姿态可以得到较为准确的姿态估计结果。
进一步的,考虑到使用单个跨步区间内的方差判定单个跨步区间是否跑动存在误判风险,可使用该跨步与该跨步前M个区间内的所有的垂直加速度数据获得一个扩大范围的垂直加速度方差来代替原单个跨步区间的方差;或使用该跨步与该跨步前M个区间内的所有垂直加速度方差的均值来代替原单个跨步区间的方差;
当判定用户运动姿态为跑动时,获得对应跨步区间的跑动参量;所述跑动参量可以为预设的跑动参量N;其中0<N<2;
所述预设的跑动参量可以为多个,每个跑动参量对应一种跑动状态;通过检测到对应区间的水平加速度数据以及跨步区间对应的时间来判断跑动状态,进而确定选择的所述预设跑动参量。
根据所述水平加速度数据获得对应区间的水平加速度均值;根据所述水平加速度均值与每个跨步区间所用时间,可以判断跑动的状态:
当水平加速度均值大于0且跨步区间较预设跨步区间大时,判断为加速大步跑,此时对应的跑动参量N的取值范围应为:1<N<2;
以本实施例为例,可以选择预设的跑动参量为1.3;即当识别用户运动姿态为跑动,且判断用户跑动姿态为加速大步跑时,选择预设的跑动参量1.3对用户的步长估计进行补偿;其中,所述预设跨步区间根据行人正常行走每一步所用的时间为参考进行预设,所述预设值应小于人正常行走每一步所用时间的均值;
当水平加速度均值大于0且跨步区间较预设跨步区间小时,判断为加速小步跑,此时对应的跑动参量N的取值范围为0<N<1;
以本实施例为例,可选择预设的跑动参量为0.9;
当水平加速度均值接近于0,即用户匀速跑动,且跨步区间较预设跨步区间大或相近时,判断为匀速阔步跑;此时对应的跑动参量N的取值范围为1<N<2;
以本实施例为例,可选择预设的跑动参量为1.2;
当水平加速度均值接近于0,即用户匀速跑动,且跨步区间较预设跨步区间小时,判断为匀速小步跑(常见于女性跑动状态),此时对应的跑动参量N的取值范围为0<N<1;
以本实施例为例,可选择预设的跑动参量为0.8;
当水平加速度小于0且跨步区间较预设跨步区间小时,判断为减速跑,此时对应的跑动参量N的取值范围为0<N<1;
以本实施例为例,可选择预设的跑动参量为0.6;
进一步的,如前所述,为避免根据水平加速度和跨步区间进行跑动状态判断的误判风险,使用该跨步与该跨步区间前M个区间内所有的水平加速度数据获得一个扩大分为的水平加速度均值来代替原单个跨步区间的均值;使用该跨步与该跨步区间前M个区间的区间均值来代替该跨步区间。
进一步的,根据识别为跑动的跨步区间对应垂直加速度数据获得该跨步区间的跑动参量;即通过实时更新的垂直加速度数据动态的获得该跨步区间的跑动参量。
进一步的,为避免因行走在高度变化的路上(如上下楼梯)使得垂直加速度因道路的变化而变化,进而使得在没有跑动的前提下,垂直加速度方差大于预设阈值引起识别错误;在进行用户姿态识别前,所述方法还包括:
在每个跨步区间内获取对应的当前位置的气压;
判断所述当前位置的气压与平均气压的差值是否大于预设气压差阈值;
若不大于,则对用户运动姿态进行识别;所述平均气压为当前位置的前K个跨步区间对应的气压的平均值。
所述当前位置的气压与平均气压的差值不大于预设气压差阈值,判断用户行走在非高度变化的道路上,即可执行步骤130,对用户运动姿态进行识别;
若所述当前位置的气压与平均气压的差值大于预设气压差阈值,则判定用户行走在高度变化的道路上,在这种情况下无法依照此方法对用户的跑动姿态进行识别;
以本实施例为例,所述气压差阈值为0.03Mpa。
步骤140,根据所述垂直位移以及所述跑动参量获得每个跨步区间的跑动步长数据。
进一步的,通过每个跨步区间的垂直位移以及预设的用户腿长数据,获得对应跨步区间内的步长数据;
通过所述步长数据、预设的用户脚长数据以及对应跨步区间的跑动参量,获得对应区间的跑动步长数据。
所述跑动步长数据的计算公式为:
其中,S为跑动步长数据,lL为用户腿长,lF为用户脚长,h为垂直位移,f为跑动参量。
进一步的,用户腿长、用户脚长等数据对于某个用户来说是一个常数,取值尽管不容易获得,但均可以通过根据用户输入的数据或者从其他软件调用的参数推算得到。
比如,可采用身高的二分之一来确定用户腿长,而身高的数值可以从用户输入或者其他软件的参数调用来取得。即便是没有取得具体数据,也可以采用典型值如1.75米,基本可以覆盖1.6-1.9米的人群,误差在可容忍范围内,由于计算步长数据时,用户腿长的数值位于根号中,因此其对于步长数据的影响并不大,甚至还不如信号噪声影响大。
用户脚长也可以由用户输入确定,但是这样会带来用户体验上的不便,而获得的收益并不明显,相对于每个跨步的长度而言,脚长的差距最多也只是几个厘米。因此,用户输入脚长并非是必要的一个操作,可以假定为一个典型值,例如26厘米。此外用户脚长也可以通过人体的生理模型来推算。
所述一种跑动步长估计方法通过装置本身硬件获得实时加速度,并通过加速度数据获得每一步的跑动步长的估计值;这避免了因定位信号不稳定导致的定位不准确的情况;同时,所述方法通过对姿态的识别,动态的对跑动的跨步进行跑动补偿,以获得更加精确的步长估计;当识别为步行状态时,所述方法也可获得步行步长估计数据,从而涵盖了跑动和步行的多种运动姿态情况;所述方法可进一步用于室内的运动轨迹估计,实现在不依赖定位信号的情况下识别用户的室内运动轨迹,为后续室内定位技术的发展奠定了基础。
图3为本发明具体实施方式的一种跑动轨迹检测方法的流程图,如图2所示,所述方法包括:
步骤310,获取轨迹起始点的位置和方向;
步骤320,获得每跨一步的跨步区间,并计算每个跨步区间对应的跑动步长数据;
进一步的,获得每跨一步的跨步区间,并计算每个跨步区间对应的跑动步长数据,包括:
采集垂直加速度数据,将相邻两个垂直加速度绝对值峰值间记为一个跨步区间;
对每个跨步区间的垂直加速度数据进行积分处理,获得垂直位移;
根据每个跨步区间内的垂直加速度数据获得每个跨步区间的跑动参量;
根据垂直位移、跑动参量获得每个区间的跑动步长数据;
步骤330,分别对每个所述跨步区间内的角速度信号进行积分,得到每个所述跨步区间内产生的偏转角度;其中,跨第一步的方向为起始点的方向,对应的积分时的偏转角度为零;
进一步的,从所述轨迹起始点开始,根据每个跨步区间的所述偏转角度和所述跑动步长数据计算跑动轨迹,包括:
从轨迹起始点开始,根据每个所述跨步区间的偏转角度判断每次跨步是直行还是拐弯;
若当前跨步是直行,则沿前一跨步的轨迹方向、根据当前跨步的步长数据绘制步行轨迹;
若当前跨步是拐弯,以前一跨步的方向累加上当前跨步的偏转角度作为轨迹方向,沿轨迹方向、根据当前跨步的步长数据绘制步行轨迹。
进一步的,所述角速度信号与垂直加速度数据的时间轴是一致的,所述角速度信号由角速度计输出,角速度计包括但不限于陀螺仪。
步骤340,从所述轨迹起始点开始,根据每个跨步区间的所述偏转角度和所述跑动步长数据计算跑动轨迹。
图4为本发明具体实施方式的一种跑动步长估计装置的结构图,如图4所示,所述装置包括:
采集单元401,所述采集单元401用于采集垂直加速度数据,检测垂直加速度数据的多个峰值,并将相邻两个垂直加速度峰值间记为一个跨步区间;所述采集单元401将每个跨步区间内的垂直加速度数据发送至积分处理单元以及姿态识别单元;
进一步的,所述采集单元401根据每个跨步区间内垂直加速度数据获得对应区间的中位垂直加速度,并将跨步区间内垂直加速度数据中的每一个减去中位垂直加速度,获得对应跨步区间内校正后的垂直加速度数据;
所述采集单元401使用校正后的垂直加速度数据代替对应跨步区间内原垂直加速度数据。
积分处理单元402,所述积分处理单元402用于对所述每个跨步区间的垂直加速度数据进行二次积分处理,并获得垂直位移;
进一步的,所述积分处理单元402用于对跨步区间内的垂直加速度数据进行积分获得垂直速度数据,并对所述垂直速度数据进行积分得到垂直高度数据;
所述积分处理单元402取所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得垂直位移。
进一步的,所述积分处理单元402用于对每个跨步区间的垂直加速度数据进行积分得到垂直速度数据,并根据所述每个跨步区间的垂直速度数据获得对应跨步区间的中位垂直速度;
所述积分处理单元402用于将所述跨步区间的垂直速度数据中的每一个减去与该跨步区间对应的中位垂直速度,得到对应跨步区间校正后的垂直速度数据;
所述积分处理单元402用于对所述校正后的垂直速度数据进行积分得到垂直高度数据,并取所述垂直高度数据的极大值和极小值,通过所述极大值减去极小值获得所述垂直位移。
姿态识别单元403,所述姿态识别单元403根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量;
进一步的,所述姿态识别单元403用于获得每个跨步区间内垂直加速度数据的方差,若所述方差小于预设方差阈值,识别用户运动姿态为步行;若所述方差大于预设方差阈值,识别用户运动姿态为跑动;根据识别为跑动的跨步区间对应垂直加速度数据获得该跨步区间的跑动参量。
进一步的,所述姿态识别单元403识别用户运动姿态为跑动,则对应跨步区间的跑动参量取预设跑动参量N;其中,0<N<2。
进一步的,所述姿态识别单元403用于在每个跨步区间内获取对应的当前位置的气压;
所述姿态识别单元403判断当前位置的气压与平均气压的差值是否大于预设气压差阈值;
若不大于,则对用户运动姿态进行识别;所述平均气压为当前位置的前K个跨步区间对应的气压的平均值。
跑动步长计算单元404,所述跑动步长计算单元404用于根据所述积分处理单元402输出的垂直位移以及所述姿态识别单元403输出的跑动参量计算对应每个跨步区间的跑动步长数据。
所述跑动步长计算单元404通过每个跨步区间的垂直位移以及预设的用户腿长数据,获得对应跨步区间内的步长数据;
所述跑动步长计算单元404通过步长数据、预设的用户脚长数据以及对应跨步区间的跑动参量,获得对应区间的跑动步长数据。
图5为本发明具体实施方式的一种跑动轨迹检测装置的结构图,如图5所示,所述装置包括:
信息获取单元501,所述信息获取单元501用于获取轨迹起始点的位置和方向;
跑动步长计算单元502,所述跑动步长计算单元502用于获取每跨一步的跨步区间,并计算每个跨步区间对应的跑动步长数据;
进一步的,所述跑动步长计算单元502用于采集垂直加速度数据,将相邻两个垂直加速度绝对值峰值间记为一个跨步区间;
所述跑动步长计算单元502对每个跨步区间的垂直加速度数据进行积分处理,获得垂直位移;
所述跑动步长计算单元502根据每个跨步区间内的垂直加速度数据获得每个跨步区间的跑动参量;
所述跑动步长计算单元502根据垂直位移、跑动参量获得每个区间的跑动步长数据。
偏转角度计算单元503,所述偏转角度计算单元503用于对每个所述跨步区间内的角速度信号进行积分,得到每个所述跨步区间内产生的偏转角度;其中,跨第一步的方向为起始点的方向,对应的积分时的偏转角度为零;
跑动轨迹计算单元504,所述跑动轨迹计算单元504用于根据每个跨步区间的所述偏转角度和所述跑动步长数据计算跑动轨迹。
进一步的,所述跑动轨迹计算单元504用于根据每个所述跨步区间的偏转角度判断每次跨步是直行还是拐弯;
若当前跨步是直行,则沿前一跨步的轨迹方向、根据当前跨步的步长数据绘制步行轨迹;
若当前跨步是拐弯,以前一跨步的方向累加上当前跨步的偏转角度作为轨迹方向,沿轨迹方向、根据当前跨步的步长数据绘制步行轨迹。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。本说明书中涉及到的步骤编号仅用于区别各步骤,而并不用于限制各步骤之间的时间或逻辑的关系,除非文中有明确的限定,否则各个步骤之间的关系包括各种可能的情况。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如,在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。
以上所述仅是本公开的具体实施方式,应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开精神的前提下,可以作出若干改进、修改、和变形,这些改进、修改、和变形都应视为落在本申请的保护范围内。
Claims (10)
1.一种跑动步长估计方法,所述方法包括:
采集垂直加速度数据,检测垂直加速度数据的多个峰值,将相邻两个垂直加速度峰值间记为一个跨步区间;
对每个跨步区间的垂直加速度数据进行二次积分处理,获得垂直位移;
根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量;
根据所述垂直位移以及所述跑动参量获得每个跨步区间的跑动步长数据。
2.根据权利要求1所述的跑动步长估计方法,其特征在于,所述对每个跨步区间的垂直加速度数据进行积分处理,获得垂直位移包括:
对跨步区间内的垂直加速度数据进行积分获得垂直速度数据;
对所述垂直速度数据进行积分得到垂直高度数据;
取每个跨步区间内所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得该跨步区间内的垂直位移。
3.根据权利要求1所述的跑动步长估计方法,所述对每个跨步区间的垂直加速度数据进行积分处理,获得垂直位移包括:
对每个跨步区间的垂直加速度数据进行积分得到垂直速度数据;
根据所述每个跨步区间的垂直速度数据获得对应跨步区间的中位垂直速度;
将所述跨步区间的垂直速度数据中的每一个减去与该跨步区间对应的中位垂直速度,得到对应跨步区间校正后的垂直速度数据;
对所述校正后的垂直速度数据进行积分得到垂直高度数据;
取所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得所述垂直位移。
4.根据权利要求1至3任一项所述的跑动步长估计方法,其特征在于,在对每个跨步区间的垂直加速度数据进行积分处理前包括:
根据每个跨步区间内垂直加速度数据获得对应区间的中位垂直加速度;
将跨步区间内垂直加速度数据中的每一个减去中位垂直加速度,获得对应跨步区间内校正后的垂直加速度数据;
使用校正后的垂直加速度数据代替对应跨步区间内原垂直加速度数据。
5.根据权利要求1所述的跑动步长估计方法,其特征在于,根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量包括:
获得每个跨步区间内垂直加速度数据的方差,若所述方差小于预设方差阈值,识别用户运动姿态为步行;若所述方差大于预设方差阈值,识别用户运动姿态为跑动;根据识别为跑动的跨步区间对应垂直加速度数据获得该跨步区间的跑动参量。
6.根据权利要求5所述的跑动步长估计方法,其特征在于,若识别用户运动姿态为跑动,则对应跨步区间的跑动参量取预设跑动参量N;其中,0<N<2。
7.根据权利要求1所述的跑动步长估计方法,其特征在于,对用户姿态进行识别前还包括:
在每个跨步区间内获取对应的当前位置的气压;
判断所述当前位置的气压与平均气压的差值是否大于预设气压差阈值;
若不大于,则对用户运动姿态进行识别;所述平均气压为当前位置的前K个跨步区间对应的气压的平均值。
8.根据权利要求1所述的跑动步长估计方法,其特征在于,所述根据所述垂直位移以及所述跑动参量获得每个跨步区间的跑动步长数据包括:
通过每个跨步区间的垂直位移以及预设的用户腿长数据,获得对应跨步区间内的步长数据;
通过所述步长数据、预设的用户脚长数据以及对应跨步区间的跑动参量,获得对应区间的跑动步长数据。
9.一种跑动步长估计装置,所述装置包括:
采集单元,所述采集单元用于采集垂直加速度数据,检测垂直加速度数据的多个峰值,并将相邻两个垂直加速度峰值间记为一个跨步区间;所述采集单元将每个跨步区间内的垂直加速度数据发送至积分处理单元以及姿态识别单元;
积分处理单元,所述积分处理单元用于对所述每个跨步区间的垂直加速度数据进行二次积分处理,并获得垂直位移;
姿态识别单元,所述姿态识别单元根据所述每个跨步区间的垂直加速度数据对用户运动姿态进行识别;并计算识别为跑动的跨步区间对应的跑动参量;
跑动步长计算单元,所述跑动步长计算单元用于根据所述积分处理单元输出的垂直位移以及所述姿态识别单元输出的跑动参量计算对应每个跨步区间的跑动步长数据。
10.根据权利要求9所述的跑动步长估计装置,其特征在于:
所述积分处理单元用于对跨步区间内的垂直加速度数据进行积分获得垂直速度数据,并对所述垂直速度数据进行积分得到垂直高度数据;
所述积分处理单元取所述垂直高度数据的极大值和极小值,所述极大值减去极小值获得垂直位移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810247206.2A CN108871331B (zh) | 2018-03-23 | 2018-03-23 | 跑动步长估计、跑动轨迹检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810247206.2A CN108871331B (zh) | 2018-03-23 | 2018-03-23 | 跑动步长估计、跑动轨迹检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108871331A true CN108871331A (zh) | 2018-11-23 |
CN108871331B CN108871331B (zh) | 2021-10-26 |
Family
ID=64326254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810247206.2A Active CN108871331B (zh) | 2018-03-23 | 2018-03-23 | 跑动步长估计、跑动轨迹检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108871331B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111110247A (zh) * | 2020-01-13 | 2020-05-08 | 广东高驰运动科技有限公司 | 运动数据指标的监测方法及监测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080120062A1 (en) * | 2006-10-31 | 2008-05-22 | Samsung Electronics Co., Ltd. | Step length estimation method and portable terminal for the same |
US20090190713A1 (en) * | 2008-01-28 | 2009-07-30 | National Electronics & Watch Co. Ltd | Monitoring Devices, Monitoring Systems, and Methods of Monitoring |
CN104215238A (zh) * | 2014-08-21 | 2014-12-17 | 北京空间飞行器总体设计部 | 一种智能手机室内定位方法 |
CN105258675A (zh) * | 2015-11-30 | 2016-01-20 | 北京机械设备研究所 | 一种用于室内行人导航装置的高程定位方法 |
CN105992932A (zh) * | 2014-01-30 | 2016-10-05 | 皇家飞利浦有限公司 | 对在用户运动的测量结果中检测步行的改进 |
-
2018
- 2018-03-23 CN CN201810247206.2A patent/CN108871331B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080120062A1 (en) * | 2006-10-31 | 2008-05-22 | Samsung Electronics Co., Ltd. | Step length estimation method and portable terminal for the same |
US20090190713A1 (en) * | 2008-01-28 | 2009-07-30 | National Electronics & Watch Co. Ltd | Monitoring Devices, Monitoring Systems, and Methods of Monitoring |
CN105992932A (zh) * | 2014-01-30 | 2016-10-05 | 皇家飞利浦有限公司 | 对在用户运动的测量结果中检测步行的改进 |
CN104215238A (zh) * | 2014-08-21 | 2014-12-17 | 北京空间飞行器总体设计部 | 一种智能手机室内定位方法 |
CN105258675A (zh) * | 2015-11-30 | 2016-01-20 | 北京机械设备研究所 | 一种用于室内行人导航装置的高程定位方法 |
Non-Patent Citations (1)
Title |
---|
邸文华: "基于iPhone的人员行走惯性导航系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111110247A (zh) * | 2020-01-13 | 2020-05-08 | 广东高驰运动科技有限公司 | 运动数据指标的监测方法及监测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108871331B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106705968B (zh) | 基于姿态识别和步长模型的室内惯性导航算法 | |
Bai et al. | A high-precision and low-cost IMU-based indoor pedestrian positioning technique | |
CN110501011B (zh) | 确定移动设备在地理区域中的位置 | |
EP2850392B1 (en) | Method for step detection and gait direction estimation | |
CN1932524B (zh) | 在个人导航器中的检测步伐的设备和方法 | |
CN106525066B (zh) | 计步数据处理方法和计步器 | |
CN103968827A (zh) | 一种可穿戴式人体步态检测的自主定位方法 | |
CN113218395B (zh) | 行人步行轨迹检测方法、装置及系统 | |
CN104964685B (zh) | 一种手机运动姿态的判定方法 | |
Lee et al. | An experimental heuristic approach to multi-pose pedestrian dead reckoning without using magnetometers for indoor localization | |
EP3680618A1 (en) | Method and system for tracking a mobile device | |
WO2014117252A1 (en) | Method and system for varying step length estimation using nonlinear system identification | |
CN110274592B (zh) | 一种腰部脚部惯性测量单元信息融合的零速区间确定方法 | |
Tumkur et al. | Modeling human walking for step detection and stride determination by 3-axis accelerometer readings in pedometer | |
CN104613965B (zh) | 一种基于双向滤波平滑技术的步进式行人导航方法 | |
CN106767790B (zh) | 人体下肢运动模型与卡尔曼滤波融合估计行人移动跟踪的方法 | |
CN105698795A (zh) | 一种室内定位步长计算方法 | |
Zhao et al. | Pseudo-zero velocity re-detection double threshold zero-velocity update (ZUPT) for inertial sensor-based pedestrian navigation | |
CN105547291B (zh) | 室内人员自主定位系统的自适应静止检测方法 | |
Cho et al. | Threshold-less zero-velocity detection algorithm for pedestrian dead reckoning | |
CN104613964A (zh) | 一种跟踪脚部运动特征的步行者定位方法及系统 | |
CN112362057A (zh) | 基于零速修正与姿态自观测的惯性行人导航算法 | |
CN109540133A (zh) | 基于微惯性技术的自适应步态划分方法、系统 | |
CN115767412A (zh) | 融合超宽带和惯性测量单元的室内定位方法 | |
CN108592907A (zh) | 一种基于双向滤波平滑技术的准实时步进式行人导航方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |