CN109540133A - 基于微惯性技术的自适应步态划分方法、系统 - Google Patents
基于微惯性技术的自适应步态划分方法、系统 Download PDFInfo
- Publication number
- CN109540133A CN109540133A CN201811150084.1A CN201811150084A CN109540133A CN 109540133 A CN109540133 A CN 109540133A CN 201811150084 A CN201811150084 A CN 201811150084A CN 109540133 A CN109540133 A CN 109540133A
- Authority
- CN
- China
- Prior art keywords
- gait
- true
- stance
- ground
- moment
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 98
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 38
- 238000005516 engineering process Methods 0.000 title claims abstract description 37
- 230000001133 acceleration Effects 0.000 claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 7
- 238000000638 solvent extraction Methods 0.000 abstract description 4
- 238000002715 modification method Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000003657 Likelihood-ratio test Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/18—Stabilised platforms, e.g. by gyroscope
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)
Abstract
本发明属于步态划分技术领域,具体涉及一种基于微惯性技术的自适应步态划分方法、系统,本发明方法包括:获取t时刻的步伐动作的旋转角速度ωt、加速度at;计算对应的角速度测量值模值‖ωt‖,加速度测量模值‖at‖;判断‖ωt‖‑stepbias<σ?,如果小于则判定当前时刻t的步态为接触地面状态,否则判定当前时刻t的步态为离开地面状态;其中,stepbias为当前步角速度模值预判定自适应偏差,σ为预设的第一条件阈值;此后还设置有步态的二次判断方法、多种参数修正方法。本发明算法简单,运行所占资源少,适用于各种嵌入式设备,且多种参数修正方法实现了参数的自适应调整,增加了检测结果的精度和鲁棒性。
Description
技术领域
本发明属于步态划分技术领域,具体涉及一种基于微惯性技术的自适应步态划分方法、系统。
背景技术
随着微惯性技术的发展,利用微惯性技术进行定位和航迹估计,由于受环境因素的限制较少,具有广泛的应用前景,一直以来都是惯性导航领域研究的分支课题。在基于微惯性技术的行人定位或航迹推演算法中不可或缺的一步就是步态的划分。目前,国内外已经设计出了相当多的基于微惯性技术的步态划分方法。
基于微惯性技术的步态划分方法的基本原理在于,人在日常活动中的步态具有一定的周期性,利用周期内的阶段性特征,进行步态的分割。人的一步运动可以主要分为两个阶段,脚接触地面的阶段(Stance Phase)和脚离开地面的阶段(Swing Phase)。这两个阶段具有很明显的区别于彼此的特征,其在绑在脚上的微惯性传感器输出数据中的主要表现是:在脚接触地面阶段,传感器输出的加速度值都几乎稳定在重力加速度值附近,输出的角速度都稳定在零值附近;而在脚离开地面阶段,传感器输出的加速度值明显大于或小于重力加速度值,输出的角速度也明显偏离零值附近,并且二者都是变化的。利用这种阶段性的特征,通过检测输出数据所满足的相应特征条件,从而判断步态所处阶段,是目前很多算法的主要思想。
目前主要的基于微惯性技术的步态划分算法可分为两类,一种是基于Isaac Skog等人提出的广义似然比检测器(GLRT Detector)框架之下的划分方法(见Isaac Skog,Peter Handel,John-Olof Nilsson,and Jouni Rantakokko.“Zero-VelocityDetection—An Algorithm Evaluation.”IEEE TRANSACTIONS ON BIOMEDICALENGINEERING,VOL.57,NO.11,NOVEMBER 2010)。该方法将加速度滑动方差、加速度模值以及角速度能量融合到一个统一的通过广义似然比推导出的框架之中。主要利用的在脚接触地面阶段,角速度能量在零值附近、加速度滑动方差也在零值附近、加速度模值减去重力加速度模值也在零值附近;而在脚离开地面阶段,以上值都明显偏离零值附近。因此,通过设定阈值,检测以上值是否在零值附近,则能判断其属于脚接触地面阶段还是离开地面阶段,从而实现步态的划分。然而在人日常运动中,如行走时,也会出现当脚接触地面时以上考虑的值明显偏离零值,而且不同的人,不同运动情况下,以上考虑的值偏离零值的程度也不同;同时在脚离开地面时,以上考虑的值也有可能处于零值附近。因此,难以找到一个比较好的阈值,能够对不同的人,不同运动类型都实现比较好的步态划分。针对这类问题,一些自适应阈值法或修正算法被提出,虽然结果都有了很大的提升,但都是针对正常的行走运动情况下的步态划分。并且,基于GLRT检测器框架的算法,都需要一个延迟窗口进行滑动平均滤波,以增加数据的稳定性,虽然这能提高检测的精度,但是却以牺牲部分时间为代价。目前还没有针对踏步这种运动进行步态划分的尝试,而踏步运动的输出数据的特点较正常行走或奔跑有明显的区别,主要体现在当脚处于离开地面阶段,其角速度输出能量很多时候都会接近于脚接触地面阶段时的角速度能量值,导致很多误分。
另一类主要的步态划分方法是隐马尔可夫检测器(见Sang Kyeong Park andYoung Soo Suh.A Zero Velocity Detection Algorithm Using Inertial Sensors forPedestrian Navigation Systems[J].Sensors,2010(10):9163-9178.)。这种划分方法的主要思想是将陀螺仪主要旋转轴的角速度输出,先按照一定规则划分为四种片段,分别对应一步中的零速率阶段(即脚完全接触地面阶段)、脚尖接触地面阶段、脚完全离开地面阶段、脚后跟落地阶段,然后将各个阶段作为隐马尔可夫模型的状态节点,通过已有的数据,训练各个状态之间相互转换的转换矩阵,得到一个隐马尔可夫步态检测器。这种方法在动态和快速的运动情况下,如奔跑,有比GLRT检测方法更好的检测效果。这种方法需要预先划分割步态片段,但是很难找到一个泛化性好的分割方法,因为不同的运动情况下,步态特征也不尽相同,如在踏步和行走时,陀螺仪主要旋转轴输出的结果有很大的差别。同时,这种方法对传感器在脚上绑的姿态有限制,必须要有一个旋转轴大致垂直于脚运动方向。
发明内容
为了解决现有技术中的上述问题,即为了提高行走步态中接触地面状态、离开地面状态该识别的鲁棒性和精准度,本发明的一方面,提出了一种基于微惯性技术的自适应步态划分方法,包括按照设定的采样周期采集步伐动作的旋转角速度、加速度,所述自适应步态划分方法包括以下步骤:
步骤S1,获取t时刻的步伐动作的旋转角速度ωt=[ωx,ωy,ωz]、加速度at=[ax,ay,az];
步骤S2,计算t时刻角速度测量值模值加速度测量模值
步骤S3,判断‖ωt‖-stepbias<σ?,如果小于则判定当前时刻t的步态为接触地面状态,记Stance_Ft=1,否则判定当前时刻t的步态为离开地面状态,记Stance_Ft=0;其中,Stance_Ft为时刻t的步态,stepbias为当前步角速度模值预判定自适应偏差,σ为预设的第一条件阈值。
在一些优选实施例中,在步骤S3判定当前时刻t的步态为接触地面状态之后,还包括步态的二次判断方法步骤S31:
当t>2为真、且Stance_Ft-1==0为真、且为真、且为假时,则判定当前时刻t的步态为离开地面状态,更新时刻t的步态Stance_Ft=0;
其中,End为当前步接触地面阶段结束时间点,α为预设的第二条件阈值,Δt为采样时间间隔,‖a‖End:t为从时刻End到t时刻的加速度模值,为预设的第二条件阈值。
在一些优选实施例中,在步骤S3判定当前时刻t的步态为接触地面状态之后,还包括第一参数修正步骤S32:
当t>2为真、且Stance_Ft-1==0为真、且为真时,修正Stance_FEnd:t=ones(1,t-End+1);
继续判断,当stepanded==1为真时,继续修正stepcounter=stepcounter-1、stepanded=0;
其中,End为当前步接触地面阶段结束时间点,α为预设的第二条件阈值,Δt为采样时间间隔,Stance_FEnd:t为从时刻End到时刻t的步态状态,ones(1,t-End+1)为生成的一个1×(t-End+1)的全1向量,stepanded为标志增加一步的变量,stepcounter为计步器所统计的步数变量。
在一些优选实施例中,在步骤S3判定当前时刻t的步态为接触地面状态之后,还包括第二参数修正步骤S33:
当t>2为真、且Stance_Ft-1==0为真、且为假、且为假时,修正
lastEnd=End
Begin=t
其中,End为当前步接触地面阶段结束时间点,α为预设的第二条件阈值,Δt为采样时间间隔,‖a‖End:t为从时刻End到t时刻的加速度模值,为预设的第三条件阈值,lastEnd为上一步接触地面阶段结束时间,mean表示求均值,表示从时刻lastBegin到lastEnd的角速度模值,Begin当前步接触地面阶段的开始时间点。
在一些优选实施例中,在步骤S3判定当前时刻t的步态为离开地面状态之后,还包括第三参数修正步骤S34:
当t>2为真、且Stance_Ft-1==1为真、且为真时,修正Stance_FEnd:t=zeros(1,t-End+1);
其中,Begin为当前步接触地面阶段的开始时间点,β预设的第四条件阈值,Δt为采样时间间隔,Stance_FEnd:t为从时刻End到时刻t的步态状态,zeros(1,t-End+1)为生成的大小为1×(t-End+1)的全0向量。
在一些优选实施例中,在步骤S3判定当前时刻t的步态为离开地面状态之后,还包括第四参数修正步骤S35:
当t>2为真、且Stance_Ft-1==1为真、且为假时,修正
lastBegin=Begin
stepcounter=stepcounter+1
End=t
stepanded=1
其中,Begin为当前步接触地面阶段的开始时间点,β预设的第四条件阈值,Δt为采样时间间隔,lastBegin为上一步接触地面阶段的开始时间点,stepcounter为计步器所统计的步数变量,End为当前步接触地面阶段结束时间,stepanded为标志增加一步的变量。
本发明的另一方面,提出了一种基于微惯性技术的自适应步态划分方法,包括按照设定的采样周期采集步伐动作的旋转角速度、加速度,所述自适应步态划分方法包括以下步骤:
步骤S1,获取t时刻的步伐动作的旋转角速度ωt=[ωx,ωy,ωz]、加速度at=[ax,ay,az];
步骤S2,计算t时刻角速度测量值模值加速度测量模值
步骤S3,判断‖ωt‖-stepbias<σ?,
如果小于则判定当前时刻t的步态为接触地面状态,记Stance_Ft=1,并分别执行步骤S31、步骤S32、步骤S33、步骤S37;
否则判定当前时刻t的步态为离开地面状态,记Stance_Ft=0,并分别执行步骤S34、步骤S35、步骤S36;
步骤S31,当t>2为真、且Stance_Ft-1==0为真、且为真、且为假时,则判定当前时刻t的步态为离开地面状态,更新时刻t的步态Stance_Ft=0;跳转步骤S4;
步骤S32,当t>2为真、且Stance_Ft-1==0为真、且为真时,修正Stance_FEnd:t=ones(1,t-End+1);
继续判断,当stepanded==1为真时,继续修正stepcounter=stepcounter-1、stepanded=0,并跳转步骤S4;当stepanded为假时,跳转步骤S4;
步骤S33,当t>2为真、且Stance_Ft-1==0为真、且为假、且为假时,修正
lastEnd=End
Begin=t
并跳转步骤S4;
步骤S34,当t>2为真、且Stance_Ft-1==1为真、且为真时,修正Stance_FEnd:t=zeros(1,t-End+1);跳转步骤S4;
步骤S35,当t>2为真、且Stance_Ft-1==1为真、且为假时,修正
lastBegin=Begin
stepcounter=stepcounter+1
End=t
stepanded=1
并跳转步骤S4;
步骤S36,当t>2为假或Stance_Ft-1==1为假时,跳转步骤S4;
步骤S37,当t>2为假或Stance_Ft-1==0为假时,跳转步骤S4;
步骤S4,置t=t+1,执行步骤S1;
其中,Stance_Ft为时刻t的步态,stepbias为当前步角速度模值预判定自适应偏差,σ为预设的第一条件阈值,Begin为当前步接触地面阶段的开始时间点,End为当前步接触地面阶段结束时间点,lastBegin为上一步接触地面阶段的开始时间点,lastEnd为上一步接触地面阶段的结束时间点,stepcounter为计步器所统计的步数变量,stepanded为标志增加一步的变量,α、β分别为预设的第二、第三、第四条件阈值,Δt为采样时间间隔,‖a‖End:t为从时刻End到t时刻的加速度模值,Stance_FEnd:t为从时刻End到时刻t的步态状态,ones(1,t-End+1)为生成的一个1×(t-End+1)的全1向量,,mean表示求均值,表示从时刻lastBegin到lastEnd的角速度模值,zeros(1,t-End+1)为生成的大小为1×(t-End+1)的全0向量。
在一些优选实施例中,σ=0.7,和/或α=0.6,和/或和/或β=0.1,和/或Δt=0.01,其中g为重力加速度,d为预设的可调参数。
本发明的第三方面,提出了一种基于微惯性技术的自适应步态划分系统,其特征在于,包括用于采集步态数据的微惯性传感器、数据处理单元;
所述微惯性传感器包括三轴陀螺仪、三轴加速度传感器;
所述数据处理单元包括处理器、存储设备;所述处理器适于执行各条程序;所述存储设备,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的基于微惯性技术的自适应步态划分方法。
本发明的第四方面,提出了一种存储介质,其中存储有多条程序,其特征在于,所述程序适于由处理器加载并执行以实现上述的基于微惯性技术的自适应步态划分方法。
本发明的方法利用绑在脚背上的包含三轴陀螺仪和三轴加速度传感器的装置的数据,可以快速的划分相应的行走和踏步的步态和计步。
本发明方法的优点在于:
(1)算法简单,适用于各种嵌入式设备。相对于采用SVM(Support VectorMachine,支持向量机)等分类算法,本发明方法不需要训练大量的学习样本;并且本发明方法对于传感器装置绑在脚背上的姿态没有特别的要求。相对于传统基于GLRT(GeneralizedLikelihood Ratio Test,广义似然比检测器)框架的方法,不需要对数据进行延迟平滑,并且只在满足修正条件的情况下对检测结果进行修正;在满足特定修正条件下,才利用加速度计数据进行修正。
(2)自适应性。本发明方法实现了简单的自适应阈值预判定步态的算法。相对于传统的基于GLRT检测器框架的固定阈值判定步态方法,本发明方法实现的简单的自适应阈值预判定步态方法,能够根据不同使用者及使用者实时地运动状态进行自适应调整,进一步增加了检测结果的精度和鲁棒性。由于该算法简单鲁棒,可以适用于任何计算处理能力不强的嵌入式设备。
附图说明
图1为本发明的基于微惯性技术的自适应步态划分方法的流程示意图;
图2为当行走和踏步混合运动时,传感器加速度模值(实线曲线)和本发明划分的步态(虚线曲线)输出示意图;该图中虚线曲线值为10时,表示脚与地面接触阶段,值为0时表示脚离开地面阶段。
图3为当行走和踏步混合运动时,传感器角速度模值(实线曲线)和本发明划分的步态(虚线曲线)输出示意图;该图中虚线曲线值为1时,表示脚与地面接触阶段,值为0时表示脚离开地面阶段。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
本发明的目的是在Isaac Skog所提出的GLRT检测器框架基础上,充分考虑的计算复杂度和划分精度,针对行走和原地踏步以及与这两种运动类似的运动,提出一种计算简单的自适应的步态划分算法。
本发明的基于微惯性技术的自适应步态划分方法和系统可以用于人的运步态划分,也可以用于任何具有步态动作的目标,例如动物、双足/多足机器人等。为了清晰地说明本发明的技术方案,以下描述仅从人的步态划分进行描述,但不能局限的理解为本发明仅适用于人的步态划分。
本发明方法需要获取人的脚步在每一步的过程中的脚部三轴旋转角速度和三轴加速度,最优的实现方式是采用具有三轴陀螺仪,三轴加速度传感器的微惯性测量装置装设于人的脚背上,以获取较为准确的数据,对传感器具体绑定的姿态没有要求;当然也可以设置于其他位置,例如腿部,只要能直接或间接的获取的每一步的过程中的脚步三轴旋转角速度和三轴加速度矢量都可以满足本发明方法的需求。
下面结合图1的流程示意图对本发明自适应步态划分方法的技术方案进行描述。在图1中为了清晰的对流程进行展示,通过判断公式、修订参数公式进行流程框架的描绘,并采用True表示判断为真,采用False表示判断为假。
本发明的基于微惯性技术的自适应步态划分方法,包括按照设定的采样周期采集步伐动作的旋转角速度、加速度,所述自适应步态划分方法包括以下步骤:
步骤S1,获取t时刻的步伐动作的旋转角速度ωt=[ωx,ωy,ωz]、加速度at=[ax,ay,az];
步骤S2,计算t时刻角速度测量值模值加速度测量模值
步骤S3,判断‖ωt‖-stepbias<σ?,如果小于则判定当前时刻t的步态为接触地面状态,记Stance_Ft=1,否则判定当前时刻t的步态为离开地面状态,记Stance_Ft=0;其中,Stance_Ft为时刻t的步态,stepbias为当前步角速度模值预判定自适应偏差,σ为预设的第一条件阈值。
本实施例中,还可以在步骤S3之后设置步态的二次判断方法步骤S31以增加步态划分的准确性,该步骤包括:
当t>2为真、且Stance_Ft-1==0为真、且为真、且为假时,则判定当前时刻t的步态为离开地面状态,更新时刻t的步态Stance_Ft=0;其中,End为当前步接触地面阶段结束时间点,α为预设的第二条件阈值,Δt为采样时间间隔,‖a‖End:t为从时刻End到t时刻的加速度模值,为预设的第二条件阈值。
在步骤S3之后,还可以设置一个或多个参数修正步骤以对本发明方法中的参数进行实时修订,进一步提高步态划分的准确度,可以设置的参数修正步骤可以为步骤S32、步骤S33、步骤S34、步骤S35中的一个或多个,为了避免重复描述,将通过以下最优实施例描述中对步骤S32、步骤S33、步骤S34、步骤S35进行详细描述。
本发明最优实施例的基于微惯性技术的自适应步态划分方法,包括按照设定的采样周期采集步伐动作的旋转角速度、加速度,所述自适应步态划分方法包括以下步骤:
步骤S1,获取t时刻的步伐动作的旋转角速度ωt=[ωx,ωy,ωz]、加速度at=[ax,ay,az];
步骤S2,计算t时刻角速度测量值模值加速度测量模值
步骤S3,判断‖ωt‖-stepbias<σ?,
如果小于则判定当前时刻t的步态为接触地面状态,记Stance_Ft=1,并分别执行步骤S31、步骤S32、步骤S33、步骤S37;
否则判定当前时刻t的步态为离开地面状态,记Stance_Ft=0,并分别执行步骤S34、步骤S35、步骤S36;
步骤S31,当t>2为真、且Stance_Ft-1==0为真、且为真、且为假时,则判定当前时刻t的步态为离开地面状态,更新时刻t的步态Stance_Ft=0;跳转步骤S4;
步骤S32,当t>2为真、且Stance_Ft-1==0为真、且为真时,修正Stance_FEnd:t=ones(1,t-End+1);
继续判断,当stepanded==1为真时,继续修正stepcounter=stepcounter-1、stepanded=0,并跳转步骤S4;当stepanded==1为假时,跳转步骤S4;
步骤S33,当t>2为真、且Stance_Ft-1==0为真、且为假、且为假时,修正
lastEnd=End
Begin=t
并跳转步骤S4;
步骤S34,当t>2为真、且stance_Ft-1==1为真、且为真时,修正Stance_FEnd:t=zeros(1,t-End+1);跳转步骤S4;
步骤S35,当t>2为真、且Stance_Ft-1==1为真、且为假时,修正
lastBegin=Begin
stepcounter=stepcounter+1
End=t
stepanded=1
并跳转步骤S4;
步骤S36,当t>2为假或Stance_Ft-1==1为假时,跳转步骤S4;
步骤S37,当t>2为假或Stance_Ft-1==0为假时,跳转步骤S4;
步骤S4,置t=t+1,执行步骤S1;
其中,Stance_Ft为时刻t的步态,stepbias为当前步角速度模值预判定自适应偏差,σ为预设的第一条件阈值,Begin为当前步接触地面阶段的开始时间点,End为当前步接触地面阶段结束时间点,lastBegin为上一步接触地面阶段的开始时间点,lastEnd为上一步接触地面阶段的结束时间点,stepcounter为计步器所统计的步数变量,stepanded为标志增加一步的变量,α、θ、β分别为预设的第二、第三、第四条件阈值,Δt为采样时间间隔,‖a‖End:t为从时刻End到t时刻的加速度模值,Stance_FEnd:t为从时刻End到时刻t的步态状态,ones(1,t-End+1)为生成的一个1×(t-End+1)的全1向量,,mean表示求均值,表示从时刻lastBegin到lastEnd的角速度模值,zeros(1,t-End+1)为生成的大小为1×(t-End+1)的全0向量。
本实施例中,步骤S31-步骤S37表示各种判断步骤,其序号排序不代表执行的先后顺序,在实际应用中,可以根据需要对上述步骤进行重新排列,排列方式不影响本发明技术方案的实施和技术效果的实现。
本实施例中,可以进行如下参数设置:σ=0.7,和/或α=0.6,和/或和/或β=0.1,和/或Δt=0.01,其中g为重力加速度,d为预设的可调参数。在一些实施例中可以设置g=10,d=2。采样时间间隔Δt可以随传感器装置系统的不同,设置为相应的采样时间间隔。
本实施例中,方法代码化后在运行开始时需要对部分参数进行初始化,包括stepbias=0、Begin=0、End=0、lastBegin=0、lastEnd=0、stepcounter=0、stepanded=0。
图2为当行走和踏步混合运动时,传感器加速度模值(实线曲线)和本发明划分的步态(虚线曲线)输出示意图;该图中纵坐标norm(‖ω‖)表示角速度测量值模值,横坐标Time(s)表示时间,虚线曲线值为10时,表示脚与地面接触阶段,值为0时表示脚离开地面阶段。
图3图3为当行走和踏步混合运动时,传感器角速度模值(实线曲线)和本发明划分的步态(虚线曲线)输出示意图;该图中纵坐标norm(‖ω‖)表示角速度测量值模值,横坐标Time(s)表示时间,虚线曲线值为1时,表示脚与地面接触阶段,值为0时表示脚离开地面阶段。
表1为本发明方法在7个测试对象上的计步测试结果。
表1
本发明实施例的基于微惯性技术的自适应步态划分系统,包括用于采集步态数据的微惯性传感器、数据处理单元;所述微惯性传感器包括三轴陀螺仪、三轴加速度传感器;所述数据处理单元包括处理器、存储设备;所述处理器适于执行各条程序;所述存储设备,适于存储多条程序;所述程序适于由处理器加载并执行以实现上述的基于微惯性技术的自适应步态划分方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述程序的具体工作过程及有关说明,可以参考前述方法的对应描述,在此不再赘述。
本发明实施例的一种存储介质,其中存储有多条程序,所述程序适于由处理器加载并执行以实现上述的基于微惯性技术的自适应步态划分方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述程序的具体工作过程及有关说明,可以参考前述方法的对应描述,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于微惯性技术的自适应步态划分方法,其特征在于,包括按照设定的采样周期采集步伐动作的旋转角速度、加速度,所述自适应步态划分方法包括以下步骤:
步骤S1,获取t时刻的步伐动作的旋转角速度ωt=[ωx,ωy,ωz]、加速度at=[ax,ay,az];
步骤S2,计算t时刻角速度测量值模值加速度测量模值
步骤S3,判断‖ωt‖-stepbias<σ?,如果小于则判定当前时刻t的步态为接触地面状态,记Stance_Ft=1,否则判定当前时刻t的步态为离开地面状态,记Stance_Ft=0;其中,Stance_Ft为时刻t的步态,stepbias为当前步角速度模值预判定自适应偏差,σ为预设的第一条件阈值。
2.根据权利要求1所述的基于微惯性技术的自适应步态划分方法,其特征在于,在步骤S3判定当前时刻t的步态为接触地面状态之后,还包括步态的二次判断方法步骤S31:
当t>2为真、且Stance_Ft-1==0为真、且为真、且为假时,则判定当前时刻t的步态为离开地面状态,更新时刻t的步态Stance_Ft=0;
其中,End为当前步接触地面阶段结束时间点,α为预设的第二条件阈值,Δt为采样时间间隔,‖a‖End:t为从时刻End到t时刻的加速度模值,为预设的第二条件阈值。
3.根据权利要求1所述的基于微惯性技术的自适应步态划分方法,其特征在于,在步骤S3判定当前时刻t的步态为接触地面状态之后,还包括第一参数修正步骤S32:
当t>2为真、且Stance_Ft-1==0为真、且为真时,修正Stance_FEnd:t=ones(1,t-End+1);
继续判断,当stepanded==1为真时,继续修正stepcounter=stepcounter-1、stepanded=0;
其中,End为当前步接触地面阶段结束时间点,α为预设的第二条件阈值,Δt为采样时间间隔,Stance_FEnd:t为从时刻End到时刻t的步态状态,ones(1,t-End+1)为生成的一个1×(t-End+1)的全1向量,stepanded为标志增加一步的变量,stepcounter为计步器所统计的步数变量。
4.根据权利要求1所述的基于微惯性技术的自适应步态划分方法,其特征在于,在步骤S3判定当前时刻t的步态为接触地面状态之后,还包括第二参数修正步骤S33:
当t>2为真、且Stance_Ft-1==0为真、且为假、且为假时,修正
lastEnd=End
Begin=t
其中,End为当前步接触地面阶段结束时间点,α为预设的第二条件阈值,Δt为采样时间间隔,‖a‖End:t为从时刻End到t时刻的加速度模值,为预设的第三条件阈值,lastEnd为上一步接触地面阶段结束时间,mean表示求均值,表示从时刻lastBegin到lastEnd的角速度模值,Begin当前步接触地面阶段的开始时间点。
5.根据权利要求1所述的基于微惯性技术的自适应步态划分方法,其特征在于,在步骤S3判定当前时刻t的步态为离开地面状态之后,还包括第三参数修正步骤S34:
当t>2为真、且Stance_Ft-1==1为真、且为真时,修正Stance_FEnd:t=zeros(1,t-End+1);
其中,Begin为当前步接触地面阶段的开始时间点,β预设的第四条件阈值,Δt为采样时间间隔,Stance_FEnd:t为从时刻End到时刻t的步态状态,zeros(1,t-End+1)为生成的大小为1×(t-End+1)的全0向量。
6.根据权利要求1所述的基于微惯性技术的自适应步态划分方法,其特征在于,在步骤S3判定当前时刻t的步态为离开地面状态之后,还包括第四参数修正步骤S35:
当t>2为真、且Stance_Ft-1==1为真、且为假时,修正
lastgegin=Begin
stepcounter=stepcounter+1
End=t
stepanded=1
其中,Begin为当前步接触地面阶段的开始时间点,β预设的第四条件阈值,Δt为采样时间间隔,lastBegin为上一步接触地面阶段的开始时间点,stepcounter为计步器所统计的步数变量,End为当前步接触地面阶段结束时间,stepanded为标志增加一步的变量。
7.一种基于微惯性技术的自适应步态划分方法,其特征在于,包括按照设定的采样周期采集步伐动作的旋转角速度、加速度,所述自适应步态划分方法包括以下步骤:
步骤S1,获取t时刻的步伐动作的旋转角速度ωt=[ωx,ωy,ωz]、加速度at=[ax,ay,az];
步骤S2,计算t时刻角速度测量值模值加速度测量模值
步骤S3,判断‖ωt‖-stepbias<σ?,
如果小于则判定当前时刻t的步态为接触地面状态,记Stance_Ft=1,并分别执行步骤S31、步骤S32、步骤S33、步骤S37;
否则判定当前时刻t的步态为离开地面状态,记Stance_Ft=0,并分别执行步骤S34、步骤S35、步骤S36;
步骤S31,当t>2为真、且Stance_Ft-1==0为真、且为真、且为假时,则判定当前时刻t的步态为离开地面状态,更新时刻t的步态Stance_Ft=0;跳转步骤S4;
步骤S32,当t>2为真、且Stance_Ft-1==0为真、且为真时,修正Stance_FEnd:t=ones(1,t-End+1);
继续判断,当stepanded==1为真时,继续修正stepcounter=stepcounter-1、stepanded=0,并跳转步骤S4;当stepanded==1为假时,跳转步骤S4;
步骤S33,当t>2为真、且Stance_Ft-1==0为真、且为假、且为假时,修正
lastEnd=End
Begin=t
并跳转步骤S4;
步骤S34,当t>2为真、且Stance_Ft-1==1为真、且为真时,修正Stance_FEnd:t=zeros(1,t-End+1);跳转步骤S4;
步骤S35,当t>2为真、且Stance_Ft-1==1为真、且为假时,修正
lastBegin=Begin
stepcounter=stepcounter+1
End=t
stepanded=1
并跳转步骤S4;
步骤S36,当t>2为假或Stance_Ft-1==1为假时,跳转步骤S4;
步骤S37,当t>2为假或Stance_Ft-1==0为假时,跳转步骤S4;
步骤S4,置t=t+1,执行步骤S1;
其中,Stance_Ft为时刻t的步态,stepbias为当前步角速度模值预判定自适应偏差,σ为预设的第一条件阈值,Begin为当前步接触地面阶段的开始时间点,End为当前步接触地面阶段结束时间点,lastBegin为上一步接触地面阶段的开始时间点,alstEnd为上一步接触地面阶段的结束时间点,stepcounter为计步器所统计的步数变量,stepanded为标志增加一步的变量,α、β分别为预设的第二、第三、第四条件阈值,Δt为采样时间间隔,||a||End:t为从时刻End到t时刻的加速度模值,Stance_FEnd:t为从时刻End到时刻t的步态状态,ones(1,t-End+1)为生成的一个1×(t-End+1)的全1向量,,mean表示求均值,表示从时刻lastBegin到lastEnd的角速度模值,zeros(1,t-End+1)为生成的大小为1×(t-End+1)的全0向量。
8.根据权利要求7所述的基于微惯性技术的自适应步态划分方法,其特征在于,σ=0.7,和/或α=0.6,和/或和/或β=0.1,和/或Δt=0.01,其中g为重力加速度,d为预设的可调参数。
9.一种基于微惯性技术的自适应步态划分系统,其特征在于,包括用于采集步态数据的微惯性传感器、数据处理单元;
所述微惯性传感器包括三轴陀螺仪、三轴加速度传感器;
所述数据处理单元包括处理器、存储设备;所述处理器适于执行各条程序;所述存储设备,适于存储多条程序;所述程序适于由处理器加载并执行以实现权利要求1-8任一项所述的基于微惯性技术的自适应步态划分方法。
10.一种存储介质,其中存储有多条程序,其特征在于,所述程序适于由处理器加载并执行以实现权利要求1-8任一项所述的基于微惯性技术的自适应步态划分方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811150084.1A CN109540133B (zh) | 2018-09-29 | 2018-09-29 | 基于微惯性技术的自适应步态划分方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811150084.1A CN109540133B (zh) | 2018-09-29 | 2018-09-29 | 基于微惯性技术的自适应步态划分方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109540133A true CN109540133A (zh) | 2019-03-29 |
CN109540133B CN109540133B (zh) | 2020-09-29 |
Family
ID=65843388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811150084.1A Active CN109540133B (zh) | 2018-09-29 | 2018-09-29 | 基于微惯性技术的自适应步态划分方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109540133B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110361026A (zh) * | 2019-06-05 | 2019-10-22 | 华南理工大学 | 一种基于3d点云的仿人机器人路径规划方法 |
CN112440267A (zh) * | 2020-11-27 | 2021-03-05 | 北京精密机电控制设备研究所 | 一种基于惯性传感器的步态相识别方法 |
WO2021115066A1 (zh) * | 2019-12-10 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 基于惯性传感器的步态特征提取和步态识别方法 |
CN117113205A (zh) * | 2023-08-29 | 2023-11-24 | 北京自动化控制设备研究所 | 基于实时惯性参数的行人未知步态类型识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915580A (zh) * | 2010-07-14 | 2010-12-15 | 中国科学院自动化研究所 | 一种基于微惯性和地磁技术的自适应三维姿态定位方法 |
CN104406586A (zh) * | 2014-12-04 | 2015-03-11 | 南京邮电大学 | 基于惯性传感器的行人导航装置和方法 |
WO2015058986A1 (fr) * | 2013-10-24 | 2015-04-30 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede de localisation en interieur et exterieur et dispositif portatif mettant en œuvre un tel procede. |
CN106705968A (zh) * | 2016-12-09 | 2017-05-24 | 北京工业大学 | 基于姿态识别和步长模型的室内惯性导航算法 |
WO2018081986A1 (zh) * | 2016-11-03 | 2018-05-11 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
CN108362282A (zh) * | 2018-01-29 | 2018-08-03 | 哈尔滨工程大学 | 一种基于自适应零速区间调整的惯性行人定位方法 |
-
2018
- 2018-09-29 CN CN201811150084.1A patent/CN109540133B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915580A (zh) * | 2010-07-14 | 2010-12-15 | 中国科学院自动化研究所 | 一种基于微惯性和地磁技术的自适应三维姿态定位方法 |
WO2015058986A1 (fr) * | 2013-10-24 | 2015-04-30 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede de localisation en interieur et exterieur et dispositif portatif mettant en œuvre un tel procede. |
CN104406586A (zh) * | 2014-12-04 | 2015-03-11 | 南京邮电大学 | 基于惯性传感器的行人导航装置和方法 |
WO2018081986A1 (zh) * | 2016-11-03 | 2018-05-11 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
CN106705968A (zh) * | 2016-12-09 | 2017-05-24 | 北京工业大学 | 基于姿态识别和步长模型的室内惯性导航算法 |
CN108362282A (zh) * | 2018-01-29 | 2018-08-03 | 哈尔滨工程大学 | 一种基于自适应零速区间调整的惯性行人定位方法 |
Non-Patent Citations (3)
Title |
---|
YOUNG SOO SUH 等: "Pedestrian Inertial Navigation with Gait Phase Detection Assisted Zero Velocity Updating", 《PROCEEDINGS OF THE 4TH INTERNATIONAL CONFERENCE ON AUTONOMOUS ROBOTS AND AGENTS》 * |
ZHELONG WANG 等: "Stance-Phase Detection for ZUPT-Aided Foot-Mounted Pedestrian Navigation System", 《IEEE/ASME TRANSACTIONS ON MECHATRONICS》 * |
田晓春 等: "多条件约束的行人导航零速区间检测算法", 《中国惯性技术学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110361026A (zh) * | 2019-06-05 | 2019-10-22 | 华南理工大学 | 一种基于3d点云的仿人机器人路径规划方法 |
WO2021115066A1 (zh) * | 2019-12-10 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 基于惯性传感器的步态特征提取和步态识别方法 |
CN112440267A (zh) * | 2020-11-27 | 2021-03-05 | 北京精密机电控制设备研究所 | 一种基于惯性传感器的步态相识别方法 |
CN112440267B (zh) * | 2020-11-27 | 2022-04-22 | 北京精密机电控制设备研究所 | 一种基于惯性传感器的步态相识别方法 |
CN117113205A (zh) * | 2023-08-29 | 2023-11-24 | 北京自动化控制设备研究所 | 基于实时惯性参数的行人未知步态类型识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109540133B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109540133A (zh) | 基于微惯性技术的自适应步态划分方法、系统 | |
CN109579853B (zh) | 基于bp神经网络的惯性导航室内定位方法 | |
CN105934654B (zh) | 用于确定加速度计的取向的方法和装置 | |
Shao et al. | DePedo: Anti periodic negative-step movement pedometer with deep convolutional neural networks | |
CN105758404B (zh) | 智能设备的实时定位方法及系统 | |
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 | |
US8186217B2 (en) | Device and method for measuring the dynamic interaction between bodies | |
EP2951533A1 (en) | Method and system for varying step length estimation using nonlinear system identification | |
Wu et al. | A pedestrian dead-reckoning system for walking and marking time mixed movement using an SHSs scheme and a foot-mounted IMU | |
Teruyama et al. | Effectiveness of Variable‐Gain Kalman Filter Based on Angle Error Calculated from Acceleration Signals in Lower Limb Angle Measurement with Inertial Sensors | |
CN108827290A (zh) | 一种人体运动状态反演装置及方法 | |
Abadleh et al. | Noise segmentation for step detection and distance estimation using smartphone sensor data | |
Florentino-Liaño et al. | Human activity recognition using inertial sensors with invariance to sensor orientation | |
CN109387199A (zh) | 轨迹估计装置、轨迹估计方法及记录介质 | |
CN109381844A (zh) | 活动记录数据处理装置、活动记录数据处理方法及记录介质 | |
CN109099922A (zh) | 一种基于物理场的室内定位方法 | |
Tjhai et al. | Comparing heading estimates from multiple wearable inertial and magnetic sensors mounted on lower limbs | |
Bai et al. | Application and research of MEMS sensor in gait recognition algorithm | |
CN111207739A (zh) | 基于gru神经网络的行人步行零速检测方法及装置 | |
Zhu et al. | A zero velocity detection method for soldier navigation based on deep learning | |
Chen et al. | Pedestrian positioning with physical activity classification for indoors | |
Zhao et al. | Towards arbitrary placement of multi-sensors assisted mobile navigation system | |
Matthews et al. | In-situ step size estimation using a kinetic model of human gait | |
CN108871331A (zh) | 一种跑动步长估计方法及装置 | |
CN111337050B (zh) | 一种基于多条件融合的零速判断条件及计步方法 |
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 |