CN112263246A - 基于大腿角度的自适应步态相位识别方法及装置 - Google Patents

基于大腿角度的自适应步态相位识别方法及装置 Download PDF

Info

Publication number
CN112263246A
CN112263246A CN202011088505.XA CN202011088505A CN112263246A CN 112263246 A CN112263246 A CN 112263246A CN 202011088505 A CN202011088505 A CN 202011088505A CN 112263246 A CN112263246 A CN 112263246A
Authority
CN
China
Prior art keywords
time
leg swing
angle
angular velocity
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
Application number
CN202011088505.XA
Other languages
English (en)
Other versions
CN112263246B (zh
Inventor
朱洪武
李新国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Bofang Zhongji Medical Technology Co ltd
Original Assignee
Guangdong Bofang Zhongji Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Bofang Zhongji Medical Technology Co ltd filed Critical Guangdong Bofang Zhongji Medical Technology Co ltd
Priority to CN202011088505.XA priority Critical patent/CN112263246B/zh
Publication of CN112263246A publication Critical patent/CN112263246A/zh
Application granted granted Critical
Publication of CN112263246B publication Critical patent/CN112263246B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H3/00—Appliances for aiding patients or disabled persons to walk about

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Pain & Pain Management (AREA)
  • Epidemiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Rehabilitation Therapy (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本申请公开了一种基于大腿角度的自适应步态相位识别方法及装置，方法包括：获取由髋关节外骨骼机器人的髋关节电机采集的t时刻和t‑1时刻的腿部摆动角度；根据腿部摆动角度计算髋关节外骨骼机器人于t时刻的腿部摆动角速度；检测到t时刻的腿部摆动角度小于t‑1时刻的腿部摆动角度，且t时刻的腿部摆动角度小于预设角度，及t时刻的腿部摆动角速度大于预设角速度时，判定t时刻处于后脚跟抬起相位事件点，解决了相关技术中由于足底压力数据与装配位置有很大的相关性，并且有较大的个体差异，各个区域的足底压力难以准确测量，导致该方式的可靠性较低的技术问题，并且能够适用摆动相不规则摆动的畸形步态，还能够根据个体步态差异进行自适应调整。

Description

基于大腿角度的自适应步态相位识别方法及装置
技术领域
本申请涉及步态识别技术领域，特别涉及一种基于大腿角度的自适应步态相位识别方法及装置。
背景技术
步态相位事件的识别可以应用于康复训练的评估，日常行为的识别，运动员训练的分析，以及下肢康复外骨骼机器人等。步态相位事件的识别是外骨骼执行特定响应的基础信息，尤其是比较重要的相位事件，可靠性和实时性都具有很高的要求。其中，可用于运动意图或相位事件识别的传感器系统可以大致分为两类：一类是进行肌电信号或脑电信号的检测，由于这些生物电信号微弱，不确定性强，使得信号的采集、处理及分析都非常复杂；另一类是多种物理传感器的综合，比如，足底开关，足底传感器，加速度计，陀螺仪等。
相关技术中，一般是在前脚掌或者后脚跟设置有压力传感器，通过将足底压力信息与人体步态数据库内的行走模式进行匹配判断行走模式和相位事件识别。
然而，由于足底压力数据与装配位置有很大的相关性，并且有较大的个体差异，各个区域的足底压力难以准确测量，导致该方式的可靠性较低，亟待解决。
申请内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一目的在于提出一种基于大腿角度的自适应步态相位识别方法，解决了相关技术中由于足底压力数据与装配位置有很大的相关性，并且有较大的个体差异，各个区域的足底压力难以准确测量，导致该方式的可靠性较低的技术问题，并且能够适用摆动相不规则摆动的畸形步态，还能够根据个体步态差异进行自适应调整。
本申请的第二个目的在于提出一种基于大腿角度的自适应步态相位识别装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种计算机可读存储介质。
为达到上述目的，本申请第一方面实施例提供一种基于大腿角度的自适应步态相位识别方法，包括以下步骤：
获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；
根据所述腿部摆动角度计算所述髋关节外骨骼机器人于所述t时刻的腿部摆动角速度；
获取由髋关节外骨骼机器人的髋关节电机采集的t-1时刻的腿部摆动角度；
检测到t时刻的腿部摆动角度小于t-1时刻的腿部摆动角度，且所述t时刻的腿部摆动角度小于所述预设角度，及所述t时刻的腿部摆动角速度大于预设角速度时，判定所述t时刻处于后脚跟抬起相位事件点。
可选地，还包括：
检测所述t时刻与前一次抬腿时刻的距离时间；
若所述距离时间小于预设时间，则判定所述t时刻处于后脚跟抬起相位事件点的同时，按照预设助力策略控制所述外骨骼髋关节外骨骼机器人助力。
可选地，在判定所述t时刻处于后脚跟抬起相位事件点之前，还包括：根据多个步态周期的腿部摆动数据修正所述预设角速度。
可选地，所述预设角速度的计算公式为：
Thres2＝识别点角度平均值+上拉因子*角度范围平均值，
其中，所述Thres2为所述预设角速度。
可选地，所述t时刻的腿部摆动角速度的计算公式为：
w＝(θt-θt-1)/Ts；
其中，w为腿部摆动角速度，θt和θt-1为分别为t时刻和t-1时刻采集的腿部摆动角度，Ts为采样时间间隔。
为达到上述目的，本申请第二方面实施例提供一种基于大腿角度的自适应步态相位识别装置，包括：
第一获取模块，用于获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；
计算模块，用于根据所述腿部摆动角度计算所述髋关节外骨骼机器人于所述t时刻的腿部摆动角速度；以及
第二获取模块，用于获取由髋关节外骨骼机器人的髋关节电机采集的t-1时刻的腿部摆动角度；
判定模块，用于检测到t时刻的腿部摆动角度小于t-1时刻的腿部摆动角度，且所述t时刻的腿部摆动角度小于所述预设角度，及所述t时刻的腿部摆动角速度大于预设角速度时，判定所述t时刻处于后脚跟抬起相位事件点。
可选地，还包括：
检测模块，用于检测所述t时刻与前一次抬腿时刻的距离时间；
助力模块，用于在所述距离时间小于预设时间时，判定所述t时刻处于后脚跟抬起相位事件点的同时，按照预设助力策略控制所述外骨骼髋关节外骨骼机器人助力。
可选地，在判定所述t时刻处于后脚跟抬起相位事件点之前，所述判定模块，还用于根据多个步态周期的腿部摆动数据修正所述预设角速度。
可选地，所述预设角速度的计算公式为：
Thres2＝识别点角度平均值+上拉因子*角度范围平均值，
其中，所述Thres2为所述预设角速度。
可选地，所述t时刻的腿部摆动角速度的计算公式为：
w＝(θt-θt-1)/Ts；
其中，w为腿部摆动角速度，θt和θt-1为分别为t时刻和t-1时刻采集的腿部摆动角度，Ts为采样时间间隔。
为达到上述目的，本申请第三方面实施例提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行如上述实施例所述的基于大腿角度的自适应步态相位识别方法。
为达到上述目的，本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上述实施例所述的基于大腿角度的自适应步态相位识别方法。
由此，可以获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；根据腿部摆动角度计算髋关节外骨骼机器人于t时刻的腿部摆动角速度；检测到t-1时刻的腿部摆动角度大于预设角度，且t时刻的腿部摆动角度小于预设角度，及t时刻的腿部摆动角速度大于预设角速度时，判定t时刻处于后脚跟抬起相位事件点，解决了相关技术中由于足底压力数据与装配位置有很大的相关性，并且有较大的个体差异，各个区域的足底压力难以准确测量，导致该方式的可靠性较低的技术问题，并且能够适用摆动相不规则摆动的畸形步态，还能够根据个体步态差异进行自适应调整。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种基于大腿角度的自适应步态相位识别方法的流程图；
图2为根据本申请一个实施例的sensitivity与抬腿的误识别的关系示意图；
图3为根据本申请一个实施例的upFactor与行走快慢变化时的漏识别的关系示意图；
图4为根据本申请一个实施例的调整sensitivity参数对算法延时造成的影响的示意图；
图5为根据本申请一个实施例的腿部摆动角度的自适应相位事件识别算法的流程图；
图6为根据本申请实施例的基于大腿角度的自适应步态相位识别装置的示例图；
图7为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参照附图描述根据本申请实施例提出的基于大腿角度的自适应步态相位识别方法及装置。
具体而言，图1为本申请实施例所提供的一种基于大腿角度的自适应步态相位识别方法的流程示意图。
如图1所示，该基于大腿角度的自适应步态相位识别方法包括以下步骤：
在步骤S101中，获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度。
可以理解的是，人类行走的步态是一个复杂的周期性过程，需要肌肉、骨骼和神经系统的协同作用，可以有效的支撑上半身的直立保持身体的平衡。一个完整的步态周期从脚部触地开始，到下一次脚部触地结束，按照划分力度的不同，可以划分为若干相位事件，通常为3个，4个，5个，6个或更多。本申请中，可以通过腿部摆动角度数据进行步态相位事件的识别，而不需要结合其他数据。
具体而言，髋关节外骨骼机器人可以有两个位于大腿侧面的两个髋关节电机，在行走过程中为人体提供相应的助力，同时电机的编码器能够实时的返回当前的角度值。其中，依靠编码器提供的腿部摆动角度可以有效的识别后脚跟抬起相位事件和支撑末期相位事件，应用于外骨骼，在识别出后脚跟抬起相位事件时，外骨骼执行相应的操作，还可以起到助力的效果
因此，本申请实施例可以获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度。
在步骤S102中，根据腿部摆动角度计算髋关节外骨骼机器人于t时刻的腿部摆动角速度。
在步骤S103中，获取由髋关节外骨骼机器人的髋关节电机采集的t-1时刻的腿部摆动角度。
需要说明的是，获取由髋关节外骨骼机器人的髋关节电机采集的t-1时刻的腿部摆动角度与上述由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度的方式一致，为避免冗余，在此不做详细赘述。
可选地，t时刻的腿部摆动角速度的计算公式为：
w＝(θt-θt-1)/Ts；
其中，w为腿部摆动角速度，θt和θt-1为分别为t时刻和t-1时刻采集的腿部摆动角度，Ts为采样时间间隔。
可以理解的是，本申请实施例中，腿部摆动角度可以为θ，设定人体竖直站立时角度为0，左/右腿独立进行识别，不需要区分。向前抬腿时，腿部摆动角度为正值，且数值逐渐增大，向后摆腿时，腿部摆动角度为负值，且数值逐渐减小。
当前腿部摆动角速度即为当前腿部摆动角度的导数，如下式所示：
w＝(θt-θt-1)/Ts；
其中，w为当前腿部摆动角速度，θt和θt-1为相邻两个采样点的腿部摆动角度，Ts为采样时间间隔，例如，Ts＝0.1s，在此不做具体限定。
在步骤S104中，检测到t时刻的腿部摆动角度小于t-1时刻的腿部摆动角度，且t时刻的腿部摆动角度小于预设角度，及t时刻的腿部摆动角速度大于预设角速度时，判定t时刻处于后脚跟抬起相位事件点。
其中，预设角度可以是用户预先设定的角度，可以是通过有限次实验获取的角度，也可以是通过有限次计算机仿真得到的角度。预设角速度可以是用户预先设定的角速度，可以是通过有限次实验获取的角速度，也可以是通过有限次计算机仿真得到的角速度。
可以理解的是，外骨骼机器人保持当前状态下，获取编码器大腿髋关节角度数值θ，并计算大腿角速度w。本申请实施例可以判断大腿角度值是否由大到小穿过Thres2，即θt-1>Thres2&&θt<Thres2，以及大腿角速度是否大于Thres1，也即检测到t-1时刻的腿部摆动角度大于预设角度，且t时刻的腿部摆动角度小于预设角度，及t时刻的腿部摆动角速度大于预设角速度时，即可判定t时刻处于后脚跟抬起相位事件点。
可选地，在本申请的一个实施例中，在判定所述t时刻处于后脚跟抬起相位事件点之前，还包括：根据多个步态周期的腿部摆动数据修正预设角速度。
可以理解的是，为保证预设角速度数据的准确性，本申请实施例可以根据多个之前周期抬腿数据的实时变化值修正所述预设角速度，也就是说，预设角速度是个实时变化值，从而进一步实现精准助力。
作为一种可能实现的方式，预设角速度的计算公式为：Thres2＝识别点角度平均值+上拉因子*角度范围平均值，其中，Thres2为预设角速度。
也就是说，本申请实施例的预设角速度Thres2可以根据角度范围值和识别点角度值计算得出，具有良好的适应性，实现了自动调整。
其中，角度范围平均值为角度范围通过一个步态周期内角度最大值减去角度最小值求得，记录过去三个周期的角度范围，并对这三个值求平均值；
上拉因子(upFactor)决定Thres2大小的参数，上拉因子越大，参考角速度Thres2越大，上拉因子为0，则参考角速度Thres2等于识别点角度平均值，优选地，上拉因子一般可以取0.2或0.1。结合图2(a)和图2(b)可知，通过调整参数中的upFactor可以减少行走快慢变化时的漏识别问题，o为使能点可以根据步态情况自动调整大小，增大upFactor参数，可以增大参考角速度Thres2的值，在步幅由大变小时，仍然能够识别，减小漏识别。
另外，预设角速度Thres1的设定直接决定了识别算法表现出的灵敏度(sensitivity)和延迟。此处Thres1＝sensitivity。结合图3(a)和图3(b)所示，通过调整参数中的sensitivity可以减少抬腿的误识别。其中，*为识别点角度值，o为使能点Thres2的值和时间点。通过图2和图3可以看出，o为使能点，可以根据步态情况自动调整大小，sensitivity为较小值时，*越靠近谷值位置，延迟越小，但是容易受到影响，增大sensitivity，可以排除误识别。
进一步地，如图4所示，在不同的行走状态下，通过调整sensitivity参数对算法延时造成的影响，延时为触发点(*)与最小角度点的时间差，“快”的步态周期为1.5s，“中”的步态周期为2.5s，“慢”的步态周期为5.0s。
由此，本申请实施例通过设定一些参数可以调整相位事件识别的性能，包括，延迟性能、误识别率和漏识别率，并通过调整算法中的上拉因子upFactor，最小角度范围angleRange和灵敏度sensitivity等参数，使得算法的可靠性和延时性都能够达到理想状态，从而能够适应步态周期从1.5s～5s的变化，5s慢速行走的延时可以达到157ms，并且不存在漏识别和误识别的情况。
可选地，上述的基于大腿角度的自适应步态相位识别方法，还包括：检测t时刻与前一次抬腿时刻的距离时间；若距离时间小于预设时间，则判定t时刻处于后脚跟抬起相位事件点的同时，按照预设助力策略控制外骨骼髋关节外骨骼机器人助力。
也就是说，为保证可以按照预设助力策略控制外骨骼髋关节外骨骼机器人助力，即只进行一次抬腿时，不给助力，只有在连续抬腿，从第二次起才给助力情况，本申请实施例可以有定时器，例如2秒，进入倒计时状态。经过多次循环，若计时器衰减为0，则外骨骼机器人保持当前状态下，获取编码器大腿髋关节角度数值θ，并计算大腿角速度w；若计时器不为0，判断大腿角速度是否大于Thres1，即w>Thres1。
为使得本领域技术人员进一步了解本申请实施例的基于大腿角度的自适应步态相位识别方法，下面以一个具体实施例进行详细阐述。
由于在一个步态周期内可以满足很多次，因此本申请实施例可以在该判断当前腿部摆动角速度大于预设角速度之前添加一个使能条件，只有在满足使能条件的情况后才开始检测后脚跟抬起相位事件。
具体而言，如图5所示，判定t时刻处于后脚跟抬起相位事件点，包括以下步骤：
S501，髋关节外骨骼机器人保持当前状态下，获取编码器返回的当前腿部摆动角度θ，并计算当前腿部摆动角速度w。
S502，判断当前腿部摆动角速度w是都由大到小穿过参考角速度Thres2，即θt-1>Thres2&&θt<Thres2，如果不满足在条件，则执行步骤S501，否则，执行步骤S503。
S503，设定一个计时器，例如2秒，进入倒计时状态，经过多次循环，若计时器衰减为0，则进入步骤S501，否则执行步骤S504。
S504，判断当前腿部摆动角速度是否大于预设角速度，即w＞Thres1，如果否，则执行步骤S503，计时器衰减一次，否则，执行步骤S505。
S505判断此时刻为后脚跟抬起相位事件点，外骨骼按照固定的模式执行摆动相的助力，助力结束后自动进入步骤S501，执行下一次循环。
根据本申请实施例提出的基于大腿角度的自适应步态相位识别方法，可以获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；根据腿部摆动角度计算髋关节外骨骼机器人于t时刻的腿部摆动角速度；检测到t-1时刻的腿部摆动角度大于预设角度，且t时刻的腿部摆动角度小于预设角度，及t时刻的腿部摆动角速度大于预设角速度时，判定t时刻处于后脚跟抬起相位事件点，解决了相关技术中由于足底压力数据与装配位置有很大的相关性，并且有较大的个体差异，各个区域的足底压力难以准确测量，导致该方式的可靠性较低的技术问题，并且能够适用摆动相不规则摆动的畸形步态，还能够根据个体步态差异进行自适应调整。
其次参照附图描述根据本申请实施例提出的基于大腿角度的自适应步态相位识别装置。
图6是本申请实施例的基于大腿角度的自适应步态相位识别装置的方框示意图。
如图6所示，该基于大腿角度的自适应步态相位识别装置10包括：第一获取模块100、计算模块200、第二获取模块300和判定模块400。
第一获取模块100用于获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；
计算模块200用于根据腿部摆动角度计算髋关节外骨骼机器人于t时刻的腿部摆动角速度；以及
第二获取模块300用于获取由髋关节外骨骼机器人的髋关节电机采集的t-1时刻的腿部摆动角度；
判定模块400用于检测到t时刻的腿部摆动角度小于t-1时刻的腿部摆动角度大于预设角度，且t时刻的腿部摆动角度小于预设角度，及t时刻的腿部摆动角速度大于预设角速度时，判定t时刻处于后脚跟抬起相位事件点。
可选地，上述的基于大腿角度的自适应步态相位识别装置10，还包括：
检测模块，用于检测t时刻与前一次抬腿时刻的距离时间；
助力模块，用于在距离时间小于预设时间时，判定t时刻处于后脚跟抬起相位事件点的同时，按照预设助力策略控制外骨骼髋关节外骨骼机器人助力。
其中第一获取模块100和第二获取模块300可以为同一个获取模块，也可为不同的获取模块。
可选地，在判定t时刻处于后脚跟抬起相位事件点之前，判定模块，还用于根据多个步态周期的腿部摆动数据修正预设角速度。
可选地，预设角速度的计算公式为：
Thres2＝识别点角度平均值+上拉因子*角度范围平均值，
其中，Thres2为预设角速度。
可选地，t时刻的腿部摆动角速度的计算公式为：
w＝(θt-θt-1)/Ts；
其中，w为腿部摆动角速度，θt和θt-1为分别为t时刻和t-1时刻采集的腿部摆动角度，Ts为采样时间间隔。
需要说明的是，前述对基于大腿角度的自适应步态相位识别方法实施例的解释说明也适用于该实施例的基于大腿角度的自适应步态相位识别装置，此处不再赘述。
根据本申请实施例提出的基于大腿角度的自适应步态相位识别装置，可以获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；根据腿部摆动角度计算髋关节外骨骼机器人于t时刻的腿部摆动角速度；检测到t-1时刻的腿部摆动角度大于预设角度，且t时刻的腿部摆动角度小于预设角度，及t时刻的腿部摆动角速度大于预设角速度时，判定t时刻处于后脚跟抬起相位事件点，解决了相关技术中由于足底压力数据与装配位置有很大的相关性，并且有较大的个体差异，各个区域的足底压力难以准确测量，导致该方式的可靠性较低的技术问题，并且能够适用摆动相不规则摆动的畸形步态，还能够根据个体步态差异进行自适应调整。
图7为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括：
存储器1201、处理器1202及存储在存储器1201上并可在处理器1202上运行的计算机程序。
处理器1202执行程序时实现上述实施例中提供的基于大腿角度的自适应步态相位识别方法。
进一步地，电子设备还包括：
通信接口1203，用于存储器1201和处理器1202之间的通信。
存储器1201，用于存放可在处理器1202上运行的计算机程序。
存储器1201可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器1201、处理器1202和通信接口1203独立实现，则通信接口1203、存储器1201和处理器1202可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1201、处理器1202及通信接口1203，集成在一块芯片上实现，则存储器1201、处理器1202及通信接口1203可以通过内部接口完成相互间的通信。
处理器1202可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上的基于大腿角度的自适应步态相位识别方法。
在本说明书的描述中，参考术语“实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于大腿角度的自适应步态相位识别方法，其特征在于，包括以下步骤：
获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；
根据所述腿部摆动角度计算所述髋关节外骨骼机器人于所述t时刻的腿部摆动角速度；
获取由髋关节外骨骼机器人的髋关节电机采集的t-1时刻的腿部摆动角度；
检测到t时刻的腿部摆动角度小于t-1时刻的腿部摆动角度，且所述t时刻的腿部摆动角度小于所述预设角度，及所述t时刻的腿部摆动角速度大于预设角速度时，判定所述t时刻处于后脚跟抬起相位事件点。
2.根据权利要求1所述的方法，其特征在于，还包括：
检测所述t时刻与前一次抬腿时刻的距离时间；
若所述距离时间小于预设时间，则判定所述t时刻处于后脚跟抬起相位事件点的同时，按照预设助力策略控制所述外骨骼髋关节外骨骼机器人助力。
3.根据权利要求1所述的方法，其特征在于，在判定所述t时刻处于后脚跟抬起相位事件点之前，还包括：
根据多个步态周期的腿部摆动数据修正所述预设角速度。
4.根据权利要求3所述的方法，其特征在于，所述预设角速度的计算公式为：
Thres2＝识别点角度平均值+上拉因子*角度范围平均值，
其中，所述Thres2为所述预设角速度。
5.根据权利要求1所述的方法，其特征在于，所述t时刻的腿部摆动角速度的计算公式为：
w＝(θt-θt-1)/Ts；
其中，w为腿部摆动角速度，θt和θt-1为分别为t时刻和t-1时刻采集的腿部摆动角度，Ts为采样时间间隔。
6.一种基于大腿角度的自适应步态相位识别装置，其特征在于，包括：
第一获取模块，用于获取由髋关节外骨骼机器人的髋关节电机采集的t时刻的腿部摆动角度；
计算模块，用于根据所述腿部摆动角度计算所述髋关节外骨骼机器人于所述t时刻的腿部摆动角速度；以及
第二获取模块，用于获取由髋关节外骨骼机器人的髋关节电机采集的t-1时刻的腿部摆动角度；
判定模块，用于检测到t时刻的腿部摆动角度小于t-1时刻的腿部摆动角度，且所述t时刻的腿部摆动角度小于所述预设角度，及所述t时刻的腿部摆动角速度大于预设角速度时，判定所述t时刻处于后脚跟抬起相位事件点。
7.根据权利要求6所述的装置，其特征在于，还包括：
检测模块，用于检测所述t时刻与前一次抬腿时刻的距离时间；
助力模块，用于在所述距离时间小于预设时间时，判定所述t时刻处于后脚跟抬起相位事件点的同时，按照预设助力策略控制所述外骨骼髋关节外骨骼机器人助力。
8.根据权利要求6所述的装置，其特征在于，所述预设角速度的计算公式为：
Thres2＝识别点角度平均值+上拉因子*角度范围平均值，
其中，所述Thres2为所述预设角速度。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的基于大腿角度的自适应步态相位识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的基于大腿角度的自适应步态相位识别方法。
CN202011088505.XA 2020-10-13 2020-10-13 基于大腿角度的自适应步态相位识别方法及装置 Active CN112263246B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011088505.XA CN112263246B (zh) 2020-10-13 2020-10-13 基于大腿角度的自适应步态相位识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011088505.XA CN112263246B (zh) 2020-10-13 2020-10-13 基于大腿角度的自适应步态相位识别方法及装置

Publications (2)

Publication Number Publication Date
CN112263246A true CN112263246A (zh) 2021-01-26
CN112263246B CN112263246B (zh) 2023-04-07

Family

ID=74337518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011088505.XA Active CN112263246B (zh) 2020-10-13 2020-10-13 基于大腿角度的自适应步态相位识别方法及装置

Country Status (1)

Country Link
CN (1) CN112263246B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113208583A (zh) * 2021-04-12 2021-08-06 华南理工大学 外骨骼辅助下的步态识别方法、介质和设备
CN113425290A (zh) * 2021-06-15 2021-09-24 燕山大学 一种面向人体节律运动的关节耦合时序计算方法
CN114948579A (zh) * 2021-12-15 2022-08-30 南方科技大学 踝关节外骨骼及其助力控制方法、装置及可读存储介质
CN116869521A (zh) * 2023-09-07 2023-10-13 贵州航天控制技术有限公司 一种下肢助力外骨骼系统的人体运动模式实时识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014184047A (ja) * 2013-03-25 2014-10-02 Toyota Motor Corp 歩行補助装置及び歩行補助方法
CN107921631A (zh) * 2015-06-22 2018-04-17 马里兰大学巴尔的摩分校 用于在受损脚踝的运动阶段期间提供经济的、便携的进行欠缺调节的适应性辅助方法和设备
CN110712191A (zh) * 2019-09-25 2020-01-21 中国船舶重工集团公司第七0七研究所九江分部 一种外骨骼机器人液压驱动系统
CN111465378A (zh) * 2017-12-15 2020-07-28 新确有限公司 步行动作辅助装置
CN111588522A (zh) * 2020-05-29 2020-08-28 吉林大学 一种基于工业机器人的膝关节假肢测试装置及测试方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014184047A (ja) * 2013-03-25 2014-10-02 Toyota Motor Corp 歩行補助装置及び歩行補助方法
CN107921631A (zh) * 2015-06-22 2018-04-17 马里兰大学巴尔的摩分校 用于在受损脚踝的运动阶段期间提供经济的、便携的进行欠缺调节的适应性辅助方法和设备
CN111465378A (zh) * 2017-12-15 2020-07-28 新确有限公司 步行动作辅助装置
CN110712191A (zh) * 2019-09-25 2020-01-21 中国船舶重工集团公司第七0七研究所九江分部 一种外骨骼机器人液压驱动系统
CN111588522A (zh) * 2020-05-29 2020-08-28 吉林大学 一种基于工业机器人的膝关节假肢测试装置及测试方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANDREAS SCHICKETMUELLER ET AL: "Feasibility of a Sensor-Based Gait Event Detection Algorithm for Triggering Functional Electrical Stimulation during Robot-Assisted Gait Training", 《SENSORS》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113208583A (zh) * 2021-04-12 2021-08-06 华南理工大学 外骨骼辅助下的步态识别方法、介质和设备
CN113208583B (zh) * 2021-04-12 2022-05-27 华南理工大学 外骨骼辅助下的步态识别方法、介质和设备
CN113425290A (zh) * 2021-06-15 2021-09-24 燕山大学 一种面向人体节律运动的关节耦合时序计算方法
CN114948579A (zh) * 2021-12-15 2022-08-30 南方科技大学 踝关节外骨骼及其助力控制方法、装置及可读存储介质
CN116869521A (zh) * 2023-09-07 2023-10-13 贵州航天控制技术有限公司 一种下肢助力外骨骼系统的人体运动模式实时识别方法
CN116869521B (zh) * 2023-09-07 2023-11-14 贵州航天控制技术有限公司 一种下肢助力外骨骼系统的人体运动模式实时识别方法

Also Published As

Publication number Publication date
CN112263246B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN112263246B (zh) 基于大腿角度的自适应步态相位识别方法及装置
CN110916679B (zh) 一种人体下肢位姿步态检测装置及方法
KR101463684B1 (ko) 비정상 보행 여부를 측정하는 방법
CN108634960B (zh) 一种用于外骨骼穿戴者的步态在线检测方法
US10709632B2 (en) Pedometer, walking assist device and pedometric computer program product
CN108836344B (zh) 步长步频估算方法和装置及步态检测仪
CN112998700B (zh) 用于辅助对象运动功能评估的设备、系统和方法
CN108257352A (zh) 一种基于智能穿戴设备的跌倒检测预警方法
US8503737B2 (en) Visual line estimating apparatus
US7249001B2 (en) Process for estimating the motion phase of an object
CN117012362A (zh) 一种适配数据识别方法、系统、设备及存储介质
CN109512435B (zh) 一种可实时检测的走姿矫正仪
CN108903947B (zh) 步态分析方法、步态分析装置以及可读存储介质
CN117100255B (zh) 一种基于神经网络模型进行防摔倒判定的方法和相关产品
US20240057946A1 (en) Sarcopenia evaluation method, sarcopenia evaluation device, and non-transitory computer-readable recording medium in which sarcopenia evaluation program is recorded
CN113331829A (zh) 一种足底信息监测方法及智能鞋垫装置
CN115281657A (zh) 一种柔性外骨骼系统的人体步态识别方法
KR102352537B1 (ko) 보행 보조 시스템
KR102565867B1 (ko) 지면 반력 측정 장치 및 방법
CN113925494A (zh) 个人不良行走步态监测方法和装置
JPH11235328A (ja) 姿勢計測方法及び装置
Wu et al. Recognization of stance phase using flexible pressure sensors
Schuy et al. Design & evaluation of a sensor minimal gait phase and situation detection Algorithm of Human Walking
FIGUEIREDO et al. Validation of gait events detector using adaptive thresholds in humanoid robot
US11944870B2 (en) Movement determination method, movement determination device and computer-readable storage medium

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