CN112535853A - 自动喂球方法、装置及喂球机 - Google Patents

Abstract

本申请实施例涉及计算机技术领域，提供了一种自动喂球方法、装置及喂球机，所述自动喂球方法包括：通过将用户挥拍动作数据输入分类模型，输出用于表征挥拍动作对应击球的难易程度尚未分类结果；基于分类结果和用户的当前位置信息，获取喂球参数信息，并根据喂球参数信息将球发送至用户击球点。由此可见，本申请通过根据不同用户的挥拍动作数据，输入分类模型即可确定挥拍动作对应的分类结果，而分类结果可以表征对应用户所需的击球难易程度，从而可以根据不同用户的击球难易程度确定喂球参数信息，实现灵活根据用户需求准确喂球。

Description

自动喂球方法、装置及喂球机

技术领域

本申请涉及计算机技术领域，尤其涉及一种自动喂球方法、装置及喂球机。

背景技术

喂球，又称发球，主要应用于网球、羽毛球等球类运动的击球练习。现有技术中通常采用喂球机进行喂球，并手动固定设置喂球机的喂球参数(如喂球角度、旋转以及速度信息)。然而，不同用户对应的击球难易程度不同，即不同用户对喂球参数的要求不同，因此现有技术中固定设置喂球参数进行喂球的方法无法满足不同用户的需求。

发明内容

本申请提供一种自动喂球方法、装置及喂球机，以实现能够灵活根据用户需求准确喂球。

本申请提供一种自动喂球方法，包括：

将用户挥拍动作数据输入分类模型，输出所述挥拍动作的分类结果；

基于所述分类结果和用户的当前位置信息，获取喂球参数信息；

基于所述喂球参数信息，将球发送至用户击球点；

其中，所述分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，所述分类结果用于表征挥拍动作对应击球的难易程度。

根据本申请提供的一种自动喂球方法，所述喂球参数信息包括喂球的校正速度信息、喂球的旋转信息和喂球的角度信息；

基于所述分类结果和用户的当前位置信息，获取喂球参数信息，包括：

基于所述分类结果，获取喂球的初始速度信息和喂球的旋转信息；

基于所述用户的当前位置信息，获取喂球的角度信息；

基于所述用户的当前位置信息，校正所述喂球的初始速度信息，获取喂球的校正速度信息。

根据本申请提供的一种自动喂球方法，在将球发送至用户击球点之后，还包括：

获取用户返回球的返回速度信息和返回角度信息；

基于所述返回速度信息和所述用户的当前位置信息，校正所述初始速度信息，获取返回球的校正速度信息；

基于所述返回球的校正速度信息和所述用户的当前位置信息，校正所述喂球的旋转信息，获取返回球的校正旋转信息；

基于所述返回球的校正速度信息、所述返回球的校正旋转信息和所述返回角度信息，发送新球至用户当前位置击球点。

根据本申请提供的一种自动喂球方法，在将用户挥拍动作数据输入分类模型之前，还包括：

对所述用户挥拍动作数据依次进行归一化处理和中心化处理。

本申请还提供一种自动喂球装置，包括：

分类单元，用于将用户挥拍动作数据输入分类模型，输出所述挥拍动作的分类结果；

获取单元，用于基于所述分类结果和用户的当前位置信息，获取喂球参数信息；

发球单元，用于基于所述喂球参数信息，将球发送至用户击球点；

其中，所述分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，所述分类结果用于表征挥拍动作对应击球的难易程度。

根据本申请提供的一种自动喂球装置，所述喂球参数信息包括喂球的校正速度信息、喂球的旋转信息和喂球的角度信息；

所述获取单元，包括：

第一子单元，用于基于所述分类结果，获取喂球的初始速度信息和喂球的旋转信息；

第二子单元，用于基于所述用户的当前位置信息，获取喂球的角度信息；

第一校正单元，用于基于所述用户的当前位置信息，校正所述喂球的初始速度信息，获取喂球的校正速度信息。

根据本申请提供的一种自动喂球装置，还包括模拟单元，所述模拟单元包括：

返回参数确定单元，用于在将球发送至用户击球点之后，获取用户返回球的返回速度信息和返回角度信息；

速度信息校正单元，用于基于所述返回速度信息和所述用户的当前位置信息，校正所述初始速度信息，获取返回球的校正速度信息；

旋转信息校正单元，用于基于所述返回球的校正速度信息和所述用户的当前位置信息，校正所述喂球的旋转信息，获取返回球的校正旋转信息；

模拟发球单元，用于基于所述返回球的校正速度信息、所述返回球的校正旋转信息和所述返回角度信息，发送新球至用户当前位置击球点。

根据本申请提供的一种自动喂球装置，还包括预处理单元，用于：

用于在将用户挥拍动作数据输入分类模型之前，对所述用户挥拍动作数据依次进行归一化处理和中心化处理。

本申请还提供一种喂球机，包括如上任一种所述自动喂球装置。

本申请还提供一种电子设备，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计算机程序时实现如上述任一种所述自动喂球方法的步骤。

本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述自动喂球方法的步骤。

本申请提供的自动喂球方法、装置及喂球机，通过将用户挥拍动作数据输入分类模型，输出用于表征挥拍动对应击球的难易程度尚未分类结果；基于分类结果和用户的当前位置信息，获取喂球参数信息，并根据喂球参数信息将球发送至用户击球点。由此可见，本申请通过根据不同用户的挥拍动作数据，输入分类模型即可确定挥拍动作对应的分类结果，而分类结果可以表征对应用户所需的击球难易程度，从而可以根据不同用户的击球难易程度确定喂球参数信息，实现灵活根据用户需求准确喂球。

附图说明

为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请提供的自动喂球方法的流程示意图；

图2是本申请提供的自动喂球方法中步骤120的实施方式的流程示意图；

图3是本申请提供的自动喂球方法中在执行步骤130后的实施方式的流程示意图；

图4是本申请提供的自动喂球装置的结构示意图；

图5是本申请提供的自动喂球装置的获取单元的结构示意图；

图6是本申请提供的自动喂球装置的模拟单元的结构示意图；

图7是本申请提供的电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在进行网球、羽毛球等球类运动的击球练习时，现有技术中通常采用喂球机进行喂球，喂球机在进行喂球前，通过手动固定设置喂球机的喂球参数(如喂球角度、旋转以及速度信息)，然后喂球机根据喂球参数发球。然而，不同用户对应的击球难易程度不同，例如，击球水平较高的用户需要设置高难度的喂球参数，而击球水平较低的用户需要设置较低难度的喂球参数。由此可见，现有技术中固定设置喂球参数进行喂球的方法，无法根据不同用户的击球水平进行实时调整，满足不同用户的需求，而且固定设置喂球参数，发球的角度、高度等都是固定的，无法根据用户的位置实时调整，需要用户按照发球的角度、高度等信息移动到合适的击球位置。

对此，本申请提供一种自动喂球方法。图1是本申请提供的自动喂球方法的流程示意图，如图1所示，该方法包括如下步骤：

步骤110、将用户挥拍动作数据输入分类模型，输出挥拍动作的分类结果；其中，分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，分类结果用于表征挥拍动作对应击球的难易程度。

在本步骤中，需要说明的是，挥拍动作是羽毛球、网球等球类运动的基础动作，挥拍动作可以反映用户的击球水平。例如，挥拍动作可以分为内旋挥拍、外旋挥拍和摆臂挥拍，若用户挥拍动作标准，则表明用户具有较高的击球水平。

因此，本实施例为了判断用户的击球水平，通过采集用户挥拍动作数据(如用户挥拍动作视频、用户挥拍动作深度图等)，并将用户挥拍动作数据输入已经训练好的分类模型中，即可获取挥拍动作的分类结果。其中，用户挥拍动作数据可以通过摄像头采集，分类结果用于表征挥拍动作对应击球的难易长度，即用户的击球水平，例如分类结果为用户挥拍动作对应的是标准内旋挥拍，则表明该用户的击球水平较高。

其中，分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，其训练过程如下：

将样本挥拍动作数据，以及样本挥拍动作数据的分类结果输入初始分类模型中进行训练，直至达到预设条件后结束训练。其中，样本挥拍动作数据包括标准挥拍动作数据(包括标准挥拍动作视频、标准挥拍动作深度图等，例如标准内旋挥拍、外旋挥拍和摆臂挥拍图像，反映具有较高的击球水平)，也包括初学者的挥拍动作数据(包括初学者的挥拍动作视频、初学者的挥拍动作深度图等，反映具有较低的击球水平)，预设条件可以为训练次数达到预设要求，也可以为分类模型的损失小于预设值，本实施例对此不作具体限定。

步骤120、基于分类结果和用户的当前位置信息，获取喂球参数信息。

在本步骤中，根据步骤110可以获取挥拍动作的分类结果，即可以确认用户的击球水平，在确认用户击球水平的基础上，可以对应获取喂球参数(如喂球的速度、喂球的旋转等)。其中，本实施例可以通过预先存储分类结果与对应喂球参数的映射表，在获取分类结果后，通过查询映射表获取喂球参数。

此外，由于用户在场地的位置信息是变化的，因此本实施例为了根据用户的当前位置信息准确喂球，还基于当前位置信息确定喂球参数的角度信息，从而可以准确将球发送至用户所在当前位置的击球点，相较于传统方法中需要用户移动至发球对应的击球点位置，本实施例提供的方法不仅能够根据用户的击球水平灵活设置喂球参数，而且用户可以在场地任一位置进行击球训练，提高训练效率。其中，用户的当前位置信息是指用户当前在场地中的相对位置，其可以基于场地信息和用户当前坐标计算获取。

步骤130、基于喂球参数信息，将球发送至用户击球点。

在本步骤中，由于喂球参数信息是基于用户挥拍动作的分类结果，以及用户的位置信息确定的，而分类结果可以表征用户的击球水平，因此本实施例基于喂球参数信息将球发送至用户击球点，可以实现根据用户不同的击球水平制定不同的训练策略，以满足不同用户的训练需求。同时，本实施例提供的方法是基于机器学习判断用户的击球水平，从而可以准确且快速获取挥拍动作对应的分类结果，进而准确设置喂球参数。

本申请提供的自动喂球方法，通过将用户挥拍动作数据输入分类模型，输出用于表征挥拍动作对应击球的难易程度尚未分类结果；基于分类结果和用户的位置信息，获取喂球参数信息，并根据喂球参数信息将球发送至用户击球点。由此可见，本申请通过根据不同用户的挥拍动作数据，输入分类模型即可确定挥拍动作对应的分类结果，而分类结果可以表征对应用户所需的击球难易程度，从而可以根据不同用户的击球难易程度确定喂球参数信息，实现灵活根据用户需求准确喂球。

基于上述实施例，喂球参数信息包括喂球的校正速度信息、喂球的旋转信息和喂球的角度信息；

如图2所示，步骤120基于分类结果和用户的当前位置信息，获取喂球参数信息，包括：

步骤121、基于分类结果，获取喂球的初始速度信息和喂球的旋转信息；

步骤122、基于用户的当前位置信息，获取喂球的角度信息；

步骤123、基于所述用户的当前位置信息，校正所述喂球的初始速度信息，获取喂球的校正速度信息。

在本实施例中，由于分类结果是用于表征用户的击球水平，而喂球的初始速度信息和喂球的旋转信息可以表示击球的难易程度，例如喂球的速度越大，旋转越快，则表明击球难度越高，从而适用于具有较高击球水平的用户。因此，本实施例在确定分类结果的基础上，可以确定击球难度，进而根据击球难度确定喂球的初始速度信息和喂球的旋转信息。需要说明的是，可以通过预先存储各分类结果(击球难度)与喂球参数(喂球的初始速度信息和喂球的旋转信息)的映射关系，进而在确定分类结果后，可以快速查询获取对应的喂球参数。

此外，在确定喂球的初始速度信息和喂球的旋转信息后，还需要确定喂球的角度信息，由于用户在场地的位置信息是变化的，即喂球的角度信息是变化的，若要将球准确发送至用户当前位置的击球点，需要根据用户的当前位置信息校正喂球的初始速度信息，获取喂球的校正速度信息，从而可以将球发送至用户当前所在位置的击球点。因此，本实施例基于采集的用户位置信息，可以确定对应的喂球角度信息。

本申请提供的自动喂球方法，基于分类结果获取喂球的初始速度信息和喂球的旋转信息，以及基于用户的位置信息获取喂球的角度信息，并根据用户的当前位置信息修正喂球的初始速度信息，不仅可以根据用户的击球难易程度进行喂球，而且能够准确将球发送至用户所在位置的击球点。

基于上述实施例，如图3所示，在执行步骤130之后，还包括：

步骤131、获取用户返回球的返回速度信息和返回速度信息；

步骤132、基于所述返回速度信息和所述用户的当前位置信息，校正所述初始速度信息，获取返回球的校正速度信息；

步骤133、基于所述返回球的校正速度信息和所述用户的当前位置信息，校正所述喂球的旋转信息，获取返回球的校正旋转信息；

步骤134、基于所述返回球的校正速度信息、所述返回球的校正旋转信息和所述返回角度信息，发送新球至用户当前位置击球点。

在本实施例中，在将球发送至用户击球点后，用户会击回返回球，为了进一步提高喂球效率，本实施例还可以模拟对打，具体为：获取用户返回球的返回速度信息和返回角度信息，其中返回速度信息指返回球返回时的速度信息，返回角度信息指返回球返回时的角度信息。由于用户在击球过程中位置发生变化，因此需要获取用户的当前位置，然后根据返回速度信息和用户的当前位置信息校正初始速度信息，获取返回球的校正速度信息；在获取返回球的校正速度信息之后，基于返回球的校正速度信息和用户的当前位置信息，校正喂球的旋转信息，获取返回球的校正旋转信息，使得发送的新球能够准确达到用户此时所在位置的击球点。因此，基于返回球的校正速度信息、返回球的校正旋转信息和返回角度信息，可以确定新球的喂球参数，进而发送新球至实时位置击球点。

需要说明的是，本实施例提供的方法可以应用于喂球机器人，举例来说，可以设置两台喂球机器人(机器人A和机器人B)，机器人A和机器人B之间可以实时共享信息(如共享喂球参数信息，用户位置信息，各喂球机器人的位置信息等)，当机器人A喂球后，机器人B通过与机器人A共享信息，获取用户的击球水平，喂球的参数信息等，当用户发回返回球后，机器人A和机器人B均可以获取对方确定的返回速度信息、返回旋转信息和返回角度信息，若比较获知机器人A离用户更近，则判断由机器人A发送新球至用户此时的击球点，从而可以进一步提高训练效率。

基于上述实施例，在将用户挥拍动作数据输入分类模型之前，还包括：

对用户挥拍动作数据依次进行归一化处理和中心化处理。

在本实施例中，需要说明的是，在获取的用户挥拍动作的原始数据中，不同特征对应的数据往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除数据之间的量纲影响，需要进行数据预处理，以使各数据之间具有可比性。

其中，通过零均值化(即中心化)和归一化(标准化)处理，最终得到均值为0，标准差为1的服从标准正态分布的数据，可以避免由于量纲不同、自身变异或者数值相差较大所引起的误差。中心化是指原始数据中各维度都减对应维度的均值，使得输入数据各个维度都中心化为0。归一化通常指最值归一化，比如把最大值归一化成1，最小值归一化成-1；或把最大值归一化成1，最小值归一化成0，进行归一化的原因是把各个特征的尺度控制在相同的范围内，这样可以便于获取最优解，准确提取用户挥拍动作数据特征，进而能够准确获取挥拍动作对应的分类结果。

本申请提供的自动喂球方法，通过对用户挥拍动作数据依次进行归一化处理和中心化处理，滤除了不具有代表性的数据对获取分类结果带来的噪声影响，从而能够进一步准确根据用户击球的难易程度设置喂球参数。

下面对本申请提供的自动喂球装置进行描述，下文描述的自动喂球装置与上文描述的自动喂球方法可相互对应参照。

基于上述实施例，如图4所示，本申请提供一种自动喂球装置，该装置包括：

分类单元410，用于将用户挥拍动作数据输入分类模型，输出挥拍动作的分类结果；

获取单元420，用于基于分类结果和用户的当前位置信息，获取喂球参数信息；

发球单元430，用于基于喂球参数信息，将球发送至用户击球点；

其中，分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，分类结果用于表征挥拍动作对应击球的难易程度。

基于上述实施例，喂球参数信息包括喂球的校正速度信息、喂球的旋转信息和喂球的角度信息；

如图5所示，获取单元420，包括：

第一子单元421，用于基于分类结果，获取喂球的初始速度信息和喂球的旋转信息；

第二子单元422，用于基于用户的当前位置信息，获取喂球的角度信息；

第一校正单元423，用于基于所述用户的当前位置信息，校正所述喂球的初始速度信息，获取喂球的校正速度信息。

本申请提供的自动喂球装置，通过将用户挥拍动作数据输入分类模型，输出用于表征挥拍动作对应击球的难易程度尚未分类结果；基于分类结果和用户的当前位置信息，获取喂球参数信息，并根据喂球参数信息将球发送至用户击球点。由此可见，本申请通过根据不同用户的挥拍动作数据，输入分类模型即可确定挥拍动作对应的分类结果，而分类结果可以表征对应用户所需的击球难易程度，从而可以根据不同用户的击球难易程度确定喂球参数信息，实现灵活根据用户需求准确喂球。

基于上述实施例，还包括模拟单元431，模拟单元431包括：

返回参数确定单元431a，用于在将球发送至用户击球点之后，获取用户返回球的返回速度信息和返回角度信息；

速度信息校正431b，用于基于所述返回速度信息和所述用户的当前位置信息，校正所述初始速度信息，获取返回球的校正速度信息；

旋转信息校正单元431c，用于基于所述返回球的校正速度信息和所述用户的当前位置信息，校正所述喂球的旋转信息，获取返回球的校正旋转信息；

模拟发球单元431d，用于基于所述返回球的校正速度信息、所述返回球的校正旋转信息和所述返回角度信息，发送新球至用户当前位置击球点。

基于上述实施例，还包括预处理单元432，用于：

用于在将用户挥拍动作数据输入分类模型之前，对用户挥拍动作数据依次进行归一化处理和中心化处理。

本申请实施例提供的自动喂球装置用于执行上述自动喂球方法，其具体的实施方式与方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。

基于上述实施例，本申请还提供一种喂球机，包括如上任一实施例所述的自动喂球装置。

图7是本申请提供的电子设备的结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行自动喂球方法，该方法包括：将用户挥拍动作数据输入分类模型，输出所述挥拍动作的分类结果；基于所述分类结果和用户的当前位置信息，获取喂球参数信息；基于所述喂球参数信息，将球发送至用户击球点；其中，所述分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，所述分类结果用于表征挥拍动作对应击球的难易程度。

此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请实施例提供的电子设备中的处理器710可以调用存储器730中的逻辑指令，实现上述自动喂球方法，其具体的实施方式与方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。

另一方面，本申请还提供一种计算机程序产品，下面对本申请提供的计算机程序产品进行描述，下文描述的计算机程序产品与上文描述的自动喂球方法可相互对应参照。

所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的自动喂球方法，该方法包括：将用户挥拍动作数据输入分类模型，输出所述挥拍动作的分类结果；基于所述分类结果和用户的当前位置信息，获取喂球参数信息；基于所述喂球参数信息，将球发送至用户击球点；其中，所述分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，所述分类结果用于表征挥拍动作对应击球的难易程度。

本申请实施例提供的计算机程序产品被执行时，实现上述自动喂球方法，其具体的实施方式与方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。

又一方面，本申请还提供一种非暂态计算机可读存储介质，下面对本申请提供的非暂态计算机可读存储介质进行描述，下文描述的非暂态计算机可读存储介质与上文描述的自动喂球方法可相互对应参照。

本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的自动喂球方法，该方法包括：将用户挥拍动作数据输入分类模型，输出所述挥拍动作的分类结果；基于所述分类结果和用户的当前位置信息，获取喂球参数信息；基于所述喂球参数信息，将球发送至用户击球点；其中，所述分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，所述分类结果用于表征挥拍动作对应击球的难易程度。

本申请实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时，实现上述自动喂球方法，其具体的实施方式与方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (11)

1.一种自动喂球方法，其特征在于，包括：

将用户挥拍动作数据输入分类模型，输出所述挥拍动作的分类结果；

基于所述分类结果和用户的当前位置信息，获取喂球参数信息；

基于所述喂球参数信息，将球发送至用户击球点；

其中，所述分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，所述分类结果用于表征挥拍动作对应击球的难易程度。

2.根据权利要求1所述的自动喂球方法，其特征在于，所述喂球参数信息包括喂球的校正速度信息、喂球的旋转信息和喂球的角度信息；

基于所述分类结果和用户的当前位置信息，获取喂球参数信息，包括：

基于所述分类结果，获取喂球的初始速度信息和喂球的旋转信息；

基于所述用户的当前位置信息，获取喂球的角度信息；

基于所述用户的当前位置信息，校正所述喂球的初始速度信息，获取喂球的校正速度信息。

3.根据权利要求2所述的自动喂球方法，其特征在于，在将球发送至用户击球点之后，还包括：

获取用户返回球的返回速度信息和返回角度信息；

基于所述返回速度信息和所述用户的当前位置信息，校正所述初始速度信息，获取返回球的校正速度信息；

基于所述返回球的校正速度信息和所述用户的当前位置信息，校正所述喂球的旋转信息，获取返回球的校正旋转信息；

基于所述返回球的校正速度信息、所述返回球的校正旋转信息和所述返回角度信息，发送新球至用户当前位置击球点。

4.根据权利要求1至3任一项所述的自动喂球方法，其特征在于，在将用户挥拍动作数据输入分类模型之前，还包括：

对所述用户挥拍动作数据依次进行归一化处理和中心化处理。

5.一种自动喂球装置，其特征在于，包括：

分类单元，用于将用户挥拍动作数据输入分类模型，输出所述挥拍动作的分类结果；

获取单元，用于基于所述分类结果和用户的当前位置信息，获取喂球参数信息；

发球单元，用于基于所述喂球参数信息，将球发送至用户击球点；

其中，所述分类模型是基于样本挥拍动作数据，及样本挥拍动作数据的分类结果训练得到的，所述分类结果用于表征挥拍动作对应击球的难易程度。

6.根据权利要求5所述的自动喂球装置，其特征在于，所述喂球参数信息包括喂球的校正速度信息、喂球的旋转信息和喂球的角度信息；

所述获取单元，包括：

第一子单元，用于基于所述分类结果，获取喂球的初始速度信息和喂球的旋转信息；

第二子单元，用于基于所述用户的当前位置信息，获取喂球的角度信息；

第一校正单元，用于基于所述用户的当前位置信息，校正所述喂球的初始速度信息，获取喂球的校正速度信息。

7.根据权利要求6所述的自动喂球装置，其特征在于，还包括模拟单元，所述模拟单元包括：

返回参数确定单元，用于在将球发送至用户击球点之后，获取用户返回球的返回速度信息和返回角度信息；

速度信息校正单元，用于基于所述返回速度信息和所述用户的当前位置信息，校正所述初始速度信息，获取返回球的校正速度信息；

旋转信息校正单元，用于基于所述返回球的校正速度信息和所述用户的当前位置信息，校正所述喂球的旋转信息，获取返回球的校正旋转信息；

模拟发球单元，用于基于所述返回球的校正速度信息、所述返回球的校正旋转信息和所述返回角度信息，发送新球至用户当前位置击球点。

8.根据权利要求5至7任一项所述的自动喂球装置，其特征在于，还包括预处理单元，用于：

用于在将用户挥拍动作数据输入分类模型之前，对所述用户挥拍动作数据依次进行归一化处理和中心化处理。

9.一种喂球机，其特征在于，包括：如权利要求6至8任一项所述的自动喂球装置。

10.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述自动喂球方法的步骤。

11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述自动喂球方法的步骤。

Images