CN112790951A - 识别重心的方法、辅助训练的方法及其系统、智能拐杖 - Google Patents

Abstract

本申请涉及康复机器人技术领域，公开一种识别重心的方法。该识别重心的方法包括：在辅助训练系统的当前状态下，获得外骨骼机器人的足底坐标和足底压力；获得智能拐杖与地面接触点的触点坐标和触点压力；根据足底坐标、足底压力、触点压力和触点坐标确定辅助训练系统的重心坐标。采用该识别重心的方法可更加准确地确定辅助训练系统的重心坐标。本申请还公开一种辅助训练的方法、系统和智能拐杖。

Description

识别重心的方法、辅助训练的方法及其系统、智能拐杖

技术领域

本申请涉及康复机器人技术领域，例如涉及一种识别重心的方法、辅助训练的方法及其系统、智能拐杖。

背景技术

目前，外骨骼机器人可辅助用户完成一系列的康复训练动作。为了使用户具有较佳的使用体验，外骨骼机器人搭配智能拐杖，共同组成一套辅助训练系统。用户在初次使用该辅助训练系统时，所面临的问题是：用户穿戴外骨骼机器人后无法平衡重心，容易摔倒，通常情况下，需要专业人员陪护，以使用户适应并习惯辅助训练系统，直至用户可熟练使用。

为了节省专业人员的陪护时间，可在辅助训练系统中植入预防摔倒的功能模块，以实现用户自行训练。其中，防摔倒的功能模块对用户穿戴外骨骼机器人后的重心进行监测，在重心偏离平衡范围时及时提醒用户，以实现预防摔倒的功能。现有技术中通过检测外骨骼机器人足底压力，并依据足底压力计算出重心，可实现对用户穿戴外骨骼机器人后的重心监测。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

用户在使用外骨骼机器人，尤其是在无法熟练使用时，通常搭配智能拐杖以维持重心平衡，进一步地预防摔倒，在由外骨骼机器人和智能拐杖构成的辅助训练系统中，利用现有技术无法准确地计算出整个辅助训练系统的重心。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种识别重心的方法、辅助训练的方法及其系统、智能拐杖，以解决现有技术无法准确计算整个辅助训练系统的重心的技术问题。

在一些实施例中，识别重心的方法应用于辅助训练系统，所述辅助训练系统包括智能拐杖和外骨骼机器人，所述方法包括：在所述辅助训练系统的当前状态下，获得所述外骨骼机器人的足底坐标和足底压力；获得所述智能拐杖与地面接触点的触点坐标和触点压力；根据所述足底坐标、所述足底压力、所述触点压力和所述触点坐标确定所述辅助训练系统的重心坐标。

可选地，根据所述足底坐标、所述足底压力、所述触点压力和所述触点坐标确定辅助训练系统的重心坐标，包括：确定所述足底压力为所述足底坐标的权重，确定所述触点压力为所述触点坐标的权重，计算所述足底坐标和所述触点坐标的加权平均值，确定所述加权平均值为平均值坐标；根据所述平均值坐标确定所述重心坐标。

可选地，根据所述平均值坐标确定所述重心坐标，包括：如果所述平均值坐标在持续移动，则获得所述平均值坐标的当前加速度；根据所述当前加速度修正所述平均值坐标，确定修正后的坐标为所述重心坐标。

可选地，根据所述当前加速度修正所述平均值坐标，包括：根据加速度的数值与修正值之间的对应关系，确定与所述当前加速度的数值对应的当前修正值；将所述平均值坐标沿所述当前速度的方向移动所述当前修正值，获得所述修正后的坐标。

可选地，获得所述智能拐杖与所述地面接触点的触点压力，包括：获得当前状态下所述智能拐杖的当前倾斜角度和在本体坐标系的第一受力；根据所述当前倾斜角度，将所述第一受力转换为所述智能拐杖在地面坐标系的第二受力；确定所述第二受力的沿垂直地面的分力为所述触点压力。

可选地，根据所述当前倾斜角度，将所述第一受力转换为所述智能拐杖在所述地面坐标系的第二受力，包括：将所述当前倾斜角度转换为旋转矩阵；计算所述旋转矩阵的逆矩阵与所述第一受力的外积，确定所述外积为所述第二受力。

在一些实施例中，辅助训练的方法，应用于辅助训练系统，所述辅助训练系统包括智能拐杖和外骨骼机器人，所述方法包括：在所述显示装置上显示指引用户移动的指引标记；获得所述智能拐杖和所述外骨骼机器人组成的辅助训练系统的重心坐标；获得所述重心坐标与所述指引标记的匹配结果；在所述显示装置上显示与所述匹配结果相对应的画面。

可选地，获得所述重心坐标与所述指引标记的匹配结果，包括：获得所述指引标记对应的坐标范围；如果所述重心坐标在所述坐标范围内，确定所述重心坐标与所述指引标记匹配成功；如果所述重心坐标在所述坐标范围外，确定所述重心坐标与所述指引坐标匹配失败。

在一些实施例中，智能拐杖包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行前述实施例提供的识别重心的方法。

在一些实施例中，辅助训练系统包括外骨骼机器人和前述实施例所述的智能拐杖。

本公开实施例还提供了一种识别重心的装置，所述识别重心的装置应用于辅助训练系统，所述辅助训练系统包括智能拐杖和外骨骼机器人，所述识别重心的装置包括：

第一获得模块，被配置为在所述辅助训练系统的当前状态下，获得所述外骨骼机器人的足底坐标和足底压力；

第二获得模块，被配置为获得所述智能拐杖与地面接触点的触点坐标和触点压力；

确定模块，被配置为根据所述足底坐标、所述足底压力、所述触点压力和所述触点坐标确定所述辅助训练系统的重心坐标。

本公开实施例还提供了一种辅助训练的装置，所述辅助训练的装置应用于辅助训练系统，所述辅助训练系统包括智能拐杖和外骨骼机器人，所述辅助训练的装置包括：

第一显示模块，被配置为在所述显示装置上显示指引用户移动的指引标记；

第三获得模块，被配置为获得所述智能拐杖和所述外骨骼机器人组成的辅助训练系统的重心坐标；

第四获得模块，被配置为获得所述重心坐标与所述指引标记的匹配结果；

第二显示模块，被配置为在所述显示装置上显示与所述匹配结果相对应的画面。

本公开实施例提供的识别重心的方法、辅助训练的方法及其系统、智能拐杖，可以实现以下技术效果：

智能拐杖与地面接触点的触点压力和外骨骼机器人的足底压力，可更加准确地反映智能拐杖和外骨骼机器人组成的整个辅助训练系统的重力分布，利用触点压力和足底压力可更加准确地计算出整个辅助训练系统的重心。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或一个以上实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件视为类似的元件，并且其中：

图1是本公开实施例提供的一种辅助训练系统的示意图；

图2是本公开实施例提供的一种识别重心的方法的示意图；

图3是本公开实施例提供的一种确定重心坐标的过程的示意图；

图4是本公开实施例提供的一种修正平均值坐标的过程的示意图；

图5是本公开实施例提供的一种将平均值坐标沿当前速度的方向移动当前修正值的示意图；

图6是本公开实施例提供的一种辅助训练的方法的示意图；

图7是本公开实施例提供的一种显示装置的显示画面的示意图；

图8是本公开实施例提供的一种智能拐杖的示意图。

具体实施方式

为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或一个以上实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。

本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

除非另有说明，术语“多个”表示两个或两个以上。

本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

目前，外骨骼机器人可辅助用户完成一系列的康复训练动作。为了使用户具有较佳的使用体验，外骨骼机器人搭配智能拐杖，共同组成一套辅助训练系统。用户在初次使用该辅助训练系统时，所面临的问题是：用户穿戴外骨骼机器人后无法平衡重心，容易摔倒，通常情况下，需要专业人员陪护，以使用户适应并习惯辅助训练系统，直至用户可熟练使用。

为了节省专业人员的陪护时间，本公开实施提供了一种识别重心的方法，结合智能拐杖与地面触点的触点压力和外骨骼机器人的足底压力，可更加准确地反映智能拐杖和外骨骼机器人组成的辅助训练系统的重心分布，进而更加准确地获得整个辅助训练系统的重心，以便于重心偏离平衡位置时，及时提醒用户，实现防摔倒的功能。

图1是本公开实施例提供的一种辅助训练系统的示意图。结合图1所示，辅助训练系统包括智能拐杖11、外骨骼机器人12和显示装置13，在识别智能拐杖11和外骨骼机器人12的重心坐标后，将该重心坐标映射至显示装置13进行显示，同时，显示装置13还显示指引用户移动重心坐标的指引标记，若用户按照指引标记移动，则显示装置13显示成功提示，若用户未能成功按照指引标记移动，则显示装置13发出错误提示。这样用户可通过智能拐杖11以及外骨骼机器人12与显示装置13进行交互，提高了训练过程的趣味性。

图2是本公开实施例提供的一种识别重心的方法的示意图，在本公开实施例中，以该识别重心的方法应用于图1中的辅助训练系统进行示例性说明，辅助训练系统包括智能拐杖和外骨骼机器人。结合图2所示，识别重心的方法包括：

S201、在辅助训练系统的当前状态下，获得外骨骼机器人的足底坐标和足底压力。

外骨骼机器人的足底坐标是在地面坐标系中的坐标。外骨骼机器人的足底坐标包括两个坐标：左足底坐标和右足底坐标。

外骨骼机器人的足底压力包括两个压力：左足底压力和右足底压力。

在一些具体应用中，可在外骨骼机器人的足下安装压力传感器，利用压力传感器检测外骨骼机器人的足底压力，例如在外骨骼机器人的左足下安装压力传感器，用于检测左足底压力；在外骨骼机器人的右足下安装压力传感器，用于检测右足底压力。

S202、获得智能拐杖与地面接触点的触点坐标和触点压力。

智能拐杖与地面接触点的触点坐标是在地面坐标系中的坐标，在用户使用一个智能拐杖的场景中，触点坐标即为该一个智能拐杖与地面接触点的触点坐标；在用户使用两个智能拐杖的场景中，触点坐标为该两个智能拐杖与地面接触点的触点坐标，包括左智能拐杖与地面接触点的左触点坐标和右智能拐杖与地面接触点的右触点坐标。

在用户使用一个智能拐杖的场景中，触点压力为该一个智能拐杖与地面接触点的触点压力；在用户使用两个智能拐杖的场景中，触点压力为该两个智能拐杖与地面接触点的触点压力，包括左智能拐杖与地面接触点的左触点压力和右智能拐杖与地面接触点的右触点压力。

在具体应用中，触点坐标和足底坐标是在相同坐标系中的坐标。例如，在用户使用一个智能拐杖的场景中，以智能拐杖与地面接触点、外骨骼机器人左足与地面接触点和外骨骼机器人右足与地面接触点中任一个作为参考点，建立地面坐标系，进而确定触点坐标、左足底坐标和右足底坐标；在用户使用两个智能拐杖的情况下，以做智能拐杖与地面接触点、右智能拐杖与地面接触点、外骨骼机器人左足与地面接触点或外骨骼机器人右足与地面接触点中任一个作为参考点，建立地面坐标系，进而确定左触点坐标、右触点坐标、左足底坐标和右足底坐标。

或者，在用户利用外骨骼机器人、智能拐杖和显示装置进行训练的应用场景中，可在用户活动区域铺设压力感应地毯，以该压力感应地毯为参考系建立地面坐标系，将压力感应地毯检测到的坐标作为触点坐标(在智能拐杖包括做左智能拐杖和右智能拐杖的情况下，触点坐标包括左触点坐标和右触点坐标)、左足底坐标和右足底坐标。

为了获得触点压力，可在智能拐杖的上设置力传感器，通过力传感器检测智能拐杖与地面接触点的触点压力。例如，通过左智能拐杖上设置的力传感器检测左触点压力，通过右智能拐杖上设置的力传感器检测右触点压力。

其中，力传感器可为压力传感器，或者，力传感器可为三维力传感器。

在力传感器为三维力传感器的应用场景中，可检测到一个用三维向量(三维矩阵)表示的力。在这种情况下，获得智能拐杖与地面接触点的触点压力，包括：

获得当前状态下智能拐杖的当前倾斜角度和在本体坐标系的第一受力；根据当前倾斜角度，将第一受力转换为智能拐杖在地面坐标系的第二受力，确定第二受力的沿垂直地面的分力为触点压力。

其中，第一受力由地面施加给智能拐杖。在通过三维力传感器检测第一受力的情况下，第一受力可采用一个三维矩阵表示，例如第一受力F_C＝[F_Cx F_Cy F_Cz]，其中，F_Cx是第一受力F_C在本体坐标系C的x轴上的分力，F_Cy是第一受力F_C在本体坐标系C的y轴上的分力，F_Cz是第一受力F_C在本体坐标系C的z轴上的分力。

在通过三轴陀螺仪检测当前倾斜角度的情况下，当前倾斜角度可用一个三维矩阵表示，例如当前倾斜角度θ_I＝[θ_Ix θ_Iy θ_Iz]，其中，θ_Ix是当前倾斜角度θ_I沿x轴的旋转角度，θ_Iy是当前倾斜角度θ_I沿y轴的旋转角度，θ_Iz是当前倾斜角度θ_I沿z轴的旋转角度。

可先获得当前状态下智能拐杖的当前倾斜角度，再获得当前状态下智能拐杖的第一受力；或者，可先获得当前状态智能拐杖的第一受力，再获得当前状态下智能拐杖的当前倾斜角度；或者，同时获得智能拐杖的当前倾斜角度和第一受力。

第二受力可用一个三维矩阵表示，例如第二受力F_A＝[F_Ax F_Ay F_Az]，其中，F_Ax是第二受力F_A在地面坐标系A的x轴上的分力，F_Ay是第二受力F_A在地面坐标系A的y轴上的分力，F_Az是第二受力F_A在地面坐标系A的z轴上的分力。

可通过以下方式获得第二受力：将当前倾斜角度转换为旋转矩阵；计算旋转矩阵的逆矩阵与第一受力的外积，确定外积为第二受力。这样即可将计算出智能拐杖在地面坐标系中的第二受力。

在一些具体应用中，旋转矩阵为R：

F_A＝R^-1×F_C＝[F_Ax F_Ay F_Az]，其中，F_A为智能拐杖在地面坐标系A的第二受力，F_C为智能拐杖在本体坐标系C的第一受力，F_Ax表示第二受力在地面坐标系A的x轴上的分力，F_Ay表示第二受力在地面坐标系A的y轴上的分力，F_Az表示第二受力在地面坐标系A的z轴上的分力，sinθ_I＝[sinθ_Ix sinθ_Iy sinθ_Iz]，cosθ_I＝[cosθ_Ix cosθ_Iy cosθ_Iz]，θ_I为当前倾斜角度。

通过上述公式即可计算出第二受力，进一步地确定触点压力。这样确定的触点压力可更加准确地反映智能拐杖、外骨骼机器人和用户的重力分布，进而可更加准确地确定出智能拐杖、外骨骼机器人和用户的重心坐标。

S203、根据足底坐标、足底压力、触点压力和触点坐标确定辅助训练系统的重心坐标。

智能拐杖与地面接触点的触点压力和外骨骼机器人的足底压力，可更加准确地反映智能拐杖和外骨骼机器人组成的整个辅助训练系统的重力分布，利用触点压力和足底压力可更加准确地计算出整个辅助训练系统的重心。

本公开实施例提供的识别重心的方法，可由智能拐杖执行，可由外骨骼机器人执行，还可通过服务器或者其他终端执行。在由智能拐杖执行该方法的情况下，外骨骼机器人将检测到的足底压力等数据发送至智能拐杖；在由外骨骼机器人执行该方法的情况下，智能拐杖将检测到触点压力等数据发送至外骨骼机器人；在由服务器或其他终端执行该方法的情况下，智能拐杖将触点压力等数据发送至服务器或其他终端，外骨骼机器人将触点压力等数据发送至服务器或其他终端。

在获得足底坐标、足底压力、触点压力和触点坐标后，可通过如下方式确定重心坐标：根据足底坐标、足底压力、触点压力和触点坐标确定重心坐标，包括：确定足底压力为足底坐标的权重，确定触点压力为触点坐标的权重，计算足底坐标和触点坐标的加权平均值，确定加权平均值为平均值坐标；根据平均值坐标确定重心坐标。通过上述步骤即可确定辅助训练系统的重心坐标。

具体地，可通过如下公式计算加权平均值：

其中，x_h、y_h为加权平均值，(x_h，y_h)为平均值坐标，(x_cl，y_cl)为左触点坐标，(x_cr，y_cr)为右触点坐标，(x_fl，y_fl)为左足底坐标，(x_fr，y_fr)为右足底坐标，F_cl为左触点压力，F_cr为右触点压力，F_fl为左足底压力，F_fr为右足底压力。

为了确定重心坐标的具体数值，可将平均值坐标确定为重心坐标。例如：x_cop＝x_h，y_cop＝y_h；其中，(x_cop，y_cop)为重心坐标，(x_h，y_h)为平均值坐标。

在用户变速移动的过程中，用户的加速度不为零，产生加速度的力可以来自地面对智能拐杖的压力，还可以是地面对外骨骼机器人足底的摩擦力，或者，摩擦力和压力，例如，在外骨骼机器人足底与地面水平贴合时，产生加速度的力主要为地面对外骨骼机器人足底的摩擦力；在外骨骼机器人足底与地面存在一定夹角时，产生加速度的力为地面对外骨骼机器人足底的摩擦力和压力。在用户实际移动的过程中，外骨骼机器人的足底往往难以与地面水平贴合。在用户变速移动的过程中，地面对智能拐杖的压力不仅仅反映辅助训练系统的重力分布，还体现了用户加速度；地面对外骨骼机器人的压力不仅仅反映辅助训练系统的重力分布，还体现了用户加速度。

在前述实施例中，确定地面对智能拐杖的垂直于地面的分力为触点压力，这样确定的触点分力在用户变速移动的过程中可仍较为准确地体现重力分布。

在用户变速移动的过程中，为了更准确地确定重心坐标，本公开实施例提供了一种确定重心坐标的过程。结合图3所示，根据平均值坐标确定重心坐标，包括：

S301、如果平均值坐标在持续移动，则获得平均值坐标的当前加速度。

例如，周期性获得外骨骼机器人的足底坐标和足底压力，周期性获得智能拐杖与地面接触点的触点坐标和触点压力，周期性计算足底坐标和触点坐标的加权平均值，确定平均值坐标。确定当前获得平均值坐标和上一个获得平均值坐标的距离，再将距离除以周期，获得平均值坐标的当前周期的速度，同理，获得平均值坐标的上一个周期的速度，计算当前周期的速度与上一个周期的速度的速度差值，在将速度差值除以周期，获得平均值坐标值的当前加速度。

或者，平均值坐标的当前加速度等价于用户的当前加速度，可在外骨骼机器人上设置加速度传感器，在辅助训练系统的当前状态下，利用加速度传感器检测到的加速度作为平均值坐标得分当前加速度。

平均值坐标在持续移动，表示用户在持续移动，包括用户在匀速运动，以及用户在变速运动。在用户匀速运动过程中，当前加速度为零；在用户变速运动过程中，当前加速度非零。

S302、根据当前加速度修正平均值坐标，确定修正后的坐标为重心坐标。

其中，根据当前加速度修正平均值坐标，补偿地面对智能拐杖的压力中反映用户加速度的力，和地面对外骨骼机器人的足底压力中的反映用户加速度的力(直接以地面对智能拐杖的压力作为触点压力的情况)；或者，补偿地面对外骨骼机器人的足底压力中的反映用户加速度的力(以地面对智能拐杖的压力沿垂直地面方向的分力为触点压力的情况)。

采用上述步骤，通过对平均值坐标进行修正补偿了用户加速度对辅助训练系统的重力分布的影响了，可更加准确地获得辅助训练系统的重力坐标。

结合图4所示，根据当前加速度修正平均值坐标，包括：

S401、根据加速度的数值与修正值之间的对应关系，确定与当前加速度的数值对应的当前修正值。

例如，通过有限次试验的方式确定加速度和对应的修正值，并将加速度和修正值以一一对应的方式存储在数据库中，以当前加速度为关键词在前述数据库中查询，即可获得与当前加速度对应的当前修正值。

或者，通过有限次试验的方式确定加速度和对应的修正值，以多项式参数的形式存储在程序配置文件中，通过参数代入多项式进行运算，即可获得预设神经网络输出的与当前加速度对应的当前修正值。

或者，通过有限次试验的方式确定加速度和对应的修正值，以多组一一对应的加速度和修正值作为训练集，对一预设神经网络进行训练。如果预设神经网络的识别偏差小于或等于设定误差阈值，则确定预设神经网络训练合格。将当前加速度输入至预设神经网络中，即可获得预设神经网络输出的与当前加速度对应的当前修正值。

S402、将平均值坐标沿当前速度的方向移动当前修正值，获得修正后的坐标。

通过上述步骤，即可获得修正后的坐标。

图5是本公开实施例提供的一种将平均值坐标沿当前速度的方向移动当前修正值的示意图。结合图5对将平均值坐标沿当前速度的方向移动当前修正值的过程进行示例性说明。在计算出平均值坐标(x_h，y_h)后，以当前速度的方向作为向量

的方向，以当前修正值作为向量

的模，以平均值坐标(x_h，y_h)作为向量

的起点，向量

的终点为重心坐标(x_cop，y_cop)。例如，

则有：(x_cop，y_cop)＝(x_h，y_h)+(x_m，y_m)。

通过上述方式，即可确定修正后的坐标，进而获得更加准确的重心坐标。

本公开实施例提供的识别重心的方法可应用在智能拐杖和外骨骼机器人构成的辅助训练系统中，在该辅助训练系统用于辅助丧失全部或部分行走功能的用户重新行走时，在辅助训练系统的重心即将偏离智能拐杖与外骨骼机器人与地面的接触点构成的三边形或四边形的情况下(例如重心与三边形或四边形的边界的距离小于等于设定值的情况下)，对用户进行提醒；

在该辅助训练的系统用于辅助用户完成康复训练的场景中，或者，在用户适应并习惯该辅助训练系统的过程中，在识别康复训练系统的重心坐标后，可再结合人机交互技术，提高训练过程的趣味性。

图6是本公开实施例提供的一种辅助训练的方法的示意图，在本公开实施例中，以该辅助训练的方法应用于图1中所示的辅助训练的系统进行示例性说明，辅助训练系统包括智能拐杖、外骨骼机器人和显示装置。结合图6所示，辅助训练的方法包括：

S601、在显示装置上显示指引用户移动的指引标记。

其中，指引标记是向用户传达移动方向的标识，该指引标记可为直接指示方向的标记；还可以是显示一些特定画面，例如游戏中的某个特定画面，用户在看到该特定画面后，可明确地确定移动方向。

在本公开实施例中，显示装置是可以显示画面的装置，可以是显示屏，还可以是虚拟显示(Virtual Reality，VR)眼镜，还可以增强显示(Augmented Reality，AR)的终端，本公开实施例对显示装置的具体类型不做限定。

S602、获得智能拐杖和外骨骼机器人组成的辅助训练系统的重心坐标。

这里获得智能拐杖和外骨骼机器人组成的辅助训练系统的重心坐标，可以通过前述实施例提供的识别重心的方法获得，例如根据足底坐标、足底压力、触点压力和触点坐标确定辅助训练系统的重心坐标；还可以是通过其他现有技术确定辅助训练系统的重心坐标，例如在外骨骼机器人足底设置多个传感器，依据外骨骼机器人足底的压力分布，确定辅助训练系统的重心坐标。

在一些应用场景中，在获得辅助训练系统的重心坐标后，在显示装置的对应位置标记该重心坐标。例如在显示装置的对应位置显示人形动画标识，以表示用户当前处在该位置。

S603、获得重心坐标与指引标记的匹配结果。

可选地，获得重心坐标与指引标记的匹配结果，包括：获得指引标记对应的坐标范围；如果重心坐标在坐标范围内，确定重心坐标与指引标记匹配成功；如果重心坐标在坐标范围外，确定重心坐标与指引坐标匹配失败。

其中，重心坐标在坐标范围以内，可以包括重心坐标在坐标范围内部或坐标范围边界上，相对应地，重心坐标在坐标范围外，指的是重心坐标在坐标范围外部(不包括边界)；或者，重心坐标在坐标范围以内指的是重心坐标在坐标范围内部(不包括边界)，相对应地，重心在坐标范围外部，指的是重心坐标在坐标范围外部或坐标范围的边界上。

S604、在显示装置上显示与匹配结果相对应的画面。

例如，如果匹配成功，在显示装置上显示特定图形和/或特定文字，以向用户反馈已匹配成功；如果匹配失败，在显示装置上显示特定图形和/或特定文字以向用户反馈已匹配失败。

在一些应用场景中，在用户开始使用该辅助训练系统时，开始计时。如果重心坐标与指引标记匹配成功，继续计时；如果重心坐标与指引标记匹配失败，则在显示装置上显示对应的图像、文字，以表示用户未能成功操作智能拐杖和外骨骼机器人。记录中心坐标与指引标记匹配成功的持续时长，可反映用户对智能拐杖以及外骨骼机器人的操作熟练度，或者，可反映用户康复训练的训练效果。

用户通过操作智能拐杖和外骨骼机器人，实现了人机交互，提高了训练过程中的趣味性。

在实际应用中，通常通过游戏来提高训练过程的趣味性。例如，图7中示例性地提供了一种显示装置的显示画面。该显示画面中包括用户标记71、障碍标记72和时间标记73，其中，用户标记71随辅助训练系统的重心坐标的移动而移动，障碍标记72按照预设移动规则进行移动，例如自显示装置的上部至显示装置的下部移动，或者，自显示装置的左部至显示装置的右部移动，本公开实施例对障碍标记72的移动方式不做具体限定。障碍标记72以及不同障碍标记72之间的空白，共同组成了指引标记，用户可清楚地确定移动的方向：用户需要控制用户标记71躲避障碍标记72，在不同障碍标记72之间的空白处移动。时间标记73则实时向用户反馈当前的康复训练效果，或者，用户对智能拐杖和外骨骼机器人的操作熟练度。

本公开实施例提供了一种智能拐杖。

在一些实施例中，智能拐杖包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行如前述实施例提供的识别重心的方法。

图8是本公开实施例提供的一种智能拐杖的示意图。结合图8所示，智能拐杖包括：

处理器(processor)81和存储器(memory)82，还可以包括通信接口(Communication Interface)83和总线84。其中，处理器81、通信接口83、存储器82可以通过总线84完成相互间的通信。通信接口83可以用于信息传输。处理器81可以调用存储器82中的逻辑指令，以执行前述实施例提供的识别重心的方法。

此外，上述的存储器82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。

存储器82作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器81通过运行存储在存储器82中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器82可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器82可以包括高速随机存取存储器，还可以包括非易失性存储器。

本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令设置为执行前述实施例提供的识别重心的方法。

本公开实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行前述实施例提供的识别重心的方法。

上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。

本公开实施例的技术方案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，包括一个或一个以上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)执行本公开实施例中方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机读取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。

本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。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单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，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单元中。

附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或一个以上用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (10)

1.一种识别重心的方法，其特征在于，应用于辅助训练系统，所述辅助训练系统包括智能拐杖和外骨骼机器人，所述方法包括：

在所述辅助训练系统的当前状态下，获得所述外骨骼机器人的足底坐标和足底压力；

获得所述智能拐杖与地面接触点的触点坐标和触点压力；

根据所述足底坐标、所述足底压力、所述触点压力和所述触点坐标确定所述辅助训练系统的重心坐标。

2.根据权利要求1所述的方法，其特征在于，根据所述足底坐标、所述足底压力、所述触点压力和所述触点坐标确定辅助训练系统的重心坐标，包括：

确定所述足底压力为所述足底坐标的权重，确定所述触点压力为所述触点坐标的权重，计算所述足底坐标和所述触点坐标的加权平均值，确定所述加权平均值为平均值坐标；

根据所述平均值坐标确定所述重心坐标。

3.根据权利要求2所述的方法，其特征在于，根据所述平均值坐标确定所述重心坐标，包括：

如果所述平均值坐标在持续移动，则获得所述平均值坐标的当前加速度；

根据所述当前加速度修正所述平均值坐标，确定修正后的坐标为所述重心坐标。

4.根据权利要求3所述的方法，其特征在于，根据所述当前加速度修正所述平均值坐标，包括：

根据加速度的数值与修正值之间的对应关系，确定与所述当前加速度的数值对应的当前修正值；

将所述平均值坐标沿所述当前速度的方向移动所述当前修正值，获得所述修正后的坐标。

5.根据权利要求1至4任一项所述的方法，其特征在于，获得所述智能拐杖与所述地面接触点的触点压力，包括：

获得当前状态下所述智能拐杖的当前倾斜角度和在本体坐标系的第一受力；

根据所述当前倾斜角度，将所述第一受力转换为所述智能拐杖在地面坐标系的第二受力；

确定所述第二受力的沿垂直地面的分力为所述触点压力。

6.根据权利要求5所述的方法，其特征在于，根据所述当前倾斜角度，将所述第一受力转换为所述智能拐杖在所述地面坐标系的第二受力，包括：

将所述当前倾斜角度转换为旋转矩阵；

计算所述旋转矩阵的逆矩阵与所述第一受力的外积，确定所述外积为所述第二受力。

7.一种辅助训练的方法，其特征在于，应用于辅助训练系统，所述辅助训练系统包括智能拐杖和外骨骼机器人，所述方法包括：

在所述显示装置上显示指引用户移动的指引标记；

获得所述智能拐杖和所述外骨骼机器人组成的辅助训练系统的重心坐标；

获得所述重心坐标与所述指引标记的匹配结果；

在所述显示装置上显示与所述匹配结果相对应的画面。

8.根据权利要求7所述的方法，其特征在于，获得所述重心坐标与所述指引标记的匹配结果，包括：

获得所述指引标记对应的坐标范围；

如果所述重心坐标在所述坐标范围内，确定所述重心坐标与所述指引标记匹配成功；

如果所述重心坐标在所述坐标范围外，确定所述重心坐标与所述指引坐标匹配失败。

9.一种智能拐杖，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至6任一项所述的识别重心的方法。

10.一种辅助训练系统，包括外骨骼机器人，其特征在于，还包括权利要求9所述的智能拐杖。

Images