CN113822241B - 步态数据的获取方法、助行设备和计算机可读存储介质 - Google Patents
步态数据的获取方法、助行设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113822241B CN113822241B CN202111382298.3A CN202111382298A CN113822241B CN 113822241 B CN113822241 B CN 113822241B CN 202111382298 A CN202111382298 A CN 202111382298A CN 113822241 B CN113822241 B CN 113822241B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- target
- user
- points
- walking aid
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种步态数据的获取方法、助行设备和计算机可读存储介质,属于助行器技术领域,该方法包括:获取所述激光雷达扫描用户腿部得到的各个目标点以及所述目标点对应的扫描数据;根据所述扫描数据以及各个所述目标点确定两个目标点云块,其中,每个目标点云块对应所述用户的一个腿部;实时监测两个所述目标点云块的落脚位置以及速度参数,并根据所述落脚位置以及所述速度参数获取所述用户的步态数据。本发明中,助行设备通过价格较为低廉的激光雷达即可获取用户的步态数据,从而实现低成本的获取用户的步态数据。
Description
技术领域
本发明涉及助行器技术领域,尤其涉及一种步态数据的获取方法、助行设备和计算机可读存储介质。
背景技术
老年化过程伴随着不同程度的身体机能退化以及摔倒受伤风险,及时的对老年人身体运动状况进行正确的评估能够引导医护人员为老年人提供合适的康复辅具(例如轮椅、拐杖、助行器等)。经过了长时间的发展,世界上已经有一些投入使用的测试方法,其中有Tinetti测试、Tug测试、TGT测试等。这些测试为定性测试,也即通过医护人员眼睛观察来给出评定结果,无法准确获得用户下肢的步态数据。
现有技术,可以通过红外动作捕捉系统以及基于深度学习的动作捕捉系统来获取用户的步态数据。
但红外动作捕捉系统价格及其昂贵,且深度学习动作捕捉系统价格不菲。可见,用户的步态数据的获取成本较高。
发明内容
本发明提供一种步态数据的获取方法、助行设备和计算机可读存储介质,用以解决用户的步态数据的获取成本较高的问题。
一方面,本发明提供一种步态数据的获取方法,应用于助行设备,所述助行设备上设有激光雷达,所述步态数据的获取方法包括:
获取所述激光雷达扫描用户腿部得到的各个目标点以及所述目标点对应的扫描数据;
根据所述扫描数据以及各个所述目标点确定两个目标点云块,其中,每个目标点云块对应所述用户的一个腿部;
实时监测两个所述目标点云块的落脚位置以及速度参数,并根据所述落脚位置以及所述速度参数获取所述用户的步态数据。
在一实施例中,所述根据所述扫描数据以及各个所述目标点确定两个目标点云块的步骤包括:
根据所述扫描数据对各个所述目标点构成的点云进行分割得到多个候选点云块;
确定每个所述候选点云块的特征参数,所述特征参数至少包括所述候选点云块的平均曲率,周长以及曲率协方差;
根据每个所述候选点云块的特征参数构建所述候选点云块的特征向量,并根据识别模型对各个所述特征向量进行识别得到所述特征向量对应的概率值;
将概率值最大的两个所述特征向量对应的候选点云块确定为目标点云块。
在一实施例中,所述扫描数据包括相邻两个所述目标点之间的第一距离,所述根据所述扫描数据对各个所述目标点构成的点云进行分割得到多个候选点云块的步骤包括:
根据所述第一距离,在各个所述目标点中确定多簇目标点,其中,每簇目标点中相邻两个所述目标点之间的第一距离小于预设距离;
确定每簇目标点在所述点云中对应的区域;
在所述点云中,分割出各个所述区域,得到多个候选点云块。
在一实施例中,所述根据所述扫描数据对各个所述目标点构成的点云进行分割得到多个候选点云块的步骤包括:
获取所述助行设备当前的旋转速度以及移动速度;
在所述旋转速度大于第一预设速度和/或所述移动速度大于第二预设速度,根据所述助行设备的当前位置以及初始位置确定转换矩阵,其中,所述初始位置是所述助行设备开始移动的位置;
根据所述转换矩阵对各个所述目标点进行坐标补偿,得到坐标补偿后的各个目标点构成的点云;
根据所述扫描数据对所述点云进行分割得到多个候选点云块。
在一实施例中,所述获取所述激光雷达扫描用户腿部得到的各个目标点的步骤包括:
获取所述激光雷达扫描用户腿部得到的各个点、每个所述点的反射强度、每个所述点与所述助行设备之间的第二距离;
根据所述反射强度以及所述第二距离,在各个所述点中确定目标点,其中,所述目标点的反射强度大于预设阈值,且所述目标点的第二距离位于预设距离区间。
在一实施例中,所述根据所述反射强度以及所述第二距离,在各个所述点中确定目标点的步骤包括:
根据所述反射强度以及所述第二距离,在各个所述点中确定候选点,其中,所述候选点的反射强度大于所述预设阈值,且所述候选点的第二距离位于所述预设距离区间;
获取各个所述候选点的空间位置;
将空间位置位于所述激光雷达的预设扫描区域内的候选点确定为目标点。
在一实施例中,所述根据所述落脚位置以及所述速度参数获取所述用户的步态数据的步骤之后,还包括:
在根据所述步态数据预测所述用户有摔倒倾向时,控制所述助行设备刹车。
另一方面,本发明还提供一种助行设备,包括:
获取模块,用于获取激光雷达扫描用户腿部的各个目标点以及所述目标点对应的扫描数据;
确定模块,用于根据所述扫描数据以及各个所述目标点确定两个目标点云块,其中,所述目标点云块是所述激光雷达侦测的所述用户的腿部;
检测模块,用于实时监测两个所述目标点云块的落脚位置以及速度参数,并根据所述落脚位置以及所述速度参数获取所述用户的步态数据。
另一方面,本发明还提供一种助行设备,包括:激光雷达、存储器和处理器;
所述激光雷达用于扫描用户的腿部;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上所述的步态数据的获取方法。
另一方面,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上所述的步态数据的获取方法。
本发明提供的步态数据的获取方法、助行设备和计算机可读存储介质,获取激光雷达扫描用户腿部的各个目标点以及目标点对应的扫描数据,并根据扫描数据以及各个目标点得到表征用户腿部的两个目标点云块,最后实时监测两个目标点云块的落脚位置以及速度参数,从而基于落脚位置以及速度参数获取用户的步态数据。本发明中,助行设备通过价格较为低廉的激光雷达即可获取用户的步态数据,从而实现低成本的获取用户的步态数据。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本发明步态数据的获取方法的场景示意图;
图2为本发明步态数据的获取方法第一实施例的流程示意图;
图3为本发明步态数据的获取方法第二实施例中步骤S20的细化流程示意图;
图4为本发明步态数据的获取方法第三实施例中步骤S21的细化流程示意图;
图5为本发明步态数据的获取方法第四实施例中步骤S21的细化流程示意图;
图6为本发明步态数据的获取方法第五实施例中步骤S10的细化流程示意图;
图7为本发明助行设备的模块示意图;
图8为本发明助行设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明提供一种步态数据的获取方法。如图1所示,助行设备100上设置有激光雷达110,激光雷达110扫描使用助行设备100的用户的腿部200,从而得到各个目标点以及目标点对应的扫描数据。助行设备100再根据扫描数据以及各个目标点确定表征腿部200的目标点云块,最后监测目标点云块的落脚位置以及速度参数,从而基于落脚位置以及速度参数得到步态数据。步态数据包括步距、步长、步幅、步宽、直线度、步速等。助行设备100可以是帮助用户行走的设备,例如,助行设备100可以是助行器或者外骨骼机器人。需要说明的是,激光雷达110可以是价格低廉的激光雷达。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
参照图2,图2为本发明步态数据的获取方法的第一实施例,步态数据的获取方法包括以下步骤:
步骤S10,获取激光雷达扫描用户腿部得到的各个目标点以及目标点对应的扫描数据。
在本实施例中,执行主体为助行设备。助行设备可以帮助老年人、腿部有疾病、腿部康复的人员移动,同时,助行设备在运行过程中,可以获取此类人员的步态数据,基于步态数据可以确定用户的健康状态、恢复状态等。
助行设备中设有激光雷达,激光雷达可以安装在距离扫描平面25cm左右的水平位置,以便于激光雷达可以扫描用户的腿部。助行设备在运行过程中,激光雷达开始对使用助行设备的用户的腿部进行扫描得到多个点,这些点可定义为目标点,且激光雷达可以获取每个目标点对应的扫描数据。扫描数据包括相邻两个目标点之间的第一距离以及采集间隔时长。
步骤S20,根据扫描数据以及各个目标点确定两个目标点云块,其中,每个目标点云块对应用户的一个腿部。
激光雷达扫描的各个目标点构成点云,也即点云由多个目标点构成的。助行设备基于扫描数据对点云进行分割,从而得到两个目标点云块,每个目标点云块对应用户的一个腿部。具体的,激光雷达获取的点云数据(点云数据是各个目标点对应的扫描数据所构成的)是序列数据,也即点云中的各个目标点是一串点,例如,一串点中的点1、点2、点3、点4、…、点n。而属于用户腿部的目标点之间的时间间隔基本是相同的,也即表征腿部的相邻目标点的采集间隔时长是固定的,助行设备通过此原理对点云进行分割得到每个腿部对应的目标点云块,每个目标点云块对应用户的一个腿部。
步骤S30,实时监测两个目标点云块的落脚位置以及速度参数,并根据落脚位置以及速度参数获取用户的步态数据。
助行设备得到两个目标点云块,但助行设备只是知道了人腿的运动过程,即在每个激光雷达时刻的位置。但是并没法计算步距、步长、步宽、步幅等信息。要计算这些信息,还需要知道,人在哪一个位置落脚了。故,可以通过一种滑窗(sliding windows)的方法来找到腿部的落脚位置。每个窗是由固定数量的腿部位置构成的按照时间序列排布的集合。假设每5个腿部位置数据构成一个窗,那么可以计算每个窗的中心位置。并且计算相邻窗之间中心位置的变化情况,当中心位置变化过小的时候,可以确定腿部是基本停止运动的状态,也就是腿部落脚”;当从小变大的时候,即可确定用户“抬脚”了。助行设备可以通过此种方式实时监控目标点云块的落脚位置,同时,助行设备还可通过卡尔曼滤波器跟踪腿部得到腿部的速度、加速度等速度参数,速度参数可以是移动速度等。助行设备可以基于落脚位置计算得到步态、步幅、步宽等信息。助行设备再结合速度参数即可得到用户的步态数据,也即助行设备可以根据落脚位置以及速度参数获取用户的速度,时间,双脚距离,双脚中线偏移量、距、步长、步幅、步宽、直线度、步速等步态数据。
助行设备在得到步态数据后,对步态数据进行分析,确定用户是否有摔倒倾向,若有摔倒倾向时,则控制助行设备刹车。具体的,助行设备中存储有用户摔到前一刻的预设步态数据,助行设备计算获取的步态数据与预设步态数据之间的相似度,若是相似度大于预设相似度,即可确定用户有摔倒倾向,助行设备则进行刹车,预防用户摔倒。
在本实施例提供的技术方案中,获取激光雷达扫描用户腿部的各个目标点以及目标点对应的扫描数据,并根据扫描数据以及各个目标点得到表征用户腿部的两个目标点云块,最后实时监测两个目标点云块的落脚位置以及速度参数,从而基于落脚位置以及速度参数获取用户的步态数据。本发明中,助行设备通过激光雷达即可获取用户的步态数据,而激光雷达的价格较为便宜,从而实现低成本的获取用户的步态数据。
参照图3,图3为本发明步态数据的获取方法第二实施例,基于第一实施例,步骤S20包括:
步骤S21,根据扫描数据对各个目标点构成的点云进行分割得到多个候选点云块。
在本实施例中,点云是各个目标点构成的,助行设备基于扫描数据对点云进行分割得到多个候选点云块,也即基于扫描数据确定属于腿部的目标点。例如,基于目标点的扫描时间点将点云分割为多个候选点云块,候选点云块中相邻两个目标点的扫描时间点之间的间隔时长小于预设间隔时长。
步骤S22,确定每个候选点云块的特征参数,特征参数至少包括候选点云块的平均曲率,周长以及曲率协方差。
步骤S23,根据每个候选点云块的特征参数构建候选点云块的特征向量,并根据识别模型对各个特征向量进行识别得到特征向量对应的概率值。
步骤S24,将概率值最大的两个特征向量对应的候选点云块确定为目标点云块。
助行设备在得到候选点云块后,计算每个候选点云块的特征参数,以构成一个特征向量。也即候选点云块对应一特征向量。使用机器学习的方法以及预先获取的训练数据训练得到识别模型,再将特征向量输入至识别模型,识别模型输出每个特征向量对应的概率值。也即识别模型输出是人腿的概率,概率为0~1,而0代表肯定不是人腿,1代表肯定是人腿。助行设备将概率值最大的两个特征向量所对应的候选点云块均确定为目标点云块,也即概率值最大的两个特征向量对应的候选点云块即为用户的两个腿部。
在本实施例提供的技术方案中,助行设备根据扫描数据对各个目标点构成的点云进行分割得到多个候选点云块,并确定每个候选点云块的特征参数以构成的特征向量,并基于识别模型对各个特征向量进行识别得到每个特征向量对应的概率值,最后将概率值最大的两个特征向量对应的候选点云块确定为目标点云块,准确的确定表征用户腿部的目标点云块。
参照图4,图4为本发明步态数据的获取方法第三实施例,基于第二实施例,步骤S21包括:
步骤S211,根据第一距离,在各个目标点中确定多簇目标点,其中,每簇目标点中相邻两个目标点之间的第一距离小于预设距离;
步骤S212,确定每簇目标点在点云中对应的区域;
步骤S213,在点云中,分割出各个区域,得到多个候选点云块。
在本实施例中,由于激光雷达获取到的点云数据是序列数据,即点云是一串点,如点1,点2,点3…点n。这些点与点之间获取的时间间隔是基本一样的,而且点与点之间是以激光雷达为中心,且对应的角度也是连续的。可以理解的是,点云是激光雷达旋转一周过程中不同位置不同时刻获得的。因此通过这种点在时间和角度上的顺序排列形式可以得到一种很自然的分割方式。那就是,从点1到点n遍历。根据两个点之间的间距来区分它们是同一个块的点还是不同块的点。设预设距离为t,距离近小于t的为同一个块的点,大于t的为不同块的点。这样就实现了分割过程。
可以理解的是,助行设备根据第一距离(扫描数据包括相邻两个目标点之间的第一距离)在各个目标点中确定多簇目标点,每簇目标点中相邻两个目标点之间的第一距离小于预设距离;助行设备确定每簇目标点在点云中对应的区域,最后在点云中分割出各个区域得到多个候选点云块,从而准确的得到多个候选点云块。
参照图5,图5为本发明步态数据的获取方法第四实施例,基于第二实施例,步骤S21包括:
步骤S214,获取助行设备当前的旋转速度以及移动速度;
步骤S215,在旋转速度大于第一预设速度和/或移动速度大于第二预设速度,根据助行设备的当前位置以及初始位置确定转换矩阵,其中,初始位置是助行设备开始移动的位置;
步骤S216,根据转换矩阵对各个目标点进行坐标补偿,得到坐标补偿后的各个目标点构成的点云;
步骤S217,根据扫描数据对点云进行分割得到多个候选点云块。
在本实施例中,激光雷达的价格较为低廉,激光雷达的帧率较低,如果只是在原始的激光雷达数据中计算步态数据,那么由于旋转速度和移动速度过快等情况,将会导致点云数据变化过大,不利于卡尔曼滤波器对腿部进行跟踪。故,在助行设备在动态场景中运行时,需要对激光雷达中的点进行补偿,得到相对全局坐标系下的用户运动点云数据。若在静态场景下运行,则无需进行补偿。动态场景指的是助行设备的移动速度大于第二预设速度、旋转速度大于第一预设速度、或者移动速度大于第二预设速度且旋转速度大于第一预设速度。而静态场景指的是助行设备的移动速度小于或等于第二预设速度且旋转速度小于或等于第一预设速度。第一预设速度以及第二预设速度可以是任意合适的数值。补偿指的是将激光雷达点云数据的坐标从激光雷达坐标系转换到助行器开机时候的初始坐标系。
对此,助行设备装载轮式里程计,轮式里程计可以获取助行设备的里程计信息。助行设备先获取当前的旋转速度以及移动速度。若是旋转速度大于第一预设速度和/或移动速度大于第二预设速度,则需要对目标点进行补偿,助行设备基于轮式里程计基于里程信息获取助行设备当前的位置以及初始位置,初始位置是助行设备开始移动的位置(助行设备开机时所在的位置)。助行设备不断计算当前位置与初始位置之间的转换矩阵T,从而根据转换矩阵对各个目标点进行坐标补偿,也即将目标点的坐标通过转换矩阵T转换到初始坐标系中,从而得到坐标补偿后的各个目标点构成的点云,最后通过扫描数据对点云进行分割得到多个候选点云块。
在本实施例提供的技术方案中,在助行设备处于动态场景中,对各个目标点进行坐标补偿,从而准确的确定表征用户腿部的目标点云块。
参照图6,图6为本发明步态数据的获取方法第五实施例,基于第一至第四中任一实施例,步骤S10包括:
步骤S11,获取激光雷达扫描用户腿部得到的各个点、每个点的反射强度、每个点与助行设备之间的第二距离;
步骤S12,根据反射强度以及第二距离,在各个点中确定目标点,其中,目标点的反射强度大于预设阈值,且目标点的第二距离位于预设距离区间。
在本实施例中,激光雷达在扫描得到各个点后,需要剔除不符合要求的点。具体的,助行设备获取激光雷达扫描用户腿部得到的各个点,且获取每个点的反射强度、每个点与助行设备之间的第二距离。
助行设备基于反射强度以及第二距离在各个点中确定目标点,且目标点的发射强度大于预设阈值,且目标点的第二距离位于预设距离区间。可以理解的是,助行设备将能力较小(反射强度较小)、距离过近、距离过远的点剔除,剩下的点即为目标点,从而将明显不属于用户腿部的点剔除。
进一步,激光雷达具有预设扫描区域,预设扫描区域例如为一个矩形区域,助行设备需要剔除不属于预设扫描区域的点。具体的,助行设备根据反射强度以及第二距离在各个点中确定候选点,候选点的反射强度大于预设阈值,且候选点的第二距离位于预设距离区间。助行设备在获取各个候选点的空间位置,空间位置即为候选点的空间坐标,空间位置通过候选点的扫描数据得到。助行设备将空间位置位于激光雷达的预设扫描区域的候选点确定为目标点,也即剔除不属于预设扫描区域的候选点。
在本实施例提供的技术方案中,助行设备将明显不属于用户腿部的点剔除,从而准确的获取表征用户腿部的目标点云块,进而准确的获取用户的步态数据。
本发明还提供一种助行设备,参照图7,助行设备700包括:
获取模块710,用于获取激光雷达扫描用户腿部得到的各个目标点以及目标点对应的扫描数据;
确定模块720,用于根据扫描数据以及各个目标点确定两个目标点云块,其中,每个目标点云块对应用户的一个腿部;
监测模块730,用于实时监测两个目标点云块的落脚位置以及速度参数,并根据落脚位置以及速度参数获取用户的步态数据。
在一实施例中,助行设备700包括:
分割模块,用于根据扫描数据对各个目标点构成的点云进行分割得到多个候选点云块;
确定模块720,用于确定每个候选点云块的特征参数,特征参数至少包括候选点云块的平均曲率,周长以及曲率协方差;
构建模块,用于根据每个候选点云块的特征参数构建候选点云块的特征向量,并根据识别模型对各个特征向量进行识别得到特征向量对应的概率值;
确定模块720,用于将概率值最大的两个特征向量对应的候选点云块确定为目标点云块。
在一实施例中,助行设备700包括:
确定模块720,根据第一距离,在各个目标点中确定多簇目标点,其中,每簇目标点中相邻两个目标点之间的第一距离小于预设距离;
确定模块720,用于确定每簇目标点在点云中对应的区域;
分割模块,用于在点云中,分割出各个区域,得到多个候选点云块。
在一实施例中,助行设备700包括:
获取模块710,用于获取助行设备当前的旋转速度以及移动速度;
确定模块720,用于在旋转速度大于第一预设速度和/或移动速度大于第二预设速度,根据助行设备的当前位置以及初始位置确定转换矩阵,其中,初始位置是助行设备开始移动的位置;
补偿模块,用于根据转换矩阵对各个目标点进行坐标补偿,得到坐标补偿后的各个目标点构成的点云;
分割模块,用于根据扫描数据对点云进行分割得到多个候选点云块。
在一实施例中,助行设备700包括:
获取模块710,用于获取激光雷达扫描用户腿部得到的各个点、每个点的反射强度、每个点与助行设备之间的第二距离;
确定模块720,用于根据反射强度以及第二距离,在各个点中确定目标点,其中,目标点的反射强度大于预设阈值,且目标点的第二距离位于预设距离区间。
在一实施例中,助行设备700包括:
确定模块720,用于根据反射强度以及第二距离,在各个点中确定候选点,其中,候选点的反射强度大于预设阈值,且候选点的第二距离位于预设距离区间;
获取模块710,用于获取各个候选点的空间位置;
确定模块720,用于将空间位置位于激光雷达的预设扫描区域内的候选点确定为目标点。
在一实施例中,助行设备700包括:
控制模块,用于在根据步态数据预测用户有摔倒倾向时,控制助行设备刹车。
图8是根据一示例性实施例示出的一种助行设备的硬件结构图。
助行设备800可以包括:处理器81,例如CPU,存储器82,收发器83以及激光雷达84。本领域技术人员可以理解,图8中示出的结构并不构成对助行设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。存储器82可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。激光雷达84用于获取用户的步态数据。
处理器81可以调用存储器82内存储的计算机程序,以完成上述的步态数据的获取方法的全部或部分步骤。
收发器83用于接收外部设备发送的信息以及向外部设备发送信息。
一种非临时性计算机可读存储介质,当该存储介质中的指令由助行设备的处理器执行时,使得助行设备能够执行上述步态数据的获取方法。
一种计算机程序产品,包括计算机程序,当该计算机程序由助行设备的处理器执行时,使得助行设备能够执行上述步态数据的获取方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (9)
1.一种步态数据的获取方法,应用于助行设备,其特征在于,所述助行设备上设有激光雷达,所述步态数据的获取方法包括:
获取所述激光雷达扫描用户腿部得到的各个目标点以及所述目标点对应的扫描数据;
根据所述扫描数据对各个所述目标点构成的点云进行分割得到多个候选点云块;
确定每个所述候选点云块的特征参数,所述特征参数至少包括所述候选点云块的平均曲率,周长以及曲率协方差;
根据每个所述候选点云块的特征参数构建所述候选点云块的特征向量,并根据识别模型对各个所述特征向量进行识别得到所述特征向量对应的概率值;
将概率值最大的两个所述特征向量对应的候选点云块确定为目标点云块,其中,每个目标点云块对应所述用户的一个腿部;
实时监测两个所述目标点云块的落脚位置以及速度参数,并根据所述落脚位置以及所述速度参数获取所述用户的步态数据。
2.根据权利要求1所述的步态数据的获取方法,其特征在于,所述扫描数据包括相邻两个所述目标点之间的第一距离,所述根据所述扫描数据对各个所述目标点构成的点云进行分割得到多个候选点云块的步骤包括:
根据所述第一距离,在各个所述目标点中确定多簇目标点,其中,每簇目标点中相邻两个所述目标点之间的第一距离小于预设距离;
确定每簇目标点在所述点云中对应的区域;
在所述点云中,分割出各个所述区域,得到多个候选点云块。
3.根据权利要求1所述的步态数据的获取方法,其特征在于,所述根据所述扫描数据对各个所述目标点构成的点云进行分割得到多个候选点云块的步骤包括:
获取所述助行设备当前的旋转速度以及移动速度;
在所述旋转速度大于第一预设速度和/或所述移动速度大于第二预设速度,根据所述助行设备的当前位置以及初始位置确定转换矩阵,其中,所述初始位置是所述助行设备开始移动的位置;
根据所述转换矩阵对各个所述目标点进行坐标补偿,得到坐标补偿后的各个目标点构成的点云;
根据所述扫描数据对所述点云进行分割得到多个候选点云块。
4.根据权利要求1所述的步态数据的获取方法,其特征在于,所述获取所述激光雷达扫描用户腿部得到的各个目标点的步骤包括:
获取所述激光雷达扫描用户腿部得到的各个点、每个所述点的反射强度、每个所述点与所述助行设备之间的第二距离;
根据所述反射强度以及所述第二距离,在各个所述点中确定目标点,其中,所述目标点的反射强度大于预设阈值,且所述目标点的第二距离位于预设距离区间。
5.根据权利要求4所述的步态数据的获取方法,其特征在于,所述根据所述反射强度以及所述第二距离,在各个所述点中确定目标点的步骤包括:
根据所述反射强度以及所述第二距离,在各个所述点中确定候选点,其中,所述候选点的反射强度大于所述预设阈值,且所述候选点的第二距离位于所述预设距离区间;
获取各个所述候选点的空间位置;
将空间位置位于所述激光雷达的预设扫描区域内的候选点确定为目标点。
6.根据权利要求1-5任一项所述的步态数据的获取方法,其特征在于,所述根据所述落脚位置以及所述速度参数获取所述用户的步态数据的步骤之后,还包括:
在根据所述步态数据预测所述用户有摔倒倾向时,控制所述助行设备刹车。
7.一种助行设备,其特征在于,包括:
获取模块,用于获取激光雷达扫描用户腿部的各个目标点以及所述目标点对应的扫描数据;
确定模块,用于根据所述扫描数据对各个所述目标点构成的点云进行分割得到多个候选点云块,确定每个所述候选点云块的特征参数,所述特征参数至少包括所述候选点云块的平均曲率,周长以及曲率协方差,根据每个所述候选点云块的特征参数构建所述候选点云块的特征向量,并根据识别模型对各个所述特征向量进行识别得到所述特征向量对应的概率值,将概率值最大的两个所述特征向量对应的候选点云块确定为目标点云块,其中,每个目标点云块对应所述用户的一个腿部;
检测模块,用于实时监测两个所述目标点云块的落脚位置以及速度参数,并根据所述落脚位置以及所述速度参数获取所述用户的步态数据。
8.一种助行设备,其特征在于,包括:激光雷达、存储器和处理器;
所述激光雷达用于扫描用户的腿部;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至6任一项所述的步态数据的获取方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的步态数据的获取方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382298.3A CN113822241B (zh) | 2021-11-22 | 2021-11-22 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
PCT/CN2022/132676 WO2023088395A1 (zh) | 2021-11-22 | 2022-11-17 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382298.3A CN113822241B (zh) | 2021-11-22 | 2021-11-22 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113822241A CN113822241A (zh) | 2021-12-21 |
CN113822241B true CN113822241B (zh) | 2022-07-01 |
Family
ID=78917914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111382298.3A Active CN113822241B (zh) | 2021-11-22 | 2021-11-22 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113822241B (zh) |
WO (1) | WO2023088395A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822241B (zh) * | 2021-11-22 | 2022-07-01 | 江苏邦邦智能科技有限公司 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
CN115079126B (zh) * | 2022-05-12 | 2024-05-14 | 探维科技(北京)有限公司 | 点云处理方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359597A (zh) * | 2018-10-18 | 2019-02-19 | 成都理工大学 | 基于多频融合深度学习的雷达步态识别方法 |
CN111603171A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种面向下肢康复的步态参数确定方法及系统 |
CN111603172A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种基于激光雷达的通用步态测量方法及系统 |
CN111685978A (zh) * | 2020-05-11 | 2020-09-22 | 五邑大学 | 基于步态识别的智能助行器控制方法、装置和存储介质 |
CN111738060A (zh) * | 2020-05-07 | 2020-10-02 | 复旦大学 | 基于毫米波雷达的人体步态识别系统 |
CN112395920A (zh) * | 2019-08-16 | 2021-02-23 | 富士通株式会社 | 基于雷达的姿态识别装置、方法以及电子设备 |
CN213311468U (zh) * | 2020-09-18 | 2021-06-01 | 仲恺农业工程学院 | 一种盲童助行器 |
CN113449637A (zh) * | 2021-06-28 | 2021-09-28 | 桂林电子科技大学 | 毫米波雷达人体骨骼姿势估计方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11412957B2 (en) * | 2019-06-07 | 2022-08-16 | Tellus You Care, Inc. | Non-contact identification of gait dynamics, patterns and abnormalities for elderly care |
WO2021000313A1 (zh) * | 2019-07-04 | 2021-01-07 | 深圳市大疆创新科技有限公司 | 基于侧向毫米波雷达的侧向静止物体和移动速度检测方法 |
US11622701B2 (en) * | 2020-03-10 | 2023-04-11 | Ventech Solutions, Inc. | Neural network based radiowave monitoring of anatomical dynamics in patient degenerative conditions |
CN113591760B (zh) * | 2021-08-09 | 2024-01-05 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的远场多人体的步态监测方法 |
CN113822241B (zh) * | 2021-11-22 | 2022-07-01 | 江苏邦邦智能科技有限公司 | 步态数据的获取方法、助行设备和计算机可读存储介质 |
-
2021
- 2021-11-22 CN CN202111382298.3A patent/CN113822241B/zh active Active
-
2022
- 2022-11-17 WO PCT/CN2022/132676 patent/WO2023088395A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359597A (zh) * | 2018-10-18 | 2019-02-19 | 成都理工大学 | 基于多频融合深度学习的雷达步态识别方法 |
CN112395920A (zh) * | 2019-08-16 | 2021-02-23 | 富士通株式会社 | 基于雷达的姿态识别装置、方法以及电子设备 |
CN111738060A (zh) * | 2020-05-07 | 2020-10-02 | 复旦大学 | 基于毫米波雷达的人体步态识别系统 |
CN111685978A (zh) * | 2020-05-11 | 2020-09-22 | 五邑大学 | 基于步态识别的智能助行器控制方法、装置和存储介质 |
CN111603171A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种面向下肢康复的步态参数确定方法及系统 |
CN111603172A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种基于激光雷达的通用步态测量方法及系统 |
CN213311468U (zh) * | 2020-09-18 | 2021-06-01 | 仲恺农业工程学院 | 一种盲童助行器 |
CN113449637A (zh) * | 2021-06-28 | 2021-09-28 | 桂林电子科技大学 | 毫米波雷达人体骨骼姿势估计方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113822241A (zh) | 2021-12-21 |
WO2023088395A1 (zh) | 2023-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113822241B (zh) | 步态数据的获取方法、助行设备和计算机可读存储介质 | |
Butko et al. | Optimal scanning for faster object detection | |
JP2000189403A (ja) | 虹彩領域抽出方法及び個体識別装置 | |
CN107330249A (zh) | 一种基于kinect骨骼数据的帕金森病症计算机辅助判别方法 | |
CN110717918B (zh) | 行人检测方法和装置 | |
US20220138967A1 (en) | Markerless Motion Capture of Animate Subject with Prediction of Future Motion | |
Gardenier et al. | Object detection for cattle gait tracking | |
GB2571265A (en) | Method for detecting and classifying a motor seizure | |
Papageorgiou et al. | Experimental validation of human pathological gait analysis for an assisted living intelligent robotic walker | |
Shi et al. | Brain computer interface system based on monocular vision and motor imagery for UAV indoor space target searching | |
CN111048208A (zh) | 一种基于激光雷达的室内独居老人行走健康检测方法 | |
CN112597903B (zh) | 基于步幅测量的电力人员安全状态智能识别方法及介质 | |
Caetano et al. | Development of a biofeedback approach using body tracking with active depth sensor in asbgo smart walker | |
Struebig et al. | Stair and ramp recognition for powered lower limb exoskeletons | |
CN114359814B (zh) | 跌倒检测方法、装置、设备及存储介质 | |
CN115909498A (zh) | 一种三维激光点云智能跌倒监测方法及系统 | |
KR102544492B1 (ko) | 수영장 안전관리 장치 및 방법 | |
CN111861275B (zh) | 家政工作模式的识别方法和装置 | |
JP2023179239A (ja) | 情報処理プログラム、情報処理方法および情報処理装置 | |
Abolhassani et al. | Visual task inference using hidden markov models | |
Foo et al. | Application of Signed Distance Function Neural Network in Real-Time Feet Tracking | |
Klančnik et al. | Obstacle detection with active laser triangulation | |
Nergui et al. | Human behavior recognition by a bio-monitoring mobile robot | |
Uitto | Deep learning in gait analysis: the effect of marker presence in neural network training to kinematic outcomes | |
Shanmugathasan et al. | Oculomotor Plant Feature Extraction from Human Saccadic Eye Movements |
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 |