CN113962247B - 一种基于标准库匹配的步态预测方法及系统 - Google Patents

Abstract

本发明公开了一种基于标准库匹配的步态预测方法及系统，由于人体的步态相对稳定性，同一速度下的各关节转角相对固定，可考虑通过已有的标准关节角度，对比当前的输入角度获得步态周期，从而得到其他单元姿态。本发明基于上述原理，只需借助于部署于人体的单一的惯性测量单元传感器测量得到的数据进行计算即可实现人体其他单元的姿态预测，减少了传感器的使用，同时使用标准库使得预测具有一定的适应性，而且使用的算法本身不复杂，相比于采用高斯过程或者神经网络等方法，结果可控。

Description

一种基于标准库匹配的步态预测方法及系统

技术领域

本发明涉及步态信号预测的技术领域，尤其涉及到一种基于标准库匹配的步态预测方法及系统。

背景技术

在实验室分析中，人体每个单元的姿态均可以通过标记点解算获得。实际的外骨骼机器人的传感器通常使用IMU(即Inertial Measurement Unit，惯性测量单元)，能够直接获得部署位置的单元姿态。但是受限于下位机的处理性能和穿戴性，其数量往往只有1-2个部署于腰部、大腿或者小腿。在人机运动学计算中，每个人体单元都应直接初始化，否则会导致模型无解。因此理论上缺少部分运动学数据的模型是无法完成运动学计算的。如果要进行近似的运动学计算，则需要通过已知的部分姿态去预测当前时刻人体的各个其他单元的姿态。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能大大减少传感器使用数量、适应性好、预测准确度高的基于标准库匹配的步态预测方法。

为实现上述目的，本发明所提供的技术方案为：

一种基于标准库匹配的步态预测方法，包括以下步骤：

S1、在人体一侧的某个部位设置惯性测量单元传感器，并通过惯性测量单元传感器获取该部位的的姿态数据；

S2、通过步骤S1获得的姿态数据预测此刻的步态周期；

S3、获取当前步行速度；

S4、从预置的标准库中选择与步骤S3获取得到的步行速度最接近的标准的一系列各关节角度数据，依照步骤S2预测得到的步态周期的百分比获取此刻人体设置有惯性测量单元传感器的一侧的其他关节的角度，从而通过该侧各关节的角度计算出人体设置有惯性测量单元传感器的一侧的姿态数据；

S5、步骤S4得到的人体一侧的姿态数据向后相位平移50％获得人体另外一侧的姿态数据。

进一步地，所述步骤S2通过步骤S1获得的姿态数据预测此刻的步态周期，包括：

通过姿态的两个合法的极大值或极小值的时间差作为一个步态周期；

此刻的步态周期为之前数个历史步态周期的平均值，若平均步态周期从n₀到n₁，则结合极大值来计算，此刻的步态周期为：

其中，t_{θ_max,i}为第i个合法的极大值，t_{θ_max,i-1}第i-1个合法的极大值。

进一步地，所述合法的极大值为免除数据干扰的主极值。

进一步地，极大值和极小值通过以下方法判定：

定义观察窗口t_w，若数据依次递增，则此时数据处于上升态；若数据依次递减，则此时数据处于下降态；

上升态时，若当前角度数据小于上一帧的角度数据，则触发观察期，若t_w内均为下降态，则观察期开始的数据帧被判定为极大值，并且此后的数据被定义为下降态；若某时刻数据大于前一帧数据，则取消观察期；

下降态时，若当前角度数据大于上一帧的角度数据，则触发观察期，若t_w内均为上升态，则观察期开始的数据帧被判定为极小值，并且此后的数据被定义为上升态；若某时刻数据大于前一帧数据，则取消观察期。

进一步地，所述步骤S3中，通过运动学模型计算、惯性测量单元积分或动作捕捉系统获取当前步行速度。

通过运动学模型获取当前步行速度具体包括：

将多帧的姿态数据，带入人体相关的运动学模型，计算出各人体单元的线速度，取参考关节/部位的当前帧，一个步态周期或几个步态周期平均步行方向的线速度作为步速。

通过惯性测量单元积分获取当前步行速度具体包括：

通过解算和积分惯性测量单元在步行方向的累计位移除以步态周期时间作为步速。

进一步地，所述预置的标准库中的所有模板数据均根据获得的极值位置为起点进行相位平移。

进一步地，所述预置的标准库中包括三组数据，分别为：在特定步速下，通过实验测试得到的该步速下的步态中一个步态周期内左右侧的髋关节角度、膝关节角度和踝关节角度。

为实现上述目的，本发明另外提供一种基于标准库匹配的步态预测系统，包括惯性测量单元传感器、步态周期预测模块、步行速度获取模块、姿态预测模块以及标准库；

所述惯性测量单元传感器，用于获取对应测量部位的姿态数据；

所述步态周期预测模块，用于通过获得的姿态数据预测此刻的步态周期；

所述步行速度获取模块，用于获取当前步行速度；

所述姿态预测模块，用于从预置的标准库中选择与获取得到的步行速度最接近的标准关节角度数据，依照预测得到的步态周期的百分比获取此刻的其他关节角度和人体的左右侧姿态；

所述标准库，用于储存在特定步速下，通过实验测试得到的该步速下的步态中一个步态周期内左右侧的髋关节角度、膝关节角度和踝关节角度数据。

进一步地，所述步行速度获取模块为动捕设备或步速传感器。

与现有技术相比，本技术方案的原理及优点如下：

由于人体的步态相对稳定性，同一速度下的各关节转角相对固定，可考虑通过已有的标准关节角度，对比当前的输入角度获得步态周期，从而得到其他单元姿态。本技术方案基于上述原理，只需借助于部署于人体的单一的惯性测量单元传感器测量得到的数据进行计算即可实现人体其他单元的姿态预测，减少了传感器的使用，同时使用标准库使得预测具有一定的适应性，而且使用的算法本身不复杂，相比于采用高斯过程或者神经网络等方法，结果可控。

附图说明

为了更清楚地说明本发明实施例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服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例中一种基于标准库匹配的步态预测方法的原理流程图；

图2为本发明实施例中一种基于标准库匹配的步态预测系统结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1所示，本实施例所述的一种基于标准库匹配的步态预测方法，包括以下步骤：

S1、在左边大腿前端中部位置设置惯性测量单元传感器，通过惯性测量单元传感器获得该部位的姿态数据。

S2、通过步骤S1获得的姿态数据预测此刻的步态周期；

本步骤中，通过姿态的两个合法的极大值的时间差作为一个步态周期；

此刻的步态周期为之前数个历史步态周期的平均值，若平均步态周期从n₀到n₁，则结合极大值来计算，此刻的步态周期为：

其中，t_{θ_max,i}为第i个合法的极大值，t_{θ_max,i-1}第i-1个合法的极大值，而合法的极大值为免除数据干扰的主极值；

另外，本步骤中，极大值和极小值通过以下方法判定：

定义观察窗口t_w，若数据依次递增，则此时数据处于上升态；若数据依次递减，则此时数据处于下降态；

上升态时，若当前角度数据小于上一帧的角度数据，则触发观察期，若t_w内均为下降态，则观察期开始的数据帧被判定为极大值，并且此后的数据被定义为下降态；若某时刻数据大于前一帧数据，则取消观察期；

下降态时，若当前角度数据大于上一帧的角度数据，则触发观察期，若t_w内均为上升态，则观察期开始的数据帧被判定为极小值，并且此后的数据被定义为上升态；若某时刻数据大于前一帧数据，则取消观察期。

S3、通过动作捕捉系统获取当前步行速度。

S4、从预置的标准库中选择与步骤S3获取得到的步行速度最接近的标准关节角度数据，依照步骤S2预测得到的步态周期的百分比获取此刻的其他关节角度，从而通过该侧各关节的角度计算出人体设置有惯性测量单元传感器的一侧的姿态数据；

本步骤中，预置的标准库中包括三组数据，分别为：在特定步速下，通过实验测试得到的该步速下的步态中一个步态周期内左右侧的髋关节角度、膝关节角度和踝关节角度(预置的标准库中的所有模板数据均根据获得的极大值位置为起点进行相位平移)

上述中，如通过标准库中的髋关节角度数据计算躯干的姿态，通过标准库中的膝关节角度数据计算小腿的姿态，通过小腿的姿态和踝关节角度数据计算出脚的姿态。

S5、人体的左侧姿态数据向后相位平移50％获得人体的右侧姿态数据。

本实施例还涉及一种基于标准库匹配的步态预测系统，该步态预测系统用于实现基于标准库匹配的步态预测方法，如图2所示，系统包括惯性测量单元传感器1、步态周期预测模块2、步行速度获取模块3、姿态预测模块4以及标准库5；

所述惯性测量单元传感器1，用于获取对应测量部位的姿态数据；

所述步态周期预测模块2，用于通过获得的姿态数据预测此刻的步态周期；

所述步行速度获取模块3，用于获取当前步行速度；

所述姿态预测模块4，用于从预置的标准库中选择与获取得到的步行速度最接近的标准关节角度数据，依照预测得到的步态周期的百分比获取此刻的其他关节角度和人体的左右侧姿态；

所述标准库5，用于储存在特定步速下，通过实验测试得到的该步速下的步态中一个步态周期内左右侧的髋关节角度、膝关节角度和踝关节角度数据。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (3)

1.一种基于标准库匹配的步态预测方法，其特征在于，包括以下步骤：

S1、在人体一侧的某个部位设置惯性测量单元传感器，并通过惯性测量单元传感器获取该部位的姿态数据；

S2、通过步骤S1获得的姿态数据预测此刻的步态周期；

S3、获取当前步行速度；

S4、从预置的标准库中选择与步骤S3获取得到的步行速度最接近的标准的一系列各关节角度数据，依照步骤S2预测得到的步态周期的百分比获取此刻人体设置有惯性测量单元传感器的一侧的其他关节的角度，从而通过该侧各关节的角度计算出人体设置有惯性测量单元传感器的一侧的姿态数据；

S5、步骤S4得到的人体一侧的姿态数据向后相位平移50％获得人体另外一侧的姿态数据；

所述步骤S2通过步骤S1获得的姿态数据预测此刻的步态周期，包括：

通过姿态的两个合法的极大值或极小值的时间差作为一个步态周期；

此刻的步态周期为之前数个历史步态周期的平均值，若平均步态周期从n₀到n₁，则结合极大值来计算，此刻的步态周期为：

其中，t_{θ_max,i}为第i个合法的极大值，t_{θ_max,i-1}第i-1个合法的极大值；

所述合法的极大值为免除数据干扰的主极值；

极大值和极小值通过以下方法判定：

定义观察窗口t_w，若数据依次递增，则此时数据处于上升态；若数据依次递减，则此时数据处于下降态；

上升态时，若当前角度数据小于上一帧的角度数据，则触发观察期，若t_w内均为下降态，则观察期开始的数据帧被判定为极大值，并且此后的数据被定义为下降态；若某时刻数据大于前一帧数据，则取消观察期；

下降态时，若当前角度数据大于上一帧的角度数据，则触发观察期，若t_w内均为上升态，则观察期开始的数据帧被判定为极小值，并且此后的数据被定义为上升态；若某时刻数据大于前一帧数据，则取消观察期；

所述步骤S3中，通过运动学模型计算、惯性测量单元积分或动作捕捉系统获取当前步行速度；

所述预置的标准库中的所有模板数据均根据获得的极值位置为起点进行相位平移。

2.根据权利要求1所述的一种基于标准库匹配的步态预测方法，其特征在于，所述预置的标准库中包括三组数据，分别为：在特定步速下，通过实验测试得到的该步速下的步态中一个步态周期内左右侧的髋关节角度、膝关节角度和踝关节角度。

3.一种基于标准库匹配的步态预测系统，所述步态预测系统用于实现权利要求1-2任一所述的基于标准库匹配的步态预测方法，其特征在于，包括惯性测量单元传感器、步态周期预测模块、步行速度获取模块、姿态预测模块以及标准库；

所述惯性测量单元传感器，用于获取对应测量部位的姿态数据；

所述步态周期预测模块，用于通过获得的姿态数据预测此刻的步态周期；

所述步行速度获取模块，用于获取当前步行速度；

所述姿态预测模块，用于从预置的标准库中选择与获取得到的步行速度最接近的标准关节角度数据，依照预测得到的步态周期的百分比获取此刻的其他关节角度和人体的左右侧姿态；

所述标准库，用于储存在特定步速下，通过实验测试得到的该步速下的步态中一个步态周期内左右侧的髋关节角度、膝关节角度和踝关节角度数据。