CN116342646A - 一种基于机器视觉的高尔夫杆头数据的计算方法 - Google Patents

Abstract

本发明公开一种基于机器视觉的高尔夫杆头数据的计算方法，包括以下步骤：在高尔夫球杆的杆柱的下部贴上黑白相间的贴纸；采集高尔夫球杆的图像信息，并依据贴纸，得到杆柱的图像坐标，并将其转换为杆头的图像坐标；对杆头的图像坐标进行转换，得到在世界坐标系下的杆头坐标；基于得到的在世界坐标系下的杆头坐标，并结合预先得到的球的参数信息，计算攻击角、杆头路径、杆面路径相对角和打击点。本发明采用将黑白相间的贴纸贴在球杆的杆柱上的方式，使得在任意情况下，采集的数据都不会受到杆本身角度的影响，解决常规的因杆面贴纸被遮挡，而无法采集数据进而不能正常计算的问题。

Description

一种基于机器视觉的高尔夫杆头数据的计算方法

技术领域

本发明涉及高尔夫技术领域，尤其涉及一种基于机器视觉的高尔夫杆头数据的计算方法。

背景技术

在高尔夫球领域中，通常进阶用户会使用高尔夫感测器对击打数据进行精确测量，除了基本的球相关参数，如杆的参数如杆速、攻击角、杆头轨迹等，可进一步用于了解和改善自己的击球状态，从而继续提升技术。而目前常规的对杆的参数计算的方法如下：

1)在球杆上直接安装传感器进行检测，如Garmin公司的TruSwing产品，以内置陀螺仪、速度感测器等可直接得到大部分杆面数据，但其缺点便是需要额外购买专用设备且影响挥杆；

2)以雷达毫米波测定，利用多普勒效应可测定部分参数，这种感测器以Trackman为代表，其缺点是受电磁波影响室内环境使用时，误差较大；

3)以视觉感测器测量杆面上的特定位置贴纸来推算杆面数据，如ForesightSports公司的GCQuad是采用在杆面上的贴纸方案，在其视野内可见贴纸，即可直接求出杆面数据，缺点是受制于贴纸位置，若由于击打角度杆面被遮挡，则无法采集到数据因而无法进行推算。

发明内容

本发明的目的是提供一种基于机器视觉的高尔夫杆头数据的计算方法，该方法采用将黑白相间的贴纸贴在球杆的杆柱上的方式，使得在任意情况下，采集的数据都不会受到杆本身角度的影响，解决常规的因杆面贴纸被遮挡，而无法采集数据进而不能正常计算的问题，同时，该方法可依据采集的数据，直接计算杆面数据，进而无需额外在球杆上添加传感器等设备，可降低成本，且不影响用户挥杆，提高用户体验度。

为实现上述目的，采用以下技术方案：

一种基于机器视觉的高尔夫杆头数据的计算方法，包括以下步骤：

在高尔夫球杆的杆柱的下部贴上黑白相间的贴纸；

采集高尔夫球杆的图像信息，并依据贴纸，得到杆柱的图像坐标，并将其转换为杆头的图像坐标；

对杆头的图像坐标进行转换，得到在世界坐标系下的杆头坐标；

基于得到的在世界坐标系下的杆头坐标，并结合预先得到的球的参数信息，计算攻击角、杆头路径、杆面路径相对角和打击点。

进一步地，采用以下公式进行坐标转换：

其中，

为输入的图像坐标，/>

为得出的世界坐标，M₁和M₂为内外参数矩阵。

进一步地，所述攻击角的计算步骤如下：

取连续两帧图像的杆头在世界坐标系下的坐标；

依据以下公式，计算攻击角：

AOA＝atan(ΔZ/ΔX)，

其中，AOA为攻击角，ΔZ为连续两帧图像的杆头在世界坐标系下的Z的差值，ΔX为连续两帧图像的杆头在世界坐标系下的X的差值。

进一步地，所述杆头路径的计算步骤如下：

取连续两帧图像的杆头在世界坐标系下的坐标；

依据以下公式，计算杆头路径：

club path＝atan(ΔY/ΔX)，

其中，club path为杆头路径，ΔY为连续两帧图像的杆头在世界坐标系下的Y的差值，ΔX为连续两帧图像的杆头在世界坐标系下的X的差值。

进一步地，所述杆面路径相对角的计算步骤如下：

以左右偏角和面引角之间的夹角∠α，和左右偏角与杆头路径间的夹角∠β，分别代表面引角和杆头路径对左右偏角的比值，并将该两比值，分别代表面引角和杆头路径对左右偏角的影响度；

依据下式计算∠α的影响度百分比R：

R＝4.2e-01+x*4.2e-03+pow(x,2)*7.3e-06-pow(x,3)*2.0e-07，其中，x＝V-launch ang，V表示球速，launch ang表示起飞角，pow为幂指数函数；

依据杆类型及对应的标准补偿表，对R进行补偿，得到补偿后的∠α的影响度百分比Rt＝R+Dt，其中，Dt为补偿值；

依据下式计算杆面路径相对角：

face to path＝∠α/(1-Rt)。

进一步地，所述打击点的计算步骤如下：

计算击球后，球的每一时刻的位置，并依据该位置，得到球的弹道和飞行距离；

依据球飞行距离的标准平均参数表，将计算得到的球的飞行距离与球飞行的标准平均距离进行对比，若球飞行距离大于50％的球飞行标准平均距离，则对打击点进行估算，若球飞行距离小于或等于50％的球飞行标准平均距离，则采用以下公式，对打击点进行推算：

Pos＝Ce*0.08598131-3.41121495，(Ce>0.5)，

其中，Pos为打击点，Ce＝(carry-dL)/dL，carry为球飞行距离，dL为球飞行的标准平均距离。

进一步地，所述计算球每一时刻的位置具体包括以下步骤：

求解每一时刻下，球受到的空气阻力和马格努斯力；

基于求得的每一时刻下，球受到的空气阻力和马格努斯力，并结合球受到的重力，求出每一时刻下，球的加速度；

依据以下公式，计算球的每一时刻的位置和每一时刻的速度：

x＝v0*t+0.5*a*t*t，

v1＝v0+a*t，

其中，x为球的位置，v0为球的初速度，t为时间，a为加速度，v1为球每一时刻的速度。

进一步地，所述球受到的空气阻力和马格努斯力分别采用以下公式计算：

其中，D为空气阻力，L为马格努斯力，ρ为空气密度，A为球横截面积，v为线速度，η和τ为方向矢量，C_D为阻力系数，C_L为马格努斯力系数。

采用上述方案，本发明的有益效果是：

该方法采用将黑白相间的贴纸贴在球杆的杆柱上的方式，使得在任意情况下，采集的数据都不会受到杆本身角度的影响，解决常规的因杆面贴纸被遮挡，而无法采集数据进而不能正常计算的问题，同时，该方法可依据采集的数据，直接计算杆头数据，进而无需额外在球杆上添加传感器等设备，可降低成本，且不影响用户挥杆，提高用户体验度。

附图说明

图1为本发明的流程性框图；

图2为本发明的攻击角和杆头路径的示意图；

图3为本发明的在水平面下，各角之间的关系图；

图4为本发明的其中一实施例中，不同起飞角对应的平面弹道曲线图；

图5为本发明的杆平面划分示意图。

具体实施方式

以下结合附图和具体实施例，对本发明进行详细说明。

参照图1至5所示，本发明提供一种基于机器视觉的高尔夫杆头数据的计算方法，包括以下步骤：

在高尔夫球杆的杆柱的下部贴上黑白相间的贴纸；

采集高尔夫球杆的图像信息，并依据贴纸，得到杆柱的图像坐标，并将其转换为杆头的图像坐标；

对杆头的图像坐标进行转换，得到在世界坐标系下的杆头坐标；

基于得到的在世界坐标系下的杆头坐标，并结合预先得到的球的参数信息，计算攻击角、杆头路径、杆面路径相对角和打击点。

本实施例中，采用视觉感测器采集球杆的图像信息，感测器会提前得到球的计算结果和球杆的图像定位坐标作为该方法的原始输入，由于常规的以视觉感测器测量杆面上的特定位置贴纸来推算杆面数据，是采用在杆面上的贴纸方案，其缺点是受制于贴纸位置，若由于击打角度杆面被遮挡，则无法采集到数据因而无法进行推算，因此，本实施例中，采用将黑白相间的贴纸贴在球杆的杆柱上的方式，使得在任意情况下，采集的数据都不会受到杆本身角度的影响，进而保证方法能正常运行。

该方法首先需要将图像信息中，已定位得到的坐标转换为世界坐标,由于杆柱坐标实际在杆头坐标的上方，可根据杆柱与杆头之间的距离，先将图像坐标适当向下移动进行修订，然后再转换坐标，转换坐标的公式如下：

其中，

为输入的图像坐标，/>

为得出的世界坐标，M₁和M₂为内外参数矩阵。该公式中的内外参数矩阵，可在标定时，通过代入多个已知位置的标定块的世界坐标以最小二乘法求出，然后将已知的杆头图像坐标代入上式，即可求得在世界坐标系下的杆头坐标。

随后，开始求解攻击角和杆头路径，在击球前短时间内可认为杆头质心速度、角度不变，根据上述公式，可求出这段时间内，杆头图像坐标转换至世界坐标系下的坐标，随后，取连续两帧图像的杆头在世界坐标系下的坐标，参照图所示，直接计算杆头两帧连续坐标的连线在平面zx和平面xy上的分量与x轴的夹角，即可直接求出攻击角AoA和杆头路径clubpath，即：

AOA＝atan(ΔZ/ΔX)，

club path＝atan(ΔY/ΔX)，

其中，ΔZ为连续两帧图像的杆头在世界坐标系下的Z的差值，ΔX为连续两帧图像的杆头在世界坐标系下的X的差值，ΔY为连续两帧图像的杆头在世界坐标系下的Y的差值。

上文已经求得杆头路径，接下来求取杆面路径相对角，常规的方法由于感测器角度限制和成像条件制约，挥杆时，因为杆面角变化导致杆面上的贴纸会被杆本身遮挡，且该方案需要额外的相机模组才可捕捉，而本方案中，贴纸几乎不会被杆头本身遮挡，因此，在不增加额外设备的情况下，可结合相关实验数据，对杆面路径相对角进行合理的推算。

依据前人的实验，在任何杆类型下，面引角face angle对左右偏角的影响在70％上下，其余的因素主要由杆头路径club path和材质形状等影响，可知面引角face angle与左右偏角呈高度相关性，如图所示(图中的launch dir是左右偏角，club path是杆头路径)，假设左右偏角仅与面引角face angle和杆头路径club path相关，以左右偏角和面引角face angle朝向间的夹角∠α，和左右偏角与杆头路径club path朝向间的夹角∠β，代表面引角face angle和杆头路径club path对左右偏角的比值，也代表面引角face angle与杆头路径club path对左右偏角的影响度，根据实验数据，可使用以下多项式近似表达∠α的影响度百分比R：

R＝4.2e-01+x*4.2e-03+pow(x,2)*7.3e-06-pow(x,3)*2.0e-07，其中，x＝V-launch ang，V表示球速，launch ang表示起飞角，pow为幂指数函数；

随后，根据用户选择的杆类型对应的标准补偿经验表对以上R进行补偿，得到最终计算使用的影响度百分比Rt，其补偿值Dt经验表如下：

Driver	W3	W5	I5	I6	I7	I8	I9	PW	SW
										0.1	0.1	0.05	0.03	0	-0.03	-0.05	-0.03	0.02	0.03

表1补偿值参数表

而Rt＝R+Dt，其中，Dt为补偿值。

最后，再依据下式，即可求得杆面路径相对角：

face to path＝∠α/(1-Rt)。

在求解完杆面路径相对角后，接下来要对打击点进行求解：

球的斜抛运动在短时间内符合牛顿运动定律，即：

x＝v0*t+0.5*a*t*t，

v1＝v0+a*t，其中，x为球的位置，v0为球的初速度，t为时间，a为加速度，v1为球每一时刻的速度。

球速v0，t为认为设定，其值设定越小结果越精确，因此，只需求出每一时刻内的球加速度a即可累计求出每一时刻下的球位置与速度；而球离开杆面后受到重力、空气阻力及马格努斯力的影响，除重力外，阻力及马格努斯力均为每时每刻变化，故需求出每一时刻下的球受到的空气阻力及马格努斯力，其公式如下：

其中，D为空气阻力，L为马格努斯力，ρ为空气密度，A为球横截面积，v为线速度，η和τ为方向矢量，C_D为阻力系数，C_L为马格努斯力系数，而ρ、A和v均为已知值，将D与L分解为每个坐标轴方向上，方向矢量η和τ则可设为1，因此，只需求出阻力系数和马格努斯力系数即可。

假设阻力仅与雷诺数和球风洞半径、风洞数量相关，则阻力系数可用以下公式计算：

Cd＝0.21*(-2.1*exp(-0.12*D_Re+S+0.35)+8.9*exp(-0.22*D_Re+0.35))+Cd_size，由此可知，阻力为：

D＝0.5*Cd*ρ*A*pow(V,2)，

其中，Dn为风洞数量补偿值，根据前人实验记录可得到不同球的对应雷诺数下的补偿值，Cd_size为半径大小对系数的补偿值。

至于马格努斯力系数，可采用以下公式计算：

Cl＝0.4+0.16*log(S)+0.038*pow(S,-0.5)，

则马格努斯力为：

L＝0.5*Cl*ρ*A*pow(V,2)，

其中，S为spin rate(旋转速率)。

在求得的每一时刻下，球受到的空气阻力和马格努斯力后，在结合球受到的重力，求出每一时刻下，球的加速度，然后，结合球初速度和角度，即可求出每一时刻下，球的位置，累计所有时刻下的位置变化，即可求出弹道(可制成如图所示的弹道曲线图)并得到球飞行距离carry。

依据球飞行距离的标准平均参数表(PGA(男子)与LPGA(女子)平均参数表，职业选手挥各类杆时的相关参数的平均数值)，如下两表所示：

表2PGA标准参数表

表3LPGA标准参数表

以LPGA给出的平均数值表再和上面求出的carry距离对比关系，可推算出最终打击点位置(球飞行距离小于或等于50％的球飞行标准平均距离，否则，进行估算，即依据经验给个数值)，如图所示，将杆面区域可划分4个部分，当carry约靠近LPGA的平均数值，则打击点约靠近4，而越短则更接近区域1，则可根据以下公式进行模拟：Pos＝Ce*0.08598131-3.41121495，(Ce>0.5)，

其中，Pos为打击点，Ce＝(carry-dL)/dL，carry为球飞行距离，dL为球飞行的标准平均距离。

依据上述方法，与现有计算方法做对比测试，在两者均计算成功条件下，累计100组数据，如下表所示，

表4实际测试对比表

其中AoA、club path及Face to path以结果值评估，impact location按照打击点距离评估，前三者均有较好表现，impact location相差较大，因为两者对打击点的描述并不太一样且雷达感测器采用原理与本方案不同。

以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，包括以下步骤：在高尔夫球杆的杆柱的下部贴上黑白相间的贴纸；

采集高尔夫球杆的图像信息，并依据贴纸，得到杆柱的图像坐标，并将其转换为杆头的图像坐标；

对杆头的图像坐标进行转换，得到在世界坐标系下的杆头坐标；

基于得到的在世界坐标系下的杆头坐标，并结合预先得到的球的参数信息，计算攻击角、杆头路径、杆面路径相对角和打击点。

2.根据权利要求1所述的基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，采用以下公式进行坐标转换：

其中，

为输入的图像坐标，/>

为得出的世界坐标，M₁和M₂为内外参数矩阵。

3.根据权利要求1所述的基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，所述攻击角的计算步骤如下：

取连续两帧图像的杆头在世界坐标系下的坐标；

依据以下公式，计算攻击角：

AOA＝atan(ΔZ/ΔX)，

其中，AOA为攻击角，ΔZ为连续两帧图像的杆头在世界坐标系下的Z的差值，ΔX为连续两帧图像的杆头在世界坐标系下的X的差值。

4.根据权利要求3所述的基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，所述杆头路径的计算步骤如下：

取连续两帧图像的杆头在世界坐标系下的坐标；

依据以下公式，计算杆头路径：

club path＝atan(ΔY/ΔX)，

其中，club path为杆头路径，ΔY为连续两帧图像的杆头在世界坐标系下的Y的差值，ΔX为连续两帧图像的杆头在世界坐标系下的X的差值。

5.根据权利要求4所述的基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，所述杆面路径相对角的计算步骤如下：

以左右偏角和面引角之间的夹角∠α，和左右偏角与杆头路径间的夹角∠β，分别代表面引角和杆头路径对左右偏角的比值，并将该两比值，分别代表面引角和杆头路径对左右偏角的影响度；

依据下式计算∠α的影响度百分比R：

R＝4.2e-01+x*4.2e-03+pow(x,2)*7.3e-06-pow(x,3)*2.0e-07，

其中，x＝V-launch ang，V表示球速，launch ang表示起飞角，pow为幂指数函数；

依据杆类型及对应的标准补偿表，对R进行补偿，得到补偿后的∠α的影响度百分比Rt＝R+Dt，其中，Dt为补偿值；

依据下式计算杆面路径相对角：

face to path＝∠α/(1-Rt)。

6.根据权利要求5所述的基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，所述打击点的计算步骤如下：

计算击球后，球的每一时刻的位置，并依据该位置，得到球的弹道和飞行距离；

依据球飞行距离的标准平均参数表，将计算得到的球的飞行距离与球飞行的标准平均距离进行对比，若球飞行距离大于50％的球飞行标准平均距离，则对打击点进行估算，若球飞行距离小于或等于50％的球飞行标准平均距离，则采用以下公式，对打击点进行推算：

Pos＝Ce*0.08598131-3.41121495，(Ce>0.5)，

其中，Pos为打击点，Ce＝(carry-dL)/dL，carry为球飞行距离，dL为球飞行的标准平均距离。

7.根据权利要求6所述的基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，所述计算球每一时刻的位置具体包括以下步骤：

求解每一时刻下，球受到的空气阻力和马格努斯力；

基于求得的每一时刻下，球受到的空气阻力和马格努斯力，并结合球受到的重力，求出每一时刻下，球的加速度；

依据以下公式，计算球的每一时刻的位置和每一时刻的速度：

x＝v0*t+0.5*a*t*t，

v1＝v0+a*t，

其中，x为球的位置，v0为球的初速度，t为时间，a为加速度，v1为球每一时刻的速度。

8.根据权利要求7所述的基于机器视觉的高尔夫杆头数据的计算方法，其特征在于，所述球受到的空气阻力和马格努斯力分别采用以下公式计算：

其中，D为空气阻力，L为马格努斯力，ρ为空气密度，A为球横截面积，v为线速度，η和τ为方向矢量，C_D为阻力系数，C_L为马格努斯力系数。

Images