CN117115709A - 高尔夫击球数据分析仪 - Google Patents
高尔夫击球数据分析仪 Download PDFInfo
- Publication number
- CN117115709A CN117115709A CN202311096728.4A CN202311096728A CN117115709A CN 117115709 A CN117115709 A CN 117115709A CN 202311096728 A CN202311096728 A CN 202311096728A CN 117115709 A CN117115709 A CN 117115709A
- Authority
- CN
- China
- Prior art keywords
- calculator
- golf
- golf ball
- speed
- data analyzer
- 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.)
- Pending
Links
- 230000003068 static effect Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及高尔夫击球数据分析技术领域,且公开了高尔夫击球数据分析仪,包括传感器组、静态高尔夫球探测器、超高速运动检测器、级联高速运动目标跟踪器、击球参数计算器和输出,传感器组包括第一传感器和第二传感器,级联高速运动目标跟踪器包括中等精度高尔夫球跟踪器和高精度高尔夫球跟踪器,击球参数计算器包括高尔夫球三维姿态计算器、速度计算器和转速计算器,输出包括抛物线计算器、图形显示器和以太网,USB,蓝牙等。本发明中,本发明利用GPU芯片的高级图像处理能力,结合彩色高清LED显示屏显示击球数据,对击球数据实时加工,计算离散的飞行轨道,并以动画形式模拟高尔夫球的三维立体飞行轨迹,无须外接模拟器软件,携带和使用更方便。
Description
技术领域
本发明涉及高尔夫击球数据分析技术领域,尤其涉及高尔夫击球数据分析仪。
背景技术
高尔夫击球数据分析仪将采集并显示挥杆的各项关键参数:挥杆路径、杆面角度和甜蜜点、杆头速度、球飞行轨迹及击球距离等,为挥杆练习、俱乐部教学、球杆专卖店选杆提供最为全面、精准的分析,Foresight GC2是一款利用高速摄像机图像计算高尔夫球击飞瞬间的飞行参数,GCHawk与GC2原理近似,安装位置在头顶天花板上;GCQ用了4个摄像头,多出来的一对摄像头用于捕捉高尔夫球杆的杆面数据,缺点:
1、GC2、GCQ的数据显示为纯粹文本,没有计算和显示飞行轨迹的功能,不直观,使用者若要查看三维飞行轨迹,必须另外连接手机,电脑等外部硬件,并运行外部的模拟器软件才能查看,增加了使用复杂度。
2、GC2显示数据只有6条,不足以全面表现击球参数。
3、GC2\GCQ通过红外图像区分高尔夫球和背景时使用了人工制定的特征值,这些特征值属于设计者的经验值,不足以区分一些有相似红外特征的物体,导致测球仪有很大几率会被白色球鞋,光滑地板等反光物体干扰,形成错误判断,或者检测不到球,或者错误定位了球的位置。
发明内容
本发明主要是解决上述现有技术所存在的技术问题,提供高尔夫击球数据分析仪。
为了实现上述目的,本发明采用了如下技术方案,高尔夫击球数据分析仪,包括传感器组、静态高尔夫球探测器、超高速运动检测器、级联高速运动目标跟踪器、击球参数计算器和输出,传感器组包括第一传感器和第二传感器,级联高速运动目标跟踪器包括中等精度高尔夫球跟踪器和高精度高尔夫球跟踪器,击球参数计算器包括高尔夫球三维姿态计算器、速度计算器和转速计算器,输出包括抛物线计算器、图形显示器和以太网,USB,蓝牙等。
作为优选,第二传感器读取标准分辨率视频流,标准分辨率的视频流,送入静态高尔夫球探测器进行目标探测。
作为优选,第一传感器输出高速高清红外摄像头,变分辨率视频流。
作为优选,中等精度高尔夫球跟踪器完成背景和噪音的过滤,求出像素级精度的高尔夫球位置,得到的是高分辨率过滤后的视频流。
作为优选,高尔夫球三维姿态计算器对来自两个级联跟踪器的这两组关键帧进行三维姿态估算,速度计算器和转速计算器读取一组球面特征点分别在两张关键帧中的位置。
作为优选,抛物线计算器结合气压参数继续估算出球的飞行轨迹线,交由图形显示器完成三维轨迹线动画的绘制以及击球参数文字叠加。
作为优选,以太网,USB,蓝牙等通过高速高清红外摄像头和高速标清红外摄像头两个摄像头采集的实时图像数据并行送入FPGA现场可编程逻辑门阵列现场可编程逻辑门阵列。
有益效果
本发明提供了高尔夫击球数据分析仪。具备以下有益效果:
(1)、该高尔夫击球数据分析仪,本发明利用GPU芯片的高级图像处理能力,结合彩色高清LED显示屏显示击球数据,对击球数据实时加工,计算离散的飞行轨道,并以动画形式模拟高尔夫球的三维立体飞行轨迹,无须外接模拟器软件,携带和使用更方便。
(2)、该高尔夫击球数据分析仪,本发明同时显示击球相关的11项参数,比GCQ多出5项,更全面地体现影响高尔夫球飞行性能的关键属性。
(3)、该高尔夫击球数据分析仪,本发明有卓越的抗干扰能力,在背景中存在光滑地面,白色球鞋等干扰物的条件下也能正确识别出高尔夫球并准确定位。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单的介绍。显而易见的,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其他的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明技术方案图;
图2为本发明流程图;
图3为本发明部件图;
图4为本发明高速球的三帧影像;
图5为本发明低速球的三帧影像。
图例说明:
A1、变分辨率视频流;A2、标准分辨率视频流;B、标准分辨率视频流;C、低分辨率视频流;D、高分辨率过滤后的视频流;E、降噪并过滤背景后的关键帧;F、击球参数数据。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:高尔夫击球数据分析仪,如图1-图5所示,在空闲环境状态下,设备会持续从第二传感器读取标准分辨率视频流,标准分辨率的视频流,送入静态高尔夫球探测器进行目标探测,当检测到静止高尔夫球的存在后)系统进入准备完成状态,此时第二传感器停止输出标准分辨率视频流)类视频流,改输出低分辨率视频流)超高帧率,低分辨率视频流,送入超高速运动检测器执行运动检测,当检测到有运动事件发生后,)系统进入镜头数据采集状态,此时第二传感器停止输出低分辨率视频流)类视频流,改输出标准分辨率视频流)高帧率,标准分辨率视频流,同时第一传感器输出高速高清红外摄像头)变帧率,变分辨率视频流,这两组视频流分别送入两组级联高速运动目标跟踪器,在级联跟踪器中,第一级的中等精度高尔夫球跟踪器完成背景和噪音的过滤,求出像素级精度的高尔夫球位置,得到的是高分辨率过滤后的视频流,其后的第二级高精度高尔夫球跟踪器读入高精度高尔夫球跟踪器)类视频流,在这里完成亚像素级别的高尔夫球跟踪,输出降噪并过滤背景后的关键帧,送入后面的击球参数计算器,击球参数计算器由三部分组成,首先由高尔夫球三维姿态计算器对来自两个级联跟踪器的这两组关键帧(每组两张)进行三维姿态估算,求出一组球面特征点分别在两张关键帧中的位置,然后分别由速度计算器和转速计算器各自读取这些位置值,比较球在三维空间中的位移等变化,求出起飞角,起飞方向,球速,转轴,转速等高尔夫球的瞬时运动参数数值,这些数据统称击球参数数据。击球参数数据被送入输出模块,在输出模块里,首先由抛物线计算器结合气压参数继续估算出球的飞行轨迹线,交由图形显示器完成三维轨迹线动画的绘制以及击球参数文字叠加,然后原始的击球数据会被组装成特定格式的报文,经过以太网,USB,蓝牙等通讯线路向外接设备发送出去,通过高速高清红外摄像头和高速标清红外摄像头两个摄像头采集的实时图像数据并行送入FPGA现场可编程逻辑门阵列现场可编程逻辑门阵列,经过初步处理和过滤后的图像数据送入了GPU/CPU图形处理器/中央处理器单元,在GPU/CPU图形处理器/中央处理器单元中完成了主要的球参数解算之后,高尔夫球的参数分别送入高清触摸屏显示器进行动画显示和文字叠加,包装成特定格式的报文送入串行接口,以太网卡,蓝牙收发单元以传送给外部的设备供球场模拟器等扩展程序使用。
本发明的工作原理:
在使用时,步骤一,实时的高速移动检测,步骤二,离线的视频跟踪解算。由于使用了高效率的移动检测算法,可以保证设备在步骤一时,能于击球后0.25毫秒内探测到击球事件,在随后的6毫秒之内连续捕捉不低于2帧的视频。将视频缓存后成为离线视频,然后在步骤二中实现离线的视频跟踪和参数计算,这样无须对实时视频进行耗时的目标跟踪,也可以保证在80毫秒内尽快完成击球参数的解算。
在使用时,用三帧图像法兼容对高速球和低速球的实时解算,计算球击飞瞬间的参数需要至少两帧图片才能进行差值比较。困难在于两帧图片时间间隔无法同时满足解算高速球和低速球的需要。具体来说,第一帧为静止时候t0的图片,那么捕捉第二帧图片的时间就很关键,假如在tmax(5毫秒)时刻截取第二帧图像,参考图5中的tmax帧,这帧图像中低速球发生了足够的位移,也转过了足够大的角度(大于2度且不能超过Pi/4),那么通过与图3中t0帧对比,就可以计算出球速度,起飞角以及旋转参数;可是对于高速球来说,这个tmax延时就太大了,足以使得球飞出摄像头的可视范围,导致解算失败,参考图4中的tmax帧。那么改个更短的tmin(0.5毫秒)时刻截取第二帧图像呢?对于高速球来说,球的位移和旋转都足够大,满足计算需要,参考图4中的tmin帧与t0帧的差异;可是对于低速球来说,图像中高尔夫球发生的位移和旋转都不够大,因此解算也会失败参考图4中的tmin帧与t0帧的对比。
我们的解决方案是三帧图像法,也就是结合图4和图5两种情况,先过滤掉高速球的tmax影像(图4的tmax),再过滤掉低速球的tmin影像(图5的tmin).具体做法是在两个时间点tmin和tmax都进行截图,分别得到第二帧和第三帧。首先将第三帧与第一帧比较,假如第三帧没有捕捉到球的影像或者无法解算击球参数,这说明这是一个高速球,应该忽略第三帧(图3的tmax),改用第二帧与第一帧比较,解算击球参数;假如第三帧捕获到了球的影像,能够解算出击球参数,则说明这是一个低速球,可以安全忽略掉它的第二帧(图5的tmin)。
此外通过扩大采集传感器的视野可以解决图4高速球超出边界的问题,那么使用两帧图像就可以解决此问题,只不过这样一方面对传感器的要求更高,会提高硬件成本,另一方面大视野的图像带来数据量增大,同时也会增大计算量和设备的反应时间,造成性能损失。
在使用时,将二维图片转换成三维场景模型
iTrack使用双相机进行外部图像数据I1、I2的获取,其计算过程中涉及数据从2D到3D的转换,通过双目相机的标定可以实现该部分目的,标定后即可得到两个相机的内参矩阵、畸变参数(k1,k2,k3,p1,p2)以及空间变换关系R、T。通过内参矩阵以及畸变参数可以矫正2D数据,减少镜头畸变影响;而空间变换关系可以实现去畸变后双相机的2D数据到3D数据的计算。
Pw1=R*Pw2+T
世界坐标系下某点,在C1相机坐标系下表示为(u1,v1),在C2相机坐标系下表示为(u2,v2),在R、T已知的情况下,即可得到K1、K2两个参数以及对应相机坐标系下的3D位置Pw1、Pw2。
标定后,设备设备本身还需建立相关的场景模型,让设备可以知道地平面、正方向等的相关表达式。首先是地平面空间方程的计算,平面的计算至少需要三个空间点,标定地平面时候需标定板在靠近iTrack设备和远离iTrack设备两个位置(约是30cm与50cm处)进行摆放,取图像中标定板下方最接近地面一行中最外侧两个点的3D数据,两次摆放一共获得4个3D点以这4点即可计算空间平面Ax+By+Cz+D=0,该平面方程即为地平面的空间表达式。然后是正方向方向向量的标定,向量的计算至少需要两个空间点,标定正方向时候需标定板在靠近iTrack设备位置(约是30cm)进行摆放,取图像中标定板下方最接近地面一行中最外侧两个点的3D数据,一次摆放一共获得2个3D点/> 求两点在地平面上的投影点/>即可得到方向向量/>该向量方程即为正方向方向向量。
在使用时,高尔夫球的检测可以分为两部分:依赖于深度的学习的粗略目标检测和依赖于图像处理的精确提取。其中深度学习目标检测是使用iTrack设备采集到的高尔夫球图像进行标注训练的,但该算法只能大致检测目标位置,无法准确找到高尔夫球的边界以及球心位置,因此还需要后续精确提取的算法。为优化目标检测效果,送去目标检测的图像会优先经过图像增强算法,在保留高尔夫球边界的同时,使球在图像中更为突出。
深度学习检测结果是一组可能包含目标的矩形选区Rect(x,y,w,h),在扩后的矩形选区Rect(x-Δ,y-Δ,w+2*Δ,h+2*Δ)范围内进行精确提取,算法需自动计算阈值进行图像二值化,并在二值图像图像中寻找高尔夫球边界,计算球心位置。阈值计算过程中使用直方图统计找到峰值MaxLoc,并以图像中心为圆心,R=(w+h)/2+δ(δ<Δ)为半径,计算背景部分平均灰度ave。此时阈值计算逻辑如下:
if(MaxLoc<ave||maxLoc>200)
maxLoc=ave;
if(maxLoc<20) thred=20;
else thred=maxLoc*0.75;
由于高尔夫球表面可能存在logo标记,反光点等,二值化图像高尔夫球内部可能存在部分小黑点,通过膨胀腐蚀即可在不影响二值化图像边界的情况下消除内部小黑点。随后,以图像中心为出发点,向周围36个方向寻找边界,找到的边界点通过随机采样一致性来寻找圆形拟合。考虑到阈值对于图像二值化影响较大,此处循环变化二值化阈值寻找最优圆形拟合,认为符合圆形方程的拟合点越多,该结果更优。
在使用时,受限于硬件条件,所有抓拍图像并非完全同步,以触发时间作为基准,两个相机的抓拍时间依次为{0ms,2ms,4ms,6ms}{0ms,0.7ms,6ms}。其中0ms时刻时,在获得两个相机图像中的球心位置P1,t=0、P2,t=0后,根据项目相机标定关系可以直接计算高尔夫球在C1相机坐标系下的3D坐标位置Pw1,t=0。为计算球的飞行数据,还需计算另一个时刻的3D坐标位置。此时C1相机0ms和2ms时刻的球心位置分别为P1,t=0与P1,t=2,C2相机0ms和0.7ms时刻的球心位置分别为P2,t=0与P2,t=0.7。P2,t=0与P2,t=0.7转换到C2相机坐标系内得,与取参数m1、m2得到C2相机坐标系内三个3D点:/>与此三点可构成C2相机坐标系内基于P2,t=0与P2,t=0.7两点的空间平面方程。同理,C1相机坐标系内有:/> 与/>通过双目标定结果C2相机坐标系内的三个3D点可转换到C1相机坐标系/>与/>此时
C1相机坐标系内共6个3D点,分别来自C1相机图像与C2相机图像,可构成两个平面,两平面会有一条交线,即为球的飞行轨迹所在直线,代入2ms时刻的球心坐标即可得到C1相机坐标系下对应的3D坐标Pw1,t=2。
速度V=(Pw1,t=2-Pw1,t=0)/T
起飞角=Pw1,t=2,Pw1,t=0向量与地平面夹角
偏角=Pw1,t=2与Pw1,t=0地面投影与正方向夹角
在使用时,iTrack设备对高尔夫球并无特殊要求,算法仅以表面凹坑纹理作为其图像特征,高斯算法被用于强化纹理特征。但基于2D的纹理特征并不适用于3D空间下发生的旋转匹配,还需将纹理特征以经纬展开,以1度为一个像素,经纬展开展开后的特征图像大小为180*180,但靠近球体边缘部分的图像特征并不明显,且中心区域存在反光点不利于计算,在实际计算中只使用20度-160度范围内的图像且去除中心区域,最终特征图像F的大小为140*140,为进一步提升匹配效果,算法将高斯算法后阈值较大的位置保存为权重特征图FW,其中高亮位置一般属于球面logo,在后续处理中,对该位置的匹配权重将提高。
在使用时,旋转的解算需要让观测者和观测目标的位置处于相对静置状态,否侧即使目标静止不动,由于观测方向的不同也会导致观测到的目标表面纹理发生改变。计算旋转时会使用C2相机0ms时刻以及0.7ms时刻的两张图像,由于高尔夫球的飞行,在两张图像中的高尔夫球心位置P2,t=0、
P2,t=0.7同时存在x方向上以及y方向上存在变化,需要将物体运动带来的视差影响进行补偿。
θxt=0=atan((x2,t=0-Xc2)/fc2,x)
θy,t=0=atan((y2,t=0-Yc2)/fc2,y)
θx,t=0.7=atan((x2,t=0.7-Xc2)/fc2,x)
θy,t=0.7=atan((y2,t=0.7-Yc2)/fc2,y)
dθx=θx,t=0.7-θx,t=0
dθy=θy,t=0.7-θy,t=0
其中,fc2,x与fc2,y表示C2相机所标定出来的相机焦距,Xc2与Yc2表示C2相机所标定出来的相机光心。通过以上过程,dθx与dθy分别为x方向上与y方向上需要补偿的角度,补偿后,0.7ms时刻的纹理特征图像去除视差影响,转换到0ms时刻球所在位置处观测到的纹理特征图像。
在3D空间下,球体的旋转可以分为:回/前旋,侧旋,横滚。在以经纬展开的特征图像中,侧旋等同于图像的平移动,回/前旋等同于图像的旋转,横滚则需建立相关重映射表。图像匹配时,将t=0.7时刻特征图像经过平移、旋转、重映射的特征图像F0.7(a1,a2,a3)与t=0时刻的特征图像F0进行匹配。匹配时,两幅特征图像依据同一位置的像素灰度情况计算匹配值p。
if(G0.7(x,y)>τ&&G0(x,y)>τ&&Gw(x,y)==1)
ρ+=1.05
else if(G0,7(x,y)>τ&&G0(x,y)>τ)
ρ+=1
if(G0(x,y)>τ)
n+=1
其中,G0.7(x,y)表示F0.7(a1,a2,a3)在(x,y)处的灰度值,G0(x,y)表示F0在(x,y)处的灰度值,Gw(x,y)表示FW在(x,y)处的灰度值,τ为灰度值阈值,n为F0特征图像中所有灰度值较亮属于待匹配边缘特征点的数量,则最终两特征图像的匹配值为:ρ=ρ/n。ρ值越大,匹配情况越佳,最终以ρ取最大值时特征图像F0.7(a1,a2,a3)的变换情况解算具体的旋转角θ与旋转轴解算时候,取F0.7(0,0,0)原始图像上的多个点,计算其变换后在F0.7(abest,abest,abest)上的对应位置,以四元数计算。此时计算得到的旋转角θ与旋转轴/>是t=0时刻C2相机所观察到的,将之转换到世界坐标系下还需补偿相机竖直方向的倾角θy,C2,使旋转轴/>旋转θy,t=0+θy,C2度。
在使用时,标定棒0位检测,设备0位检测的目的,在于方便使用者根据自身使用需求调整0位方向。设备提供一根红外条件下成像比较亮的长棒实现该功能。在获取相机灰度图像后,算法进行直方图统计,亮度有高到底进行像素数的累加,当累加的像素数大于一定阈值后取当前灰度值-30作为图像二值化参数。二值化后按行统计高亮像素数量,高亮像素最多的行,其属于标定棒的可能性最大,随后通过滑动窗口的逻辑按窗口寻找高亮像素。将提取出的高亮像素位置进行直线拟合,即可得到任意相机图像中的标定棒直线方程。由于是使用滑动窗口的方法,若标定棒在图像中呈现出较大斜率,算法检测效果将大大下降。因此在一定范围内循环旋转图像进行标定棒检测,以直线拟合参数最接近水平的那次为最优结果,补偿旋转参数后得到属于原图的标定棒直线方程。此时,两个相机的图像中均获得了属于标定棒的直线方程,将该直线方程转换为各自相机坐标系的平面方程后,将任一相机的平面方程转换到另一相机坐标系下,两平面交线即为标定棒的3D直线方程。取直线上两点作地平面投影,求出其与正方向夹角即为摆放的偏差角度。
在使用时,为准确获取高尔夫的的击球运动情况,在检测到高尔夫球后,以其击球方向的球边缘区域为检测判断区。在成像中,背景部分灰度值较低,而高尔夫球部分灰度值较高,在目标发生运动的情况下,这部分图像的像素存在较大的变化,即原属于背景部分的像素被球上的像素替代,像素灰度值变大。
快速运动目标移动检测,在芯片内部,采用帧差法实现;在系统进入检测模式后,选取合适的参考帧,实时计算高速连续输入的视频帧的相关系数,如以下公式;
N=∑(((|xi–Xrefi|)>Threshold)?1:0)
其中xi为每个像素点的灰度值,Xrefi为参考帧的灰值,Threshold为阈值,N为统计的总点数;
可编程芯片内使用多级pipeline运算,提高运算效率,每次运算时间小于一个帧周期;软硬件交互模块会使用相应的协议设置对应阈值,当实时计算出的参数N与阈值进行比较,满足要求则实时处理当前的视频帧(实时变化输入源或存储),此时完成一次快速检测功能。高速球需要1帧间隔,也就是0.25毫秒,低速球需要3到5帧,大约0.75~1.25毫秒,我们的移动检测算法总能又快速又准确地探测到变化发生。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.高尔夫击球数据分析仪,其特征在于:包括传感器组、静态高尔夫球探测器、超高速运动检测器、级联高速运动目标跟踪器、击球参数计算器和输出,传感器组包括第一传感器和第二传感器,级联高速运动目标跟踪器包括中等精度高尔夫球跟踪器和高精度高尔夫球跟踪器,击球参数计算器包括高尔夫球三维姿态计算器、速度计算器和转速计算器,输出包括抛物线计算器、图形显示器和以太网,USB,蓝牙等。
2.根据权利要求1所述的高尔夫击球数据分析仪,其特征在于:所述第二传感器读取标准分辨率视频流,标准分辨率的视频流,送入静态高尔夫球探测器进行目标探测。
3.根据权利要求1所述的高尔夫击球数据分析仪,其特征在于:所述第一传感器输出高速高清红外摄像头,变分辨率视频流。
4.根据权利要求1所述的高尔夫击球数据分析仪,其特征在于:所述中等精度高尔夫球跟踪器完成背景和噪音的过滤,求出像素级精度的高尔夫球位置,得到的是高分辨率过滤后的视频流。
5.根据权利要求1所述的高尔夫击球数据分析仪,其特征在于:所述高尔夫球三维姿态计算器对来自两个级联跟踪器的这两组关键帧进行三维姿态估算,速度计算器和转速计算器读取一组球面特征点分别在两张关键帧中的位置。
6.根据权利要求1所述的高尔夫击球数据分析仪,其特征在于:所述抛物线计算器结合气压参数继续估算出球的飞行轨迹线,交由图形显示器完成三维轨迹线动画的绘制以及击球参数文字叠加。
7.根据权利要求1所述的高尔夫击球数据分析仪,其特征在于:所述以太网,USB,蓝牙等通过高速高清红外摄像头和高速标清红外摄像头两个摄像头采集的实时图像数据并行送入FPGA现场可编程逻辑门阵列现场可编程逻辑门阵列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311096728.4A CN117115709A (zh) | 2023-08-29 | 2023-08-29 | 高尔夫击球数据分析仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311096728.4A CN117115709A (zh) | 2023-08-29 | 2023-08-29 | 高尔夫击球数据分析仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117115709A true CN117115709A (zh) | 2023-11-24 |
Family
ID=88799700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311096728.4A Pending CN117115709A (zh) | 2023-08-29 | 2023-08-29 | 高尔夫击球数据分析仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117115709A (zh) |
-
2023
- 2023-08-29 CN CN202311096728.4A patent/CN117115709A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111258313B (zh) | 多传感器融合slam系统及机器人 | |
CN107481270B (zh) | 乒乓球目标跟踪和轨迹预测方法、装置、存储介质和计算机设备 | |
CN106780620B (zh) | 一种乒乓球运动轨迹识别定位与跟踪系统及方法 | |
CN103886107B (zh) | 基于天花板图像信息的机器人定位与地图构建系统 | |
CN108648161B (zh) | 非对称核卷积神经网络的双目视觉障碍物检测系统及方法 | |
CN101950550B (zh) | 基于观看者视角显示不同角度画面的显示装置 | |
JP6080029B2 (ja) | 運動するボールに対するセンシング装置及びセンシング方法 | |
CN104021538B (zh) | 物体定位方法和装置 | |
CN111275763A (zh) | 闭环检测系统、多传感器融合slam系统及机器人 | |
CN104794737A (zh) | 一种深度信息辅助粒子滤波跟踪方法 | |
CN114119739A (zh) | 一种基于双目视觉的手部关键点空间坐标获取方法 | |
CN104156932A (zh) | 一种基于光流场聚类的运动目标分割方法 | |
CN101826155B (zh) | 一种基于哈尔特征和动态时序匹配的投篮动作识别方法 | |
CN109902675B (zh) | 物体的位姿获取方法、场景重构的方法和装置 | |
CN111709982B (zh) | 一种动态环境三维重建方法 | |
TWI684956B (zh) | 物體辨識與追蹤系統及其方法 | |
CN113538550A (zh) | 高尔夫球感测方法、系统及存储介质 | |
CN110910489B (zh) | 一种基于单目视觉的智能球场运动信息采集系统与方法 | |
Yamaguchi | Three dimensional measurement using fisheye stereo vision | |
CN112184807A (zh) | 一种高尔夫球落地式检测方法、系统及存储介质 | |
CN117115709A (zh) | 高尔夫击球数据分析仪 | |
CN112432653B (zh) | 基于点线特征的单目视觉惯性里程计方法 | |
Cheng et al. | 3D Radar and Camera Co-Calibration: A flexible and Accurate Method for Target-based Extrinsic Calibration | |
WO2021056552A1 (zh) | 视频的处理方法和装置 | |
TWI740275B (zh) | 擴增實境物件顯示裝置及擴增實境物件顯示方法 |
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 |