CN117731276B - 一种信息处理方法和可穿戴设备 - Google Patents
一种信息处理方法和可穿戴设备 Download PDFInfo
- Publication number
- CN117731276B CN117731276B CN202410181761.5A CN202410181761A CN117731276B CN 117731276 B CN117731276 B CN 117731276B CN 202410181761 A CN202410181761 A CN 202410181761A CN 117731276 B CN117731276 B CN 117731276B
- Authority
- CN
- China
- Prior art keywords
- period
- information
- foot
- target object
- acceleration
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 24
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 230000001133 acceleration Effects 0.000 claims abstract description 200
- 238000005259 measurement Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims description 77
- 230000033001 locomotion Effects 0.000 claims description 61
- 230000005484 gravity Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000005021 gait Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 238000004590 computer program Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000001186 cumulative effect Effects 0.000 description 8
- 208000018737 Parkinson disease Diseases 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 206010006100 Bradykinesia Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000006083 Hypokinesia Diseases 0.000 description 1
- 206010052904 Musculoskeletal stiffness Diseases 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 101150097977 arch-1 gene Proteins 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种信息处理方法和可穿戴设备，可以应用于惯性传感应用领域。该方法包括：在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息；根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息；根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差；根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期速度误差；按照摆动期速度误差对与加速度信息对应的摆动期速度信息进行补偿，得到目标摆动期速度信息。
Description
技术领域
本发明涉及惯性传感应用领域，尤其涉及一种信息处理方法和可穿戴设备。
背景技术
随着物联网的发展，医护人员可以通过使用智能的可穿戴设备辅助进行医疗诊断和康复管理。针对神经系统的慢性疾病，以帕金森病（Parkinson’s disease，PD）为例，对于帕金森病这种慢性神经退行性疾病，需要进行长期的康复监测和调理。其中，帕金森病以运动迟缓、震颤、僵硬和步态异常为主要特征。
基于此，随着医疗技术的发展，可以使用可穿戴设备采集帕金森病患者的走步信息，来为医疗提供技术支持。
在实现本发明的发明构思的过程中，发明人发现，对通过可穿戴设备采集到的患者足部的速度信息的累积误差进行补偿的精度低，并且补偿累积误差所消耗的计算资源多。
发明内容
鉴于上述问题，本发明提供了一种信息处理方法和可穿戴设备。
根据本发明的第一个方面，提供了一种信息处理方法，包括：在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，走步信息包括欧拉角信息和加速度信息，惯性测量单元与目标对象的足趾之间具有预定距离；根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息；根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差；根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期速度误差；按照摆动期速度误差，对与加速度信息对应的摆动期速度信息进行补偿，得到目标摆动期速度信息。
根据本发明的实施例，摆动期足部状态信息包括摆动期持续时段；根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期速度误差，包括：根据预定距离、蹬伸期足部状态信息和加速度信息，计算得到目标对象的足部在蹬伸期的蹬伸期累积速度误差；根据预定距离、着地期足部状态信息和加速度信息，计算得到目标对象的足部在着地期的着地期累积速度误差；根据累积速度误差、蹬伸期累积速度误差和着地期累积速度误差，计算得到摆动期累积速度误差；根据摆动期持续时段和摆动期累积速度误差，计算得到摆动期速度误差。
根据本发明的实施例，蹬伸期足部状态信息包括蹬伸期持续时段、目标对象在足趾离地时刻的第一俯仰角和目标对象在足趾离地时刻的第一偏航角；根据预定距离、蹬伸期足部状态信息和加速度信息，计算得到目标对象的足部在蹬伸期的蹬伸期累积速度误差，包括：根据预定距离、第一俯仰角和第一偏航角，确定目标对象在蹬伸期的第一移动距离；根据第一移动距离和蹬伸期持续时段，计算得到第一计算加速度；根据蹬伸期持续时段和加速度信息，确定目标对象的足部在蹬伸期的蹬伸期加速度；根据第一计算加速度和蹬伸期加速度，计算得到蹬伸期速度误差；根据蹬伸期速度误差和蹬伸期持续时段，确定蹬伸期累积速度误差。
根据本发明的实施例，着地期足部状态信息包括着地期持续时段、目标对象在足跟着地时刻的第二俯仰角和目标对象在足跟着地时刻的第二偏航角；根据预定距离、着地期足部状态信息和加速度信息，计算得到目标对象的足部在着地期的着地期累积速度误差，包括：根据预定距离、第二俯仰角和第二偏航角，确定目标对象在着地期的第二移动距离；根据第二移动距离和着地期持续时段，计算得到第二计算加速度；根据着地期持续时段和加速度信息，确定目标对象的足部在着地期的着地期加速度；根据第二计算加速度和着地期加速度，计算得到着地期速度误差；根据着地期速度误差和着地期持续时段，确定着地期累积速度误差。
根据本发明的实施例，欧拉角信息包括俯仰角信息和偏航角信息；根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息，包括：根据俯仰角信息，确定目标对象的足趾离地时刻和足跟着地时刻；对俯仰角信息进行微分计算，得到俯仰角角速度；利用三阶零滞后高通滤波器处理俯仰角角速度，得到经滤波的俯仰角角速度；根据经滤波的俯仰角角速度，确定目标对象的足跟离地时刻和脚掌着地时刻；根据俯仰角信息、偏航角信息、足跟离地时刻、脚掌着地时刻、足趾离地时刻和足跟着地时刻，确定蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息。
根据本发明的实施例，摆动期足部状态信息包括摆动期持续时段，着地期足部状态信息包括着地期持续时段；根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差，包括：根据摆动期持续时段、着地期持续时段和加速度信息，计算得到关于目标对象的双足的运动速度；根据运动速度，确定目标对象的足部在着地期的结束时刻的速度偏置误差；根据速度偏置误差，确定惯性测量单元的累积速度误差。
根据本发明的实施例，在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，包括：根据惯性测量单元输出的测量加速度和重力在惯性测量单元的坐标系的重力分量，计算得到加速度误差分量；根据惯性测量单元输出的测量角速度、标准化四元数、预定加速度增益和加速度误差分量，计算得到四元数变化率；通过对四元数变化率进行积分，得到四元数；对四元数进行转换处理，得到欧拉角信息。
根据本发明的实施例，上述信息处理方法还包括：根据测量加速度和重力分量，计算得到零重力加速度；根据零重力加速度和四元数变化率，计算得到加速度信息。
根据本发明的实施例，上述信息处理方法还包括：在惯性测量单元对目标角速度的采集累计时长大于预定时长的情况下，根据低通滤波算法的截止频率和目标角速度，计算得到惯性测量单元的角速度估计误差，其中，目标角速度表征惯性测量单元采集到的角速度值低于预定角速度阈值的初始角速度；按照角速度估计误差对目标角速度进行补偿，得到测量角速度。
本发明的第二方面提供了一种可穿戴设备，包括：采集模块，用于在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，走步信息包括欧拉角信息和加速度信息，惯性测量单元与目标对象的足趾之间具有预定距离；第一计算模块，用于根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息；第一确定模块，用于根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差；第二计算模块，用于根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期速度误差；补偿模块，用于按照摆动期速度误差，对与加速度信息对应的摆动期速度信息进行补偿，得到目标摆动期速度信息。
根据本发明提供的信息处理方法和可穿戴设备，由于结合目标对象的足部处于相对静止状态的蹬伸期的蹬伸期足部状态信息和着地期的着地期足部状态信息，来计算目标对象的足部在摆动期的速度误差，可以实现仅针对摆动期速度误差进行计算，由此，可以仅使用摆动期速度误差对目标对象在摆动期的速度信息进行补偿，避免了使用目标对象走步的整个时期的平均误差来对上述摆动期的速度信息进行补偿，提高了对摆动期速度信息进行补偿的精度，使补偿后的目标摆动期速度信息更准确。
并且，由于使用欧拉角信息进行计算，因此，可以减少执行计算操作的计算量，减少了计算资源的消耗，进而提高了计算得到摆动期速度累积误差的效率。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示出了根据本发明实施例的信息处理方法的应用场景图；
图2示出了根据本发明实施例的信息处理方法的流程图；
图3示出了根据本发明实施例的便携式鞋垫的示意图；
图4示出了根据本发明实施例的走步信息采集任务的范式图；
图5示出了根据本发明实施例的步态周期的划分示意图；
图6示出了根据本发明实施例的蹬伸期的运动轨迹建模示意图；
图7示出了根据本发明实施例的着地期的运动轨迹建模示意图；
图8示出了根据本发明实施例的位置信息和步幅信息确定方法的示意图；
图9示出了根据本发明实施例的可穿戴设备的结构框图；
图10示出了根据本发明实施例的适于实现信息处理方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本发明实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。
在本发明的技术方案中，所涉及的用户信息（包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权足部状态信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。
帕金森病作为一种脑部神经系统疾病，具有“观察者效应”，即在医护人员注视下，可能无法呈现自然放松状态下的步态特征。并且，医护人员需要监测患者在不同时段的步态特征变化，来对患者的用药状态等内容进行评估。基于此，亟需一种在居家日常条件下监测自由行走状态下的可穿戴系统。
一些实施例中的医疗机构辅助监测方法，可以使用光学和运动传感器辅助进行人体运动姿态检测的设备，并且研究人员已经针对该设备进行了在医院场景下的研究和使用。但是发明人发现，基于光学的光学摄像头，存在不易移动的问题。而基于运动传感器的可穿戴设备，由于患者全身同时穿戴位置较多，因此，成本高昂，穿戴不便，不适合居家使用。其中，基于运动传感器的设备以9轴设备和10轴设备为主。9轴系统包括加速度计、陀螺仪和磁力计，10轴系统包括加速度计、陀螺仪、磁力计和气压计。
基于此，仅针对足底的足弓1个位置，且仅使用6轴的设备，从用户体验和成本易用性来说，较为合适。其中，6轴设备包括加速度计和陀螺仪。但要达到医院内更多轴以及更多数量传感器的效果，需要从方法上进行改进。
在日常步态监测中，步态周期和步幅是具有重要意义步态参数。在一些实施例中，可以基于6轴传感器的智能手表等运动监测方案，来对患者的步数进行监测。但是在日常居家环境下，上述方案对步态周期和步幅进行监测的准确性低。
根据本发明的实施例，可以通过零速度更新方法，来降低由于加速度计自身反应的滞后性而导致的累积误差。例如，可以利用在步态周期中，全足着地阶段，加速度为零的特性，来修正传感器不为零带来的累计误差。对于患者的每次走步均进行零速度修正，避免由于随着步数的增加，而导致的加速度的误差不断累积放大。加速度是计算后续各类步态指标的基础数据，其精度较为重要。
对于监测步数等比较粗放的指标，要求相对较低。智能手表等普通保健休闲产品的对步数的监测精度已经足够满足需求。但是，对医疗来讲，还需要进一步提升采集到的步态信息的精度。
基于此，发明人发现，由于在患者每次走步进行的零速度更新计算得到的累积误差，笼统涵盖了在上个步态周期中的前次零速度更新后的摆动相累积误差和全足期前后的支撑期累积误差。基于此，可以通过进一步挖掘信息，来进一步优化零速度更新方法。
发明人发现，对于步幅及位置等步态参数的计算，只有摆动相是有效信息，位于摆动相前后的两个支撑相属于噪声。并且，在该两个支撑相，其中，摆动相可以与患者的足部的摆动期对应。摆动期前后的两个支撑相可以与蹬伸期和着地期对应。
虽然摆动相前后的两个支撑相的时间占比很短，但是，由于上述加速度计的滞后性、患者的足部的速度较难捕获以及患者足部接触的地面的路面状况不确定等原因，两个支撑相给加速度的测量带来了较大的误差比重，因此，需要使用新的方法对上述噪声进行剔除。
有鉴于此，本发明的实施例提供了一种信息处理方法，包括：在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，走步信息包括欧拉角信息和加速度信息，惯性测量单元与目标对象的足趾之间具有预定距离。根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息。根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差。根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期速度误差。按照摆动期速度误差，对与加速度信息对应的摆动期速度信息进行补偿，得到目标摆动期速度信息。
图1示出了根据本发明实施例的信息处理方法的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括可穿戴设备101、终端设备102和服务器103。网络用以在可穿戴设备101、终端设备102和服务器103之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备102通过网络与服务器103交互，以接收或发送消息等。终端设备102上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等（仅为示例）。
可穿戴设备可以是基于足底的足弓位置6轴传感器的足底IMU（InertialMeasurement Unit，惯性测量单元）构建的鞋垫型设备。其中，6轴传感器中的3轴用于测量加速度，6轴传感器中的另外3轴用于测量角速度。
终端设备102可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器103可以是提供各种服务的服务器，例如对用户利用终端设备102所浏览的网站提供支持的后台管理服务器（仅为示例）。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果（例如根据用户请求获取或生成的网页、信息、或数据等）反馈给终端设备。
需要说明的是，本发明实施例所提供的信息处理方法一般可以由可穿戴设备101或终端设备102执行。根据实现需要，可以具有任意数目的可穿戴设备101、终端设备102和服务器103。
以下将基于图1描述的场景，通过图2~图8对发明实施例的信息处理方法进行详细描述。
图2示出了根据本发明实施例的信息处理方法的流程图。
如图2所示，该实施例的信息处理方法包括操作S210~操作S250。
在操作S210，在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，走步信息包括欧拉角信息和加速度信息，惯性测量单元与目标对象的足趾之间具有预定距离。
在操作S220，根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息。
在操作S230，根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差。
在操作S240，根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期速度误差。
在操作S250，按照摆动期速度误差，对与加速度信息对应的摆动期速度信息进行补偿，得到目标摆动期速度信息。
根据本发明的实施例，目标对象可以是使用可穿戴设备采集走步信息的对象。目标对象可以是患有帕金森病的患者。
图3示出了根据本发明实施例的便携式鞋垫的示意图。
目标对象穿戴的鞋垫形式的可穿戴设备如图3所示，基于足底的足弓位置6轴传感器的足底IMU构建的第一微型传感器321、第二微型传感器322可以嵌入第一鞋垫311、第二鞋垫312中，以避免对目标对象的日常运动产生影响，并且可以长期穿戴。其中，左脚的第一微型传感器321可以嵌入左脚的第一鞋垫311中。其中，右脚的第二微型传感器322可以嵌入右脚的第二鞋垫312中。左脚的第一微型传感器321和右脚的第二微型传感器322分别设置在目标对象的左右脚足弓位置。由于可穿戴设备通过设置惯性测量单元来进行走步信息的采集，因此，避免了使用易受电磁干扰的传感器，提高了采集到的走步信息的准确性，从而提高了确定转弯步的准确性。每个IMU各具有一个6轴惯性传感器，该6轴惯性传感器具备以100Hz的频率，采集三轴加速度和三轴陀螺仪数据能力。
根据本发明的实施例，惯性测量单元与鞋垫尖具有预定距离，该预定距离即为上述惯性测量单元与目标对象的足趾之间具有预定距离。
图4示出了根据本发明实施例的走步信息采集任务的范式图。
如图4所示，目标对象的足底鞋垫内均可以设置有IMU。可以使目标对象在自由状态下行走，该行走范式可以包括直行和转弯。在目标对象的行走方向的偏转角度大于或等于90度的情况下，可以确定目标对象转弯。
根据本发明的实施例，蹬伸期的起始时刻可以是目标对象的HO（Heel Off，足跟离地）时刻，蹬伸期的结束时刻可以是目标对象的TO（Toe Off，足趾离地）时刻。摆动期的起始时刻可以是目标对象的TO时刻，摆动期的结束时刻可以是目标对象的HS（Heel Stride，足跟着地）时刻。着地期的起始时刻可以是目标对象的HS，着地期的结束时刻可以是目标对象的TS（Toe Stride，足趾着地）时刻。
根据本发明的实施例，蹬伸期足部状态信息可以用于表征目标对象的足部在蹬伸期的状态。例如，蹬伸期足部状态信息可以包括目标对象的足部在蹬伸期各个时刻的角度信息、角速度信息和加速度信息等。
摆动期足部状态信息可以用于表征目标对象的足部在摆动期的状态。例如，摆动期足部状态信息可以包括目标对象的足部在摆动期各个时刻的角度信息、角速度信息和加速度信息等。
着地期足部状态信息可以用于表征目标对象的足部在着地期的状态。例如，着地期足部状态信息可以包括目标对象的足部在着地期各个时刻的角度信息、角速度信息和加速度信息等。
根据本发明的实施例，IMU采集加速度信息和角速度信息的频率可以包括200Hz，但不限于此。
根据本发明的实施例，累积速度误差可以是通过计算确定的惯性测量单元在目标对象的整个步态周期采集到的速度信息存在的误差。其中，目标对象的整个步态周期可以是根据目标对象的HS时刻、FF（Foot Flat，足掌着地）时刻、HO时刻和TO时刻确定的。
根据本发明的实施例，摆动期累积速度误差可以是通过计算确定的惯性测量单元在摆动期采集到的速度信息存在的误差。摆动期累积速度误差用于对惯性测量单元在目标对象的摆动期采集到的速度信息进行补偿。
根据本发明的实施例，由于结合目标对象的足部处于相对静止状态的蹬伸期的蹬伸期足部状态信息和着地期的着地期足部状态信息，来计算目标对象的足部在摆动期的速度误差，可以实现仅针对摆动期速度误差进行计算，由此，可以仅使用摆动期速度误差对目标对象在摆动期的速度信息进行补偿，避免了使用目标对象走步的整个时期的平均误差来对上述摆动期的速度信息进行补偿，提高了对速度信息进行补偿的精度，使补偿后的目标摆动期速度信息更准确。
并且，由于使用欧拉角信息进行计算，因此，可以减少执行计算操作的计算量，减少了计算资源的消耗，进而提高了计算得到摆动期速度累积误差的效率。
根据本发明的实施例，上述信息处理方法还包括：在惯性测量单元对目标角速度的采集累计时长大于预定时长的情况下，根据低通滤波算法的截止频率和目标角速度，计算得到惯性测量单元的角速度估计误差，其中，目标角速度表征惯性测量单元采集到的角速度值低于预定角速度阈值的初始角速度。按照角速度估计误差对目标角速度进行补偿，得到测量角速度。
根据本发明的实施例，可以通过如下公式计算得到测量角速度ω’：
（1）；
（2）；
（3）；
其中，公式（1）可以是低通滤波算法。公式（2）可以是偏差估计算法。ω’表示测量角速度。fc表示低通滤波算法的截止频率。ω表示初始角速度。ωbias表示角速度估计误差。p表示低通滤波算法的启用状态。在p=1的情况下，低通滤波算法为不启用状态。在p=0的情况下，低通滤波算法为启用状态。fb表示用于确定ω中每个元素的幅度低于ωmin的时长的函数。ωmin是启用偏差估计算法的最小角速度阈值，即上述预定角速度阈值。tb表示启用低通滤波算法后的惯性测量单元的最小静止时长，即上述预定时长。预定角速度阈值和预定时长可以是根据需求设置的，本发明在此不再赘述。
根据本发明的实施例，通过在惯性测量单元对目标角速度的采集累计时长大于预定时长的情况下，确定目标对象的足部处于静止状态，进而可以根据低通滤波算法的截止频率和目标角速度，计算得到惯性测量单元的角速度估计误差，并根据角速度估计误差对初始角速度进行补偿，得到测量角速度，提高了测量角速度的准确性。
根据本发明的实施例，在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，包括：根据惯性测量单元输出的测量加速度和重力在惯性测量单元的坐标系的重力分量，计算得到加速度误差分量。根据惯性测量单元输出的测量角速度、标准化四元数、预定加速度增益和加速度误差分量，计算得到四元数变化率。通过对四元数变化率进行积分，得到四元数。对四元数进行转换处理，得到欧拉角信息。
根据本发明的实施例，测量加速度可以是由惯性测量单元采集到的目标对象足部的加速度信息。测量角速度可以是由惯性测量单元采集到的目标对象足部的角速度信息。
根据本发明的实施例，预定加速度增益可以是根据需求设置的，本发明对此不做限定。
根据本发明的实施例，可以计算惯性测量单元的坐标系与地球坐标系空间姿态变化的四元数，并根据四元数计算欧拉角信息。其中，惯性测量单元的坐标系是以惯性测量单元为原点构建的坐标系。
根据本发明的实施例，通过如下公式可以计算得到加速度误差分量。计算如下：
（4）；
（5）；
其中，e可以表示加速度误差分量。a可以表示测量加速度。可以表示重力在惯性测量单元的坐标系的重力分量。qx、qy、qz和qω，均可以表示标准化四元数/>的元素。I表示惯性测量单元的坐标系。E表示地球坐标系。
根据本发明的实施例，可以通过如下公式计算得到四元数变化率：
（6）；
（7）；
其中，可以表示四元数变化率。/>可以表示标准化四元数。ω可以表示测量角速度。K可以表示预定加速度增益。e可以表示加速度误差分量。
根据本发明的实施例，四元数可以用于描述惯性测量单元相对于地球坐标系的方向，可以通过如下公式计算得到四元数/>：
（8）；
其中，可以表示四元数。/>可以表示四元数变化率。
根据本发明的实施例，可以将四元数的姿态信息转换为更易理解的欧拉角表示。沿Z轴转动的角称为航向角，沿Y轴转动的角称为俯仰角，沿X轴转动的角称为横滚角。可以通过如下公式，将四元数转换为欧拉角：
（9）；
其中，可以表示航向角。/>可以表示俯仰角。/>可以表示横滚角。qx、qy、qz和qω，均可以表示标准化四元数/>的元素。
根据本发明的实施例，arctan和arcsin的结果是 ，该范围的角度信息，难以覆盖目标对象足部的所有朝向。基于此，可以用atan2代替arctan。
由此，可以得到如下所示的欧拉角信息：
（10）；
其中，可以表示航向角。/>可以表示俯仰角。/>可以表示横滚角。qx、qy、qz和qω，均可以表示标准化四元数/>的元素。
根据本发明的实施例，由于将四元数转换为欧拉角信息，因此，可以减少了计算摆动期速度误差的计算量，提高了计算效率。
根据本发明的实施例，上述信息处理方法还包括：根据测量加速度和重力分量，计算得到零重力加速度。根据零重力加速度和四元数变化率，计算得到加速度信息。
根据本发明的实施例，零重力加速度可以是去除重力后的惯性测量单元中加速度计测量值。
根据本发明的实施例，可以通过如下公式计算得到零重力加速度：
（11）；
其中，a可以表示测量加速度。可以表示重力在惯性测量单元的坐标系的重力分量。
根据本发明的实施例，根据四元数变化率和零重力加速度，可以计算得到在地球坐标系下的加速度信息，加速度信息的计算过程如下公式所示：
（12）；
其中，是标准化四元数/>的共轭向量，/>的计算公式如下：
（13）；
其中，qx、qy、qz和qω，均可以表示标准化四元数的元素。
根据本发明的实施例，通过使测量加速度减去了重力分量，因此，可以避免重力影响计算得到的摆动期速度误差的准确性，从而提高了计算得到的摆动期速度误差的准确性。
根据本发明的实施例，可以通过线性加速度抑制减少由线性和旋转运动的引起的加速度信息的误差。惯性测量单元在预定时段内测得的重力使得如下公式（15）不成立的情况下，才对加速度计输出的加速度信息进行抑制，这个过程由下面方程描述。
（14）；
（15）；
其中，公式（14）可以是线性加速度抑制算法。f（a,gd）用于确定公式（15）不成立的时段。gd可以表示启用加速度抑制的加速度阈值。ta是启用线性加速度抑制算法的惯性测量单元的最小静止时长阈值。a可以表示加速度信息。在公式（15）成立的情况下，不对加速度计输出的加速度信息进行抑制。
根据本发明的实施例，欧拉角信息包括俯仰角信息和偏航角信息。根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息，包括：根据俯仰角信息，确定目标对象的足趾离地时刻和足跟着地时刻。对俯仰角信息进行微分计算，得到俯仰角角速度。利用三阶零滞后高通滤波器处理俯仰角角速度，得到经滤波的俯仰角角速度。根据经滤波的俯仰角角速度，确定目标对象的足跟离地时刻和脚掌着地时刻。根据俯仰角信息、偏航角信息、足跟离地时刻、脚掌着地时刻、足趾离地时刻和足跟着地时刻，确定蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息。
根据本发明的实施例，可以对俯仰角信息进行一阶微分计算，得到俯仰角角速度。
根据本发明的实施例，可以利用阈值检测方法和峰值检测方法，处理经滤波的俯仰角角速度，确定目标对象的足跟离地时刻和脚掌着地时刻。
根据本发明的实施例，可以根据足跟离地时刻、脚掌着地时刻、足趾离地时刻和足跟着地时刻，计算步态周期总时段。可以按照预定足趾着地时段，从步态周期总时段中确定TS（Toe Stride，足趾着地）时段，但不限于此，也可以使用其他方法确定TS时段，本发明在此不再赘述。可以将TS时段的起始时刻确定为目标对象的足趾着地（TS）时刻。
根据本发明的实施例，可以对步态周期总时段进行划分，得到支撑相时段和摆动相时段。可以对支撑相时段进行再次划分，得到蹬伸期持续时段和着地期持续时段。可以将摆动相时段确定为摆动期持续时段。
根据本发明的实施例，可以从偏航角信息中，确定处于足趾离地时刻的第一偏航角。可以从俯仰角信息中，确定处于足趾离地时刻的第一俯仰角。
根据本发明的实施例，可以从偏航角信息中，确定处于足跟着地时刻的第二偏航角。可以从俯仰角信息中，确定处于足跟着地时刻的第二俯仰角。
根据本发明的实施例，通过利用三阶零滞后高通滤波器处理俯仰角角速度，得到经滤波的俯仰角角速度，再根据经滤波的俯仰角角速度，可以提高确定目标对象的足跟离地时刻和脚掌着地时刻的准确性。
根据本发明的实施例，摆动期足部状态信息包括摆动期持续时段，着地期足部状态信息包括着地期持续时段。根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差，包括：根据摆动期持续时段、着地期持续时段和加速度信息，计算得到关于目标对象的双足的运动速度。根据运动速度，确定目标对象的足部在着地期的结束时刻的速度偏置误差。根据速度偏置误差，确定惯性测量单元的累积速度误差。
图5示出了根据本发明实施例的步态周期的划分示意图。
如图5所示，足部静止时段的起始时刻可以为TS时刻，足部静止时段的结束时刻可以为HO时刻。足部运动时段的起始时刻可以为HO时刻，足部静止时段的结束时刻可以为TS时刻。
在足部静止时段，目标对象的足部静止不动。基于此，目标对象的足部的线速度为零，可以将足部静止时段的目标对象的足部的速度置为0值，并对足部运动时段的目标对象的足部的加速度进行积分，来计算得到目标对象的足部在足部运动时段的速度。
根据本发明的实施例，可以通过如下公式计算得到在地球坐标系下的目标对象的双足在足部运动时段的运动速度v（t）：
（16）；
其中，aglobal（t）可以是加速度信息。tHO可以是足跟离地时刻。tTS是足趾着地时刻。t可以是当前时刻。
根据本发明的实施例，由于惯性测量单元的加速度计输出的加速度信息中存在偏差误差，因此，在足部静止时段，计算得到的动速运度可能不是零。可以将为0值的实际速度与上述积分得到的运动速度之间的差值用于修正上述偏差误差。基于此，通过计算足部运动时段的累积误差，进一步消除由于对加速度积分而产生的偏差误差。
可以通过如下公式计算得到足部运动时段的加速度信息：
（17）；
（18）；
其中，是加速度信息。e代表是地球坐标系。m可以表示惯性测量单元的坐标系。是由运动产生的真实加速度值，即测量加速度。/>是偏差误差。T是足部运动时段。tHO可以是足跟离地时刻。tTS是足趾着地时刻。
根据本发明的实施例，在足部运动时段，偏置误差是随时间小幅度波进行变化的变量。并且在足部运动时段的起始时刻，目标对象的足部的速度是为零的。由此，可以通过如下公式计算得到目标对象的双足在足部运动时段的运动速度：
（19）；
其中，表示计算得到的目标对象的双足的运动速度，它由目标对象的双足的实际速度/>和速度偏置误差e（t）构成。t表示当前时刻。T是足部运动时段。t∈[0,T]。
根据本发明的实施例，在足部运动时段的结束时刻，即t=T时，目标对象的足掌完全接触地面。由此，目标对象的足部的实际速度为零。因此，加速度测量中的偏置误差可以通过如下公式计算得到：
（20）；
其中，e（T）可以表示偏置误差。可以表示为零的目标对象的足部的实际速度。/>可以表示计算得到的目标对象的双足的运动速度。/>
基于此，的值即是在足部运动时段，对加速度进行积分而得到的速度偏置误差。由此，可以通过如下公式计算得到两个全足接触地面的时段的IMU的累积速度误差，其中，两个全足接触地面的时段包括蹬伸期和着地期：
（21）；
其中，可以表示累积速度误差。/>可以表示计算得到的目标对象的双足的运动速度误差。T是足部运动时段。
根据本发明的实施例，摆动期足部状态信息包括摆动期持续时段。根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期累积速度误差，包括：根据预定距离、蹬伸期足部状态信息和加速度信息，计算得到目标对象的足部在蹬伸期的蹬伸期累积速度误差。根据预定距离、着地期足部状态信息和加速度信息，计算得到目标对象的足部在着地期的着地期累积速度误差。根据累积速度误差、蹬伸期累积速度误差和着地期累积速度误差，计算得到摆动期累积速度误差。根据摆动期持续时段和摆动期累积速度误差，计算得到摆动期速度误差。
根据本发明的实施例，蹬伸期累积速度误差可以是通过计算确定的惯性测量单元在蹬伸期采集到的速度信息存在的误差。
根据本发明的实施例，着地期累积速度误差可以是通过计算确定的惯性测量单元在着地期采集到的速度信息存在的误差。
如图5所示，累积速度误差由三个阶段构成，该三个阶段可以与蹬伸期、摆动期和着地期对应。
蹬伸期累积速度误差、摆动期累积速度误差和着地期累积速度误差是不同的，可以针对每个阶段分别求解出偏置误差均值，再分别对三个阶段的速度信息进行误差补偿，由此可以更加准确的修正IMU测量单元的偏置误差。其中，偏置误差均值可以是蹬伸期速度误差、摆动期速度误差和着地期速度误差。
根据本发明的实施例，可以通过如下公式计算得到摆动期速度误差：
（22）；
其中，e（T2）表示摆动期累积速度误差，T2是摆动期持续时段。e（T1）表示蹬伸期累积速度误差，T1是蹬伸期持续时段。e（T3）表示着地期累积速度误差，T3是着地期持续时段。可以表示摆动期速度误差。
根据本发明的实施例，由于根据目标对象的足部处于相对静止状态的蹬伸期的蹬伸期足部状态信息和着地期的着地期足部状态信息，来计算目标对象的足部在摆动期的速度误差，可以实现仅针对摆动期速度误差进行计算，由此，可以仅使用摆动期速度误差对目标对象在摆动期的速度信息进行补偿，避免了使用目标对象走步的整个时期的平均误差来对上述摆动期的速度信息进行补偿，提高了对速度信息进行补偿的精度，使补偿后的目标摆动期速度信息更准确。
根据本发明的实施例，蹬伸期足部状态信息包括蹬伸期持续时段、目标对象在足趾离地时刻的第一俯仰角和目标对象在足趾离地时刻的第一偏航角。根据预定距离、蹬伸期足部状态信息和加速度信息，计算得到目标对象的足部在蹬伸期的蹬伸期累积速度误差，包括：根据预定距离、第一俯仰角和第一偏航角，确定目标对象在蹬伸期的第一移动距离。根据第一移动距离和蹬伸期持续时段，计算得到第一计算加速度。根据蹬伸期持续时段和加速度信息，确定目标对象的足部在蹬伸期的蹬伸期加速度。根据第一计算加速度和蹬伸期加速度，计算得到蹬伸期速度误差。根据蹬伸期速度误差和蹬伸期持续时段，确定蹬伸期累积速度误差。
图6示出了根据本发明实施例的蹬伸期的运动轨迹建模示意图。
如图6所示，在蹬伸期，目标对象的足部的变化轨迹类似于圆。由此，可以通过几何分析，计算得到在蹬伸期中目标对象的足部在惯性测量单元的坐标系的x轴，y轴和z轴的距离变化。
基于图6，在蹬伸期，目标对象的足部在惯性测量单元的坐标系的x，y，z轴的第一移动距离，可以通过如下公式进行计算：
（23）；
（24）；
（25）；
其中，可以表示在蹬伸期，目标对象的足部在惯性测量单元的坐标系的z轴的移动距离。/>可以表示在蹬伸期，目标对象的足部在惯性测量单元的坐标系的y轴的移动距离。/>可以表示在蹬伸期，目标对象的足部在惯性测量单元的坐标系的x轴的移动距离。Ltiptoe可以表示预定距离。/>表示在TO时刻的第一俯仰角。/>表示在TO时刻的第一偏航角。
根据本发明的实施例，第一移动距离可以包括上述目标对象的足部在惯性测量单元的坐标系的z轴的移动距离、目标对象的足部在惯性测量单元的坐标系的y轴的移动距离和目标对象的足部在惯性测量单元的坐标系的x轴的移动距离。
通过如下公式可以计算得到在蹬伸期，目标对象的足部的真实的平均加速度：
（26）；
其中，s可以表示上述第一移动距离。可以表示目标对象的足部的真实的平均加速度。t可以表示蹬伸期持续时段的时长。
由于第一移动距离包括、/>和/>，因此目标对象的足部的真实的平均加速度可以如下所示：/>
（27）；
其中，上述目标对象的足部在惯性测量单元的坐标系的z轴的平均加速度、/>目标对象的足部在惯性测量单元的坐标系的y轴的平均加速度和/>目标对象的足部在惯性测量单元的坐标系的x轴的平均加速度。
可以对在蹬伸期的惯性测量单元的3轴输出的加速度信息，计算平均值，得到测量平均加速度。
可以通过如下公式计算得到蹬伸期速度误差：
（28）；
其中，可以表示测量平均加速度。/>可以表示在蹬伸期目标对象的足部的真实的平均加速度。/>可以表示蹬伸期速度误差。
可以通过如下公式计算得到蹬伸期累积速度误差：
（29）；
其中，e（T1）可以表示蹬伸期累积速度误差，T1可以表示蹬伸期持续时长。
根据本发明的实施例，可以按照蹬伸期速度误差，对与加速度信息对应的蹬伸期速度信息进行补偿，得到目标蹬伸期速度信息。
根据本发明的实施例，着地期足部状态信息包括着地期持续时段、目标对象在足跟着地时刻的第二俯仰角和目标对象在足跟着地时刻的第二偏航角。根据预定距离、着地期足部状态信息和加速度信息，计算得到目标对象的足部在着地期的着地期累积速度误差，包括：根据预定距离、第二俯仰角和第二偏航角，确定目标对象在着地期的第二移动距离。根据第二移动距离和着地期持续时段，计算得到第二计算加速度。根据着地期持续时段和加速度信息，确定目标对象的足部在着地期的着地期加速度。根据第二计算加速度和着地期加速度，计算得到着地期速度误差。根据着地期速度误差和着地期持续时段，确定着地期累积速度误差。
图7示出了根据本发明实施例的着地期的运动轨迹建模示意图。
如图7所示，在着地期，目标对象的足部的变化轨迹类似于圆。由此，可以通过几何分析，计算得到在着地期中目标对象的足部在惯性测量单元的坐标系的x轴，y轴和z轴的距离变化。
基于图7，在着地期，目标对象的足部在惯性测量单元的坐标系的x，y，z轴的第一移动距离，可以通过如下公式进行计算：
（30）；
（31）；/>
（32）；
其中，可以表示在着地期，目标对象的足部在惯性测量单元的坐标系的z轴的移动距离。/>可以表示在着地期，目标对象的足部在惯性测量单元的坐标系的y轴的移动距离。/>可以表示在着地期，目标对象的足部在惯性测量单元的坐标系的x轴的移动距离。Lheel可以表示目标对象的足跟与惯性测量单元之间的距离，该距离可以是根据鞋垫形可穿戴设备的长度、上述预定距离和惯性测量单元的长度确定的。/>表示在HS时刻的第二俯仰角。/>表示在HS时刻的第二偏航角。
根据本发明的实施例，根据预定距离、第二俯仰角和第二偏航角，确定目标对象在着地期的第二移动距离，可以包括：获取鞋垫式可穿戴设备的长度和惯性测量单元的长度。其中，惯性测量单元自身的长度的测量方向是与鞋垫式可穿戴设备的长度的测量方向一致的。根据鞋垫式可穿戴设备的长度、惯性测量单元的长度和预定距离，确定目标对象的足跟与惯性测量单元之间的距离。根据目标对象的足跟与惯性测量单元之间的距离、第二俯仰角和第二偏航角，确定目标对象在着地期的第二移动距离。
根据本发明的实施例，着地期的运动过程是蹬伸期的反向过程，蹬伸期中速度从零逐渐增加，而着地期的速度则是逐渐减小到零，由此着地期的距离的运动方程也与蹬伸期相类似，如下所示：
（33）；
其中，s可以表示上述第二移动距离。可以表示目标对象的足部的真实的平均加速度。t可以表示蹬伸期持续时段的时长。
由于第二移动距离包括、/>和/>，因此目标对象的足部的真实的平均加速度可以如下所示：
（34）；
其中，上述目标对象的足部在惯性测量单元的坐标系的z轴的平均加速度、/>目标对象的足部在惯性测量单元的坐标系的y轴的平均加速度和/>目标对象的足部在惯性测量单元的坐标系的x轴的平均加速度。
可以对在着地期的惯性测量单元的3轴输出的加速度信息，计算平均值，得到测量平均加速度。
可以通过如下公式计算得到着地期速度误差：
（35）；
其中，可以表示测量平均加速度。/>可以表示在着地期目标对象的足部的真实的平均加速度。/>可以表示着地期速度误差。
可以通过如下公式计算得到着地期累积速度误差：
（36）；
其中，可以表示着地期速度误差。e（T3）可以表示着地期累积速度误差，T3可以表示着地期持续时长。
根据本发明的实施例，可以按照着地期速度误差，对与加速度信息对应的着地期速度信息进行补偿，得到目标着地期速度信息。
根据本发明的实施例，可以根据上述求解得到的蹬伸期速度误差、摆动期速度误差/>和着地期速度误差/>，从而可以分别根据蹬伸期速度误差/>、摆动期速度误差/>和着地期速度误差/>，对在蹬伸期、摆动期和着地期进行加速度积分求解速度所造成的累积误差进行补偿。即利用蹬伸期速度误差补偿蹬伸期的速度信息，利用摆动期速度误差补偿摆动期的速度信息，利用着地期速度误差补偿着地期的速度信息。
基于此，本发明的速度补偿方法实现了对目标对象的足部运动时期进行几何建模，并进行分析，以得到累积速度误差，并根据累积速度补偿速度信息。相对于一些实施例中的通过零速度更新方法进行补偿的速度信息，本发明的补偿后的目标摆动期速度信息的更加逼近人行走时脚部产生的线性速度。由此，利用本发明的足部运动时期几何建模分析补偿后的目标摆动期速度信息，可以通过积分法计算得到更加准确的目标对象的步幅信息和位置信息。
例如，步幅信息可以是对足部运动时期的摆动期的目标摆动期速度信息进行积分的计算得到的，即步幅信息可以通过如下公式计算得到：
（37）；
其中，表示修正误差后的速度。tHS可以表示HS时刻。tTO可以表示TO时刻。
上述零速度更新方法，采用的是目标对象的整个运动时期的平均速度误差对采集到的目标对象的足部在摆动期的速度信息进行补偿，这个补偿并不精准。而本发明实施例中的根据足部运动时期几何建模分析的方法，仅采用摆动期速度误差对采集到的目标对象的足部在摆动期的速度信息进行补偿，由此得到的补偿后的速度信息更加符合目标对象的足部的真实速度，从而可以使计算得到的步幅信息更加准确。
根据本发明的实施例，可以通过如下公式计算得到每个时刻目标对象的足部的实际位置信息：
（38）；
（39）；
其中，tstart可以是目标对象开始行走的时刻。tend可以是目标对象结束行走的时刻。p0表示目标对象在行走过程的初始位置信息。
上述目标对象结束行走的时刻，可以与需要确定目标对象的位置信息的时刻为同一时刻。
基于此，本发明的根据足部运动时期几何建模分析的方法，是采用足部运动时期中的每个时期的速度误差对每个时期的速度信息进行补偿。由此，补偿后的速度更加贴近运动时期目标对象的每个时期的真实速度值，提高了计算得到的每个时刻位置细腻系准确性。基于此，本发明的速度信息补偿方法对目标对象的每步进行准确的误差补偿，相对于一些实施例中的零速度更新方法，提高了对目标对象每步的速度信息进行补偿的准确性。由于目标对象的位置信息是通过对目标对象的整个行走过程的速度进行积分，因此，相对于一些实施例中的零速度更新方法，提高了计算得到的位置信息的准确性。
图8示出了根据本发明实施例的位置信息和步幅信息确定方法的示意图。
如图8所示，该实施例的位置信息和步幅信息确定方法包括操作S801~S809。
在操作S801，在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，走步信息包括欧拉角信息和加速度信息，惯性测量单元与目标对象的足趾之间具有预定距离。
在操作S802，根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息。
在操作S803，根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差。
在操作S804，按照摆动期速度误差，对与加速度信息对应的速度信息进行补偿，得到目标摆动期速度信息。
在操作S805，按照蹬伸期速度误差，对与加速度信息对应的蹬伸期速度信息进行补偿，得到目标蹬伸期速度信息。
在操作S806，按照着地期速度误差，对与加速度信息对应的着地期速度信息进行补偿，得到目标着地期速度信息。
在操作S807，根据目标摆动期速度信息、目标蹬伸期速度信息和目标着地期速度信息，得到目标速度信息。
在操作S808，根据目标速度信息、足跟着地时刻和足趾离地时刻，计算得到目标对象的步幅信息。
在操作S809，根据目标速度信息、目标对象开始行走的时刻和目标对象结束行走的时刻，计算得到目标对象的位置信息。
根据本发明的实施例，本发明提供了一种基于可穿戴设备的在目标对象的自由行走状态下降低采集到的步态信息的误差的方法，可以仅使用足底的足弓1个位置6轴传感器的足底IMU，基于在蹬伸期和着地期，目标对象的足部未离地的特点，提出了一种零速度和零位置融合滤波的方案。基于此，可以对位于摆动期前后的蹬伸期和着地期进行几何建模分析，采用分阶段进行补偿的误差补偿策略，可以更精准地校正双足底IMU测量的偏置误差。并且，由于实现了各维度特征信息关联有序融合，因此，可以在实现了简化硬件和降低资源消耗等效果的基础上，使目标对象的步态信息的准确性满足业务需求。
基于此，通过本申请的可穿戴设备，可以在目标对处于日常居家的情况下，对目标对象进行有效且准确地步态评估，为目标对象的诊断和康复评估辅助拓展了新的技术手段。
基于上述信息处理方法，本发明还提供了一种可穿戴设备。以下将结合图9对该装置进行详细描述。
图9示出了根据本发明实施例的可穿戴设备的结构框图。
如图9所示，该实施例的可穿戴设备900包括采集模块910、第一计算模块920和第一确定模块930、第二计算模块940和补偿模块950。
采集模块910用于在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，走步信息包括欧拉角信息和加速度信息，惯性测量单元与目标对象的足趾之间具有预定距离。在一实施例中，采集模块910可以用于执行前文描述的操作S210，在此不再赘述。
第一计算模块920用于根据欧拉角信息，计算得到关于目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息。在一实施例中，第一计算模块920可以用于执行前文描述的操作S220，在此不再赘述。
第一确定模块930用于根据摆动期足部状态信息、着地期足部状态信息和加速度信息，确定惯性测量单元的累积速度误差。在一实施例中，第一确定模块930可以用于执行前文描述的操作S230，在此不再赘述。
第二计算模块940用于根据预定距离、蹬伸期足部状态信息、摆动期足部状态信息、着地期足部状态信息、加速度信息和累积速度误差，计算得到目标对象的足部在摆动期的摆动期速度误差。在一实施例中，第二计算模块940可以用于执行前文描述的操作S240，在此不再赘述。
补偿模块950用于按照摆动期速度误差，对与加速度信息对应的速度信息进行补偿，得到目标摆动期速度信息。在一实施例中，补偿模块950可以用于执行前文描述的操作S250，在此不再赘述。
根据本发明的实施例，第二计算模块940包括第一计算子模块、第二计算子模块、第三计算子模块和第四计算子模块。其中，第一计算子模块用于根据预定距离、蹬伸期足部状态信息和加速度信息，计算得到目标对象的足部在蹬伸期的蹬伸期累积速度误差；第二计算子模块用于根据预定距离、着地期足部状态信息和加速度信息，计算得到目标对象的足部在着地期的着地期累积速度误差；第三计算子模块用于根据累积速度误差、蹬伸期累积速度误差和着地期累积速度误差，计算得到摆动期累积速度误差；第四计算子模块用于根据摆动期持续时段和摆动期累积速度误差，计算得到摆动期速度误差。
根据本发明的实施例，第一计算子模块包括第一确定单元、第一计算单元、第二确定单元、第二计算单元和第三确定单元。其中，第一确定单元用于根据预定距离、第一俯仰角和第一偏航角，确定目标对象在蹬伸期的第一移动距离；第一计算单元用于根据第一移动距离和蹬伸期持续时段，计算得到第一计算加速度；第二确定单元用于根据蹬伸期持续时段和加速度信息，确定目标对象的足部在蹬伸期的蹬伸期加速度；第二计算单元用于根据第一计算加速度和蹬伸期加速度，计算得到蹬伸期速度误差；第三确定单元用于根据蹬伸期速度误差和蹬伸期持续时段，确定蹬伸期累积速度误差。
根据本发明的实施例，第二计算子模块包括第四确定单元、第三计算单元、第五确定单元、第四计算单元和第六确定单元。其中，第四确定单元用于根据预定距离、第二俯仰角和第二偏航角，确定目标对象在着地期的第二移动距离；第三计算单元用于根据第二移动距离和着地期持续时段，计算得到第二计算加速度；第五确定单元用于根据着地期持续时段和加速度信息，确定目标对象的足部在着地期的着地期加速度；第四计算单元用于根据第二计算加速度和着地期加速度，计算得到着地期速度误差；第六确定单元用于根据着地期速度误差和着地期持续时段，确定着地期累积速度误差。
根据本发明的实施例，第一计算模块920包括第一确定子模块、第五计算子模块、处理子模块、第二确定子模块和第三确定子模块。其中，第一确定子模块用于根据俯仰角信息，确定目标对象的足趾离地时刻和足跟着地时刻；第五计算子模块用于对俯仰角信息进行微分计算，得到俯仰角角速度；处理子模块用于利用三阶零滞后高通滤波器处理俯仰角角速度，得到经滤波的俯仰角角速度；第二确定子模块用于根据经滤波的俯仰角角速度，确定目标对象的足跟离地时刻和脚掌着地时刻；第三确定子模块用于根据俯仰角信息、偏航角信息、足跟离地时刻、脚掌着地时刻、足趾离地时刻和足跟着地时刻，确定蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息。
根据本发明的实施例，第一确定模块930包括第六计算子模块、第四确定子模块和第五确定子模块。其中，第六计算子模块用于根据摆动期持续时段、着地期持续时段和加速度信息，计算得到关于目标对象的双足的运动速度；第四确定子模块用于根据运动速度，确定目标对象的足部在着地期的结束时刻的速度偏置误差；第五确定子模块用于根据速度偏置误差，确定惯性测量单元的累积速度误差。
根据本发明的实施例，采集模块910包括第七计算子模块、第八计算子模块、第九计算子模块和第十计算子模块。其中，第七计算子模块用于根据惯性测量单元输出的测量加速度和重力在惯性测量单元的坐标系的重力分量，计算得到加速度误差分量；第八计算子模块用于根据惯性测量单元输出的测量角速度、标准化四元数、预定加速度增益和加速度误差分量，计算得到四元数变化率；第九计算子模块用于通过对四元数变化率进行积分，得到四元数；第十计算子模块用于对四元数进行转换处理，得到欧拉角信息。
根据本发明的实施例，上述采集模块910还包括第十一计算子模块和第十二计算子模块。其中，第十一计算子模块用于根据测量加速度和重力分量，计算得到零重力加速度；第十二计算子模块用于根据零重力加速度和四元数变化率，计算得到加速度信息。
根据本发明的实施例，上述采集模块910还包括第十三计算子模块和补偿子模块。其中，第十三计算子模块用于在惯性测量单元对目标角速度的采集累计时长大于预定时长的情况下，根据低通滤波算法的截止频率和目标角速度，计算得到惯性测量单元的角速度估计误差，其中，目标角速度表征惯性测量单元采集到的角速度值低于预定角速度阈值的初始角速度；补偿子模块用于按照角速度估计误差对目标角速度进行补偿，得到测量角速度。
根据本发明的实施例，采集模块910、第一计算模块920和第一确定模块930、第二计算模块940和补偿模块950中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，采集模块910、第一计算模块920和第一确定模块930、第二计算模块940和补偿模块950中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，采集模块910、第一计算模块920和第一确定模块930、第二计算模块940和补偿模块950中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图10示出了根据本发明实施例的适于实现信息处理方法的电子设备的方框图。
如图10所示，根据本发明实施例的电子设备1000包括处理器1001，其可以根据存储在只读存储器（ROM）1002中的程序或者从存储部分1008加载到随机访问存储器（RAM）1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器（例如CPU）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC））等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中，存储有电子设备1000操作所需的各种程序和数据。处理器 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例，电子设备1000还可以包括输入/输出（I/O）接口1005，输入/输出（I/O）接口1005也连接至总线1004。电子设备1000还可以包括连接至输入/输出（I/O）接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至输入/输出（I/O）接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本发明实施例所提供的信息处理方法。
在该计算机程序被处理器1001执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1009被下载和安装，和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，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，两个接连地表示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，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。
需要说明的是，本发明实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序，或者不同操作在技术实现上存在执行的先后顺序，否则，多个操作之间的执行顺序可以不分先后，多个操作也可以同时执行。
本领域技术人员可以理解，本发明的各个实施例中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。
Claims (9)
1.一种信息处理方法，其特征在于，包括：
在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，所述走步信息包括欧拉角信息和加速度信息，所述惯性测量单元与所述目标对象的足趾之间具有预定距离；
根据所述欧拉角信息，计算得到关于所述目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息；
根据所述摆动期足部状态信息、所述着地期足部状态信息和所述加速度信息，确定所述惯性测量单元的累积速度误差；
根据所述预定距离、所述蹬伸期足部状态信息、所述摆动期足部状态信息、所述着地期足部状态信息、所述加速度信息和所述累积速度误差，计算得到所述目标对象的足部在摆动期的摆动期速度误差；
按照所述摆动期速度误差，对与所述加速度信息对应的摆动期速度信息进行补偿，得到目标摆动期速度信息；
所述摆动期足部状态信息包括摆动期持续时段；
根据所述预定距离、所述蹬伸期足部状态信息、所述摆动期足部状态信息、所述着地期足部状态信息、所述加速度信息和所述累积速度误差，计算得到所述目标对象的足部在摆动期的摆动期速度误差，包括：
根据所述预定距离、所述蹬伸期足部状态信息和所述加速度信息，计算得到所述目标对象的足部在蹬伸期的蹬伸期累积速度误差；
根据所述预定距离、所述着地期足部状态信息和所述加速度信息，计算得到所述目标对象的足部在着地期的着地期累积速度误差；
根据所述累积速度误差、所述蹬伸期累积速度误差和所述着地期累积速度误差，计算得到摆动期累积速度误差；
根据所述摆动期持续时段和所述摆动期累积速度误差，计算得到所述摆动期速度误差。
2.根据权利要求1所述的方法，其特征在于，所述蹬伸期足部状态信息包括蹬伸期持续时段、所述目标对象在足趾离地时刻的第一俯仰角和所述目标对象在所述足趾离地时刻的第一偏航角；
根据所述预定距离、所述蹬伸期足部状态信息和所述加速度信息，计算得到所述目标对象的足部在所述蹬伸期的蹬伸期累积速度误差，包括：
根据所述预定距离、所述第一俯仰角和所述第一偏航角，确定所述目标对象在所述蹬伸期的第一移动距离；
根据所述第一移动距离和所述蹬伸期持续时段，计算得到第一计算加速度；
根据所述蹬伸期持续时段和所述加速度信息，确定所述目标对象的足部在所述蹬伸期的蹬伸期加速度；
根据所述第一计算加速度和所述蹬伸期加速度，计算得到蹬伸期速度误差；
根据所述蹬伸期速度误差和所述蹬伸期持续时段，确定所述蹬伸期累积速度误差。
3.根据权利要求1所述的方法，其特征在于，所述着地期足部状态信息包括着地期持续时段、所述目标对象在足跟着地时刻的第二俯仰角和所述目标对象在所述足跟着地时刻的第二偏航角；
根据所述预定距离、所述着地期足部状态信息和所述加速度信息，计算得到所述目标对象的足部在着地期的着地期累积速度误差，包括：
根据所述预定距离、所述第二俯仰角和所述第二偏航角，确定所述目标对象在所述着地期的第二移动距离；
根据所述第二移动距离和所述着地期持续时段，计算得到第二计算加速度；
根据所述着地期持续时段和所述加速度信息，确定所述目标对象的足部在所述着地期的着地期加速度；
根据所述第二计算加速度和所述着地期加速度，计算得到着地期速度误差；
根据所述着地期速度误差和所述着地期持续时段，确定所述着地期累积速度误差。
4.根据权利要求1所述的方法，其特征在于，所述欧拉角信息包括俯仰角信息和偏航角信息；
根据所述欧拉角信息，计算得到关于所述目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息，包括：
根据所述俯仰角信息，确定所述目标对象的足趾离地时刻和足跟着地时刻；
对所述俯仰角信息进行微分计算，得到俯仰角角速度；
利用三阶零滞后高通滤波器处理所述俯仰角角速度，得到经滤波的俯仰角角速度；
根据经滤波的俯仰角角速度，确定所述目标对象的足跟离地时刻和脚掌着地时刻；
根据所述俯仰角信息、所述偏航角信息、所述足跟离地时刻、所述脚掌着地时刻、所述足趾离地时刻和所述足跟着地时刻，确定所述蹬伸期足部状态信息、所述摆动期足部状态信息和所述着地期足部状态信息。
5.根据权利要求1所述的方法，其特征在于，所述摆动期足部状态信息包括摆动期持续时段，所述着地期足部状态信息包括所述着地期持续时段；
根据所述摆动期足部状态信息、所述着地期足部状态信息和所述加速度信息，确定所述惯性测量单元的累积速度误差，包括：
根据所述摆动期持续时段、所述着地期持续时段和所述加速度信息，计算得到关于所述目标对象的双足的运动速度；
根据所述运动速度，确定所述目标对象的足部在所述着地期的结束时刻的速度偏置误差；
根据所述速度偏置误差，确定所述惯性测量单元的累积速度误差。
6.根据权利要求1所述的方法，其特征在于，所述在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，包括：
根据所述惯性测量单元输出的测量加速度和重力在所述惯性测量单元的坐标系的重力分量，计算得到加速度误差分量；
根据所述惯性测量单元输出的测量角速度、标准化四元数、预定加速度增益和所述加速度误差分量，计算得到四元数变化率；
通过对所述四元数变化率进行积分，得到四元数；
对所述四元数进行转换处理，得到所述欧拉角信息。
7.根据权利要求6所述的方法，其特征在于，还包括：
根据所述测量加速度和所述重力分量，计算得到零重力加速度；
根据所述零重力加速度和四元数变化率，计算得到所述加速度信息。
8.根据权利要求6所述的方法，其特征在于，还包括：
在所述惯性测量单元对目标角速度的采集累计时长大于预定时长的情况下，根据低通滤波算法的截止频率和所述目标角速度，计算得到所述惯性测量单元的角速度估计误差，其中，目标角速度表征所述惯性测量单元采集到的角速度值低于预定角速度阈值的初始角速度；
按照所述角速度估计误差对所述目标角速度进行补偿，得到所述测量角速度。
9.一种可穿戴设备，其特征在于，包括：
采集模块，用于在检测到目标对象进行走步的情况下，利用惯性测量单元采集目标对象的走步信息，其中，所述走步信息包括欧拉角信息和加速度信息，所述惯性测量单元与所述目标对象的足趾之间具有预定距离；
第一计算模块，用于根据所述欧拉角信息，计算得到关于所述目标对象足部的蹬伸期足部状态信息、摆动期足部状态信息和着地期足部状态信息，所述摆动期足部状态信息包括摆动期持续时段；
第一确定模块，用于根据所述摆动期足部状态信息、所述着地期足部状态信息和所述加速度信息，确定所述惯性测量单元的累积速度误差；
第二计算模块，用于根据所述预定距离、所述蹬伸期足部状态信息、所述摆动期足部状态信息、所述着地期足部状态信息、所述加速度信息和所述累积速度误差，计算得到所述目标对象的足部在摆动期的摆动期速度误差，包括：根据所述预定距离、所述蹬伸期足部状态信息和所述加速度信息，计算得到所述目标对象的足部在蹬伸期的蹬伸期累积速度误差；根据所述预定距离、所述着地期足部状态信息和所述加速度信息，计算得到所述目标对象的足部在着地期的着地期累积速度误差；根据所述累积速度误差、所述蹬伸期累积速度误差和所述着地期累积速度误差，计算得到摆动期累积速度误差；根据所述摆动期持续时段和所述摆动期累积速度误差，计算得到所述摆动期速度误差；
补偿模块，用于按照所述摆动期速度误差，对与所述加速度信息对应的摆动期速度信息进行补偿，得到目标摆动期速度信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410181761.5A CN117731276B (zh) | 2024-02-19 | 2024-02-19 | 一种信息处理方法和可穿戴设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410181761.5A CN117731276B (zh) | 2024-02-19 | 2024-02-19 | 一种信息处理方法和可穿戴设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117731276A CN117731276A (zh) | 2024-03-22 |
| CN117731276B true CN117731276B (zh) | 2024-04-19 |
Family
ID=90254835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410181761.5A Active CN117731276B (zh) | 2024-02-19 | 2024-02-19 | 一种信息处理方法和可穿戴设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117731276B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
| CN106482733A (zh) * | 2016-09-23 | 2017-03-08 | 南昌大学 | 行人导航中基于足底压力检测的零速修正方法 |
| KR101751760B1 (ko) * | 2016-10-31 | 2017-06-28 | 주식회사 모셔넥스 | 하지 관절 각도를 이용한 보행 인자 추정 방법 |
| CN108592907A (zh) * | 2018-04-16 | 2018-09-28 | 大连理工大学 | 一种基于双向滤波平滑技术的准实时步进式行人导航方法 |
| CN108836346A (zh) * | 2018-04-16 | 2018-11-20 | 大连理工大学 | 一种基于惯性传感器的人体步态分析方法和系统 |
| CN109827577A (zh) * | 2019-03-26 | 2019-05-31 | 电子科技大学 | 基于运动状态检测的高精度惯性导航定位算法 |
| CN109827568A (zh) * | 2019-01-29 | 2019-05-31 | 东北大学秦皇岛分校 | 基于mems传感器的多层建筑中行人高度位置估计方法 |
| CN109998551A (zh) * | 2019-04-11 | 2019-07-12 | 北京航空航天大学 | 一种分段式局部峰值检测的步态相位分析方法 |
| CN110420029A (zh) * | 2019-08-03 | 2019-11-08 | 苏州自如医疗器械有限公司 | 一种基于多传感器融合的行走步态无线检测系统 |
| KR20210066698A (ko) * | 2019-11-27 | 2021-06-07 | 서울대학교산학협력단 | 관성 센서 기반의 위치 추정 방법 및 장치 |
| CN115719511A (zh) * | 2022-11-08 | 2023-02-28 | 中科海微(北京)科技有限公司 | 立定跳远距离的确定方法、装置 |
| CN115857354A (zh) * | 2022-12-09 | 2023-03-28 | 山东大学 | 一种四足机器人优化足底力分配和轨迹跟踪的方法 |
| CN116817905A (zh) * | 2023-05-19 | 2023-09-29 | 北京航天时代光电科技有限公司 | 一种可穿戴多mems准实时协同导航系统及方法 |
| CN116999057A (zh) * | 2023-09-18 | 2023-11-07 | 大连理工大学 | 基于穿戴式传感器的偏瘫步态识别及偏瘫步态评估方法 |
-
2024
- 2024-02-19 CN CN202410181761.5A patent/CN117731276B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
| CN106482733A (zh) * | 2016-09-23 | 2017-03-08 | 南昌大学 | 行人导航中基于足底压力检测的零速修正方法 |
| KR101751760B1 (ko) * | 2016-10-31 | 2017-06-28 | 주식회사 모셔넥스 | 하지 관절 각도를 이용한 보행 인자 추정 방법 |
| CN108592907A (zh) * | 2018-04-16 | 2018-09-28 | 大连理工大学 | 一种基于双向滤波平滑技术的准实时步进式行人导航方法 |
| CN108836346A (zh) * | 2018-04-16 | 2018-11-20 | 大连理工大学 | 一种基于惯性传感器的人体步态分析方法和系统 |
| CN109827568A (zh) * | 2019-01-29 | 2019-05-31 | 东北大学秦皇岛分校 | 基于mems传感器的多层建筑中行人高度位置估计方法 |
| CN109827577A (zh) * | 2019-03-26 | 2019-05-31 | 电子科技大学 | 基于运动状态检测的高精度惯性导航定位算法 |
| CN109998551A (zh) * | 2019-04-11 | 2019-07-12 | 北京航空航天大学 | 一种分段式局部峰值检测的步态相位分析方法 |
| CN110420029A (zh) * | 2019-08-03 | 2019-11-08 | 苏州自如医疗器械有限公司 | 一种基于多传感器融合的行走步态无线检测系统 |
| KR20210066698A (ko) * | 2019-11-27 | 2021-06-07 | 서울대학교산학협력단 | 관성 센서 기반의 위치 추정 방법 및 장치 |
| CN115719511A (zh) * | 2022-11-08 | 2023-02-28 | 中科海微(北京)科技有限公司 | 立定跳远距离的确定方法、装置 |
| CN115857354A (zh) * | 2022-12-09 | 2023-03-28 | 山东大学 | 一种四足机器人优化足底力分配和轨迹跟踪的方法 |
| CN116817905A (zh) * | 2023-05-19 | 2023-09-29 | 北京航天时代光电科技有限公司 | 一种可穿戴多mems准实时协同导航系统及方法 |
| CN116999057A (zh) * | 2023-09-18 | 2023-11-07 | 大连理工大学 | 基于穿戴式传感器的偏瘫步态识别及偏瘫步态评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Practical Gait Feedback Method Based on Wearable Inertial Sensors for a Drop Foot Assistance Device;Meng lin, et al;IEEE Sensors Journal;20191215;全文 * |
| 基于柔性及惯性传感器的膝关节角度测量以及应用;高远航;《优秀硕士论文数据库 医药卫生科技辑》;20220115;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117731276A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Accurate ambulatory gait analysis in walking and running using machine learning models | |
| Ferrari et al. | A mobile Kalman-filter based solution for the real-time estimation of spatio-temporal gait parameters | |
| Tunca et al. | Inertial sensor-based robust gait analysis in non-hospital settings for neurological disorders | |
| Figueiredo et al. | Gait event detection in controlled and real-life situations: Repeated measures from healthy subjects | |
| Yuan et al. | Human velocity and dynamic behavior tracking method for inertial capture system | |
| Wang et al. | Estimate spatial-temporal parameters of human gait using inertial sensors | |
| Carbonaro et al. | Assessment of a smart sensing shoe for gait phase detection in level walking | |
| Sabatini et al. | Fourier-based integration of quasi-periodic gait accelerations for drift-free displacement estimation using inertial sensors | |
| Yang et al. | Inertial sensors in estimating walking speed and inclination: an evaluation of sensor error models | |
| Mao et al. | Estimation of stride-by-stride spatial gait parameters using inertial measurement unit attached to the shank with inverted pendulum model | |
| Fukushi et al. | On-line algorithms of stride-parameter estimation for in-shoe motion-sensor system | |
| Roth et al. | An inertial sensor-based gait analysis pipeline for the assessment of real-world stair ambulation parameters | |
| Uchitomi et al. | Three-dimensional continuous gait trajectory estimation using single shank-worn inertial measurement units and clinical walk test application | |
| CN117731276B (zh) | 一种信息处理方法和可穿戴设备 | |
| JP7259982B2 (ja) | 歩容計測システム、歩容計測方法、およびプログラム | |
| Madrigal et al. | Hip and lower limbs 3D motion tracking using a double-stage data fusion algorithm for IMU/MARG-based wearables sensors | |
| Okkalidis et al. | A review of foot pose and trajectory estimation methods using inertial and auxiliary sensors for kinematic gait analysis | |
| Boutaayamou et al. | Algorithm for temporal gait analysis using wireless foot-mounted accelerometers | |
| Das et al. | A novel method for stride length estimation using wireless foot sensor module | |
| Bernhart et al. | Ground contact time estimating wearable sensor to measure spatio-temporal aspects of gait | |
| Salis et al. | A multi-sensor wearable system for gait assessment in real-world conditions: performance in individuals with impaired mobility | |
| US20240049990A1 (en) | Foot angle calculation device, gait measurement system, gait measurement method, andprogram recording medium | |
| Sayeed et al. | Comparative and adaptation of step detection and step length estimators to a lateral belt worn accelerometer | |
| Wang et al. | Wearable motion sensing devices and algorithms for precise healthcare diagnostics and guidance | |
| CN117731275B (zh) | 一种走步信息处理方法和可穿戴设备 |
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 |