[发明专利]一种马术骑手姿态信息采集分析系统在审
申请号: | 201810256743.3 | 申请日: | 2018-03-27 |
公开(公告)号: | CN108447077A | 公开(公告)日: | 2018-08-24 |
发明(设计)人: | 王英睿 | 申请(专利权)人: | 王英睿 |
主分类号: | G06T7/246 | 分类号: | G06T7/246;G06T15/00 |
代理公司: | 盘锦大工智讯专利代理事务所(特殊普通合伙) 21244 | 代理人: | 徐淑东;崔雪 |
地址: | 116013 辽宁省大连市*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 姿态信息采集 传感节点 分析系统 重构 三维人体模型 三维姿态信息 实时数据驱动 无线数传模块 无线通讯方式 上位机通信 运动学数据 采集模块 汇聚节点 节点运动 特征部位 信息捕捉 运动跟踪 运动信息 运动姿态 专业教练 实时性 重构的 捕捉 跟踪 安置 分析 | ||
1.马术骑手姿态信息采集分析系统,其特征在于,包括依次连接的安置于骑手各特征部位的姿态采集传感节点、对各传感节点姿态信息进行实时汇总和转发的数据汇聚节点以及对姿态信息进行接收处理并对骑手姿态进行三维重构的3D人体运动跟踪PC界面;
所述3D人体运动跟踪PC界面对姿态信息进行接收处理并对骑手姿态进行三维重构的具体过程如下:
步骤100:在骑手各肢体特征部位,包括骨盆、胸口、头部、上臂、下臂、手、大腿、小腿、脚部,穿戴姿态采集传感节点,穿戴完成后,通过USB接口将传感节点与汇聚节点相连,并采用5V的锂电池连接汇聚节点的USB供电接口,完成对整个系统的供电;此时硬件初始化完成,随后打开PC端人体运动跟踪界面,连接上硬件端发出的WIFI热点后,即可接收到各采集节点的原始姿态信息,包括三轴加速度,三轴角速度以及三轴磁场强度;
步骤200:待系统工作正常后,骑手面朝正北10秒钟,通过公式和计算出初始的姿态信息,其中表示三轴的加速度,和通过式和式来表示,其中和表示校准后的三轴磁场强度;初始姿态信息包括俯仰角,翻滚角和航向角,从而完成初始姿态的标定,初始标定完成后,骑手即可自由做各种动作;
步骤300:在获得了骑手的初始姿态信息后,将初始的欧拉角转换为四元数,并以此时的四元数作为初始参考量,用来修正传感器坐标系和骨骼坐标系以及导航坐标系之间的偏差量,并以此为参考,通过梯度下降的扩展卡尔曼滤波数据融合算法解算出骑手在运动过程中各骨骼的运动姿态信息,将各骨骼的姿态信息映射至三维模型对应的骨骼部位,从而完成运动姿态的重构,并通过计算机图形学将捕捉的效果通过三维方式展示出来。
2.根据权利要求1所述的马术骑手姿态信息采集分析系统,其特征在于,每个传感节点分别包含惯性传感器和相对应的微处理器,并能独立的对各个运动节点的姿态信息进行实时分析和处理,分析处理主要是对传感器输出的9轴信息:三轴加速度、三轴角速度以及三轴磁场强度,进行数据滤波和误差校正,包含对加速度计的低通滤波和陀螺仪的零漂校正以及针对磁力计的椭球拟合校正过程;汇聚节点与各个传感节点之间通过高速CAN总线进行连接,汇聚节点完成对各采集节点的姿态数据的接收后,通过无线WIFI模块将姿态数据传输至3D人体运动跟踪PC界面。
3.根据权利要求1所述的马术骑手姿态信息采集分析系统,其特征在于,3D人体运动跟踪PC界面内嵌了高精度的基于梯度下降的扩展卡尔曼滤波数据融合算法,该算法通过式来预测系统的状态,并通过式来进行系数的迭代,通过式来不断的更新骑手在运动过程中的姿态信息,该姿态信息通过四元数来表示,其中为预测向量;为当前滤波器的输出;F表示状态转移矩阵;μ表示迭代系数;表示当前的四元数状态;δt表示采样周期;表示当前测量的四元数;K表示卡尔曼增益。
4.根据权利要求1所述的马术骑手姿态信息采集分析系统,其特征在于,所述3D人体运动跟踪PC界面进一步对每个传感节点的姿态数据通过坐标系描绘出来。
5.根据权利要求1所述的马术骑手姿态信息采集分析系统,其特征在于,其各个单元之间均通过可充电锂电池进行统一集中式供电。
6.根据权利要求1所述的马术骑手姿态信息采集分析系统,其特征在于,通过特定的朝北直立姿态作为参考动作,从而根据式和计算出自适应的初始姿态信息,完成初始姿态的标定。
7.根据权利要求1所述的马术骑手姿态信息采集分析系统,其特征在于,利用WIFI的无线传输方式实现硬件端各采集节点和PC端数据的实时交互,采样速率可达100Hz。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于王英睿,未经王英睿许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810256743.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于深度增强学习的多目标跟踪方法
- 下一篇:基于视觉显著性的干扰感知跟踪算法