CN110680335A - 步长测量方法及其设备、***、非易失性计算机存储介质 - Google Patents
步长测量方法及其设备、***、非易失性计算机存储介质 Download PDFInfo
- Publication number
- CN110680335A CN110680335A CN201910950080.XA CN201910950080A CN110680335A CN 110680335 A CN110680335 A CN 110680335A CN 201910950080 A CN201910950080 A CN 201910950080A CN 110680335 A CN110680335 A CN 110680335A
- Authority
- CN
- China
- Prior art keywords
- thigh
- foot
- shank
- sagittal plane
- angle
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6828—Leg
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Developmental Disabilities (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例涉及步长测量技术领域,公开一种步长测量方法及其设备、***、非易失性计算机存储介质。其中,步长测量方法包括:在每个步态周期内,获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度;获取两只脚在每个步态周期内的相对变化角度;确定大腿及小腿各自的长度;使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、大腿及小腿各自的长度及相对变化角度,得到步长。因此,一方面,即使安装传感器的坐标系与人体解剖坐标系存在偏差,本方法还能够得到比较准确的步长。另一方面,在测量步长时,本方法无需预设校准动作,避免步长测量繁琐的问题。
Description
技术领域
本发明实施例涉及步长测量技术领域,具体涉及一种步长测量方法及其设备、***、非易失性计算机存储介质。
背景技术
步长的测量对一些疾病的诊断、防治等等具有重要参考价值,尤其在帕金森综合征上得到广泛应用。
一般的,传统技术在受试者上安装各类传感器,传感器能够采集受试者在步行时的大腿或小腿的角速度,并根据角速度计算步长。
发明人在实现本发明的过程中,发现传统技术至少存在以下问题:由于安装传感器的坐标系与人体解剖坐标系存在偏差,导致步长测量不准确。
发明内容
本发明实施例的一个目的旨在提供一种步长测量方法及其设备、***、非易失性计算机存储介质,其能够提高步长测量的准确性。
为实现上述目的,本发明实施例采用的一个技术方案是:提供一种步长测量方法,包括:
在每个步态周期内,获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度;
获取两只脚在每个步态周期内的相对变化角度;
确定所述大腿及小腿各自的长度;
使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、所述大腿及小腿各自的长度及相对变化角度,得到步长。
可选地,所述获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度,包括:
计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度;
确定满足预设步态条件的目标步态事件;
根据所述目标步态事件的时间点,对每只脚中大腿及小腿各自的角速度作积分运算,分别得到所述大腿及小腿各自在人体运动矢状面内的摆动角度。
可选地,所述计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度,包括:
构建所述大腿的第一坐标系及所述小腿的第二坐标系;
分别计算膝关节方向向量在所述第一坐标系下的第一向量坐标及在所述第二坐标系下的第二向量坐标,其中,所述膝关节方向向量为所述人体运动矢状面的法向量;
获取所述大腿在所述第一坐标系的第一角速度及所述小腿在所述第二坐标系的第二角速度;
将所述第一角速度与所述第一向量坐标作点积运算,得到所述大腿在人体运动矢状面内的角速度,将所述第二角速度与所述第二向量坐标作点积运算,得到所述小腿在人体运动矢状面内的角速度。
可选地,所述目标步态事件包括第一目标步态事件与第二目标步态事件,所述确定满足预设步态条件的目标步态事件,包括:
根据第一脚或第二脚中大腿或小腿的角速度在预设坐标轴方向的角度变化,确定所述第一脚及第二脚各自的步态事件;
按照步行顺序,依次选择第一脚脚后跟着地为所述第一目标步态事件,第二脚脚后跟着地为所述第二目标步态事件。
可选地,所述根据所述目标步态事件的时间点,对每只脚中大腿及小腿各自的角速度作积分运算,得到所述大腿及小腿各自在人体运动矢状面内的摆动角度,包括:
在所述第一目标步态事件的时间点与所述第二目标步态事件的时间点之间,分别对每只脚中大腿及小腿各自的角速度作积分运算,得到所述大腿及小腿各自在人体运动矢状面内的摆动角度。
可选地,所述预设坐标轴方向所在的坐标轴垂直于所述人体运动矢状面。
可选地,所述计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度,包括:
使用滤波器对每只脚中大腿及小腿各自在人体运动矢状面内的角速度作滤波处理,得到大腿及小腿各自最终的角速度。
可选地,所述获取两只脚在每个步态周期内的相对变化角度,包括:
获取两只脚中各自大腿在每个步态周期内的相对变化角度。
可选地,所述获取两只脚的大腿之间在每个步态周期内的相对变化角度,包括:
按照步行顺序,分别确定所述第一脚站立中期时的第一时间点,所述第二脚脚后跟着地时的第二时间点;
在所述第一时间点与所述第二时间点之间,作所述第二脚的角速度与所述第一脚的角速度之差的积分运算,得到两只脚的大腿之间在每个步态周期内的相对变化角度。
可选地,所述人体运动矢状面为由所述大腿、连接所述大腿与所述小腿之间的膝关节、所述小腿构成的膝关节平面。
可选地,所述步长测量模型包括三角形几何模型,所述使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、所述大腿及小腿各自的长度及相对变化角度,得到步长,包括:
根据三角形角度计算原理,利用已知的大腿及小腿各自在人体运动矢状面内的摆动角度,计算所述大腿与所述小腿的第一夹角;
根据三角函数,利用已知的第一夹角、所述大腿及小腿各自的长度,计算第一对边与所述大腿的第二夹角,其中,第一对边、所述大腿及所述小腿构成第一三角形;
将所述相对变化角度与所述第二夹角相加,得到所述大腿与所述小腿形成的第二对边与所述第一对边的第三夹角;
根据三角函数,利用已知的第三夹角、所述大腿及小腿各自的长度,计算第三对边,并将所述第三对边作为第一步长,其中,所述第一对边、第二对边及第三对边构成第二三角形。
在第二方面,本发明实施例提供一种步长测量设备,包括:
至少一个处理器;和,
与所述至少一个处理通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令程序,所述指令程序被所述至少一个处理器执行,以使所述至少一个处理器执行任意一项所述的步长测量方法。
在第三方面,本发明实施例提供一种步长测量***,包括:
传感器组件,用于采样大腿及小腿的角速度;和,
所述的步长测量设备,与所述传感器组件通讯连接。
在第四方面,本发明实施例提供一种非易失性计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,可使得所述一个或多个处理器执行所述的步长测量方法。
本发明实施例的有益效果是:相对于传统技术,在本实施例提供的步长测量方法中,在每个步态周期内,获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度,其中,人体运动矢状面穿过同侧脚的大腿及小腿;获取两只脚在每个步态周期内的相对变化角度;确定大腿及小腿各自的长度;使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、大腿及小腿各自的长度及相对变化角度,得到步长。由于本实施例计算的是大腿及小腿各自在人体运动矢状面内的摆动角度,因此,一方面,即使安装传感器的坐标系与人体解剖坐标系存在偏差,其还能够得到比较准确的步长。另一方面,在测量步长时,其无需预设校准动作,避免步长测量繁琐的问题。
附图说明
图1a是本发明实施例提供的一种步态周期中各个步态事件的示意图;
图1b是图1a中各个步态事件在对应曲线的位置示意图;
图1c是本发明实施例提供的人体运动矢状面、人体运动冠状面及水平面在人体分布的示意图;
图2a是本发明实施例提供的一种步长测量***的结构示意图;
图2b是本发明实施例提供的测量用户步长的场景示意图;
图3a是本发明实施例提供的一种步长测量方法的流程示意图;
图3b是本发明实施例提供的一种由大腿、膝关节及小腿组成的铰链模型的示意图;
图3c是图3a中S31的流程示意图;
图3d是本发明实施例提供的在大腿及小腿构建坐标系的示意图;
图4是本发明实施例提供的一种步长测量模型的示意图;
图5是本发明实施例提供的一种步长测量装置的结构示意图;
图6是本发明实施例提供的一种步长测量设备的结构示意图。
具体实施方式
为了便于理解本发明,下面结合附图和具体实施例,对本发明进行更详细的说明。需要说明的是,当元件被表述“固定于”另一个元件,它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”、“内”、“外”以及类似的表述只是为了说明的目的。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体实施例的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
为了方便理解下文的有关专业术语,帮助读者深入理解下文提供的实施例,因此,在阐述本文提供的各个实施例之前,先对有关术语作出说明,可以理解的是,由于存在认识上的偏差,对于同一个术语,不同人存在不同理解,不过应当理解的是,本文所阐述的术语并不用于限制本发明实施例的保护范围,并且以能够实现本实施例目的为准。
步态事件指人在步行过程中基于时间轴所产生的一系列步态特征,其中,步态事件包括脚后跟着地、站立中期及脚尖离地,因此,左脚的步态事件包括左脚脚后跟着地、左脚站立中期及左脚脚尖离地,右脚的步态事件包括右脚脚后跟着地、右脚站立中期及右脚脚尖离地。
请一并参阅图1a与图1b,在第K个步态周期内,假设图1a中黑色部分为右脚。在第K个步态周期内,若以右脚为起始点观察,一个完整步态周期依次按照右脚脚后跟着地A→左脚脚尖离地B→右脚站立中期C→左脚脚后跟着地D→右脚脚尖离地E→右脚脚后跟着地F……循环交替呈现。其中,右脚中各个步态事件A、C、E及F的位置如图1b中的第一曲线1b1所示,左脚中各个步态事件B、D的位置如图1b中的第二曲线1b2所示。
令右脚脚后跟着地A对应的时间点为hsR(k),左脚脚尖离地B对应的时间点为toL(k),右脚站立中期C对应的时间点为msR(k),左脚脚后跟着地D对应的时间点为hsL(k),右脚脚尖离地E对应的时间点为toR(k),右脚脚后跟着地F对应的时间点为hsR(k+1)。
同理可得,若以左脚为起始点观察,一个完整步态周期依次按照左脚脚后跟着地A→右脚脚尖离地B→左脚站立中期C→右脚脚后跟着地D→左脚脚尖离地E→左脚脚后跟着地F……循环交替呈现。
令左脚脚后跟着地A对应的时间点为hsL(k),右脚脚尖离地B对应的时间点为toR(k),左脚站立中期C对应的时间点为msL(k),右脚脚后跟着地D对应的时间点为hsR(k),左脚脚尖离地E对应的时间点为toL(k),左脚脚后跟着地F对应的时间点为hsL(k+1)。
请参阅图1c,人体所处空间可由人体运动矢状面、人体运动冠状面及水平面划分,其中,人体运动矢状面、人体运动冠状面和水平面分别两两垂直。
步长是左右脚在人体的人体运动矢状面内运动所产生的行为信息,其可以为左步长,亦可以为右步长,其中,此处定义左(右)步长为:从右(左)脚后跟着地到相邻左(右)脚后跟着地期间所发生的位移在运动人体运动矢状面内的投影长度,此处认为:在脚后跟着地瞬间,大腿、小腿分别与垂直方向的夹角相等。
人体的大腿长度为人体静止站立时,从髋关节到膝关节的垂直高度。人体的小腿长度为人体静止站立时,从膝关节到地面的垂直高度。
本发明实施例提供的步长测量方法,可以在任何合适类型、具有运算能力的电子设备中执行,例如服务器、台式计算机、智能手机、平板电脑以及其他电子产品中。其中,此处的服务器可以是一个物理服务器或者多个物理服务器虚拟而成的一个逻辑服务器。服务器也可以是多个可互联通信的服务器组成的服务器群,且各个功能模块可分别分布在服务器群中的各个服务器上。
本发明实施例的步长测量装置可以作为软件***,独立设置在上述电子设备中,也可以作为整合在处理器中的其中一个功能模块,执行本发明实施例的步长测量方法。
本发明实施例提供一种步长测量***。请一并参阅图2a与图2b,步长测量***200用于测量用户21的步长,其中,步长测量***200包括传感器组件22与步长测量设备23,其中,传感器组件22安装在用户21上,并且,传感器组件22与步长测量设备23通讯连接,其中,通讯方式包括无线通讯方式与有线通讯方式,无线通讯方式包括5G通讯、4G通讯、3G通讯、2G通讯、CDMA、Zig-Bee、蓝牙(Bluetooth)、无线宽带(Wi-Fi)、超宽带(UWB)和近场通信(NFC)、CDMA2000、GSM、Infrared(IR)、ISM、RFID、UMTS/3GPPw/HSDPA、WiMAXWi-Fi、ZigBee等等。有线通讯方式包括利用金属导线、光纤等有形媒质传送信息的各类方式。
传感器组件22用于在步行时,采集用户21左右脚中大腿或小腿的摆动角速度。
在一些实施例中,传感器组件22包括第一传感器221、第二传感器222、第三传感器223及第四传感器224,其中,步长测量设备分别与第一传感器21、第二传感器12、第三传感器23及第四传感器24通讯连接。
第一传感器221可以安装在左脚的大腿任意合适位置,例如,第一传感器221安装在大腿邻近膝关节10厘米之处。当用户行走时,第一传感器221可以采集到左脚大腿的摆动角速度。
第二传感器222可以安装在左脚的小腿任意合适位置,例如,第二传感器222安装在小腿邻近踝关节5厘米之处。当用户行走时,第二传感器222可以采集到左脚小腿的摆动角速度。
第三传感器223可以安装在右脚的大腿任意合适位置,例如,第三传感器223安装在大腿邻近膝关节10厘米之处。当用户行走时,第三传感器223可以采集到右脚大腿的摆动角速度。
第四传感器224可以安装在右脚的小腿任意合适位置,例如,第四传感器224安装在小腿邻近踝关节5厘米之处。当用户行走时,第四传感器224可以采集到右脚小腿的摆动角速度。
在本实施例中,每个传感器皆可以被预先构建各自的空间坐标系,例如,在人体处于笔直站立的姿势下,各个传感器的X轴约指向人体运动矢状面的前方,Y轴约指向人体运动冠状面右方,Z轴约指向重力方向向下。
可以理解的是,本领域技术人员可以根据业务需求自行构建传感器的空间坐标系,并不局限于本实施例提供的。
上述各个传感器按照预设采样频率(例如100Hz),通过无线通讯方式,将每只脚中大腿及小腿的角速度数据发送至步长测量设备23,步长测量设备23将各个角速度数据输入至步长测量模型,计算出步长。
在一些实施例中,此处传感器可以为任意合适类型的传感器,包括诸如惯性测量单元(Inertial measurement unit,IMU)、磁场计或速度计等等。
步长测量设备23可以为服务器、台式计算机、智能手机或平板电脑等等其他电子产品。在本实施例中,步长测量设备23可以执行下文所阐述的步长测量方法。
本实施例提供一种步长测量方法,请参阅图3a,步长测量方法S300包括:
S31、在每个步态周期内,获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度;
在本实施例中,每只脚皆配置有对应的人体运动矢状面,相应的,每只脚的大腿或小腿在摆动时产生的角速度都可以通过变换矩阵,投影至人体运动矢状面,进而得到大腿及小腿各自在人体运动矢状面内的摆动角度,举例而言,左脚中大腿及小腿在摆动时产生的角度在左脚的人体运动矢状面上作投影,得到左脚中大腿及小腿在人体运动矢状面的摆动角度。右脚中大腿及小腿在摆动时产生的角度在右脚的人体运动矢状面上作投影,得到右脚中大腿及小腿在人体运动矢状面的摆动角度。
可以理解的是,即使安装各个传感器的坐标系与人体解剖坐标系存在偏差,但是通过将各个传感器采集的角速度数据投影至基准的人体运动矢状面,从而方便后续根据投影至人体运动矢状面的角速度数据计算出更为准确的步长。
在一些实施例中,人体运动矢状面为由大腿、连接大腿与小腿之间的膝关节、小腿构成的膝关节平面,可以理解的是,请结合图3b,大腿3b1、膝关节3b2及小腿3b3组成的结构模型可以近似为单自由度的“铰链”模型,使用大腿3b1和小腿3b3的三维运动角速度作为“铰链”模型的输入,从而估计出膝关节轴单位方向向量j,通过膝关节轴单位方向向量j来确定“不可见”的人体运动矢状面。至此,结合三维运动角速度,从而得到每只脚中大腿及小腿各自在人体运动矢状面内的摆动角速度。
在本实施例中,步长测量设备可以同时获取左右脚中大腿及小腿各自在人体运动矢状面内的摆动角度。
S32、获取两只脚在每个步态周期内的相对变化角度;
在本实施例中,对于每个步态周期,左脚与右脚两者都会相对地产生角度变化,例如,在左脚处于站立中期到右脚脚后跟着地之间,左脚与右脚两者出现相对变化角度,或者,在右脚处于站立中期到左脚脚后跟着地之间,右脚与左脚两者在人体运动矢状面内出现相对变化角度。
S33、确定大腿及小腿各自的长度;
在本实施例中,步长测量设备可以确定左脚中大腿及小腿各自的长度,还可以确定右脚中大腿及小腿各自的长度。一般而言,左脚大腿的长度等于右脚大腿的长度,左脚小腿的长度等于右脚小腿的长度。
S34、使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、大腿及小腿各自的长度及相对变化角度,得到步长。
在本实施例中,步长测量模型以每只脚大腿及小腿的摆动角度、大腿及小腿各自的长度及相对变化角度为输入,得到步长的输出。
举例而言,以右脚的大腿及小腿的摆动角度作为输入,在右脚处于站立中期到左脚脚后跟着地之间,右脚与左脚两者出现相对变化角度,于是,使用步长测量模型处理上述输入时,其便可以得到左步长。
再举例而言,以左脚的大腿及小腿的摆动角度作为输入,在左脚处于站立中期到右脚脚后跟着地之间,左脚与右脚两者出现相对变化角度,于是,使用步长测量模型处理上述输入时,其便可以得到右步长。
在一些实施例中,步长测量模型可以预先被构建成任意合适类型的测量模型,包括诸如三角形几何模型等等。
在一些传统技术中,其将惯性传感器安装在受试者上,并且根据陀螺仪采集的角速度数据计算步长,由于加速度计本身存在零偏等确定误差和随机噪声,且易受震动影响,动态性能差,即使与陀螺仪通过数据融合技术联合解算姿态,仍然无法避免“传感器安装误差”带来的初始姿态不准确的问题。因此,本实施例可以仅仅使用三轴陀螺仪传感器,充分发挥其动态性能佳、短时精度高的优点,将大腿及小腿在三维空间产生的角度投影在人体运动矢状面上,一方面,即使安装传感器的坐标系与人体解剖坐标系存在偏差,其还能够得到比较准确的步长。另一方面,在测量步长时,其无需预设校准动作,避免步长测量繁琐的问题。
计算每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度的方式比较繁多,例如,在一些实施例中,请参阅图3c,S31包括:
S311、计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度;
在本实施例中,用户步行时,安装在大腿和小腿上的传感器都可以各自采集到大腿和小腿在三维空间的角速度,步长测量设备将大小腿在三维空间的角速度均投影至人体运动矢状面,从而得到左脚或右脚中大小腿在人体运动矢状面内的角速度。
在一些实施例中,步长测量设备在计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度的过程中,请结合图3d,首先,步长测量设备构建大腿的第一坐标系及小腿的第二坐标系,其中,当用户处于笔直站立的姿势下,上述各个坐标系的X轴约指向人体运动矢状面前方,Y轴约指向人体运动冠状面右方,Z轴约指向重力方向向下。
其次,步长测量设备分别计算膝关节方向向量j在第一坐标系下的第一向量坐标j1及在第二坐标系下的第二向量坐标j2,其中,膝关节方向向量j为人体运动矢状面的法向量。举例而言,记w1(t)和w2(t)分别为该侧大、小腿测量的三维角速度,当膝关节为单自由度的“铰链模型”,则对应侧大、小腿的角速度向量分别投影到人体运动矢状面的分量具有相同的长度,即满足如下运动学约束:
||w1(t)×j1||2-||w2(t)×j2||2=0
可运用牛顿法、梯度下降法等最优化方法估计出j1、j2。
再次,步长测量设备获取大腿在第一坐标系的第一角速度及小腿在第二坐标系的第二角速度。在一些实施例中,为了消除传感器漂移的影响,步长测量设备使用滤波器对每只脚中大腿及小腿各自在人体运动矢状面内的角速度作滤波处理,得到大腿及小腿各自最终的角速度,其中,滤波器可以选择IIR高通滤波器,该滤波器的传递函数如下:
通过对三维角速度作滤波处理,其能够更大程度上减少积分漂移的影响,进而得到更为准确地角速度以及准确地计算出步长。
最后,步长测量设备将第一角速度与第一向量坐标作点积运算,得到大腿在人体运动矢状面内的角速度,将第二角速度与第二向量坐标作点积运算,得到小腿在人体运动矢状面内的角速度。
举例而言,令wL1(t)、wL2(t)、wR1(t)、wR2(t)分别为左大腿、左小腿、右大腿、右小腿的三维角速度,jL1、jL2为左膝关节单位方向向量分别在左大腿传感器的第一坐标系和左小腿传感器的第二坐标系的坐标表示,jR1、jR2为右膝关节单位方向向量分别在右大腿传感器的第一坐标系和右小腿传感器的第二坐标系的坐标表示。
根据以下算式,
tL(t)=wL1(t)·jL1
sL(t)=wL2(t)·jL2
tR(t)=wR1(t)·jR1
sR(t)=wR2(t)·jR2
分别计算出左大腿在人体运动矢状面内的角速度tL(t)、左小腿在人体运动矢状面内的角速度SL(t)、右大腿在人体运动矢状面内的角速度tR(t)、右小腿在人体运动矢状面内的角速度sR(t)。
S312、确定满足预设步态条件的目标步态事件;
在本实施例中,预设步态条件用于确定目标步态事件,目标步态事件作为用于确定计算步长的起始时间点与终止时间点的步态事件,例如,用户步行时,在右脚的一个步态周期内,依序经历了右脚脚后跟着地→左脚脚尖离地→左脚脚后跟着地。因此,目标步态事件可以分别为右脚脚后跟着地与左脚脚后跟着地。
同理,在左脚的一个步态周期内,依序经历了左脚脚后跟着地→右脚脚尖离地→右脚脚后跟着地。因此,目标步态事件可以分别为左脚脚后跟着地与右脚脚后跟着地。
因此,在一些实施例中,目标步态事件包括第一目标步态事件与第二目标步态事件,其中,第一目标步态事件为第一脚脚后跟着地,第二目标步态事件为第二脚脚后跟着地,亦即,用户在步行时,按照步行顺序,第二目标步态事件接着第一目标步态时间之后。可以理解的是,第一脚可以为左脚,第二脚为右脚。同理,第一脚可以为右脚,第二脚为左脚。
在一些实施例中,步长测量设备在确定满足预设步态条件的目标步态事件的过程中,首先,其可以根据第一脚或第二脚中大腿或小腿的角速度在预设坐标轴方向的角度变化,确定第一脚及第二脚各自的步态事件,其中,预设坐标轴方向所在的坐标轴垂直于人体运动矢状面,例如,传感器的坐标系中的Y轴垂直于人体运动矢状面,其可以结合图1b识别出各个步态事件。接着,按照步行顺序,步长测量设备依次选择第一脚脚后跟着地为第一目标步态事件,第二脚脚后跟着地为第二目标步态事件。
S313、根据目标步态事件的时间点,对每只脚中大腿及小腿各自的角速度作积分运算,分别得到大腿及小腿各自在人体运动矢状面内的摆动角度。
在本实施例中,步长测量设备可以根据目标步态事件的时间点,对左右脚中大腿或小腿各自在人体运动矢状面内的角速度分别作积分运算,得到左右脚中大腿或小腿各自在人体运动矢状面内的摆动角度。
在一些实施例中,当步长测量设备确定了第一目标步态事件及第二目标步态事件,于是,计算摆动角度时,步长测量设备在第一目标步态事件的时间点与第二目标步态事件的时间点之间,分别对每只脚中大腿和小腿的角速度作积分运算,分别得到大腿和小腿在人体运动矢状面内的摆动角度。
举例而言,在左脚的第K步态周期内,左大腿、左小腿、右大腿、右小腿在人体运动矢状面内的摆动角度分别为αL(k)、βL(k)、χR(k)、δR(k),表达式如下:
同理可得,在右脚的第K步态周期内,右大腿、右小腿、左大腿、左小腿在人体运动矢状面内的摆动角度分别为αR(k)、βR(k)、χL(k)、δL(k),表达式如下:
在一些实施例中,两只脚在每个步态周期内的相对变化角度可以为两只脚中各自大腿在每个步态周期内的相对变化角度,亦可以为其它方式推导出的相对变化角度,例如,步长测量设备获取两只脚中各自大腿在每个步态周期内的相对变化角度的过程中,首先,步长测量设备按照步行顺序,分别确定第一脚脚站立中期时的第一时间点,第二脚脚后跟着地时的第二时间点,例如,左脚站立中期时的第一时间点为msL(k),右脚后跟着地时的第二时间点为hsR(k)。再例如,右脚站立中期时的第一时间点为msR(k),左脚后跟着地时的第二时间点为hsL(k)。
其次,步长测量设备在第一时间点与第二时间点之间,作第二脚的角速度与第一脚的角速度之差的积分运算,得到两只脚中各自大腿在每个步态周期内的相对变化角度。
举例而言,在本实施例中,在站立中期,左右小腿角速度达到极大值,角加速度近似为0,其达到一种稳定运动状态,因此,可近似认为此时左右大腿重合。因此,左腿站立中期到右脚脚后跟着地期间,左右大腿的相对变化角度为ε(k),其表达式如下:
同理可得,右腿站立中期到左脚脚后跟着地期间,左右大腿的相对变化角度为φ(k),其表达式如下:
在一些实施例中,步长测量模型为三角形几何模型,当步长测量设备已解析出每只脚中大腿及小腿在人体运动矢状面内的摆动角度、相对变化角度及大腿长度和小腿长度,于是,便可以根据三角形几何模型计算出各个步态周期内的左步长和右步长。
因此,请结合图4,此处步长测量模型是以右脚后跟着地为起始点的步长测量,因而左边为左步长,右边为右步长。记大腿长度为d1,小腿长度为d2。
下面,以计算左步长为例子,详细阐述步长测量设备使用步长测量模型计算左步长SL的过程。
首先,步长测量设备根据三角形角度计算原理,利用已知的大腿及小腿各自在人体运动矢状面内的摆动角度,计算大腿与小腿的第一夹角。
举例而言,步长测量设备可以使用右脚的大腿及小腿各自在人体运动矢状面内的摆动角度,计算右膝关节角度亦即,此时大腿与小腿的第一夹角为右膝关节角度其中,右膝关节角度为直线P1P3与P2P3之间的夹角,其表达式如下:
其次,根据三角函数,步长测量设备利用已知的第一夹角大腿及小腿各自的长度,计算第一对边P1P2与大腿P2P3的第二夹角θ,其中,第一对边P1P2、大腿P2P3及小腿P1P3构成第一三角形P1P3P2。
将相对变化角度φ与第二夹角θ相加,得到大腿P2P3与小腿P1P3形成的第一对边P1P2与第二对边P2P4P5的第三夹角η;
根据三角函数,利用已知的第三夹角η、大腿及小腿各自的长度,计算第三对边P1P5,并将第三对边P1P5作为左步长,其中,第一对边、第二对边及第三对边构成第二三角形。
同理可得,还可以计算右步长为例子,详细阐述步长测量设备使用步长测量模型计算右步长SR的过程。
首先,步长测量设备根据三角形角度计算原理,利用已知的大腿及小腿各自在人体运动矢状面内的摆动角度,计算大腿与小腿的第四夹角。
再举例而言,步长测量设备还可以使用左脚的大腿及小腿各自在人体运动矢状面内的摆动角度,计算左膝关节角度亦即,此时大腿与小腿的第四夹角为左膝关节角度其中,左膝关节角度为直线P5P6与P6P7之间的夹角,其表达式如下:
将相对变化角度ε与第五夹角τ相加,得到大腿P7P8与小腿P8P9形成的第四对边P7P9与第三对边P5P7的第五夹角υ;
根据三角函数,利用已知的第六夹角υ、大腿及小腿各自的长度,计算第五对边P5P9,并将第五对边P5P9作为右步长,其中,第三对边、第四对边及第五对边构成第四三角形。
因此,通过上述方式便可以计算出左步长及右步长。
需要说明的是,在上述各个实施例中,上述各步骤之间并不必然存在一定的先后顺序,本领域普通技术人员,根据本发明实施例的描述可以理解,不同实施例中,上述各步骤可以有不同的执行顺序,亦即,可以并行执行,亦可以交换执行等等。
作为本发明实施例的另一方面,本发明实施例提供一种步长测量装置,请参阅图5,步长测量装置500包括:摆动角度计算模块51、相对变化角度计算模块52、长度确定模块53及步长测量模块54。
摆动角度计算模块51用于在每个步态周期内,获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度;
相对变化角度计算模块52用于获取两只脚在每个步态周期内的相对变化角度;
长度确定模块53用于确定所述大腿及小腿各自的长度;
步长测量模块54用于使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、所述大腿及小腿各自的长度及相对变化角度,得到步长。
由于本实施例计算的是大腿及小腿各自在人体运动矢状面内的摆动角度,因此,一方面,即使传感器安装存在偏差,其还能够得到比较准确的步长。另一方面,在测量步长时,其无需预设校准动作,避免步长测量繁琐的问题。
在一些实施例中,摆动角度计算模块51具体用于:计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度;确定满足预设步态特征条件的目标步态事件;根据所述目标步态事件的时间点,分别对每只脚中大腿及小腿各自的角速度作积分运算,分别得到所述大腿及小腿各自在人体运动矢状面内的摆动角度。
在一些实施例中,摆动角度计算模块51还具体用于:构建所述大腿的第一坐标系及所述小腿的第二坐标系;分别计算膝关节方向向量在所述第一坐标系下的第一向量坐标及在所述第二坐标系下的第二向量坐标,其中,所述膝关节方向向量为所述人体运动矢状面的法向量;获取所述大腿在所述第一坐标系的第一角速度及所述小腿在所述第二坐标系的第二角速度;将所述第一角速度与所述第一向量坐标作点积运算,得到所述大腿在人体运动矢状面内的角速度,将所述第二角速度与所述第二向量坐标作点积运算,得到所述小腿在人体运动矢状面内的角速度。
在一些实施例中,所述目标步态事件包括第一目标步态事件与第二目标步态事件,摆动角度计算模块51还具体用于:根据第一脚或第二脚中大腿或小腿的角速度在预设坐标轴方向的角度变化,确定所述第一脚及第二脚各自的步态事件;按照步行顺序,依次选择第一脚脚后跟着地为所述第一目标步态事件,第二脚脚后跟着地为所述第二目标步态事件。
在一些实施例中,摆动角度计算模块51还具体用于:在所述第一目标步态事件的时间点与所述第二目标步态事件的时间点之间,对每只脚中大腿的角速度作积分运算,得到所述大腿在人体运动矢状面内的摆动角度。
在一些实施例中,摆动角度计算模块51还具体用于:在所述第一目标步态事件的时间点与所述第二目标步态事件的时间点之间,对每只脚中小腿的角速度作积分运算,得到所述小腿在人体运动矢状面内的摆动角度。
在一些实施例中,所述预设坐标轴方向所在的坐标轴垂直于所述人体运动矢状面。
在一些实施例中,摆动角度计算模块51还具体用于:使用滤波器对每只脚中大腿及小腿各自在人体运动矢状面内的角速度作滤波处理,得到大腿及小腿各自最终的角速度。
在一些实施例中,相对变化角度计算模块52具体用于:获取两只脚中的大腿之间在每个步态周期内的相对变化角度。
在一些实施例中,相对变化角度计算模块52还具体用于:按照步行顺序,分别确定所述第一脚脚站立中期时的第一时间点,所述第二脚脚后跟着地时的第二时间点;在所述第一时间点与所述第二时间点之间,作所述第二脚的角速度与所述第一脚的角速度之差的积分运算,得到两只脚的大腿之间在每个步态周期内的相对变化角度。
在一些实施例中,所述人体运动矢状面为由所述大腿、连接所述大腿与所述小腿之间的膝关节、所述小腿构成的膝关节平面。
在一些实施例中,所述步长测量模型包括三角形几何模型,步长测量模块54具体用于:根据三角形角度计算原理,利用已知的大腿及小腿各自在人体运动矢状面内的摆动角度,计算所述大腿与所述小腿的第一夹角;根据三角函数,利用已知的第一夹角、所述大腿及小腿各自的长度,计算第一对边与所述大腿的第二夹角,其中,第一对边、所述大腿及所述小腿构成第一三角形;将所述相对变化角度与所述第二夹角相加,得到所述大腿与所述小腿形成的第二对边与所述第一对边的第三夹角;根据三角函数,利用已知的第三夹角、所述大腿及小腿各自的长度,计算第三对边,并将所述第三对边作为第一步长,其中,所述第一对边、第二对边及第三对边构成第二三角形。
需要说明的是,上述步长测量装置可执行本发明实施例所提供的步长测量方法,具备执行方法相应的功能模块和有益效果。未在步长测量装置实施例中详尽描述的技术细节,可参见本发明实施例所提供的步长测量方法。
图6是本发明实施例提供一种步长测量设备的电路原理框图。如图6所示,该步长测量设备600包括一个或多个处理器61以及存储器62。其中,图6中以一个处理器61为例。
处理器61和存储器62可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器62作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的步长测量方法对应的程序指令/模块。处理器61通过运行存储在存储器62中的非易失性软件程序、指令以及模块,从而执行步长测量装置的各种功能应用以及数据处理,即实现上述方法实施例步长测量方法以及上述装置实施例的各个模块的功能。
存储器62可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器62可选包括相对于处理器61远程设置的存储器,这些远程存储器可以通过网络连接至处理器61。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器62中,当被所述一个或者多个处理器61执行时,执行上述任意方法实施例中的步长测量方法。
本发明实施例的步长测量设备600以多种形式存在,在执行以上描述的各个步骤。
本发明实施例还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图6中的一个处理器61,可使得上述一个或多个处理器可执行上述任意方法实施例中的步长测量方法。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被步长测量设备执行时,使所述步长测量设备执行任一项所述的步长测量方法。
由于本实施例计算的是大腿及小腿各自在人体运动矢状面内的摆动角度,因此,一方面,即使传感器安装存在偏差,其还能够得到比较准确的步长。另一方面,在测量步长时,其无需预设校准动作,避免步长测量繁琐的问题。
以上所描述的装置或设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的,作为模块单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
需要说明的是,本发明的说明书及其附图中给出了本发明的较佳的实施例,但是,本发明可以通过许多不同的形式来实现,并不限于本说明书所描述的实施例,这些实施例不作为对本发明内容的额外限制,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。并且,上述各技术特征继续相互组合,形成未在上面列举的各种实施例,均视为本发明说明书记载的范围;进一步地,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (14)
1.一种步长测量方法,其特征在于,包括:
在每个步态周期内,获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度;
获取两只脚在每个步态周期内的相对变化角度;
确定所述大腿及小腿各自的长度;
使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、所述大腿及小腿各自的长度及相对变化角度,得到步长。
2.根据权利要求1所述的方法,其特征在于,所述获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度,包括:
计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度;
确定满足预设步态条件的目标步态事件;
根据所述目标步态事件的时间点,对每只脚中大腿及小腿各自的角速度作积分运算,分别得到所述大腿及小腿各自在人体运动矢状面内的摆动角度。
3.根据权利要求2所述的方法,其特征在于,所述计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度,包括:
构建所述大腿的第一坐标系及所述小腿的第二坐标系;
分别计算膝关节方向向量在所述第一坐标系下的第一向量坐标及在所述第二坐标系下的第二向量坐标,其中,所述膝关节方向向量为所述人体运动矢状面的法向量;
获取所述大腿在所述第一坐标系的第一角速度及所述小腿在所述第二坐标系的第二角速度;
将所述第一角速度与所述第一向量坐标作点积运算,得到所述大腿在人体运动矢状面内的角速度,将所述第二角速度与所述第二向量坐标作点积运算,得到所述小腿在人体运动矢状面内的角速度。
4.根据权利要求2所述的方法,其特征在于,所述目标步态事件包括第一目标步态事件与第二目标步态事件,所述确定满足预设步态条件的目标步态事件,包括:
根据第一脚或第二脚中大腿或小腿的角速度在预设坐标轴方向的角度变化,确定所述第一脚及第二脚各自的步态事件;
按照步行顺序,依次选择第一脚脚后跟着地为所述第一目标步态事件,第二脚脚后跟着地为所述第二目标步态事件。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标步态事件的时间点,对每只脚中大腿及小腿各自的角速度作积分运算,得到所述大腿及小腿各自在人体运动矢状面内的摆动角度,包括:
在所述第一目标步态事件的时间点与所述第二目标步态事件的时间点之间,分别对每只脚中大腿及小腿各自的角速度作积分运算,得到所述大腿及小腿各自在人体运动矢状面内的摆动角度。
6.根据权利要求4所述的方法,其特征在于,所述预设坐标轴方向所在的坐标轴垂直于所述人体运动矢状面。
7.根据权利要求2所述的方法,其特征在于,所述计算每只脚中大腿及小腿各自在人体运动矢状面内的角速度,包括:
使用滤波器对每只脚中大腿及小腿各自在人体运动矢状面内的角速度作滤波处理,得到大腿及小腿各自最终的角速度。
8.根据权利要求1所述的方法,其特征在于,所述获取两只脚在每个步态周期内的相对变化角度,包括:
获取两只脚的大腿之间在每个步态周期内的相对变化角度。
9.根据权利要求8所述的方法,其特征在于,所述获取两只脚中各自大腿在每个步态周期内的相对变化角度,包括:
按照步行顺序,分别确定所述第一脚站立中期时的第一时间点,所述第二脚脚后跟着地时的第二时间点;
在所述第一时间点与所述第二时间点之间,作所述第二脚的角速度与所述第一脚的角速度之差的积分运算,得到两只脚的大腿之间在每个步态周期内的相对变化角度。
10.根据权利要求1所述的方法,其特征在于,所述人体运动矢状面为由所述大腿、连接所述大腿与所述小腿之间的膝关节、所述小腿构成的膝关节平面。
11.根据权利要求1至10任一项所述的方法,其特征在于,所述步长测量模型包括三角形几何模型,所述使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、所述大腿及小腿各自的长度及相对变化角度,得到步长,包括:
根据三角形角度计算原理,利用已知的大腿及小腿各自在人体运动矢状面内的摆动角度,计算所述大腿与所述小腿的第一夹角;
根据三角函数,利用已知的第一夹角、所述大腿及小腿各自的长度,计算第一对边与所述大腿的第二夹角,其中,第一对边、所述大腿及所述小腿构成第一三角形;
将所述相对变化角度与所述第二夹角相加,得到所述大腿与所述小腿形成的第二对边与所述第一对边的第三夹角;
根据三角函数,利用已知的第三夹角、所述大腿及小腿各自的长度,计算第三对边,并将所述第三对边作为第一步长,其中,所述第一对边、第二对边及第三对边构成第二三角形。
12.一种步长测量设备,其特征在于,包括:
至少一个处理器;和,
与所述至少一个处理通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令程序,所述指令程序被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1至11任意一项所述的步长测量方法。
13.一种步长测量***,其特征在于,包括:
传感器组件,用于采样大腿及小腿的角速度;和,
如权利要求12所述的步长测量设备,与所述传感器组件通讯连接。
14.一种非易失性计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,可使得所述一个或多个处理器执行权利要求1至11任意一项所述的步长测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910950080.XA CN110680335A (zh) | 2019-10-08 | 2019-10-08 | 步长测量方法及其设备、***、非易失性计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910950080.XA CN110680335A (zh) | 2019-10-08 | 2019-10-08 | 步长测量方法及其设备、***、非易失性计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110680335A true CN110680335A (zh) | 2020-01-14 |
Family
ID=69111555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910950080.XA Pending CN110680335A (zh) | 2019-10-08 | 2019-10-08 | 步长测量方法及其设备、***、非易失性计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110680335A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111248919A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市丞辉威世智能科技有限公司 | 步态识别方法、装置、设备及可读存储介质 |
CN111920654A (zh) * | 2020-09-02 | 2020-11-13 | 天津科技大学 | 一种可穿戴康复助行机器人自调节*** |
CN113908019A (zh) * | 2021-09-08 | 2022-01-11 | 中国科学院深圳先进技术研究院 | 基于助行器的跟随助行方法、***和终端设备 |
CN114654498A (zh) * | 2021-06-25 | 2022-06-24 | 北京精密机电控制设备研究所 | 一种基于惯性传感器的膝关节外骨骼运动监测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050010139A1 (en) * | 2002-02-07 | 2005-01-13 | Kamiar Aminian | Body movement monitoring device |
US20130131555A1 (en) * | 2011-11-17 | 2013-05-23 | William R. Hook | Gait analysis using angular rate reversal |
WO2014043757A1 (en) * | 2012-09-20 | 2014-03-27 | National Ict Australia Limited | Stride detection |
US20160258779A1 (en) * | 2015-03-05 | 2016-09-08 | Xsens Holding B.V. | Inertial Motion Capture Calibration |
CN106419928A (zh) * | 2016-11-03 | 2017-02-22 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
CN107137089A (zh) * | 2017-04-07 | 2017-09-08 | 浙江大学 | 一种穿戴式传感鞋***及步态评估方法 |
WO2018081986A1 (zh) * | 2016-11-03 | 2018-05-11 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
DE102017103607A1 (de) * | 2017-02-22 | 2018-08-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Ermittlung der Schrittlänge eines Fußgängers |
-
2019
- 2019-10-08 CN CN201910950080.XA patent/CN110680335A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050010139A1 (en) * | 2002-02-07 | 2005-01-13 | Kamiar Aminian | Body movement monitoring device |
US20130131555A1 (en) * | 2011-11-17 | 2013-05-23 | William R. Hook | Gait analysis using angular rate reversal |
WO2014043757A1 (en) * | 2012-09-20 | 2014-03-27 | National Ict Australia Limited | Stride detection |
US20160258779A1 (en) * | 2015-03-05 | 2016-09-08 | Xsens Holding B.V. | Inertial Motion Capture Calibration |
CN106419928A (zh) * | 2016-11-03 | 2017-02-22 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
WO2018081986A1 (zh) * | 2016-11-03 | 2018-05-11 | 浙江大学 | 一种可穿戴式设备及用于该设备的实时步长测量方法 |
DE102017103607A1 (de) * | 2017-02-22 | 2018-08-23 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Ermittlung der Schrittlänge eines Fußgängers |
CN107137089A (zh) * | 2017-04-07 | 2017-09-08 | 浙江大学 | 一种穿戴式传感鞋***及步态评估方法 |
Non-Patent Citations (1)
Title |
---|
LEI WANG 等: ""Estimation of Step Length and Gait Asymmetry Using Wearable Inertial Sensors"", 《IEEE SENSORS JOURNAL》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111248919A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市丞辉威世智能科技有限公司 | 步态识别方法、装置、设备及可读存储介质 |
CN111920654A (zh) * | 2020-09-02 | 2020-11-13 | 天津科技大学 | 一种可穿戴康复助行机器人自调节*** |
CN114654498A (zh) * | 2021-06-25 | 2022-06-24 | 北京精密机电控制设备研究所 | 一种基于惯性传感器的膝关节外骨骼运动监测方法 |
CN113908019A (zh) * | 2021-09-08 | 2022-01-11 | 中国科学院深圳先进技术研究院 | 基于助行器的跟随助行方法、***和终端设备 |
WO2023035458A1 (zh) * | 2021-09-08 | 2023-03-16 | 中国科学院深圳先进技术研究院 | 基于助行器的跟随助行方法、***和终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110680335A (zh) | 步长测量方法及其设备、***、非易失性计算机存储介质 | |
KR101751760B1 (ko) | 하지 관절 각도를 이용한 보행 인자 추정 방법 | |
Ahmadi et al. | 3D human gait reconstruction and monitoring using body-worn inertial sensors and kinematic modeling | |
WO2017120669A1 (en) | Systems and methods for human body motion capture | |
JP7023234B2 (ja) | 歩行者の動きを推定する方法 | |
US20170000389A1 (en) | Biomechanical information determination | |
JP2015062654A (ja) | 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム | |
WO2018132999A1 (zh) | 一种用于可穿戴式设备的人体步长测量方法及其测量设备 | |
WO2014114967A1 (en) | Self-calibrating motion capture system | |
CN109284006B (zh) | 一种人体运动捕获装置和方法 | |
CN110974242B (zh) | 一种用于可穿戴式设备的步态异常程度评价方法及该设备 | |
Salehi et al. | Body-IMU autocalibration for inertial hip and knee joint tracking | |
CN108836344A (zh) | 步长步频估算方法和装置及步态检测仪 | |
JP5233000B2 (ja) | 動き測定装置 | |
CN111012358B (zh) | 一种人体踝关节运动轨迹测量方法及可穿戴式设备 | |
Garimella et al. | Capturing joint angles of the off-site human body | |
KR101696909B1 (ko) | 보행 단계 인식 시스템 | |
Callejas-Cuervo et al. | Capture and analysis of biomechanical signals with inertial and magnetic sensors as support in physical rehabilitation processes | |
WO2017158569A1 (en) | Kinect based balance analysis using single leg stance (sls) exercise | |
Ahmadi et al. | Human gait monitoring using body-worn inertial sensors and kinematic modelling | |
Madrigal et al. | Evaluation of suitability of a micro-processing unit of motion analysis for upper limb tracking | |
EP3993701A1 (en) | System and method for motion analysis | |
CN109003300B (zh) | 一种基于人体质心位移计算算法的虚拟现实*** | |
CN108874146B (zh) | 一种应用于虚拟现实***中的运动人体质心位移计算方法 | |
Barraza-Madrigal et al. | Instantaneous position and orientation of the body segments as an arbitrary object in 3D space by merging gyroscope and accelerometer information |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200114 |
|
RJ01 | Rejection of invention patent application after publication |