CN112007340A - 基于加速度传感器的乒乓球比赛裁判和球员训练***及方法 - Google Patents

基于加速度传感器的乒乓球比赛裁判和球员训练***及方法 Download PDF

Info

Publication number
CN112007340A
CN112007340A CN202010786517.3A CN202010786517A CN112007340A CN 112007340 A CN112007340 A CN 112007340A CN 202010786517 A CN202010786517 A CN 202010786517A CN 112007340 A CN112007340 A CN 112007340A
Authority
CN
China
Prior art keywords
acceleration sensor
table tennis
player
sensors
ball
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.)
Granted
Application number
CN202010786517.3A
Other languages
English (en)
Other versions
CN112007340B (zh
Inventor
刘超然
李颖哲
王益哨
董林玺
王高峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202010786517.3A priority Critical patent/CN112007340B/zh
Publication of CN112007340A publication Critical patent/CN112007340A/zh
Application granted granted Critical
Publication of CN112007340B publication Critical patent/CN112007340B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B67/00—Sporting games or accessories therefor, not provided for in groups A63B1/00 - A63B65/00
    • A63B67/04—Table games physically beneficial for the human body, modelled on outdoor sports, e.g. table tennis
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/40—Acceleration

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明属于传感器智能监测技术领域，具体涉及基于加速度传感器的乒乓球比赛裁判和球员训练***及方法。包括乒乓球桌、设于乒乓球桌上的若干个加速度传感器节点单元、电路处理单元和数据分析单元。本发明首先采用粒子群优化算法LCSO计算确定传感器在球桌上的最佳分布方式，继而当乒乓球落在球桌上时，通过三个加速度传感器对震动强度的测定，确定落球接触点的位置并采用通过存储模块记录此点坐标，经过处理并转化成比分形式，进而给出判定是否得分。本发明具有不仅具有实时自动判分功能，而且可以通过存储和分析球员的所有落球位置，总结球员的打球习惯，从而实现指导和改进运动员打球方法目的的特点。

Description

基于加速度传感器的乒乓球比赛裁判和球员训练***及方法
技术领域
本发明属于传感器智能监测技术领域，具体涉及基于加速度传感器的乒乓球比赛裁判和球员训练***及方法。
背景技术
随着全民运动时代的到来，乒乓球运动作为一种具有大量人群参与的普通运动在人们的生活中越来越受欢迎，而乒乓球的训练及裁判***往往需要大量的人力和物力，特别是在疫情期间由于防止疾病传播禁止聚集活动导致乒乓球训练和裁判更加困难，同时由于人眼识别有限，在乒乓球比赛裁判过程中也经常会出现误判或漏判等情况，特别是对于擦边球的判定，由于擦边球往往速度很高且与边界是否接触靠人眼非常难以辨别，在比赛中很容易产生争议。
目前的乒乓球比赛中常用录像回放等功能来判定存在争议的球，采用摄像技术对获取到的图像进行处理，从而判定最终得分，此技术也称为鹰眼技术(即时回放***)。此方法耗费时间甚至会导致比赛延误，且对摄像机要求很高，成本非常昂贵，因此近两年开始才被用于全球性比较大的体育赛事中，使用场合非常有限，不适合日常比赛训练中的大规模推广。同时由于最终仍然依靠图像对比判断，因此精确度也较低。
近年来随着加速度传感器和摩擦纳米发电机TENG的飞速发展，生活中使用传感器来提高精度和生产效率的场合越来越多，然而单一的压力传感器检测范围十分有限，无法精确测量某个单一接触点，因此要解决的一个技术问题是：如何设计传感器在球桌上的分布使得应用最少的传感器获得打球过程中球体与桌面最精确的接触点位置，再通过算法找到训练者常用打球方法的缺点并对训练者提出改进意见。
例如，申请号为CN201520300348.2的中国实用新型专利所述的一种用于体育教学的可记录比分的乒乓球桌，包括乒乓球桌主体、自动记录比分装置、自动练习发球机，所述乒乓球桌主体周围安装有位置传感器；所述位置传感器与边缘连接框相配合；所述乒乓球桌主体周围安装有压力传感器；所述压力传感器安装在台面两侧；所述乒乓球桌主体中间固定有可拆卸球网；所述可拆卸球网上端连接有所述自动记录比分装置；所述乒乓球桌主体与自动练习发球机支架用可拆卸螺栓相连接；所述自动练习发球机支架上端与自动练习发球机相配合。虽然结构简单，方便移动，能自动根据位置传感器和压力传感器准确判断得分情况，并且能快速的记录下来，通过数字显示器第一时间显示出来，但是其缺点在于其单一的压力传感器检测范围十分有限，无法精确测量某个单一接触点，另外传感器仅能用于记录比分，而不能够对训练过程中训练者的常用打球方法进行分析，从而分析训练过程中存在的问题，并给出适合训练者的方法建议。
发明内容
本发明是为了克服现有技术中，在乒乓球比赛中，依靠图像对比判断进行判分，精确度较低且现有安装在乒乓球桌上的传感器检测范围十分有限，无法通过算法找到训练者常用打球方法缺点并对训练者提出改进意见的问题，提供了一种不仅能够实现自动判分功能，而且可以通过存储和分析球员的所有落球位置，总结球员的打球习惯，从而实现指导和改进运动员打球方式目的的基于加速度传感器的乒乓球比赛裁判和球员训练***及方法。
为了达到上述发明目的，本发明采用以下技术方案：
基于加速度传感器的乒乓球比赛裁判和球员训练***，其特征在于，包括乒乓球桌、设于乒乓球桌上的若干个加速度传感器节点单元、电路处理单元和数据分析单元；所述加速度传感器节点单元均与电路处理单元电连接，所述数据分析单元与电路处理单元电连接；所述加速度传感器节点单元均安装在乒乓球桌表面，用于检测乒乓球碰撞桌面时产生的振动波强度位置。
作为优选，所述加速度传感器节点单元包括MEMS加速度计或微型自供电加速度传感器。
作为优选，所述相邻的三个加速度传感器节点单元之间的距离构成等腰三角形。
作为优选，所述等腰三角形的底角为60.1200°，所述等腰三角形其中一腰的延长线与乒乓球桌面宽度的夹角为90.0880°。
作为优选，所述等腰三角形底边的长度与等腰三角形的腰长相等。
本发明还提供了基于加速度传感器的乒乓球比赛裁判和球员训练方法，包括以下步骤：
S1，利用深度学习的粒子群优化算法LCSO，通过不断的迭代确定加速度传感器节点单元个数的最优解；
S2，将所有加速度传感器节点单元安装在乒乓球桌面的指定位置；
S3，在乒乓球员进行发球接球过程中，对球的落点进行记录存储；
S4，根据存储的落点位置数据进行结果判定，并给出判定的最终比赛结果；
S5，根据存储的所有落点位置进行数据分析，得出乒乓球员的常用打球手法，找出乒乓球员的打球缺点并给出改进的训练建议；
S6，利用数据生成软件随机生成若干数据并记录，再通过基于加速度传感器的乒乓球比赛裁判和球员训练***计算获得对应的数据，并进行误差对比，计算最终所得误差。
作为优选，步骤S1中所述深度学习的粒子群优化算法LCSO，包括如下步骤：
S11，按照适应度从高到低的顺序对粒子群中的粒子进行排序；
S12，根据各个粒子的适应度，将粒子群分为n级，每个级由Li表示，其中，1≤i≤n；
S13，采用竞争机制，在每个层级中粒子间随机配对并比较适应度的大小，胜者直接进入下一代，失败者需要向比它层级高的粒子学习并更新后才能进入下一代。
作为优选，所述加速度传感器节点单元个数的最优解为35个。
本发明与现有技术相比，有益效果是：(1)本发明通过采用加速度传感器节点单元对乒乓球在桌面上的落点进行监测，通过三个加速度传感器节点单元的联合计算可以获取精确的落点位置数据，大幅度提高了乒乓球比赛得分的准确性和实时性，实现了比赛中的公平公正，实时性强，也降低了因有争议球而延误比赛的可能性；(2)相较于目前裁判时常用的视频回放***，本发明的成本更低且更加便捷，使用规模更加广泛，适合于日常训练和大小比赛的使用，适用范围广；(3)本发明还能够通过存储和分析收集到的乒乓球落点数据为打球者提供相应的训练建议，首先对训练者打球时产生的落点位置数据进行顺序存储，然后通过分析数据后可得到被测者的常用发球和运球方法，进而根据不同的数据给出训练的最佳建议，极大地提高了训练效率和训练者的打球水平；(4)本发明不需要额外的裁判参与，不但节约了人力物力，一定程度也避免了人群大量聚集的可能，在疫情的特殊时期非常适合大量推广以便于人们实现足不出户地进行运动。
附图说明
图1为本发明中基于加速度传感器的乒乓球比赛裁判和球员训练***的一种结构示意图；
图2为本发明中加速度传感器节点单元个数对判断落球位置确定的一种过程示意图；
图3为本发明中加速度传感器节点单元最终分布的一种效果示意图；
图4为本发明中深度学习的粒子群优化算法的一种过程示意图；
图5为本发明中当传感器为40个时，乒乓球桌表面传感器分布变化的一种坐标示意图；
图6为本发明中当传感器为38个时，乒乓球桌表面传感器分布变化的一种坐标示意图；
图7为本发明中当传感器为37个时，乒乓球桌表面传感器分布变化的一种坐标示意图；
图8为本发明中当传感器为36个时，乒乓球桌表面传感器分布变化的一种坐标示意图；
图9为本发明中当传感器为35个时，乒乓球桌表面传感器分布变化的一种坐标示意图；
图10为本发明中传感器个数随深度学习的粒子群优化算法迭代次数变化的一种折线图。
图中：乒乓球桌1、加速度传感器节点单元2。
具体实施方式
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
实施例1：
如图1所示，基于加速度传感器的乒乓球比赛裁判和球员训练***，包括乒乓球桌1、设于乒乓球桌上的多个加速度传感器节点单元2、电路处理单元和数据分析单元；所述加速度传感器节点单元均与电路处理单元电连接，所述数据分析单元与电路处理单元电连接；所述加速度传感器节点单元均安装在乒乓球桌表面，用于检测乒乓球碰撞桌面时产生的振动波强度位置。
所述电路处理单元，包括单片机和存储模块，存储模块与单片机电连接，电路处理单元能对本***存储的落点位置数据，进行处理并转化成比分形式，进而给出判定的最终比赛结果。所述数据分析单元，包括装有数据分析软件的计算机，用于对本***存储的所有落点位置进行数据分析，得出乒乓球员的常用打球手法，找出缺点并给出改进的训练建议。所述加速度传感器节点单元包括MEMS加速度计或微型自供电加速度传感器。根据加速度传感器灵敏度和输出信号，计算出传感器节点单元与碰撞点的距离。其中微型自供电加速度传感器通过收集碰撞振动能量，并输出与振动强度对应的电信号，最终实现传感器节点的自供电功能。
本发明的实施核心构思在于，首先确定传感器在球桌上的最佳分布方式，继而当乒乓球落在球桌上时，通过三个加速度传感器通过对震动强度的测定确定接触点的位置并通过存储模块记录此点，经过处理并转化成比分形式，进而给出判定是否得分。
如图2中的(a)图所示，首先要计算一个接触点的确定至少需要的传感器个数，一个传感器的检测范围是有限的，设定可检测为一个半径为Rm的圆，则可以检测到落到此圆周范围内所有接触点，但无法精确地测出乒乓球落在球台上的触点的位置；而当传感器的个数增加到两个时，根据两个传感器检测到的接触点强度的交集可以确定两个相交点，但无法满足精确测量接触点的要求，如图2中的(b)图所示；再将传感器的个数增加到三个，则可以确定接触点产生的振动在三个传感器处分别产生的强度大小，通过三个传感器的交叠测量可以准确测量出最终的接触点位置，如图2中的(c)图所示；最后将传感器个数增加到四个，当乒乓球与接触面发生挤压产生振动波传到传感器时，通过测量也可以确定出最终接触点的位置，如图2中的(d)图所示，但由于前面已经计算推测出三个传感器可以满足本发明的设计要求，因此为了节省成本，减少算法难度，四个传感器方案太过繁琐，选择三个传感器对挤压点进行定位是最优方案。
如图3所示，传感器的个数确定为三个后继而对三个传感器如何分布进行设计，首先确定三个传感器的形状为等腰三角形，将检测振动点的三个传感器中的其中一个传感器Sensor C设为顶点，定义从此传感器到另外两个传感器(Sensor A和Senor B)之间的距离参数皆为Rm，即等腰三角形两腰，定义两底角为α，底边长为RAB，而三个传感器构成的等腰三角形中其中一腰的延长线与乒乓球桌面宽度的夹角为β，经过计算后得到参数的最佳值，即α角为60.1200°，β角为90.0880°，等腰三角形边长RAB和参数Rm相等，也就是三个传感器的分布为等腰三角形时，传感器对某一接触点的检测最为精确简易且对三个传感器的资源利用优化到了最佳，最大限度减少了传感器检测时的资源冗余浪费。
基于实施例1，本发明还提供了基于加速度传感器的乒乓球比赛裁判和球员训练方法，包括以下步骤：
S1，利用深度学习的粒子群优化算法LCSO，通过不断的迭代确定加速度传感器节点单元个数的最优解；
S2，将所有加速度传感器节点单元安装在乒乓球桌面的指定位置；
S3，在乒乓球员进行发球接球过程中，对球的落点进行记录存储；
S4，根据存储的落点位置数据进行结果判定，并给出判定的最终比赛结果；
S5，根据存储的所有落点位置进行数据分析，得出乒乓球员的常用打球手法，找出缺点并给出改进的训练建议；
S6，利用数据生成软件随机生成若干数据并记录，再通过基于加速度传感器的乒乓球比赛裁判和球员训练***计算获得对应的数据，并进行误差对比，计算最终所得误差。
具体的，如图4所示，步骤S1中所述深度学习的粒子群优化算法LCSO，包括如下步骤：
S11，按照适应度从高到低的顺序对Swarm(t)粒子群中的粒子进行排序；
S12，根据各个粒子的适应度，将Swarm(t)粒子群分为n级，每个级由Li表示，其中，1≤i≤n；
S13，采用竞争机制，在每个层级中粒子间随机配对并比较适应度的大小，胜者直接进入下一代粒子群Swarm(t+1)，失败者需要向比它层级高的粒子学习并更新后才能进入下一代。
深度学习的粒子群优化算法LCSO基于竞争群优化器CSO和分级学习群体优化器LLSO的算法。图4中，Swarm(t)定义为一些相邻且相关个体的集合体，其中个体之间有某种特定联系。由于粒子通常处于不同的演化状态，而处于不同状态的粒子通常在探索和利用搜索空间方面具有不同的潜力，较低层次的粒子专注于探索空间，而较高层次的粒子则专注于利用空间。因此根据适应度将粒子分为不同级别。
通过上述过程，进行不断的迭代找到传感器个数的最优解，如图5至图9所示。开始时默认传感器的分布是杂乱无章的，每次优化后传感器的分布都会变得更加有序可循，最终从无序状态转换到所求的全部有序状态。随着迭代次数越来越多需要的传感器个数越来越少，最终传感器个数可以优化到35个左右。通过此过程便可得到所需传感器的最终分布情况，并且精确地对每个传感器在桌面上的位置进行定位。图10则表示了本发明中传感器个数随迭代次数变化的具体折线图，图中很明显表示出随着迭代次数越来越多，需要的传感器个数越来越少，最后趋于平稳。
另外，最后要对前面理论计算得到的结果进行实验验证，具体的利用计算机上安装的Matlab软件通过随机数生成法进行验证，先对随机生成的接触点进行记录，再利用本发明设计的***进行验证，三个不同传感器对同一个接触点分别列出一个方程，三个方程求公共解即相当于三维矩阵求解，最终得到计算出的接触点位置，在平面直角坐标系中将实际接触点和计算测得的点进行绘制对比，再计算最后两种结果的误差。
本发明最终设计的基于加速度传感器的乒乓球比赛裁判和球员训练***具有实时性高，成本低廉，结构优越的特点，不仅能够实时检测出训练过程中乒乓球与球桌的接触点位置和得分，大大减少了人力物力的投入并且在特殊的疫情时期避免了人群聚集降低疾病传染风险，还能够存储打球时收集到的乒乓球与桌面的挤压点数据，进而对这些数据进行分析，最终获得某相应训练者的常用打球方法，继而针对此训练者打球过程中的方式发现训练者的弱点和不足，给出最佳的训练改进建议。
以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (8)

1.基于加速度传感器的乒乓球比赛裁判和球员训练***，其特征在于，包括乒乓球桌、设于乒乓球桌上的若干个加速度传感器节点单元、电路处理单元和数据分析单元；所述加速度传感器节点单元均与电路处理单元电连接，所述数据分析单元与电路处理单元电连接；所述加速度传感器节点单元均安装在乒乓球桌表面，用于检测乒乓球碰撞桌面时产生的振动波强度位置。
2.根据权利要求1所述的基于加速度传感器的乒乓球比赛裁判和球员训练***，其特征在于，所述加速度传感器节点单元包括MEMS加速度计或微型自供电加速度传感器。
3.根据权利要求1所述的基于加速度传感器的乒乓球比赛裁判和球员训练***，其特征在于，所述相邻的三个加速度传感器节点单元之间的距离构成等腰三角形。
4.根据权利要求3所述的基于加速度传感器的乒乓球比赛裁判和球员训练***，其特征在于，所述等腰三角形的底角为60.1200°，所述等腰三角形其中一腰的延长线与乒乓球桌面宽度的夹角为90.0880°。
5.根据权利要求3或4所述的基于加速度传感器的乒乓球比赛裁判和球员训练***，其特征在于，所述等腰三角形底边的长度与等腰三角形的腰长相等。
6.基于权利要求1所述的基于加速度传感器的乒乓球比赛裁判和球员训练***的基于加速度传感器的乒乓球比赛裁判和球员训练方法，其特征在于，包括以下步骤：
S1，利用深度学习的粒子群优化算法LCSO，通过不断的迭代确定加速度传感器节点单元个数的最优解；
S2，将所有加速度传感器节点单元安装在乒乓球桌面的指定位置；
S3，在乒乓球员进行发球接球过程中，对球的落点进行记录存储；
S4，根据存储的落点位置数据进行结果判定，并给出判定的最终比赛结果；
S5，根据存储的所有落点位置进行数据分析，得出乒乓球员的常用打球手法，找出乒乓球员的打球缺点并给出改进的训练建议；
S6，利用数据生成软件随机生成若干数据并记录，再通过基于加速度传感器的乒乓球比赛裁判和球员训练***计算获得对应的数据，并进行误差对比，计算最终所得误差。
7.根据权利要求6所述的基于加速度传感器的乒乓球比赛裁判和球员训练方法，其特征在于，步骤S1中所述深度学习的粒子群优化算法LCSO，包括如下步骤：
S11，按照适应度从高到低的顺序对粒子群中的粒子进行排序；
S12，根据各个粒子的适应度，将粒子群分为n级，每个级由Li表示，其中，1≤i≤n；
S13，采用竞争机制，在每个层级中粒子间随机配对并比较适应度的大小，胜者直接进入下一代，失败者需要向比它层级高的粒子学习并更新后才能进入下一代。
8.根据权利要求6或7所述的基于加速度传感器的乒乓球比赛裁判和球员训练方法，其特征在于，所述加速度传感器节点单元个数的最优解为35个。
CN202010786517.3A 2020-08-07 2020-08-07 基于加速度传感器的乒乓球比赛裁判和球员训练***及方法 Active CN112007340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010786517.3A CN112007340B (zh) 2020-08-07 2020-08-07 基于加速度传感器的乒乓球比赛裁判和球员训练***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010786517.3A CN112007340B (zh) 2020-08-07 2020-08-07 基于加速度传感器的乒乓球比赛裁判和球员训练***及方法

Publications (2)

Publication Number Publication Date
CN112007340A true CN112007340A (zh) 2020-12-01
CN112007340B CN112007340B (zh) 2021-11-23

Family

ID=73499601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010786517.3A Active CN112007340B (zh) 2020-08-07 2020-08-07 基于加速度传感器的乒乓球比赛裁判和球员训练***及方法

Country Status (1)

Country Link
CN (1) CN112007340B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114307116A (zh) * 2021-12-24 2022-04-12 杭州电子科技大学 基于***评分的智能数字化乒乓球训练***及其工作方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1788818A (zh) * 2004-10-18 2006-06-21 赵健 带有擦边球判定检测***的乒乓球台
CN201353415Y (zh) * 2008-12-30 2009-12-02 西安交通大学 网球擦网判断装置
CN102247150A (zh) * 2011-04-22 2011-11-23 河北大学 一种智能化人体平衡功能检测训练***
CN102395409A (zh) * 2009-02-03 2012-03-28 矩阵运动集团有限公司 用于碰撞位置和幅度传感器的***和方法
CN203001873U (zh) * 2012-11-30 2013-06-19 中北大学 基于mems加速度计的拳击训练装置
CN103413185A (zh) * 2013-08-07 2013-11-27 中国矿业大学 一种采煤机摇臂振动传感器优化布置方法
CN103768774A (zh) * 2014-01-22 2014-05-07 成都微英威诺环境监控设备有限公司 基于mems加速度计的投掷训练用运动轨迹记录装置
CN204601549U (zh) * 2015-05-12 2015-09-02 管振富 一种用于体育教学的可记录比分的乒乓球桌
CN106492440A (zh) * 2016-12-05 2017-03-15 上海理工大学 乒乓球落点数据的采集处理装置以及分析***
CN106512357A (zh) * 2016-12-05 2017-03-22 高元龙 智能乒乓球裁判装置
CN106872727A (zh) * 2017-01-18 2017-06-20 清华大学 一种基于压阻效应的自供电加速度传感器及其制造方法
CN106953002A (zh) * 2017-01-18 2017-07-14 清华大学 一种电化学自供电加速度传感器及其制造方法
CN207640930U (zh) * 2017-11-10 2018-07-24 知奥艾提株式会社 一种利用手传感器及平衡板的家庭健身装置
CN207816509U (zh) * 2017-12-28 2018-09-04 深圳科瑞技术股份有限公司 一种力与位置标定装置
CN110542767A (zh) * 2019-09-25 2019-12-06 杭州电子科技大学 一种高灵敏度自供电加速度传感器及其制备方法
CN110801607A (zh) * 2019-11-13 2020-02-18 蚌埠学院 一种智能乒乓球台***及其得分判定方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1788818A (zh) * 2004-10-18 2006-06-21 赵健 带有擦边球判定检测***的乒乓球台
CN201353415Y (zh) * 2008-12-30 2009-12-02 西安交通大学 网球擦网判断装置
CN102395409A (zh) * 2009-02-03 2012-03-28 矩阵运动集团有限公司 用于碰撞位置和幅度传感器的***和方法
CN102247150A (zh) * 2011-04-22 2011-11-23 河北大学 一种智能化人体平衡功能检测训练***
CN203001873U (zh) * 2012-11-30 2013-06-19 中北大学 基于mems加速度计的拳击训练装置
CN103413185A (zh) * 2013-08-07 2013-11-27 中国矿业大学 一种采煤机摇臂振动传感器优化布置方法
CN103768774A (zh) * 2014-01-22 2014-05-07 成都微英威诺环境监控设备有限公司 基于mems加速度计的投掷训练用运动轨迹记录装置
CN204601549U (zh) * 2015-05-12 2015-09-02 管振富 一种用于体育教学的可记录比分的乒乓球桌
CN106492440A (zh) * 2016-12-05 2017-03-15 上海理工大学 乒乓球落点数据的采集处理装置以及分析***
CN106512357A (zh) * 2016-12-05 2017-03-22 高元龙 智能乒乓球裁判装置
CN106872727A (zh) * 2017-01-18 2017-06-20 清华大学 一种基于压阻效应的自供电加速度传感器及其制造方法
CN106953002A (zh) * 2017-01-18 2017-07-14 清华大学 一种电化学自供电加速度传感器及其制造方法
CN207640930U (zh) * 2017-11-10 2018-07-24 知奥艾提株式会社 一种利用手传感器及平衡板的家庭健身装置
CN207816509U (zh) * 2017-12-28 2018-09-04 深圳科瑞技术股份有限公司 一种力与位置标定装置
CN110542767A (zh) * 2019-09-25 2019-12-06 杭州电子科技大学 一种高灵敏度自供电加速度传感器及其制备方法
CN110801607A (zh) * 2019-11-13 2020-02-18 蚌埠学院 一种智能乒乓球台***及其得分判定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨菊蜻等: "基于Powell搜索的混沌鸡群优化算法", 《微电子学与计算机》 *
谢小军等: "基于动态数据压缩的能量采集无线传感网络数据收集优化", 《计算机应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114307116A (zh) * 2021-12-24 2022-04-12 杭州电子科技大学 基于***评分的智能数字化乒乓球训练***及其工作方法

Also Published As

Publication number Publication date
CN112007340B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
US10369409B2 (en) Dynamic sampling in sports equipment
US7887440B2 (en) Method for matching a golfer with a particular club style
US8506425B2 (en) Method for matching a golfer with a particular golf club style
USRE44862E1 (en) Method for matching a golfer with a particular club style
US9452331B2 (en) Golf club shaft fitting method
WO2011009302A1 (zh) 一种基于多跟踪点的人体动作识别方法
CN112587902B (zh) 一种乒乓球运动员训练分析***
CN110270077B (zh) 一种击球评估***及其方法
CN106693349B (zh) 一种智能足球训练信息采集***及方法
CN112007340B (zh) 基于加速度传感器的乒乓球比赛裁判和球员训练***及方法
Moshayedi et al. Kinect based virtual referee for table tennis game: TTV (Table Tennis Var System)
CN108325185A (zh) 一种基于多传感器数据融合的运动球拍
KR102144764B1 (ko) 스포츠 코트에서의 인아웃 판정 방법 및 장치
Lin et al. Sensor-based badminton stroke classification by machine learning methods
CN115546886A (zh) 一种基于视觉技术的排球对墙壁垫球测试方法及装置
US20190076710A1 (en) Apparatus and methods to track movement of sports implements
Zhang et al. Wrist MEMS sensor for movements recognition in ball games
CN109663325B (zh) 一种击球类运动的计分***及计分方法
Takano et al. The design of a web-based multimedia sport instructional system
CN113713360B (zh) 一种排球击球计数方法及设备
CN114724271B (zh) 一种适用于斯诺克赛事的计时***
CN107823864A (zh) 一种基于运动轨迹的乒乓球对局发球识别***及方法
TWI770787B (zh) 手持運動分析系統與方法
Waldron et al. Monitoring the Match and Training Demands of Rugby
CN117547794A (zh) 一种智能乒乓训练***

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