CN112656402B - 应用于3d体态检测分析的采集机器人联动控制*** - Google Patents
应用于3d体态检测分析的采集机器人联动控制*** Download PDFInfo
- Publication number
- CN112656402B CN112656402B CN202011377769.7A CN202011377769A CN112656402B CN 112656402 B CN112656402 B CN 112656402B CN 202011377769 A CN202011377769 A CN 202011377769A CN 112656402 B CN112656402 B CN 112656402B
- Authority
- CN
- China
- Prior art keywords
- module
- user
- acquisition
- analysis
- robot
- 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
Images
Landscapes
- Rehabilitation Tools (AREA)
Abstract
本发明涉及体态分析技术领域,具体为应用于3D体态检测分析的采集机器人联动控制***,包括控制主机、输入装置、显示器以及若干采集机器人,控制主机与采集机器人以及显示器均数据连接;采集机器人用于采集用户行走体态数据;控制主机包括:场景扫描模块,用于检测当前场景的环境数据;场景构建模块,用于根据环境数据构建检测场景;用户行走路线获取模块,用于获取用户行走路线;路径规划模块,用于根据环境数据以及用户行走路线,规划采集机器人的行走路径以及采集方向。本申请的应用于3D体态检测分析的采集机器人联动控制***,可以灵活的对用户体态进行多角度、全方位的采集,提高设备部署的灵活度以及分析结果的准确度,降低部署成本。
Description
技术领域
本发明涉及体态分析技术领域,具体为应用于3D体态检测分析的采集机器人联动控制***。
背景技术
人体体态可以反应人体的健康状况,对人体体态的分析可以判断人体各部分肌肉、关节等的健康状态或康复情况,为康复诊疗、运动健身、效果评定、辅具选择等提供依据。
步态分析是人体体态分析中最常见的一种分析方式,通过现代测量技术对人类行走时身体各部分,特别是下肢的运动和受力情况进行动态的量化分析,步态分析可用于一般正常人的行进间步态周期的动作解析,更常见于临床上对步行功能进行***评价的有效手段,是康复评定的重要组成部分(如中风后指导康复治疗和康复评估)。
传统的步态分析由医务人员通过目测的方法观察病人的行走过程,然后根据所得印象或按照一定观察项目逐项评价的结果,凭借其丰富的临床经验得出初步分析结论。但这种方法只能定性,不能定量。随着科技的发展,目前越来越多的步态分析借助辅助设备进行记录和分析,现有的一些方式是通过设置跑步机和摄像机,让用户在跑步机上行走,由摄像机进行体态数据的采集。现有的方式需要将摄像机固定安装在预设位置,部署后不易调节位置,存在使用不便,拓展灵活度较差,不便于拓展维护等问题。
发明内容
本发明意在提供应用于3D体态检测分析的采集机器人联动控制***,能够解决现有3D体态检测设备灵活性差、不便于维护拓展、采集角度不全面的问题。
本申请提供如下技术方案:
应用于3D体态检测分析的采集机器人联动控制***,包括控制主机、输入装置、显示器以及若干采集机器人,所述控制主机与采集机器人以及显示器均数据连接;
所述采集机器人用于采集用户行走体态数据;
所述控制主机包括:
场景扫描模块,用于检测当前场景的环境数据;
场景构建模块,用于根据环境数据构建检测场景;
用户行走路线获取模块,用于获取输入装置输入的用户行走路线;
路径规划模块,用于根据环境数据以及用户行走路线,规划采集机器人的行走路径以及采集方向;
机器人控制模块,用于根据规划的行走路径以及采集方向控制采集机器人的位置和方向;
所述显示器用于显示检测场景、用户行走路线以及采集机器人行走路径。
进一步,所述控制主机还包括场景修正模块,用于供用户对检测场景的环境数据进行修正。
进一步,所述路径规划模块包括:
分组模块,用于根据待采集的用户数量和用户信息将采集机器人划分为不同组,每组采集机器人负责采集一个用户的用户行走体态数据;
角度划分模块,所述角度划分模块用于根据每组机器人的数量划分每个采集机器人负责采集的角度范围;
位置划分模块,用于根据用户行走路线以及各个采集机器人负责采集的角度范围,确定各个机器人的采集位置和采集方向;
路径生成模块,用于根据各个机器人当前的采集位置以及采集位置,生成行走路径。
进一步,所述场景扫描模块包括测距模块,所述环境数据包括场景尺寸,所述测距模块用于检测当前场景的场景尺寸。
进一步,所述场景扫描模块还包括障碍扫描模块,用于获取场景内的障碍物;所述路径生成模块还包括障碍规避模块,用于根据场景内的障碍物调整行走路径。
进一步,所述采集机器人包括:
行走机构,所述行走机构包括行走轮、驱动电机和转向电机,所述驱动电机与行走轮动力连接,所述驱动电机用于驱动行走轮转动,所述转向电机与行走轮动力连接,所述转向电机用于驱动行走轮转向;
采集机构,包括云台,所述云台上设有摄像头;
主控模块,所述主控模块包括控制器、无线通信模块,所述控制器与无线通信模块、摄像头、驱动电机以及转向电机均电连接,所述控制器用于通过摄像头采集影像数据,所述摄像头用于通过无线通信模块将采集的数据发送至控制主机,所述控制器还用于通过无线通信模块接收控制指令并控制摄像头、驱动电机以及转向电机启闭。
进一步,所述采集机构包括升降机构,所述升降机构包括升降电机,所述云台设置在升降机构上,所述升降电机与控制器电连接,所述控制器还用于控制升降电机启闭。
进一步,还包括实时调节模块,所述实时调节模块用于根据各个采集机器人的摄像头采集的画面控制采集机器人的采集机构调节摄像头的高度和角度。
进一步,所述采集机器人至少设有三个。
进一步,所述摄像头为3D结构光摄像头。
本发明技术方案的有益效果为:
1、本发明技术方案中,通过设置采集机器人,基于场景以及用户行走线路生成机器人的行走路径,根据用户数量、用户行走路线为每个机器人分组并分配采集的角度范围,可以使得采集机器人对用户体态进行多角度、全方位的采集,确保对用户进行全方位的检测和采集。
2、采用采集机器人,可以根据实际检测场景的情况以及用户的情况,进行灵活部署,既可以提高设备部署的灵活度,降低部署成本,又可以提高分析结果的准确度。
3、采用3D结构光摄像头,相比仅使用摄像头,可以获取到深度信息,进而提供更加准确的检测数据。
附图说明
图1为本申请应用于3D体态检测分析的采集机器人联动控制***实施例一中的流程图。
具体实施方式
下面通过具体实施方式对本申请技术方案进行进一步详细说明:
实施例一
如图1所示,本实施例公开的应用于3D体态检测分析的采集机器人联动控制***,包括控制主机、输入装置、显示器以及若干采集机器人,控制主机与采集机器人以及显示器均数据连接,具体的,本实施例中,控制主机通过无线网络与采集机器人以及显示器连接。
采集机器人用于采集用户行走体态数据;一个用户至少设置三个采集机器人进行数据采集。本申请的技术方案可以针对多个用户进行用户行走体态数据的采集,采集机器人的数量根据用户的数量来确定,本实施例中,以一个用户为例,共设置三个采集机器人。
采集机器人包括行走机构、采集机构以及主控模块。
行走机构包括行走轮、驱动电机和转向电机,驱动电机与行走轮动力连接,驱动电机用于驱动行走轮转动,转向电机与行走轮动力连接,转向电机用于驱动行走轮转向;本实施例中,行走机构采用现有常见的四轮行走机构,如遥控赛车。具体的,行走轮共四个,分为两个前轮和两个后轮,两个后轮通过转轴连接,转轴上设置传动齿轮,驱动电机的输出轴通过传动齿轮与两个后轮动力连接。驱动电机带动两个后轮转动,实现行走驱动。转向电机采用舵机,舵机输出杆连接转向杆,转向杆两端分别与两个前轮铰接,舵机通过带动转向杆转动进而带动前轮转向。在本申请的其他实施例中,也可以采用其他行走结构,如两个轮子进行驱动和转向,再使用两个万向轮进行平衡,或直接采用现有两轮平衡车的行走机构。
行走机构上通过螺栓固定有安装架,采集机构安装在安装架上。采集机构包括升降机构,升降机构包括升降电机,升降机构上设有云台,云台上设有摄像头。本实施例中,升降机构包括丝杆副,所述云台与丝杆副的滑块固定连接,丝杆副的丝杠与升降电机通过齿轮动力连接,升降电机通过带动丝杠转动调节滑块升降,进而控制云台的升降。云台包括固定块,固定块与滑块通过螺栓固定连接,固定块上设有第一转动机构,第一转动机构包括第一转动电机和第一转动台,第一转动台中心固定连接有第一转动轴,第一转动轴与固定块转动连接,第一转动轴和第一转动电机之间通过齿轮动力连接。第一转动台上设有第二转动机构,第二转动机构包括第二转动电机和第二转动台,第二转动台中心设有第二转轴,第二转轴与第一转动台之间转动连接,第二转轴与第二转动电机通过齿轮动力连接,第一转轴和第二转轴互相垂直,本实施例中,第一转轴竖向设置,第二转轴横向设置,摄像头设置在第二转动台上。本实施例中,摄像头为3D结构光摄像头。
安装架上设有主控盒,主控模块设置在主控盒内,主控模块包括控制器以及无线通信模块,控制器与无线通信模块、摄像头、驱动电机、转向电机以及升降电机均电连接,控制器用于通过摄像头采集影像数据,摄像头用于通过无线通信模块将采集的数据发送至控制主机,控制器还用于通过无线通信模块接收控制指令并控制摄像头、驱动电机、转向电机以及升降电机启闭。主控模块还包括定位模块,控制器与定位模块电连接,控制器通过定位模块进行室内定位。定位模块包括RFID信号接收器,场景内设有多个RFID标签,控制器通过读取各个RFID标签的信号强度计算出自身的位置,控制器接收控制主机的控制信号后,控制各个电机运行,进行实现位置移动、摄像头角度转动和升降以及用户行走体态数据的采集等功能。本实施例中,控制器优选为STM32系列单片机、无线通信模块采用WiFi通信模块、摄像头采用3D结构光摄像头。
控制主机包括:场景扫描模块、场景构建模块、场景修正模块、用户行走路线获取模块、实时调节模块、路径规划模块以及机器人控制模块。
场景扫描模块用于检测当前场景的环境数据;本实施例中,场景扫描模块包括测距模块和障碍扫描模块,环境数据包括场景尺寸和障碍物数据,测距模块用于检测当前场景的场景尺寸。障碍扫描模块用于获取场景内的障碍物数据。
场景构建模块用于根据环境数据构建检测场景;场景修正模块用于供用户对检测场景的环境数据进行修正,如场景的尺寸,场景内障碍物的分布等,确保场景与实际检测场景相符。
用户行走路线获取模块,用于获取输入装置输入的用户行走路线;本实施例中,输入装置为触摸屏,管理人员直接在显示了场景的显示器屏幕上通过触摸的方式画出用户的行走路线。
路径规划模块,用于根据环境数据以及用户行走路线,规划采集机器人的行走路径以及采集方向。
实时调节模块用于根据各个采集机器人的摄像头采集的画面控制采集机器人的采集机构调节摄像头的高度和角度。具体的,本实施例中,根据各个摄像头采集的图像,判断画面范围是否覆盖了用户,若否,则根据偏差的角度进行调节,如未拍摄到用户脚的部分,则调低摄像头角度。
机器人控制模块用于根据规划的行走路径以及采集方向控制采集机器人的位置和方向。
显示器用于显示检测场景、用户行走路线以及采集机器人行走路径。
本实施例中,路径规划模块包括:
分组模块,用于根据待采集的用户数量和用户信息将采集机器人划分为不同组,每组采集机器人负责采集一个用户的用户行走体态数据;
角度划分模块,角度划分模块用于根据每组机器人的数量划分每个采集机器人负责采集的角度范围;
位置划分模块,用于根据用户行走路线以及各个采集机器人负责采集的角度范围,确定各个机器人的采集位置和采集方向;
路径生成模块,用于根据各个机器人当前的采集位置以及采集位置,生成行走路径;
障碍规避模块,用于根据场景内的障碍物调整行走路径。
实施例二
本实施例与实施例一的区别在于,本实施例中,控制主机还包括:
体态分析模块,用于根据采集机器人采集的用户行走体态数据对用户体态进行分析;体态分析模块包括骨骼追踪模块和数据分析模块,用于根据采集机器人采集的用户行走体态数据识别人体骨骼数据并根据人体骨骼数据构建人体3D体态数据;具体的,本实施例中,采用基于kinect的骨骼追踪技术进行人体骨骼识别和人体3D体态数据构建。
数据分析子***包括数据分析模块,数据分析模块包括特征提取模块、分析评测模块以及报告生成模块,特征提取模块用于根据人体3D体态数据提取分析特征,分析评测模块包括分析评测模型,分析评测模块用于通过分析评测模型对分析特征进行分析;报告生成模块用于根据分析评测模型的输出结果生成分析结果报告;
特征提取模块用于根据人体3D体态数据提取分析特征,数据特征提取模块包括特征管理模块、提取规则管理模块以及提取模块,特征管理模块用于供管理人员添加或删除特征,提取规则管理模块用于供用户建立和关联特征对应的提取规则,提取模块用于根据提取规则从人体3D体态数据中提取分析特征,分析特征包括步幅、步频、抬腿高度、头侧倾角度等,管理人员可以通过特征管理模块进行特征的添加,以使得分析更加全面。
本实施例中,分析评测模型采用基于康复标准量表的神经网络模型,神经网络模型用于根据用户的分析特征输出用户存在的体态问题。
神经网络模型采用BP神经网络模型,包括输入层、隐层和多个输出层,每个输出层对应一种体态问题,如腰椎突出、腿型分类、盆骨倾斜等,分析特征与康复标准量表的各项指标对应,分析特征作为神经网络模型输入层的输入,输出层输出用户存在对应体态问题的概率。本实施例中,以用户的分析特征作为输入层的输入,而输出是对应的概率的预测;本实施例使用了以下公式来确定隐层节点的数量:其中l为隐层的节点数,n为输入层的节点数,m为输出层的节点数,a为1至10之间的一个数。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例中,采用tansig函数作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数,采用已有的数据作为样本对进行训练。在本申请的其他实施例中,还可以将用户的基本信息,如年龄、身高、性别等以及用户的症状,如腿痛、腰椎痛等作为输入层的输入,进行模型的训练和使用,可以进一步提升分析的准确性。
数据分析子***还包括评测结果修正模块,评测结果修正模块用于对评测结果报告进行修正。
分析评测模块还包括模型调整模块,模型调整模块包括迭代模块和手动修正模块,迭代模块用于根据历史评测结果报告对分析评测模型进行迭代训练。手动修正模块用于供管理人员对分析评测模型的输入层的指标进行修改。
显示器还用于显示人体3D体态数据以及分析结果报告。
实施例三
本实施例与实施例二的区别在于,本实施例中,数据分析模块还包括时间分析模块、原因分析模块以及调整建议模块,还包括用户终端,所述用户终端与中心控制器网络连接,用户终端用于上传历史影像资料数据至中心控制器,所述时间分析模块包括程度分析模块、影像分析模块以及综合分析模块,所述影像分析模块用于对用户上传的历史影像资料数据中的照片、视频进行图像分析,获取其中用户的体态情况,判断用户在各个时期照片或视频中的体态是否有问题,得到用户产生体态问题的时间,程度分析模块用于根据数据分析模块分析出的用户体态问题的严重程度推算用户产生体态问题的时间,所述综合分析模块用于根据程度分析模块和影像分析模块的分析结果生成用户产生体态问题的时间。所述原因分析模块用于根据用户体态问题获取体态问题产生的原因列表,并结合用户产生体态问题的时间以及对应的历史影像资料数据,从原因列表中选择与用户情况最接近的原因。所述调整建议模块用于根据用户的体态问题以及对应的原因生成改善建议。
还包括二次采集模块,所述二次采集模块用于根据用户位置,让路径规划模块规划采集机器人至用户位置的路径,二次采集模块用于提醒用户执行指定动作或改善建议并控制采集机器人对用户进行影像采集,二次采集模块还用于根据采集结果对原因和改善建议进行验证。并根据验证结果调整改善建议。由于同一种体态问题可能会对于多种原因,而且不同人员的体质不同,通用的改善建议并非适合每个人。通过本实施例的技术方案,可以在发现用户体态问题的基础上,判断用户产生体态问题的时间,进而找出用户产生体态问题的原因,可以根据原因提成针对性的改善建议,并通过再次控制采集机器人进行二次影像资料采集来验证改善建议的有效性,可以确保改善建议适用于当前用户。
以上的仅是本发明的实施例,该发明不限于此实施案例涉及的领域,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.应用于3D体态检测分析的采集机器人联动控制***,其特征在于:包括控制主机、输入装置、显示器以及若干采集机器人,所述控制主机与采集机器人以及显示器均数据连接;
所述采集机器人用于采集用户行走体态数据;
所述控制主机包括:
场景扫描模块,用于检测当前场景的环境数据;
场景构建模块,用于根据环境数据构建检测场景;
用户行走路线获取模块,用于获取输入装置输入的用户行走路线;
路径规划模块,用于根据环境数据以及用户行走路线,规划采集机器人的行走路径以及采集方向;
机器人控制模块,用于根据规划的行走路径以及采集方向控制采集机器人的位置和方向;
时间分析模块用于生成用户产生体态问题的时间;
原因分析模块用于根据用户体态问题得出与用户情况最接近的原因;
调整建议模块用于根据用户的体态问题以及对应的原因生成改善建议;
二次采集模块,所述二次采集模块用于根据用户位置,让路径规划模块规划采集机器人至用户位置的路径,二次采集模块用于提醒用户执行指定动作或改善建议并控制采集机器人对用户进行影像采集,二次采集模块还用于根据采集结果对原因和改善建议进行验证;
所述显示器用于显示检测场景、用户行走路线以及采集机器人行走路径。
2.根据权利要求1所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述控制主机还包括场景修正模块,用于供用户对检测场景的环境数据进行修正。
3.根据权利要求2所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述路径规划模块包括:
分组模块,用于根据待采集的用户数量和用户信息将采集机器人划分为不同组,每组采集机器人负责采集一个用户的用户行走体态数据;
角度划分模块,所述角度划分模块用于根据每组机器人的数量划分每个采集机器人负责采集的角度范围;
位置划分模块,用于根据用户行走路线以及各个采集机器人负责采集的角度范围,确定各个机器人的采集位置和采集方向;
路径生成模块,用于根据各个机器人当前的采集位置以及采集位置,生成行走路径。
4.根据权利要求3所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述场景扫描模块包括测距模块,所述环境数据包括场景尺寸,所述测距模块用于检测当前场景的场景尺寸。
5.根据权利要求4所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述场景扫描模块还包括障碍扫描模块,用于获取场景内的障碍物;所述路径生成模块还包括障碍规避模块,用于根据场景内的障碍物调整行走路径。
6.根据权利要求5所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述采集机器人包括:
行走机构,所述行走机构包括行走轮、驱动电机和转向电机,所述驱动电机与行走轮动力连接,所述驱动电机用于驱动行走轮转动,所述转向电机与行走轮动力连接,所述转向电机用于驱动行走轮转向;
采集机构,包括云台,所述云台上设有摄像头;
主控模块,所述主控模块包括控制器、无线通信模块,所述控制器与无线通信模块、摄像头、驱动电机以及转向电机均电连接,所述控制器用于通过摄像头采集影像数据,所述摄像头用于通过无线通信模块将采集的数据发送至控制主机,所述控制器还用于通过无线通信模块接收控制指令并控制摄像头、驱动电机以及转向电机启闭。
7.根据权利要求6所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述采集机构包括升降机构,所述升降机构包括升降电机,所述云台设置在升降机构上,所述升降电机与控制器电连接,所述控制器还用于控制升降电机启闭。
8.根据权利要求7所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:还包括实时调节模块,所述实时调节模块用于根据各个采集机器人的摄像头采集的画面控制采集机器人的采集机构调节摄像头的高度和角度。
9.根据权利要求8所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述采集机器人至少设有三个。
10.根据权利要求9所述的应用于3D体态检测分析的采集机器人联动控制***,其特征在于:所述摄像头为3D结构光摄像头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011377769.7A CN112656402B (zh) | 2020-11-30 | 2020-11-30 | 应用于3d体态检测分析的采集机器人联动控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011377769.7A CN112656402B (zh) | 2020-11-30 | 2020-11-30 | 应用于3d体态检测分析的采集机器人联动控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112656402A CN112656402A (zh) | 2021-04-16 |
CN112656402B true CN112656402B (zh) | 2023-01-13 |
Family
ID=75403036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011377769.7A Active CN112656402B (zh) | 2020-11-30 | 2020-11-30 | 应用于3d体态检测分析的采集机器人联动控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112656402B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008142841A (ja) * | 2006-12-11 | 2008-06-26 | Toyota Motor Corp | 移動ロボット |
CN102499692A (zh) * | 2011-11-30 | 2012-06-20 | 沈阳工业大学 | 一种超声波步态检测装置与方法 |
CN105335696A (zh) * | 2015-08-26 | 2016-02-17 | 湖南信息职业技术学院 | 一种基于3d异常步态行为检测识别的智能助老机器人及实现方法 |
CN106020201A (zh) * | 2016-07-13 | 2016-10-12 | 广东奥讯智能设备技术有限公司 | 移动机器人3d导航定位***及导航定位方法 |
CN106250867A (zh) * | 2016-08-12 | 2016-12-21 | 南京华捷艾米软件科技有限公司 | 一种基于深度数据的人体骨骼跟踪***的实现方法 |
CN106781165A (zh) * | 2016-11-30 | 2017-05-31 | 华中科技大学 | 一种基于深度传感的室内多摄像头智能联动监控装置 |
CN108596306A (zh) * | 2018-08-03 | 2018-09-28 | 四川民工加网络科技有限公司 | 工人信息采集*** |
CN109190704A (zh) * | 2018-09-06 | 2019-01-11 | 中国科学院深圳先进技术研究院 | 障碍物检测的方法及机器人 |
CN109426248A (zh) * | 2017-08-25 | 2019-03-05 | 科沃斯机器人股份有限公司 | 自移动机器人及其行走方法、显示障碍物分布的方法 |
CN109709947A (zh) * | 2017-10-26 | 2019-05-03 | 株式会社日立大厦*** | 机器人管理*** |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007007803A (ja) * | 2005-07-01 | 2007-01-18 | Toyota Motor Corp | ロボットとその制御方法 |
CN102895092A (zh) * | 2011-12-13 | 2013-01-30 | 冷春涛 | 一种基于多传感器融合的助行机器人三维环境识别*** |
WO2016178523A1 (en) * | 2015-05-07 | 2016-11-10 | Samsung Electronics Co., Ltd. | Method of providing information according to gait posture and electronic device for same |
CN104986241B (zh) * | 2015-06-29 | 2018-04-24 | 山东大学(威海) | 四足机器人的步态规划方法 |
US10383552B2 (en) * | 2016-04-26 | 2019-08-20 | Toyota Jidosha Kabushiki Kaisha | Gait analysis medical assistance robot |
CN106525049B (zh) * | 2016-11-08 | 2019-06-28 | 山东大学 | 一种基于计算机视觉的四足机器人本***姿跟踪方法 |
CN106726340B (zh) * | 2016-12-05 | 2019-06-04 | 北京理工大学 | 一种智能安全保护的人体下肢康复训练机器人 |
CN107358250B (zh) * | 2017-06-07 | 2019-11-22 | 清华大学 | 基于双波段雷达微多普勒融合的人体步态识别方法及*** |
US10722149B2 (en) * | 2017-07-26 | 2020-07-28 | Victoria University | Real-time biofeedback rehabilitation tool guiding and illustrating foot placement for gait training |
CN107423729B (zh) * | 2017-09-20 | 2023-12-19 | 湖南师范大学 | 一种面向复杂视觉场景下的远距离类脑三维步态识别***及实现方法 |
CN110833418A (zh) * | 2018-08-15 | 2020-02-25 | 上海脉沃医疗科技有限公司 | 一种步态采集与分析装置 |
CN111067543A (zh) * | 2019-12-31 | 2020-04-28 | 中航创世机器人(西安)有限公司 | 一种卧式踏步式康复训练机器人的人机交互*** |
CN111968713B (zh) * | 2020-08-05 | 2023-10-27 | 七海行(深圳)科技有限公司 | 一种数据采集方法及巡检装置 |
-
2020
- 2020-11-30 CN CN202011377769.7A patent/CN112656402B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008142841A (ja) * | 2006-12-11 | 2008-06-26 | Toyota Motor Corp | 移動ロボット |
CN102499692A (zh) * | 2011-11-30 | 2012-06-20 | 沈阳工业大学 | 一种超声波步态检测装置与方法 |
CN105335696A (zh) * | 2015-08-26 | 2016-02-17 | 湖南信息职业技术学院 | 一种基于3d异常步态行为检测识别的智能助老机器人及实现方法 |
CN106020201A (zh) * | 2016-07-13 | 2016-10-12 | 广东奥讯智能设备技术有限公司 | 移动机器人3d导航定位***及导航定位方法 |
CN106250867A (zh) * | 2016-08-12 | 2016-12-21 | 南京华捷艾米软件科技有限公司 | 一种基于深度数据的人体骨骼跟踪***的实现方法 |
CN106781165A (zh) * | 2016-11-30 | 2017-05-31 | 华中科技大学 | 一种基于深度传感的室内多摄像头智能联动监控装置 |
CN109426248A (zh) * | 2017-08-25 | 2019-03-05 | 科沃斯机器人股份有限公司 | 自移动机器人及其行走方法、显示障碍物分布的方法 |
CN109709947A (zh) * | 2017-10-26 | 2019-05-03 | 株式会社日立大厦*** | 机器人管理*** |
CN108596306A (zh) * | 2018-08-03 | 2018-09-28 | 四川民工加网络科技有限公司 | 工人信息采集*** |
CN109190704A (zh) * | 2018-09-06 | 2019-01-11 | 中国科学院深圳先进技术研究院 | 障碍物检测的方法及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN112656402A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11929173B2 (en) | Learning apparatus, rehabilitation support system, method, program, and trained model | |
US10568502B2 (en) | Visual disability detection system using virtual reality | |
US11301045B1 (en) | Measurement system that includes at least one measurement assembly, a visual display device, and at least one data processing device | |
CN111816309A (zh) | 基于深度强化学习的康复训练处方自适应推荐方法及*** | |
CN107397658B (zh) | 一种多尺度全卷积网络及视觉导盲方法和装置 | |
CN109806113A (zh) | 一种基于自组网导航的icu病房卧式下肢康复智能交互机器人群组*** | |
CN111652078A (zh) | 一种基于计算机视觉的瑜伽动作指导***和方法 | |
CN110533763B (zh) | 一种基于云平台的智能矫形外固定*** | |
CN112494034B (zh) | 基于3d体态检测分析的数据处理分析***及方法 | |
CN110674792B (zh) | 基于神经网络的施工进度监测装置及方法 | |
KR20190140920A (ko) | 딥 러닝 네트워크를 사용하여 해부학적 대상을 분석하기 위한 관절 아암 | |
CN113101134A (zh) | 一种基于动力外骨骼的儿童下肢运动辅助康复*** | |
CN107967941A (zh) | 一种基于智能视觉重构的无人机人体健康监控方法与*** | |
US20210005106A1 (en) | Motion support system, action support method, program, learning apparatus, trained model, and learning method | |
CN106846372A (zh) | 人体运动质量视觉分析与评价***及其方法 | |
CN112656402B (zh) | 应用于3d体态检测分析的采集机器人联动控制*** | |
CN115429516A (zh) | 一种脊柱侧弯控制***及方法 | |
CN213703458U (zh) | 一种采集机器人 | |
Scheffer et al. | Inertial motion capture in conjunction with an artificial neural network can differentiate the gait patterns of hemiparetic stroke patients compared with able-bodied counterparts | |
CN106419957A (zh) | 一种超声扫描装置辅助*** | |
CN116543889B (zh) | 基于医疗物联网的内窥镜远程操控***及方法 | |
CN112571426B (zh) | 3d体态检测分析***及方法 | |
CN112381048B (zh) | 基于多用户同步检测的3d体态检测分析***及方法 | |
CN112137834B (zh) | 学习***、复健辅助***、方法、程序及学习完毕模型 | |
CN113768471A (zh) | 一种基于步态分析的帕金森疾病辅助诊断*** |
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 |