CN113229809A - 一种步态检测方法及*** - Google Patents
一种步态检测方法及*** Download PDFInfo
- Publication number
- CN113229809A CN113229809A CN202110648446.5A CN202110648446A CN113229809A CN 113229809 A CN113229809 A CN 113229809A CN 202110648446 A CN202110648446 A CN 202110648446A CN 113229809 A CN113229809 A CN 113229809A
- Authority
- CN
- China
- Prior art keywords
- leg
- point
- gait
- laser radar
- person
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 140
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 12
- 210000002683 foot Anatomy 0.000 claims description 29
- 238000010587 phase diagram Methods 0.000 claims description 16
- 210000003423 ankle Anatomy 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000012549 training Methods 0.000 description 14
- 210000003141 lower extremity Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- A61B5/112—Gait analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种步态检测方法及***。该方法包括：利用激光雷达获取环境信息；所述环境信息为所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；对所述环境信息进行数据筛选，确定筛选后的数据；根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态；根据所述腿部信息以及所述行走状态确定步态运动学参数；所述步态运动学参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。本发明能够避免人工检测主观性的干扰，提高检测准确性以及降低设备成本和操作难度。
Description
技术领域
本发明涉及步态检测领域，特别是涉及一种步态检测方法及***。
背景技术
通过步态检测能够显示当前身体状况，常涉及于体育运动、医疗以及科研机构研究，传统步态分析是由专业人员直接观察目标对象运动状态从而进行判断，这种方法操作简单，但这种方式除了要求研究人员必须具有充分的理论知识和经验之外，还具有一定的主观性和个体差异性；随着各类传感器技术的智能化发展，定量步态分析引起广泛关注和研究，但现有步态评定设备普遍存在成本高、***操作复杂等缺点。
发明内容
本发明的目的是提供一种步态检测方法及***，以解决人工检测主观性强、现有步态评定设备成本高以及***操作复杂的问题。
为实现上述目的，本发明提供了如下方案：
一种步态检测方法，包括：
利用激光雷达获取环境信息；所述环境信息为所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
对所述环境信息进行数据筛选，确定筛选后的数据；
根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态；所述腿部信息包括雷达扫描到的被测人员的左腿部数据点、右腿部数据点、左腿部数据点或右腿部数据点距离雷达原点的角度，以及，左腿部数据点或右腿部数据点距离雷达原点的距离；所述行走状态包括被测人员的站立状态、左脚先行状态以及右脚先行状态；
根据所述腿部信息以及所述行走状态确定步态运动学参数；所述步态运动学参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。
可选的，所述利用激光雷达获取环境信息，之前还包括：
将所述激光雷达设于所述被测人员的正前方，所述激光雷达的测量平面平行于地面，所述激光雷达的高度位于所述被测人员的踝部。
可选的，所述对所述环境信息进行数据筛选，确定筛选后的数据，具体包括：
获取所述被测人员的行走范围；
根据所述行走范围确定所述激光雷达的扫描角度范围，以使得所述行走范围落入所述激光雷达的测量范围；
根据所述扫描角度范围确定筛选后的数据。
可选的，所述根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态，具体包括：
在每一个激光雷达的扫描周期内获取很多的激光扫描点；所述激光扫描点包括被测人员在步行时每一帧的左腿部的数据点、右腿部的数据点以及在扫描角度范围内的干扰点；
根据所述左腿部的数据点以及所述右腿部的数据点，采用自适应聚类的方法，确定激光每一帧的数据点类群；所述数据点类群包括左腿部以及右腿部；
根据所述数据点类群，采用腿部轮廓拟合方法实时捕捉并跟踪被测人员的腿部信息和行走状态。
可选的，所述根据所述左腿部的数据点以及所述右腿部的数据点，采用自适应聚类的方法，确定激光每一帧的数据点类群，具体包括：
判断当前数据点Pi与前一个数据点Pi-1的欧几里得距离，若两点的距离大于距离阈值Dmax，确定数据点Pi与数据点Pi-1在不同类别，且数据点Pi为新类别的第一个点，数据点Pi-1为旧类别的最后一个点；其中，新类别为左腿部或右腿部，旧类别为右腿部或左腿部。
可选的，所述根据所述数据点类群，采用腿部轮廓拟合方法实时捕捉并跟踪被测人员的腿部信息和行走状态，具体包括：
将所述数据点类群内的数据点构建成拟合圆作为小腿的近似轮廓；所述拟合圆为所述激光雷达的扫描平面与所述人体的小腿处的截面；
根据所述近似轮廓，采用最小二乘法确定拟合圆的圆心和半径，确定被测人员的腿部数据点的类别以及腿部轮廓；
根据所述被测人员腿部的数据点的类别以及腿部轮廓，实时捕捉并跟踪被测人员的腿部信息和行走状态。
可选的，所述根据所述腿部信息以及所述行走状态确定步态运动学参数，具体包括：
以所述激光雷达的中心点为原点，以与所述被测人员的行走方向的垂直方向为X轴，以所述被测人员的行走方向为Y轴，建立笛卡尔坐标系OXY；
在所述笛卡尔坐标系OXY下，令所述激光雷达每0.1秒采集一次所述被测人员的腿部信息，获取所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
根据所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离确定步态时相图；
根据所述步态时相图的极值点确定被测人员腿部的离地点和着地点，并记录所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离；所述腿部的离地点和着地点包括左腿的离地点和着地点、以及右腿的离地点和着地点；
根据所述被测人员腿部的离地点和着地点、所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离确定步态运动学参数。
可选的，所述根据所述腿部信息以及所述行走状态确定步态运动学参数，之后还包括：
可视化显示所述步态运动学参数，并将所述步态运动学参数同步存储至数据库中。
一种步态检测***，包括：
环境信息获取模块，用于利用激光雷达获取环境信息；所述环境信息为所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
筛选模块，用于对所述环境信息进行数据筛选，确定筛选后的数据；
腿部信息和行走状态捕捉及跟踪模块，用于根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态；所述腿部信息包括雷达扫描到的被测人员的左腿部数据点、右腿部数据点、左腿部数据点或右腿部数据点距离雷达原点的角度，以及，左腿部数据点或右腿部数据点距离雷达原点的距离；所述行走状态包括被测人员的站立状态、左脚先行状态以及右脚先行状态；
步态运动学参数确定模块，用于根据所述腿部信息以及所述行走状态确定步态运动学参数；所述步态运动学参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。
可选的，所述步态运动学参数确定模块，具体包括：
笛卡尔坐标系建立单元，用于以所述激光雷达的中心点为原点，以与所述被测人员的行走方向的垂直方向为X轴，以所述被测人员的行走方向为Y轴，建立笛卡尔坐标系OXY；
距离获取单元，用于在所述笛卡尔坐标系OXY下，令所述激光雷达每0.1秒采集一次所述被测人员的腿部信息，获取所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
步态时相图确定单元，用于根据所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离确定步态时相图；
腿部的离地点和着地点确定单元，用于根据所述步态时相图的极值点确定被测人员腿部的离地点和着地点，并记录所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离；所述腿部的离地点和着地点包括左腿的离地点和着地点、以及右腿的离地点和着地点；
步态运动学参数确定单元，用于根据所述被测人员腿部的离地点和着地点、所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离确定步态运动学参数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种步态检测方法及***，利用激光雷达采集环境信息，以实时捕捉并跟踪被测人员的腿部信息和行走状态，最终确定步态运动学参数，全程无需人工检测，客观的检测步态运动学参数，从而避免了人工检测主观性的干扰，提高了检测准确性；其次，本发明仅利用激光雷达即可实现步态运动学参数的检测，降低了设备成本以及操作难度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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。
图1为本发明所提供的步态检测方法流程图；
图2为激光雷达测距俯视图；
图3为激光雷达获得的左右两腿Y值的时间序列变化图；
图4为步态参数示意图；
图5为激光雷达测量步态参数原理示意图；
图6为本发明所提供的步态检测***结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种步态检测方法及***，能够避免人工检测主观性的干扰，提高检测准确性以及降低设备成本和操作难度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的步态检测方法流程图，如图1所示，一种步态检测方法，包括：
步骤101：利用激光雷达获取环境信息；所述环境信息为所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离。
所述步骤101之前还包括：将所述激光雷达设于所述被测人员的正前方，所述激光雷达的测量平面平行于地面，所述激光雷达的高度位于所述被测人员的踝部。
在实际应用中，激光雷达为2D激光雷达，所述激光雷达可以通过360°向周围物体扫射激光，获取环境信息。
步骤102：对所述环境信息进行数据筛选，确定筛选后的数据。
所述步骤102具体包括：获取所述被测人员的行走范围；根据所述行走范围确定所述激光雷达的扫描角度范围，以使得所述行走范围落入所述激光雷达的测量范围；根据所述扫描角度范围确定筛选后的数据。
步骤103：根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态；所述腿部信息包括雷达扫描到的被测人员的左腿部数据点、右腿部数据点、左腿部数据点或右腿部数据点距离雷达原点的角度，以及，左腿部数据点或右腿部数据点距离雷达原点的距离；所述行走状态包括被测人员的站立状态、左脚先行状态以及右脚先行状态。
所述步骤103具体包括：在每一个激光雷达的扫描周期内获取很多的激光扫描点；所述激光扫描点包括被测人员在步行时每一帧的左腿部的数据点、右腿部的数据点以及在扫描角度范围内的干扰点；根据所述左腿部的数据点以及所述右腿部的数据点，采用自适应聚类的方法，确定激光每一帧的数据点类群；所述数据点类群包括左腿部以及右腿部；根据所述数据点类群，采用腿部轮廓拟合方法实时捕捉并跟踪被测人员的腿部信息和行走状态。
所述根据所述左腿部的数据点以及所述右腿部的数据点，采用自适应聚类的方法，确定激光每一帧的数据点类群，具体包括：判断当前数据点Pi与前一个数据点Pi-1的欧几里得距离，若两点的距离大于距离阈值Dmax，确定数据点Pi与数据点Pi-1在不同类别，且数据点Pi为新类别的第一个点，数据点Pi-1为旧类别的最后一个点；其中，新类别为左腿部或右腿部，旧类别为右腿部或左腿部。
所述根据所述数据点类群，采用腿部轮廓拟合方法实时捕捉并跟踪被测人员的腿部信息和行走状态，具体包括：将所述数据点类群内的数据点构建成拟合圆作为小腿的近似轮廓；所述拟合圆为所述激光雷达的扫描平面与所述人体的小腿处的截面；根据所述近似轮廓，采用最小二乘法确定拟合圆的圆心和半径，确定被测人员的腿部数据点的类别以及腿部轮廓；根据所述被测人员腿部的数据点的类别以及腿部轮廓，实时捕捉并跟踪被测人员的腿部信息和行走状态。
步骤104：根据所述腿部信息以及所述行走状态确定步态运动学参数；所述步态运动学参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。
所述步骤104具体包括：以所述激光雷达的中心点为原点，以与所述被测人员的行走方向的垂直方向为X轴，以所述被测人员的行走方向为Y轴，建立笛卡尔坐标系OXY；在所述笛卡尔坐标系OXY下，令所述激光雷达每0.1秒采集一次所述被测人员的腿部信息，获取所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；根据所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离确定步态时相图；根据所述步态时相图的极值点确定被测人员腿部的离地点和着地点，并记录所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离；所述腿部的离地点和着地点包括左腿的离地点和着地点、以及右腿的离地点和着地点；根据所述被测人员腿部的离地点和着地点、所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离确定步态运动学参数。
所述步骤104之后还包括：可视化显示所述步态运动学参数，并将所述步态运动学参数同步存储至数据库中。
当本发明应用于体育运动领域时，被测人员为体育运动人员时，通过得到的步态运动学参数，显示体育运动人员的当前运动状况，并根据步态运动学参数进行相关分析，从而确定体育运动人员的长处或短板，进而进一步制定训练计划，增强训练效果。
当本发明应用于医疗领域时，以步行障碍患者康复为例，可以将本发明中所提及的激光雷达安装在下肢康复机器人上，按照本发明所提供的方法确定患者的步态运动学参数，分析步态障碍患者的康复情况。基于本发明的技术方案，具体操作过程如下：
步骤1：安装在下肢康复机器人上的2D激光雷达获取环境信息。
步骤1具体包括：将激光雷达固定设置在下肢康复机器人正前方的下部，将其测量平面置为平行于地面，高度正好相对于患者的踝部以上位置；采集安装在下肢康复机器人上的2D激光雷达与患者***的距离。
步骤2：根据所述环境信息进行数据预处理。
步骤2具体包括：
图2为激光雷达测距俯视图，如图2所示，在患者使用康复机器人进行康复训练的同时，确定患者的行走范围，包括宽度和深度，以此确定激光雷达的扫描角度范围，确保所述使用者的行走范围落在所述激光雷达的测量范围内。
步骤3：根据所述预处理后的数据，实时捕捉并跟踪患者的腿部信息和行走状态。
步骤3具体包括：在每一个激光雷达扫描周期内会得到很多的激光扫描点，该激光扫描点包括患者在步行训练时该一帧的左右腿部的数据点以及在扫描范围内的少数干扰点。
根据所述获取到的数据点，采用自适应聚类的方法，得到激光每一帧的点集分类以此判别患者的左右腿部。其基本方法是判断当前点Pi与前一个点Pi-1的欧几里得距离，若两点的距离大于一个阈值Dmax，则Pi与Pi-1在不同类别，Pi点为新类别的第一个点，而Pi-1为旧类的最后一个点，具体表示为：
其中，xi为第i个数据点(Pi)的横坐标，yi为第i个数据点(Pi)的纵坐标，xi-1为第i-1个数据点(Pi-1)的横坐标，yi-1为第i-1个数据点(Pi-1)的纵坐标，Dmax为设定的阈值。
根据所述获取到的数据点类群，即患者左右腿两类，要采用腿部轮廓拟合方法以实时跟踪患者在行走训练过程中腿部的动态变化。其基本方法是：将激光扫描平面与人的小腿处的截面近似看作圆形，由于激光雷达安装在下肢康复机器人正前方的下部，正对于患者腿部位置，获得的数据集近似为圆弧，无法获得完整的近似圆形的小腿轮廓，因此，需要通过将数据点构建成圆作为小腿的近似轮廓，采用最小二乘法确定拟合圆的圆心和半径，以此完成患者腿部数据的分类和腿部轮廓拟合，进而实现实时捕捉并跟踪患者的腿部信息和行走状态。
步骤4：根据所述患者的腿部信息和行走状态，计算患者步态运动学参数；所述步态参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。
步骤4具体包括：
患者双腿离地点和着地点的确定，其基本方式为：以所述激光雷达的中心点为原点建立笛卡尔坐标系OXY，以患者行走方向平行的为Y轴，与所述患者行走方向垂直的为X轴。
图3为激光雷达获得的左右两腿Y值的时间序列变化图。激光雷达每0.1s采集一次患者腿部数据，采集这一频数激光雷达分别到左腿和右腿的距离，以此获得患者的步态时相图，因此患者左右两腿到激光的距离将随着时间呈交替变化，根据步态时相曲线的极值点来确定患者左右腿的离地点和着地点，并记录相应的时间和Y轴距离。
当左脚开始迈步时即脚尖离地，记录所述激光雷达分别到左腿和右腿的距离以及所述距离对应的左脚离地时间，所述距离包括Y轴左腿距离、Y轴右腿距离、X轴左腿距离和X轴右腿距离。
当左脚到达距离所述激光雷达最近处，脚跟着地时，采集所述激光雷达分别到左腿和右腿的距离以及所述距离对应的左脚脚跟着地时间，所述距离包括Y轴左腿距离、Y轴右腿距离、X轴左腿距离和X轴右腿距离；以此为一步态周期，当下一次左脚开始迈步时，记录左脚脚尖离地时间、左脚脚跟着地时间和相应的各脚相对激光雷达的距离。
类似的，当右脚开始迈步时即脚尖离地，记录所述激光雷达分别到左腿和右腿的距离以及所述距离对应的右脚离地时间，所述距离包括Y轴左腿距离、Y轴右腿距离、X轴左腿距离和X轴右腿距离。
当右脚到达距离所述激光雷达最近处，脚跟着地时，采集所述激光雷达分别到左腿和右腿的距离以及所述距离对应的右脚脚跟着地时间，所述距离包括Y轴左腿距离、Y轴右腿距离、X轴左腿距离和X轴右腿距离；以此为一步态周期，当下一次右脚开始迈步时，记录右脚脚尖离地时间、右脚脚跟着地时间和相应的各脚相对激光雷达的距离。
根据所述患者双腿脚尖离地点和脚跟着地点的确定，根据具体公式可以得到患者的步态运动学参数，所述步态运动学参数包括步态时间参数以及步态空间参数，所述步态时间参数包括步态周期、摆动时间、站立时间和双支撑时间，所述步态空间参数包括步长、步幅以及步宽；如图4和图5所示，图4为步态参数示意图，图5为激光雷达测量步态参数原理示意图。
步态时间参数计算：
T＝THS(k+1)-THS(k)
Tsw＝THS(k)-TTO(k)
Tst＝TTO(k)-THS(k)
Tds＝TTO(k)-THS(k)
其中，THS(k)为第k个步态周期内的脚跟着地点对应的时刻，TTO(k)为第k个步态周期内的同侧脚尖离地点对应的时刻，T′TO(k)为对侧脚尖离地的时刻，T为步态周期，Tsw为摆动时间，Tst为站立时间，Tds为双支撑时间。
步态空间参数计算：
SL＝YHS(k)-Y′HS(k)
SR＝YHS(k)-YHS(k+1)
SW＝XHS(k)-X′HS(k)
其中，YHS(k)为第k个步态周期内脚跟着地时的Y位置坐标，Y′HS(k)为对侧脚跟着地时的Y位置坐标，SL为步长，SR为步幅，SW为步宽，XHS(k)为第k个步态周期内脚跟着地时的X位置坐标，X′HS(k)为对侧脚跟着地时的X位置坐标。
步骤5：根据所述患者步态运动学参数，客户端实时接收和呈现检测***计算出的步态运动学参数报告，利用该步态训练报告分析步行障碍患者的康复情况，具体包括：
根据所述患者步态运动学参数，下肢康复机器人界面会实时接收下位机传输来的参数并将步态信息可视化展示，增加患者步行训练时的训练乐趣感；并且实时完成步态参数报告的生成，保证在患者点击报告按钮时，准确及时地为患者提供本次步行训练时的各指标参数，并以曲线图的方式定量向患者反应他们的行走健康趋势，以此有利于医生对患者康复情况的准确评定以及后期为患者制定更为合理的训练内容。同时，这些步态参数信息在计算生成的同时也将同步储存到数据库中。
将本发明应用于医疗领域中，能够为医生提供患者的客观量化步态参数数据，通过前后康复训练多指标的对比为医生对使用下肢康复机器人进行康复训练的患者的康复评定提供了可行方法，提高康复效率。同时下肢康复机器人的界面实时显示患者步行训练时每迈出的步伐，每当步态关键点更新时，软件将会实时绘制新的相应脚印点，而旧脚印将虚化显示，整个画面呈现动态虚拟行走模式，增加患者步行训练时的乐趣性和沉浸感。
图6为本发明所提供的步态检测***结构图，如图6所示，一种步态检测***，包括：
环境信息获取模块601，用于利用激光雷达获取环境信息；所述环境信息为所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离。
筛选模块602，用于对所述环境信息进行数据筛选，确定筛选后的数据。
腿部信息和行走状态捕捉及跟踪模块603，用于根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态；所述腿部信息包括雷达扫描到的被测人员的左腿部数据点、右腿部数据点、左腿部数据点或右腿部数据点距离雷达原点的角度，以及，左腿部数据点或右腿部数据点距离雷达原点的距离；所述行走状态包括被测人员的站立状态、左脚先行状态以及右脚先行状态。
步态运动学参数确定模块604，用于根据所述腿部信息以及所述行走状态确定步态运动学参数；所述步态运动学参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。
所述步态运动学参数确定模块604，具体包括：笛卡尔坐标系建立单元，用于以所述激光雷达的中心点为原点，以与所述被测人员的行走方向的垂直方向为X轴，以所述被测人员的行走方向为Y轴，建立笛卡尔坐标系OXY；距离获取单元，用于在所述笛卡尔坐标系OXY下，令所述激光雷达每0.1秒采集一次所述被测人员的腿部信息，获取所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；步态时相图确定单元，用于根据所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离确定步态时相图；腿部的离地点和着地点确定单元，用于根据所述步态时相图的极值点确定被测人员腿部的离地点和着地点，并记录所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离；所述腿部的离地点和着地点包括左腿的离地点和着地点、以及右腿的离地点和着地点；步态运动学参数确定单元，用于根据所述被测人员腿部的离地点和着地点、所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离确定步态运动学参数。
综上，本发明利用激光雷达确定步态运动学参数，能够避免人工检测主观性的干扰，提高检测准确性以及降低设备成本和操作难度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种步态检测方法，其特征在于，包括：
利用激光雷达获取环境信息；所述环境信息为所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
对所述环境信息进行数据筛选，确定筛选后的数据；
根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态；所述腿部信息包括雷达扫描到的被测人员的左腿部数据点、右腿部数据点、左腿部数据点或右腿部数据点距离雷达原点的角度，以及，左腿部数据点或右腿部数据点距离雷达原点的距离；所述行走状态包括被测人员的站立状态、左脚先行状态以及右脚先行状态；
根据所述腿部信息以及所述行走状态确定步态运动学参数；所述步态运动学参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。
2.根据权利要求1所述的步态检测方法，其特征在于，所述利用激光雷达获取环境信息，之前还包括：
将所述激光雷达设于所述被测人员的正前方，所述激光雷达的测量平面平行于地面，所述激光雷达的高度位于所述被测人员的踝部。
3.根据权利要求1所述的步态检测方法，其特征在于，所述对所述环境信息进行数据筛选，确定筛选后的数据，具体包括：
获取所述被测人员的行走范围；
根据所述行走范围确定所述激光雷达的扫描角度范围，以使得所述行走范围落入所述激光雷达的测量范围；
根据所述扫描角度范围确定筛选后的数据。
4.根据权利要求3所述的步态检测方法，其特征在于，所述根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态，具体包括：
在每一个激光雷达的扫描周期内获取很多的激光扫描点；所述激光扫描点包括被测人员在步行时每一帧的左腿部的数据点、右腿部的数据点以及在扫描角度范围内的干扰点；
根据所述左腿部的数据点以及所述右腿部的数据点，采用自适应聚类的方法，确定激光每一帧的数据点类群；所述数据点类群包括左腿部以及右腿部；
根据所述数据点类群，采用腿部轮廓拟合方法实时捕捉并跟踪被测人员的腿部信息和行走状态。
5.根据权利要求4所述的步态检测方法，其特征在于，所述根据所述左腿部的数据点以及所述右腿部的数据点，采用自适应聚类的方法，确定激光每一帧的数据点类群，具体包括：
判断当前数据点Pi与前一个数据点Pi-1的欧几里得距离，若两点的距离大于距离阈值Dmax，确定数据点Pi与数据点Pi-1在不同类别，且数据点Pi为新类别的第一个点，数据点Pi-1为旧类别的最后一个点；其中，新类别为左腿部或右腿部，旧类别为右腿部或左腿部。
6.根据权利要求4所述的步态检测方法，其特征在于，所述根据所述数据点类群，采用腿部轮廓拟合方法实时捕捉并跟踪被测人员的腿部信息和行走状态，具体包括：
将所述数据点类群内的数据点构建成拟合圆作为小腿的近似轮廓；所述拟合圆为所述激光雷达的扫描平面与所述人体的小腿处的截面；
根据所述近似轮廓，采用最小二乘法确定拟合圆的圆心和半径，确定被测人员的腿部数据点的类别以及腿部轮廓；
根据所述被测人员腿部的数据点的类别以及腿部轮廓，实时捕捉并跟踪被测人员的腿部信息和行走状态。
7.根据权利要求6所述的步态检测方法，其特征在于，所述根据所述腿部信息以及所述行走状态确定步态运动学参数，具体包括：
以所述激光雷达的中心点为原点，以与所述被测人员的行走方向的垂直方向为X轴，以所述被测人员的行走方向为Y轴，建立笛卡尔坐标系OXY；
在所述笛卡尔坐标系OXY下，令所述激光雷达每0.1秒采集一次所述被测人员的腿部信息，获取所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
根据所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离确定步态时相图；
根据所述步态时相图的极值点确定被测人员腿部的离地点和着地点，并记录所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离；所述腿部的离地点和着地点包括左腿的离地点和着地点、以及右腿的离地点和着地点；
根据所述被测人员腿部的离地点和着地点、所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离确定步态运动学参数。
8.根据权利要求6所述的步态检测方法，其特征在于，所述根据所述腿部信息以及所述行走状态确定步态运动学参数，之后还包括：
可视化显示所述步态运动学参数，并将所述步态运动学参数同步存储至数据库中。
9.一种步态检测***，其特征在于，包括：
环境信息获取模块，用于利用激光雷达获取环境信息；所述环境信息为所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
筛选模块，用于对所述环境信息进行数据筛选，确定筛选后的数据；
腿部信息和行走状态捕捉及跟踪模块，用于根据所述筛选后的数据，实时捕捉并跟踪被测人员的腿部信息和行走状态；所述腿部信息包括雷达扫描到的被测人员的左腿部数据点、右腿部数据点、左腿部数据点或右腿部数据点距离雷达原点的角度，以及，左腿部数据点或右腿部数据点距离雷达原点的距离；所述行走状态包括被测人员的站立状态、左脚先行状态以及右脚先行状态；
步态运动学参数确定模块，用于根据所述腿部信息以及所述行走状态确定步态运动学参数；所述步态运动学参数包括步长、步幅、步宽、步态周期、摆动时间、站立时间和双支撑时间。
10.根据权利要求9所述的步态检测***，其特征在于，所述步态运动学参数确定模块，具体包括：
笛卡尔坐标系建立单元，用于以所述激光雷达的中心点为原点，以与所述被测人员的行走方向的垂直方向为X轴，以所述被测人员的行走方向为Y轴，建立笛卡尔坐标系OXY；
距离获取单元，用于在所述笛卡尔坐标系OXY下，令所述激光雷达每0.1秒采集一次所述被测人员的腿部信息，获取所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离；
步态时相图确定单元，用于根据所述激光雷达到被测人员的左腿的距离以及所述激光雷达到被测人员的右腿的距离确定步态时相图；
腿部的离地点和着地点确定单元，用于根据所述步态时相图的极值点确定被测人员腿部的离地点和着地点，并记录所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离；所述腿部的离地点和着地点包括左腿的离地点和着地点、以及右腿的离地点和着地点；
步态运动学参数确定单元，用于根据所述被测人员腿部的离地点和着地点、所述腿部的离地点和所述着地点分别对应的时间以及分别对应的Y轴距离确定步态运动学参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110648446.5A CN113229809A (zh) | 2021-06-10 | 2021-06-10 | 一种步态检测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110648446.5A CN113229809A (zh) | 2021-06-10 | 2021-06-10 | 一种步态检测方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113229809A true CN113229809A (zh) | 2021-08-10 |
Family
ID=77139559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110648446.5A Pending CN113229809A (zh) | 2021-06-10 | 2021-06-10 | 一种步态检测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113229809A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114469073A (zh) * | 2021-12-13 | 2022-05-13 | 中国科学院深圳先进技术研究院 | 基于步可穿戴传感器的步态分析与异常检测方法 |
| EP4378385A1 (en) * | 2022-11-29 | 2024-06-05 | Medicalsolutionsystem | Automatic measurement system for 6-minute walk test using lidar sensor |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110152726A1 (en) * | 2009-12-18 | 2011-06-23 | Paul Edward Cuddihy | System and method for monitoring the gait characteristics of a group of individuals |
| CN111444767A (zh) * | 2020-02-25 | 2020-07-24 | 华中科技大学 | 一种基于激光雷达的行人检测和追踪方法 |
| CN111603171A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种面向下肢康复的步态参数确定方法及*** |
| CN111603172A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种基于激光雷达的通用步态测量方法及*** |
-
2021
- 2021-06-10 CN CN202110648446.5A patent/CN113229809A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110152726A1 (en) * | 2009-12-18 | 2011-06-23 | Paul Edward Cuddihy | System and method for monitoring the gait characteristics of a group of individuals |
| CN111444767A (zh) * | 2020-02-25 | 2020-07-24 | 华中科技大学 | 一种基于激光雷达的行人检测和追踪方法 |
| CN111603171A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种面向下肢康复的步态参数确定方法及*** |
| CN111603172A (zh) * | 2020-06-03 | 2020-09-01 | 上海金矢机器人科技有限公司 | 一种基于激光雷达的通用步态测量方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| HUU TOAN DUONG等: "Human Gait Tracking for Normal People and Walker Users Using a 2D LiDAR", 《IEEE SENSORS JOURNAL》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114469073A (zh) * | 2021-12-13 | 2022-05-13 | 中国科学院深圳先进技术研究院 | 基于步可穿戴传感器的步态分析与异常检测方法 |
| EP4378385A1 (en) * | 2022-11-29 | 2024-06-05 | Medicalsolutionsystem | Automatic measurement system for 6-minute walk test using lidar sensor |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Johnson et al. | Predicting athlete ground reaction forces and moments from motion capture | |
| CN113229809A (zh) | 一种步态检测方法及*** | |
| CN106667493A (zh) | 人体平衡性评估***及评估方法 | |
| US20200364868A1 (en) | Biomarker determination using optical flows | |
| US11826140B2 (en) | System and method for human motion detection and tracking | |
| CN106419938B (zh) | 一种基于运动能量释放估算的注意缺陷多动障碍(adhd)检测*** | |
| CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
| US11771327B2 (en) | System and method for human motion detection and tracking | |
| KR20130099323A (ko) | 네추럴 인터렉션 기반 건강 및 재활운동 기능성 측정 평가 방법 | |
| CN114307117A (zh) | 基于视频的立定跳远成绩测量方法和装置 | |
| US20230355135A1 (en) | Intelligent gait analyzing apparatus | |
| KR20190120922A (ko) | 제자리 걸음 특성 정보를 이용한 보행 능력 예측 방법 및 시스템 | |
| CN114092971A (zh) | 一种基于视觉图像的人体动作评估方法 | |
| CN115105062B (zh) | 髋膝关节协调性评估方法、装置、***和存储介质 | |
| CN113768471B (zh) | 一种基于步态分析的帕金森疾病辅助诊断*** | |
| US11497962B2 (en) | System and method for human motion detection and tracking | |
| Allin et al. | Video based analysis of standing balance in a community center | |
| CN107684438B (zh) | 一种基于超声图像的疼痛程度检测方法及装置 | |
| Bezodis | Biomechanical investigations of sprint start technique and performance | |
| CN114092862A (zh) | 一种基于最优帧选取的动作评估方法 | |
| CN114869270B (zh) | 一种基于小动物图像和足底压力数据融合的步态分析方法 | |
| CN110755084A (zh) | 基于主被动、分阶段动作的运动功能评估方法及设备 | |
| CN113974581B (zh) | 一种脉诊的动态切入特征的匹配方法及*** | |
| CN117115926B (zh) | 一种基于实时图像处理的人体动作标准判定方法及装置 | |
| CN112571426B (zh) | 3d体态检测分析***及方法 |
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: 20210810 |
|
| RJ01 | Rejection of invention patent application after publication |