[發明專利]一種基于單慣性傳感器的軌跡還原方法

有效

• 申請號: 202010994902.7
• 申請日: 2020-09-21
• 公開（公告）號: CN112212861B
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 趙毅;王一峰;汪洋
• 申請（專利權）人: 哈爾濱工業大學（深圳）
• 主分類號: G01C21/16
• 分類號: G01C21/16;G06F16/29;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 崔玥

1.一種基于單慣性傳感器的軌跡還原方法，其特征在于，所述軌跡還原方法包括：

構建多種基礎動作軌跡的幾何模型，并確定每種幾何模型的幾何參數；所述多種基礎動作軌跡包括：直線型軌跡、橢圓型軌跡、折線型軌跡和三種S型軌跡；所述直線型軌跡的幾何模型為A(x₁,y₁,z₁)和B(x₂,y₂,z₂)為給定空間內兩點；所述直線型軌跡的幾何參數為：M₀(x₀,y₀,z₀)，M₀(x₀,y₀,z₀)為線段AB上任意一點；所述橢圓型軌跡的幾何模型為其中0≤t＜2π，M(x(t),y(t),z(t))為橢圓上的任意一點，C(C_x,C_y,C_z)為橢圓中心點，t表示橢圓上的弧線夾角；所述橢圓型軌跡的幾何參數為長軸向量和短軸向量所述折線型軌跡的幾何模型由從同一點M′₀(x₀,y₀,z₀)射出的兩條線段構成，兩條線段所在直線的點向式方程為：L₁:和L₂:兩條線段可表示為向量和所述折線型軌跡的幾何參數為m₁、n₁、p₁、m₂、n₂、p₂；第一種S型軌跡的幾何模型為將S型曲線分成6段，每段都為一段特定弧長、半徑的四分之一圓弧，所述第一種S型軌跡的幾何參數為每段四分之一圓弧的半徑參數r和半徑變動參數k；第二種S型軌跡的幾何模型包括使用半橢圓的參數方程來擬合弧1，弧3所組成的大弧，并選擇經過旋轉的三次函數的曲線作為S中間部分的幾何軌跡模型；第二種S型軌跡的幾何參數為四分之一圓弧的半徑參數r和半徑變動參數k以及參數arc；第三種S型軌跡的幾何模型包括三次函數；第三種S型軌跡的幾何參數為三次函數的系數；

根據慣性傳感器測量的實時運動動作在每一時刻的三維加速度和三維角速度，確定所述實時運動動作的初步運動軌跡；

根據所述三維加速度、所述三維角速度和所述初步運動軌跡的三維空間坐標數據，利用LSTM模型預測所述初步運動軌跡中基礎動作軌跡之間的初始分割點；

在距離最遠的兩個初始分割點之間的初步運動軌跡的部分上，確定預設樣條函數與所述部分初步運動軌跡的相似度曲線，具體包括：

預設樣條函數從所述部分初步運動軌跡上第一時間位點的初始分割點開始沿著所述初步運動軌跡滑動，計算滑動一次的預設樣條函數序列和部分初步運動軌跡序列的Frechet距離，具體包括：根據預設樣條函數序列的序列長度值p和部分初步運動軌跡序列的序列長度值q，生成大小為p×q初始化矩陣元素全為-1的距離值矩陣F；計算長度值參數i和長度值參數j的距離值F[i,j]，判斷F[i,j]是否大于-1，得到第一判斷結果；若所述第一判斷結果表示是，則將F[i,j]作為預設樣條函數序列和部分初步運動軌跡序列的Frechet距離；若所述第一判斷結果表示否，則分別判斷i是否等于0以及j是否等于0，得到第二判斷結果；若所述第二判斷結果表示i大于0且j大于0，則計算長度值參數i-1和長度值參數j的距離值F[i-1,j]、長度值參數i和長度值參數j-1的距離值F[i,j-1]和長度值參數i-1和長度值參數j-1的距離值F[i-1,j-1]，并計算預設樣條函數序列的第i個空間坐標點與部分初步運動軌跡序列的第j個空間坐標點的歐幾里得距離D(a_i,b_j)，利用公式F[i,j]＝max(min(F[i-1,j]，F[i,j-1]，F[i-1,j-1]),D(a_i,b_j))確定F[i,j]，并將F[i,j]作為預設樣條函數序列和部分初步運動軌跡序列的Frechet距離Fd(P,Q)；若所述第二判斷結果表示i大于0且j等于0，則計算F[i-1,0]和D(a_i,b₀)，利用公式F[i,j]＝max(F[i-1,0],D(a_i,b₀))確定F[i,j]，并將F[i,j]作為預設樣條函數序列和部分初步運動軌跡序列的Frechet距離Fd(P,Q)；若所述第二判斷結果表示i等于0且j大于0，則計算F[0,j-1]和D(a₀,b_j)，利用公式F[i,j]＝max(F[0,j-1],D(a₀,b_j))確定F[i,j]，并將F[i,j]作為預設樣條函數序列和部分初步運動軌跡序列的Frechet距離Fd(P,Q)；若所述第二判斷結果表示i等于0且j等于0，則計算D(a₀,b₀)，獲得F[i,j]＝D(a₀,b₀)，并將F[i,j]作為預設樣條函數序列和部分初步運動軌跡序列的Frechet距離Fd(P,Q)；其中，0≤i≤p-1,0≤j≤q-1，a_i為預設樣條函數序列的第i個空間坐標點，b_j為部分初步運動軌跡序列的第j個空間坐標點，F[i-1,0]為長度值參數i-1和0的距離值，D(a_i,b₀)為預設樣條函數序列的第i個空間坐標點a_i與部分初步運動軌跡序列的第0個空間坐標點b₀的歐幾里得距離，F[0,j-1]長度值參數0和j-1的距離值，D(a₀,b_j)為預設樣條函數序列的第0個空間坐標點與部分初步運動軌跡序列的第j個空間坐標點的歐幾里得距離，D(a₀,b₀)為預設樣條函數序列的第0個空間坐標點a₀與部分初步運動軌跡序列的第0個空間坐標點b₀的歐幾里得距離；

根據所述Frechet距離，確定每一時刻的預設樣條函數序列和部分初步運動軌跡序列的相似度，具體包括：采用公式計算預設樣條函數序列的模長R；根據所述預設樣條函數序列的模長R和所述預設樣條函數序列和部分初步運動軌跡序列的Frechet距離Fd(P,Q)，利用公式計算得到每一時刻的預設樣條函數序列和部分初步運動軌跡序列的相似度Accuracy；其中，a_i+1為預設樣條函數序列的第i+1個空間坐標點，D(a_i,a_i+1)為預設樣條函數序列的第i個空間坐標點a_i與第i+1個空間坐標點a_i+1的歐幾里得距離；

根據每一時刻的預設樣條函數序列和部分初步運動軌跡序列的相似度構建相似度曲線；

根據所述相似度曲線，確定最終分割點；

根據所述初步運動軌跡的三維空間坐標數據，利用訓練好的1D-CNN模型，獲得相鄰最終分割點之間的初步運動軌跡對應的幾何模型的類型；

根據所述三維加速度、所述三維角速度和相鄰最終分割點之間的初步運動軌跡對應的幾何模型的類型，利用訓練好的深度學習模型，獲得相鄰最終分割點之間的初步運動軌跡的幾何模型的幾何參數的值；

根據相鄰最終分割點之間的初步運動軌跡對應的幾何模型的類型和幾何參數的值，完成相鄰最終分割點之間的基礎動作軌跡的還原，獲得每相鄰最終分割點之間還原后的最終基礎動作軌跡；

將每個還原后的最終基礎動作軌跡依次首尾相接，獲得所述運動動作的還原軌跡。