[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

本發明涉及一種基于單慣性傳感器的軌跡還原方法。首先構建多種基礎動作軌跡的幾何模型，根據慣性傳感器測量的加速度和角速度數據形成初步運動軌跡，利用LSTM模型和相似度曲線對初步運動軌跡完成了準確的分割，將初步運動軌跡分割為多個基礎動作軌跡，使用訓練好的1D?CNN模型預測每個基礎動作軌跡的類型，并使用訓練好的深度學習模型準確確定每個基礎動作軌跡的幾何參數的值，完成了每個基礎動作軌跡的準確還原，將基礎動作軌跡進行拼接，最終得到運動動作的還原軌跡，實現了只根據單個慣性傳感器的測量數據就能精確還原運動軌跡。

技術領域

本發明涉及軌跡還原領域，特別是涉及一種基于單慣性傳感器的軌跡還原方法。

背景技術

通過查閱IEEE數據庫、萬方數據庫、中國知網cnki學術論文庫等相關專利，現有的運動軌跡還原方法，基本都是基于圖像、光學數據而言的，圖像和光學數據的獲取都是借助攝像頭，而攝像頭攜帶并不方便。

市場上常見的慣性傳感器體積較小，但是由于慣性傳感器精度較低，不能滿足計算過程需要高精度數據的要求，因此尚未有研究用市場上常見的慣性傳感器完成任意的軌跡還原。

發明內容

本發明的目的是提供一種基于單慣性傳感器的軌跡還原方法，實現了利用慣性傳感器準確還原運動軌跡。

為實現上述目的，本發明提供了如下方案：

一種基于單慣性傳感器的軌跡還原方法，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；

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；

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。

根據本發明提供的具體實施例，本發明公開了以下技術效果：

本發明公開了一種基于單慣性傳感器的軌跡還原方法，首先構建多種基礎動作軌跡的幾何模型，根據慣性傳感器測量的加速度和角速度數據形成初步運動軌跡，利用LSTM模型和相似度曲線對初步運動軌跡完成了準確的分割，將初步運動軌跡分割為多個基礎動作軌跡，使用訓練好的1D-CNN模型預測每個基礎動作軌跡的類型，并使用訓練好的深度學習模型準確確定每個基礎動作軌跡的幾何參數的值，完成了每個基礎動作軌跡的準確還原，將基礎動作軌跡進行拼接，最終得到運動動作的還原軌跡，實現了只根據單個慣性傳感器的測量數據就能精確還原運動軌跡。

附圖說明