多步态意图识别和运动预测方法、系统、终端以及介质技术方案

本申请提供一种多步态意图识别和运动预测方法、系统、终端以及介质，包括：采集穿戴者双腿在不同步态下的肌电信号及各关节角度值，并对其进行预处理；根据经预处理后的肌电信号及各关节角度值提取步态特征向量；根据所述步态特征向量构建运动意图识别模型，以用于预测运动意图；以及/或者，根据所述步态特征向量构建关节角度识别模型，以用于预测关节角度。解决了现有技术中依赖物理传感器的人机交互系统由于会产生一定的滞后问题，不能实时连续的识别和预测的缺陷，对于在提前于人体动作的肌电信号方面，使用肌电信号针对下肢运动的识别和预测远落后于上肢的运动模式识别和预测的问题。本申请对人典型的几种步态进行准确分类和预测，使行走模式及时识别、并能实时连续的识别和预测运动轨迹。识别和预测运动轨迹。识别和预测运动轨迹。

【技术实现步骤摘要】
多步态意图识别和运动预测方法、系统、终端以及介质


[0001]本申请涉及一种机器人领域，特别是涉及一种多步态意图识别和运动预测方法、系统、终端以及介质。

技术介绍

[0002]下肢外骨骼助力机器人是一种能够识别人体下肢运动状态并提供助力，增强人体能力的人体辅助机械装置。外骨骼系统是一种人在内环的人机耦合装置，要感知人的运动并辅助人体运动，不可避免的就要对人体的运动进行识别和预测。而机器对人的感知方式中，力、位置传感器等会产生复杂的传感系统，会使是使用者感到一定程度的不自然，并且由于人体实际动作与神经信号之间存在100ms的延迟，神经信号与动作之间会存在天然的延迟现象。骨骼肌是驱使人肢体运动的动力来源，肌肉的活动也对应着肢体的活动，而反映肌肉活动状态的表面肌电信号以其便于采集和表面无创的优势，已经成为人机交互的重要手段。
[0003]下肢的髋关节、膝关节与踝关节是人体运动最为重要的几个关节，对于人体的灵活性和平衡具有较大的贡献。目前应用于下肢的外骨骼康复或者助力机器人大多使用足底压力、机器与人之间的交互力和置于关节部位的其他传感器来获取人体的运动信息。如日本筑波大学的HAL外骨骼助力机器人，使用足底压力传感器获取行走状态下足底压力变化的信息判断人体行走的相位。然而这种依赖物理传感器的人机交互系统由于会产生一定的滞后问题，不能实时连续的识别和预测的缺陷，对于在提前于人体动作的肌电信号方面，使用肌电信号针对下肢运动的识别和预测远落后于上肢的运动模式识别和预测，在连续预测方面更是如此。
[0004]申请内容<br/>[0005]鉴于以上所述现有技术的缺点，本申请的目的在于提供一种多步态意图识别和运动预测方法、系统、终端以及介质，用于解决现有技术中依赖物理传感器的人机交互系统由于会产生一定的滞后问题，不能实时连续的识别和预测的缺陷，对于在提前于人体动作的肌电信号方面，使用肌电信号针对下肢运动的识别和预测远落后于上肢的运动模式识别和预测的问题。
[0006]为实现上述目的及其他相关目的，本申请提供一种多步态意图识别和运动预测方法，包括：采集穿戴者双腿在不同步态下的肌电信号及各关节角度值，并对其进行预处理；根据经预处理后的肌电信号及各关节角度值提取步态特征向量；根据所述步态特征向量构建运动意图识别模型，以用于预测运动意图；以及/或者，根据所述步态特征向量构建关节角度识别模型，以用于预测关节角度。
[0007]于本申请的一实施例中，所述方法包括：所述步态特征向量包括：所述肌电信号中每帧数据的各个采集通道的肌电信号的积分值、各个采集通道的肌电信号的肌电信号状态值以及与该帧数据中第一个采样点对应的右腿三个关节的角度值。
[0008]于本申请的一实施例中，利用所述积分值以及所述肌电状态值来训练高斯核支持
向量机，据以构建所述运动意图识别模型。
[0009]于本申请的一实施例中，利用所述积分值以及所述肌电状态值来训练线性核支持向量机，据以构建所述关节角度识别模型。
[0010]于本申请的一实施例中，对所述肌电信号及所述各关节角度值进行预处理，包括：对所述肌电信号进行去噪处理和对所述各角度值进行平滑处理。
[0011]于本申请的一实施例中，所述肌电信号状态关联于所述肌电信号积分值以及过零数。
[0012]为实现上述目的及其他相关目的，本申请提供一种多步态意图识别和运动预测系统，包括：预处理模块，用于采集穿戴者双腿在不同步态下的肌电信号及各关节角度值，并对其进行预处理；特征向量获取模块，耦接所述预处理模块，用于根据经预处理后的肌电信号及各关节角度值提取步态特征向量；预测模块，耦接所述特征向量获取模块，用于根据所述步态特征向量构建运动意图识别模型，以用于预测运动意图；以及/或者，根据所述步态特征向量构建关节角度识别模型，以用于预测关节角度。
[0013]于本申请的一实施例中，所述步态特征向量包括：一帧数据的各个采集通道的肌电信号的积分值、各个采集通道的肌电信号的肌电信号状态值以及与该帧数据中第一个采样点对应的右腿三个关节的角度值。
[0014]为实现上述目的及其他相关目的，本申请提供一种多步态意图识别和运动预测终端，包括：存储器，用于存储计算机程序；处理器，用于运行所述计算机程序，以执行所述的多步态意图识别和运动预测方法。
[0015]为实现上述目的及其他相关目的，本申请提供一种计算机存储介质，存储有计算机程序，其中，所述计算机程序运行时实现所述的多步态意图识别和运动预测方法。
[0016]如上所述，本申请的改装判断及座椅检测模型训练方法、系统、终端及介质，具有以下有益效果：解决了现有技术中依赖物理传感器的人机交互系统由于会产生一定的滞后问题，不能实时连续的识别和预测的缺陷，对于在提前于人体动作的肌电信号方面，使用肌电信号针对下肢运动的识别和预测远落后于上肢的运动模式识别和预测的问题。本申请对人典型的几种步态进行准确分类和预测，使行走模式及时识别、并能实时连续的识别和预测运动轨迹。
附图说明
[0017]图1显示为本申请一实施例中的多步态意图识别和运动预测方法的流程示意图。
[0018]图2显示为本申请一实施例中的多步态意图识别和运动预测系统的结构示意图。
[0019]图3显示为本申请一实施例中的多步态意图识别和运动预测终端的结构示意图。
具体实施方式
[0020]以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0021]需要说明的是，在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、
““
下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
[0022]在通篇说明书中，当说某部分与另一部分“耦接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部分“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素，排除在外，而是意味着可以还包括其它构成要素。
[0023]其中提到的第一、第二及第三等术语是为了说明多样的部分、成份、区域、层及/或段而使用的，但并非限定于此。这些术语只用于把某部分、成份、区域、层或段区别于其它部分、成份、区域、层或段。因此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多步态意图识别和运动预测方法，其特征在于，包括：采集穿戴者双腿在不同步态下的肌电信号及各关节角度值，并对其进行预处理；根据经预处理后的肌电信号及各关节角度值提取步态特征向量；根据所述步态特征向量构建运动意图识别模型，以用于预测运动意图；以及/或者，根据所述步态特征向量构建关节角度识别模型，以用于预测关节角度。2.根据权利要求1所述的多步态意图识别和运动预测方法，其特征在于，所述步态特征向量包括：所述肌电信号中每帧数据的各个采集通道的肌电信号的积分值、各个采集通道的肌电信号的肌电信号状态值以及与该帧数据中第一个采样点对应的右腿三个关节的角度值。3.根据权利要求2所述的多步态意图识别和运动预测方法，其特征在于，利用所述积分值以及所述肌电状态值来训练高斯核支持向量机，据以构建所述运动意图识别模型。4.根据权利要求2所述的多步态意图识别和运动预测方法，其特征在于，利用所述积分值以及所述肌电状态值来训练线性核支持向量机，据以构建所述关节角度识别模型。5.根据权利要求1所述的多步态意图识别和运动预测方法，其特征在于，对所述肌电信号及所述各关节角度值进行预处理，包括：对所述肌电信号进行去噪处理和对所述各角度值进行平滑处理。6.根据权利要求4所述的多步态意图识别和运...

【专利技术属性】
技术研发人员：段有康，陈小刚，桂剑，马斌，赵婷，崔毅，沈芸，李顺芬，宋志棠，
申请(专利权)人：上海中研久弋科技有限公司，
类型：发明
国别省市：