当前位置: 首页 > 专利查询>马席彬专利>正文

击球运动器材击球点位置侦测方法及装置制造方法及图纸

技术编号:38678396 阅读:7 留言:0更新日期:2023-09-02 22:52
一种击球运动器材击球点位置侦测方法及装置。此方法包括下列步骤:获取振动传感器侦测击球运动器材与球体撞击所产生的振动而生成的振动信号;对振动信号进行频谱分析,以获得振动信号在频域上的多个本征频率;以及利用各个本征频率的振幅计算至少一笔特征信息并输入使用机器学习预先建立的一预测模型,以估测球体在击球运动器材上的撞击位置,其中预测模型经使用多个振动信号的特征信息及对应的多个撞击位置训练。多个撞击位置训练。多个撞击位置训练。

【技术实现步骤摘要】
击球运动器材击球点位置侦测方法及装置


[0001]本公开是有关于一种位置侦测方法及装置,且特别是有关于一种击球运动器材击球点位置侦测方法及装置。

技术介绍

[0002]目前对于棒球打者击球时棒球与球棒接触点(即,击球点)的位置侦测,主要是采用图像处理的方式来进行判断。通过在打者周围架设摄影器材以拍摄打者击球影像,并利用本征获取、比对等图像处理方式分析影像,最终评估出击球点位置。
[0003]然而,上述方法需使用成本较高的高速摄影器材,并调整至特殊摄影角度才能清楚拍摄到击球点。而由于击球动作随时在变化,摄影器材的摄影角度无法因应动作实时调整,实际拍摄时常会有摄影死角。此外,通过图像处理方式进行位置侦测需要较高的运算量,特别是在影像帧数较多时,对处理装置运算能力的要求也会增高,结果将增加成本。

技术实现思路

[0004]本公开提供一种击球运动器材击球点位置侦测方法及装置,通过侦测击球运动器材击球时的振动,并分析该振动的频率本征,可准确地侦测出击球点位置。
[0005]本公开提供一种击球运动器材击球点位置侦测方法,适用于由具处理器的电子装置利用配置于击球运动器材上的振动传感器侦测撞击位置。此方法包括下列步骤:获取振动传感器侦测击球运动器材与球体撞击所产生的振动而生成的振动信号;对振动信号进行频谱分析,以获得振动信号在频域上的多个本征频率(eigenfrequency);以及利用各个本征频率的振幅计算至少一笔特征信息并输入使用机器学习预先建立的一预测模型,以估测球体在击球运动器材上的撞击位置,其中预测模型经使用多个振动信号的特征信息及对应的多个撞击位置训练。
[0006]在本公开的一实施例中,上述利用各个本征频率的振幅计算至少一笔特征信息的步骤包括根据本征频率的振幅大小选择一个主要本征频率及至少一个次要本征频率,并利用主要本征频率及次要本征频率的振幅计算特征信息。
[0007]在本公开的一实施例中,上述利用主要本征频率及次要本征频率的振幅计算特征信息的步骤包括计算主要本征频率与各个次要本征频率的振幅的比值作为特征信息。
[0008]在本公开的一实施例中,上述利用主要本征频率及次要本征频率的振幅计算特征信息的步骤更包括计算次要本征频率之间的振幅的比值作为特征信息。
[0009]在本公开的一实施例中,上述利用主要本征频率及次要本征频率的振幅计算特征信息的步骤包括利用主要本征频率的振幅计算第一特征值,利用各个次要本征频率的振幅计算至少一个第二特征值,并计算第一特征值与各个第二特征值的比值作为特征信息。
[0010]在本公开的一实施例中,上述的方法更获取振动传感器侦测球体撞击击球运动器材上预设的多个撞击位置所产生的振动而生成的多个振动信号,对振动信号分别进行频谱分析,以获得振动信号在频域上的多个本征频率,并利用各个本征频率的振幅计算特征信
息,以及将特征信息作为预测模型的输入,并将对应的撞击位置作为预测模型的输出,用以训练预测模型,并记录经训练预测模型的多个学习参数。
[0011]本公开提供一种击球运动器材击球点位置侦测装置,其包括数据获取设备、存储装置及处理器。数据获取设备用以连接配置于击球运动器材上的振动传感器,此振动传感器侦测击球运动器材的振动以生成振动信号。存储装置用以存储使用机器学习预先建立的预测模型的多个学习参数,其中预测模型经使用多个振动信号的特征信息及对应的多个撞击位置训练,所述撞击位置为击球运动器材与球体撞击的位置。处理器耦接数据获取设备及存储装置,经配置以通过数据获取设备获取振动传感器侦测击球运动器材与球体撞击所产生的振动而生成的振动信号,对振动信号进行频谱分析,以获得振动信号在频域上的多个本征频率,以及利用各个本征频率的振幅计算至少一笔特征信息并输入预测模型,以估测球体在击球运动器材上的撞击位置。
[0012]在本公开的一实施例中,上述的处理器包括根据本征频率的振幅大小选择一个主要本征频率及至少一个次要本征频率,并利用主要本征频率及次要本征频率的振幅计算特征信息。
[0013]在本公开的一实施例中,上述的处理器包括计算主要本征频率与各个次要本征频率的振幅的比值作为特征信息。
[0014]在本公开的一实施例中,上述的处理器更计算次要本征频率之间的振幅的比值作为特征信息。
[0015]在本公开的一实施例中,上述的处理器包括利用主要本征频率的振幅计算第一特征值,利用各个次要本征频率的振幅计算至少一个第二特征值,并计算第一特征值与各个第二特征值的比值作为特征信息。
[0016]在本公开的一实施例中,上述的处理器更利用数据获取设备获取振动传感器侦测球体撞击击球运动器材上预设的多个撞击位置所产生的振动而生成的多个振动信号,对振动信号分别进行频谱分析,以获得振动信号在频域上的多个本征频率,并利用各个本征频率的振幅计算特征信息,以及将特征信息作为预测模型的输入,并将对应的撞击位置作为预测模型的输出,用以训练预测模型,并记录经训练预测模型的学习参数于存储装置。
[0017]在本公开的一实施例中,上述的机器学习包括决策树(decision tree)、卷积神经网络(Convolutional Neural Network,CNN)、深度神经网络(Deep Neural Networks,DNN)或支持向量机(Support Vector Machine,SVM)。
[0018]在本公开的一实施例中,上述的振动传感器包括压电式振动传感器、电动式振动传感器、电涡流式振动传感器、电感式振动传感器、电容式振动传感器、电阻式振动传感器及光电式振动传感器其中之一或其组合。
[0019]为让本公开能更明显易懂,下文特举实施例,并配合附图作详细说明如下。
附图说明
[0020]图1是根据本公开一实施例所绘示的击球运动器材击球点位置侦测装置的方块图。
[0021]图2是根据本公开一实施例所绘示的振动传感器的配置方式的示意图。
[0022]图3是依照本公开一实施例所绘示的击球运动器材击球点位置侦测方法的流程
图。
[0023]图4是依照本公开一实施例所绘示的使用机器学习训练预测模型的方法流程图。
[0024]图5是依照本公开一实施例所绘示的击球运动器材击球点位置侦测方法的流程图。
[0025]图6A至图6G是依照本公开一实施例所绘示的球棒击球点位置侦测方法的范例。
[0026]符号说明
[0027]10:击球运动器材击球点位置侦测装置
[0028]12:数据获取设备
[0029]14:存储装置
[0030]16:处理器
[0031]20:压电式振动传感器
[0032]22:棒球球棒
[0033]24:击球点位置
[0034]S302~S306、S402~S406、S502~S510:步骤
具体实施方式
[0035]本公开实施例提出一种击球运动器材击球点位置侦测方法及装置,其通过在击球本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种击球运动器材击球点位置侦测方法,适于由具处理器的电子装置利用配置于击球运动器材上的振动传感器侦测撞击位置,所述方法包括下列步骤:获取所述振动传感器侦测所述击球运动器材与球体撞击所产生的振动而生成的振动信号;对所述振动信号进行频谱分析,以获得所述振动信号在频域上的多个本征频率;以及利用各所述本征频率的振幅计算至少一特征信息并输入使用机器学习预先建立的一预测模型,以估测所述球体在所述击球运动器材上的撞击位置,其中所述预测模型经使用多个振动信号的特征信息及对应的多个撞击位置训练。2.根据权利要求1所述的方法,其中利用各所述本征频率的振幅计算至少一特征信息的步骤包括:根据所述本征频率的所述振幅的大小选择一主要本征频率及至少一次要本征频率,并利用所述主要本征频率及所述次要本征频率的所述振幅计算所述特征信息。3.根据权利要求2所述的方法,其中利用所述主要本征频率及所述次要本征频率的所述振幅计算所述特征信息的步骤包括:计算所述主要本征频率与各所述次要本征频率的所述振幅的比值作为所述特征信息。4.根据权利要求3所述的方法,其中利用所述主要本征频率及所述次要本征频率的所述振幅计算所述特征信息的步骤还包括:计算所述次要本征频率之间的所述振幅的比值作为所述特征信息。5.根据权利要求2所述的方法,其中利用所述主要本征频率及所述次要本征频率的所述振幅计算所述特征信息的步骤包括:利用所述主要本征频率的振幅计算第一特征值,利用各所述次要本征频率的振幅计算至少一第二特征值,并计算所述第一特征值与各所述第二特征值的比值作为所述特征信息。6.根据权利要求1所述的方法,还包括:获取所述振动传感器侦测所述球体撞击所述击球运动器材上预设的多个撞击位置所产生的振动而生成的多个振动信号;对所述振动信号分别进行频谱分析,以获得所述振动信号在频域上的多个本征频率,并利用各所述本征频率的振幅计算所述特征信息;以及将所述特征信息作为所述预测模型的输入,并将对应的所述撞击位置作为所述预测模型的输出,用以训练所述预测模型,并记录经训练所述预测模型的多个学习参数。7.根据权利要求1所述的方法,其中所述机器学习包括决策树、卷积神经网络、深度神经网络或支持向量机。8.根据权利要求1所述的方法,其中所述振动传感器包括压电式振动传感器、电动式振动传感器、电涡流式振动传感器、电感式振动传感器、电容式振动传感器、电阻式振动传感器及光电式振动传感器其中之一或其组合。9.一种击球运动器材击球点位置侦测装置,包括:数据获取设备,连接配置于击球运动器材上的振动传感器,所述振动传感器侦...

【专利技术属性】
技术研发人员:冯扬智刘强马席彬
申请(专利权)人:马席彬
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1