【技术实现步骤摘要】
本专利技术涉及激光雷达，特别是涉及基于点云的引体向上智能判别方法、系统、设备及介质。
技术介绍
1、近年来，人们越来越注重健康与锻炼，引体向上作为一种重要的健身方式，可以有效锻炼肌群，同时也是体能考核及体质测试的重要项目之一。在引体向上锻炼或考核过程中，有关动作是否标准及计数等的判别十分重要。当前引体向上的判别主要依靠人工完成，而人工判别会受到监察人人体上的不可抗因素的影响，如易出现疲劳等，特别是在动作规范判别时容易出现误判情况。随着深度学习方法的发展，公开了利用深度学习对人们体能训练的姿态进行识别，进而实现判别等方法，但由于图像不能直接获取目标的距离信息，判别引体向上是否标准时，会存在由于信息确实导致难以准确判别的情况，同时基于图像引体向上的判别方法在夜间或者光线较暗时还容易出现判别失效的情况。
2、在上述判别过程中，利用激光雷达通过主动发射激光的方式进行环境数据采集，可以实现全天时数据采集，不会受光线变化干扰，但激光点云数据较稀疏，在采集引体向上的人体时，会存在人体部位不能有效识别，从而不能准确进行引体向上判别的问题。
技术实现思路
1、本专利技术的目的是提供一种基于点云的引体向上智能判别方法、系统、设备及介质，能够提高对人体引体向上的判别准确性。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于点云的引体向上智能判别方法，包括：
4、采集引体向上区域的点云数据，并利用直通滤波参数提取所述点云数据中的感兴趣区域；所述点
5、对所述单杠点云进行剔除，保留人体点云；
6、利用法向量对所述人体点云进行收缩操作，得到收缩后的点云数据；
7、将收缩后的点云数据投射到图像平面，利用二值图像骨架提取方法对人体图像进行细化处理，并将细化后的图像反投射回点云的三维空间，得到初始点云骨架；
8、利用拉普拉斯收缩法，提取所述初始点云骨架的人体骨架点，并根据人体几何关系对所述人体骨架点进行分类，得到分类结果；所述分类结果包括左臂、右臂、左腿、右腿和躯干；
9、基于分类后的人体骨架点和单杠水平高度，判别目标人体的引体向上状态是否完成，计数并输出。
10、可选地，所述对所述单杠点云进行剔除，保留人体点云，具体包括：
11、对所述感兴趣区域的点云数据p按y值大小分区域，首先计算中最小的y值ymin，选取y区域间隔itvy，计算点云数据p中每个点pi所处区域；
12、根据区域内点云数判断单杠竖直区域：统计所有点所处区域并对每个区域内点云进行计数，选取区域内点云数大于阈值tpm的区域作为单杠候选区域，将候选区域按区域位置排序得到候选区域序列，若候选区域序列中第二个区域与第一个区域间隔等于1，则把小于第一个区域y值的点判为单杠右竖直区域，否则把小于第二个区域y值的点判为单杠右竖直区域，若候选区域序列中最后一个区域与倒数第二个区域间隔等于1，则把大于最后一个区域y值的点判为单杠左竖直区域，否则把大于倒数第二个区域y值的点判为单杠左竖直区域，得到单杠竖直区域和第一剩余点云；
13、对单杠水平区域点提取：对所有点利用随机采样一致性原理确定拟合平面，将第一剩余点云中与拟合平面距离小于阈值tpdis且z值大于tz的点判为单杠水平区域点，得到单杠水平区域和第二剩余点云，对第二剩余点云进行滤波，剔除杂点得到人体点云。
14、可选地，所述利用法向量对所述人体点云进行收缩操作，得到收缩后的点云数据，具体包括：
15、对所述人体点云中的每个点利用邻域点计算法向量，得到法向量矩阵，并计算法向量矩阵均值；
16、基于法向量矩阵均值，根据水平方向法向量对点云y坐标进行收缩，并进行滤波，去除离群点得到收缩后的点云数据。
17、可选地，所述将收缩后的点云数据投射到图像平面，利用二值图像骨架提取方法对人体图像进行细化处理，并将细化后的图像反投射回点云的三维空间，得到初始点云骨架，具体包括：
18、根据激光雷达与引体向上单杠摆放位置，设置投射图像的视场范围，包括点云数据的坐标中y方向范围和z方向范围，同时设置点云投射量化间隔，则固定视场和量化间隔的图像分辨率，根据图像分辨率生成全0图像，对点云中的每个点，计算其在图像中的坐标，根据所述坐标得到基于点云投射的二值图；
19、设置结构元se1和se2，分别对二值图像进行闭运算和开运算，得到处理后的图像，对处理后的图像使用图像骨架化方法提取骨架，得到骨架图；
20、对所述骨架图进行膨胀操作，对于骨架图点云中的每个点，若投射图像坐标或八邻域坐标对应图像值存在等于255的，则保存为初始点云骨架中的一点，遍历完骨架图点云中所有点后，得到初始点云骨架。
21、可选地，所述基于分类后的人体骨架点和单杠水平高度，判别目标人体的引体向上状态是否完成，计数并输出，具体包括：
22、设定单杠水平高度为tz；
23、当人体骨架躯干超过单杠水平高度时，计为一次引体向上完成候选，对躯干刚超过单杠水平高度至躯干再次低于单杠水平高度的时间段内的人体骨架点，记躯干超过单杠水平高度的最大值为本次引体向上最高位置h，若h＞tz+hb，则判断本次引体向上成功，其中，hb为引体向上计数阈值，当躯干高度在设定时间段内未超过单杠水平高度时，本轮引体向上判别完成，输出引体向上成功次数和失败次数。
24、本专利技术还提供了一种基于点云的引体向上智能判别系统，包括：
25、点云采集模块，用于采集引体向上区域的点云数据，并利用直通滤波参数提取所述点云数据中的感兴趣区域；所述点云数据为表示点云数据p包含n个点，每个点包含(x，y，z)三维空间坐标，其中三维空间坐标系为：以激光雷达中心为原点，激光雷达前方为x正方向，左方为y正方向，上方为z正方向；所述感兴趣区域包括单杠点云和人体点云；所述直通滤波参数是根据激光雷达与引体向上单杠摆放位置设置的；
26、点云筛除模块，用于对所述单杠点云进行剔除，保留人体点云；
27、点云收缩模块，用于利用法向量对所述人体点云进行收缩操作，得到收缩后的点云数据；
28、平面投射模块，用于将收缩后的点云数据投射到图像平面，利用二值图像骨架提取方法对人体图像进行细化处理，并将细化后的图像反投射回点云的三维空间，得到初始点云骨架；
29、骨架点确定模块，用于利用拉普拉斯收缩法，提取所述初始点云骨架的人体骨架点，并根据人体几何关系对所述人体骨架点进行分类，得到分类结果；所述分类结果包括左臂、右臂、左腿、右腿和躯干；
30、判断识别模块，用于基于分类本文档来自技高网...
【技术保护点】
1.一种基于点云的引体向上智能判别方法，其特征在于，包括：
2.根据权利要求1所述的基于点云的引体向上智能判别方法，其特征在于，所述对所述单杠点云进行剔除，保留人体点云，具体包括：
3.根据权利要求1所述的基于点云的引体向上智能判别方法，其特征在于，所述利用法向量对所述人体点云进行收缩操作，得到收缩后的点云数据，具体包括：
4.根据权利要求1所述的基于点云的引体向上智能判别方法，其特征在于，所述将收缩后的点云数据投射到图像平面，利用二值图像骨架提取方法对人体图像进行细化处理，并将细化后的图像反投射回点云的三维空间，得到初始点云骨架，具体包括：
5.根据权利要求1所述的基于点云的引体向上智能判别方法，其特征在于，所述基于分类后的人体骨架点和单杠水平高度，判别目标人体的引体向上状态是否完成，计数并输出，具体包括：
6.一种基于点云的引体向上智能判别系统，其特征在于，包括：
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1
8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中所述的基于点云的引体向上智能判别方法。
...【技术特征摘要】
1.一种基于点云的引体向上智能判别方法，其特征在于，包括：
2.根据权利要求1所述的基于点云的引体向上智能判别方法，其特征在于，所述对所述单杠点云进行剔除，保留人体点云，具体包括：
3.根据权利要求1所述的基于点云的引体向上智能判别方法，其特征在于，所述利用法向量对所述人体点云进行收缩操作，得到收缩后的点云数据，具体包括：
4.根据权利要求1所述的基于点云的引体向上智能判别方法，其特征在于，所述将收缩后的点云数据投射到图像平面，利用二值图像骨架提取方法对人体图像进行细化处理，并将细化后的图像反投射回点云的三维空间，得到初始点云骨架，具体包括：
5...
【专利技术属性】
技术研发人员：吴思东，任柳全，阳青青，刘甲甲，袁建英，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：
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。