【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及康复，尤其涉及一种步态监测方法及机器人。
技术介绍
0、背景
1、对于许多患者和老年人而言，行动障碍是导致整体健康和幸福感迅速劣化的一个主要因素。收集患者行走方式的数据可用于许多康复应用或一般医疗保健应用。为了使医疗保健专业人员收集数据，例如，为了评估患者丧失运动能力后的恢复情况，可使用基于标签的运动捕捉系统。传统的做法是在患者的身体或衣服上安装多个传感器作为标签。典型的硬件设置包括多个相机，用于记录患者在跑步机上或步态分析或运动学实验室中设定的直线跑道上的运动。
技术实现思路
0、专利技术概要
1、在一个方面，本公开提供一种用于对象的无标签步态监测方法，该方法包括：根据所述对象的至少一个下肢的深度图像，获取由数据点构成的点云；将从所述数据点中选定的一个数据点分配给足模型及胫模型之一；以及根据足-胫模型的优化参数，确定足模型的一个或多个位姿参数，其中所述足-胫模型包括作为邻接部件的所述足模型及所述胫模型，所述足模型及所述胫模型可围绕共同原点相对转动。
2、所述深度图像包括所述对象的后视图像。所述无标签步态监测方法还可以包括：获取所述深度图像，其中所述深度图像是由设置在机器人上的至少一个相机拍摄的多个深度图像之一，并且其中处于跟踪模式的所述机器人被设置为定位在对象后面或者将其自身定位在对象后面。根据前文任一部分所述的无标签步态监测方法，其中所述机器人被设置为将至少一个相机保持在相对于所述对象的尾随距离范围内，并且其中所述尾随距离范围被
3、所述无标签步态监测方法可以包括：按照所述数据点各自的深度值将所述数据点分类为多个集群(cluster)。响应于找到两组集群，将所述两组集群中的一组分配给所述对象的右下肢，并且将两组集群中的另一组分配给对象的左下肢；响应于仅找到一组集群，则将部分数据点分配到所述对象的至少一个下肢。所述无标签步态监测方法还包括：在将所选择的数据点分配给所述足模型和所述胫模型的其中之一之前，识别与所述对象的右下肢及左下肢各自对应的数据点。将所选数据点分配给足模型和胫模型之一的步骤可以包括：使用扩展分段法确定一条将所述足模型的数据点与所述胫模型的数据点分开的分段线，其中所述分段线相对于点云数据点集群中的最低点定义。将部分所述数据点分配到所述对象的至少一个下肢以各自的投影足-胫模型的顶点为基础，所述各自的投影足-胫模型与之前的深度图像相关联。其中部分数据点的分配以轮廓分段法为基础，其中两个凸包由各自的投影足-胫模型的足模型部分与各自的投影足-胫模型的胫模型部分的各自顶点定义。
4、根据前文任一部分所述的无标签步态监测方法，其中优化所述足-胫模型的参数进一步包括确定所述足-胫模型的一个或多个形状参数。确定所述一个或多个位姿参数及/或一个或多个形状参数包括优化足-胫成本函数，其中所述足-胫成本函数包括足适配成本(foot fitting cost)及胫适配成本(shank fitting cost)。所述足-胫成本函数还可以包括形状惩罚项，以防止足模型尺寸过大。所述足-胫成本函数还可以包括方向惩罚项，以针对所述胫模型相对于竖直轴的不对齐情况做惩罚处理。所述足-胫成本函数进一步包括足部屈伸收展项，所述足部屈伸收展项被设置为对所述足模型的屈伸收展运动做惩罚处理，其中所述屈伸收展运动包括足背屈-足跖屈和足内翻-足外翻中的任意一个或两个。足-胫成本函数还可以包括短时惩罚项，其中该短时惩罚项以所述对象移动速度相对较慢的假设为基础。所述对象的步态速度可以是步行步态的特征。
5、所述无标签步态监测方法还可包括：使用一个或多个位姿参数来确定前后距离；以及使用前-后距离识别步态事件。所述无标签步态监测方法还可以包括：使用所述一个或多个位姿参数及/或一个或多个形状参数来生成步态及位姿信息。
6、在另一方面，本公开提供一种用于对象的步态康复辅助方法，该方法包括：在一段时间内跟踪所述对象；以及使用所述对象的步态和位姿信息进行所述对象的步态和平衡分析，其中所述步态及位姿信息根据上述实施例方法中的任一个生成。
7、在又一方面，本公开提供一种用于监测对象的机器人，所述机器人包括：相机、多个轮，以及可操作地与相机耦合的控制器。所述多个轮与所述相机耦合，使得处于跟踪模式的机器人被设置为利用相机跟踪所述对象，所述相机被设置为同时拍摄对象的多个后视深度图像。所述控制器被设置为从所述相机获取图像数据，其中所述控制器被设置为使用所述图像数据执行根据上述实施例中的任一个所披露的无标签步态监测方法。
本文档来自技高网...【技术保护点】
1.一种用于对象的无标签步态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的无标签步态监测方法，其特征在于，所述深度图像是所述对象的后视图像。
3.根据权利要求1或2所述的无标签步态监测方法，其特征在于，还包括：
4.根据权利要求2或权利要求3所述的无标签步态监测方法，其中所述机器人设置为将所述至少一个相机保持在相对于所述对象的尾随距离范围内，并且其中所述尾随距离范围被确定，使得所述深度图像包括所述对象的至少一个下肢的足部和胫部。
5.根据权利要求1至4中任一项所述的无标签步态监测方法，其特征在于，所述深度图像是所述对象的双足的后视图像、双胫的后视图像以及双足双胫的后视图像中的至少一个。
6.根据权利要求1至5中任一项所述的无标签步态监测方法，其特征在于，还包括：
7.根据权利要求1至6中任一项所述的无标签步态监测方法，其特征在于，包括：
8.根据权利要求1至7中任一项所述的无标签步态监测方法，其特征在于，还包括：在将所选择的所述数据点分配给所述足模型和所述胫模型的其中之一之前，识别
9.根据权利要求1至8中任一项所述的无标签步态监测方法，其特征在于，其中将所选数据点分配给所述足模型和所述胫模型之一包括：
10.根据权利要求1至7所述的无标签步态监测方法，其中将部分所述数据点分配到所述对象的至少一个下肢以各自的投影的足-胫模型的顶点为基础，所述各自的投影的足-胫模型与之前的深度图像相关联。
11.根据权利要求10所述的无标签步态监测方法，其中部分数据点的分配以轮廓分段法为基础，其中两个凸包由各自的投影的足-胫模型的足模型部分与各自的投影的足-胫模型的胫模型部分的各自顶点定义。
12.根据权利要求1至11中任一项所述的无标签步态监测方法，其中，所述优化所述足-胫模型的参数进一步包括确定所述足-胫模型的一个或多个形状参数。
13.根据权利要求12所述的无标签步态监测方法，其中所述确定一个或多个位姿参数及/或一个或多个所述形状参数包括优化足-胫成本函数，其中所述足-胫成本函数包括足适配成本及胫适配成本。
14.根据权利要求13所述的无标签步态监测方法，其中所述足-胫成本函数还包括形状惩罚项，以防止所述足模型尺寸过大。
15.根据权利要求13或14所述的无标签步态监测方法，其中所述足-胫成本函数还包括方向惩罚项，以针对所述胫模型相对于竖直轴的不对齐情况做惩罚处理。
16.根据权利要求13至15中任一项所述的无标签步态监测方法，其中所述足-胫成本函数进一步包括足部屈伸收展项，所述足部屈伸收展项被设置为对所述足模型的屈伸收展运动做惩罚处理，其中所述屈伸收展运动包括足背屈-足跖屈和足内翻-足外翻中的任意一个或两个。
17.根据权利要求13至16中任一项所述的无标签步态监测方法，其中所述足-胫成本函数进一步包括短时惩罚项，并且其中所述短时惩罚项以所述对象移动速度相对较慢的假设为基础。
18.根据权利要求1至17中任一项所述的无标签步态监测方法，其中所述对象的步态速度是步行步态的特征。
19.根据权利要求1至18中任一项所述的无标签步态监测方法，还包括：
20.根据权利要求1至19中任一项所述的无标签步态监测方法，还包括：
21.一种用于对象的步态康复辅助方法，包括：
22.一种用于对象的机器人，所述机器人包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种用于对象的无标签步态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的无标签步态监测方法，其特征在于，所述深度图像是所述对象的后视图像。
3.根据权利要求1或2所述的无标签步态监测方法，其特征在于，还包括：
4.根据权利要求2或权利要求3所述的无标签步态监测方法，其中所述机器人设置为将所述至少一个相机保持在相对于所述对象的尾随距离范围内，并且其中所述尾随距离范围被确定，使得所述深度图像包括所述对象的至少一个下肢的足部和胫部。
5.根据权利要求1至4中任一项所述的无标签步态监测方法，其特征在于，所述深度图像是所述对象的双足的后视图像、双胫的后视图像以及双足双胫的后视图像中的至少一个。
6.根据权利要求1至5中任一项所述的无标签步态监测方法，其特征在于，还包括：
7.根据权利要求1至6中任一项所述的无标签步态监测方法，其特征在于，包括：
8.根据权利要求1至7中任一项所述的无标签步态监测方法，其特征在于，还包括：在将所选择的所述数据点分配给所述足模型和所述胫模型的其中之一之前，识别与所述对象的右下肢及左下肢各自对应的所述数据点。
9.根据权利要求1至8中任一项所述的无标签步态监测方法，其特征在于，其中将所选数据点分配给所述足模型和所述胫模型之一包括：
10.根据权利要求1至7所述的无标签步态监测方法，其中将部分所述数据点分配到所述对象的至少一个下肢以各自的投影的足-胫模型的顶点为基础，所述各自的投影的足-胫模型与之前的深度图像相关联。
11.根据权利要求10所述的无标签步态监测方法，其中部分数据点的分配以轮廓分段法为基础，其中两个凸包由各自的投影的足-胫模型的足模型部分与...
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。