System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及工程机械智能检测领域,具体涉及挖掘机动作的分割和识别方法。
技术介绍
1、挖掘机作为工程机械,在各种建筑和土木工程中扮演着关键的角色。其主要功能包括挖掘、装载、搬运等,广泛应用于各个工程领域。挖掘机的工作效果直接关系到工程施工的质量和效率。为了更好地监控和检测挖掘机的动作性能,对其动作进行分割和识别显得尤为重要。通过对挖掘机动作的分析,可以实现监测的自动化,提高工作效率,减轻操作人员的负担,同时提高工程施工的安全性和准确性。挖掘机动作分割和识别的关键在于如何应对其动作的时序性与动态性。
2、惯性测量单元(imu)信号通过测量加速度和角速度等惯性信息,经济有效地提供相对较高的测量精度,有助于捕捉挖掘机运动的时序特性,为动作分割和识别提供准确的数据基础。
3、图像处理和模式识别方法会受到光照、遮挡等因素的影响。一般的动作分割与识别方法在处理挖掘机动作时存在一定的局限性,难以有效处理动作时间的不确定性,对动作的时序性和动态性的准确捕捉较为困难,时常导致过度分割。
技术实现思路
1、为了克服现有技术的不足,本专利技术提供了一种实现挖掘机动作分割与识别自适应性的方法,以解决挖掘机动作在分割和识别中所面临的时序性和动态性问题。
2、为解决上述技术问题,本专利技术提供如下的技术方案:
3、一种挖掘机动作自适应分割和识别方法,所述方法包括以下步骤:
4、s1、采集连续运动时间序列数据,提取多维度运动状态特征,采用滤波技术去除
5、s2、离线训练阶段,提取动作变化特征并优化,对连续动作信号切片,训练模型建立一般动作模板;
6、s3、在线分割和识别阶段,采用自适应滑动窗口对实时数据流进行扫描,基于概率密度差进行窗口迭代操作,获得最有效窗口大小与相应的识别动作。
7、2.根据权利要求1所述的一种挖掘机动作自适应分割和识别方法,其特征在于,所述步骤s1中,使用惯性测量单元imu采集挖掘机的连续运动时间序列数据,包含挖掘机在运动过程中多部件的数据信息,对采得数据进行多维度运动状态特征提取,使用滤波技术去除采得运动数据中的高频噪声。
8、3.根据权利要求1或2所述的一种挖掘机动作自适应分割和识别方法,其特征在于,所述步骤s2中,挖掘机动作自适应分割和识别方法的离线训练阶段,包括以下步骤:
9、s201、从滤波信号中提取动作变化特征;
10、s202、对关键特征进行优化,根据优化后的关键特征,执行连续动作切片,获取单次动作的运动数据集;
11、s203、使用单次动作的运动数据集作为样本,执行模型训练,建立一般动作模板。
12、4.根据权利要求1或2所述的一种挖掘机动作自适应分割和识别方法,其特征在于,所述步骤s3中,挖掘机动作自适应分割和识别方法的在线分割和识别阶段,包括以下子步骤:
13、步骤s301,使用自适应滑动窗口对实时数据流进行扫描,初始化两个具有相同窗口长度且有一定重叠的前后时间窗口;
14、步骤s302,在每个窗口内,计算实时数据的物理量,并将其与一般动作模板进行匹配识别,若前后时间窗口内动作分类不一致,则停止窗口扩展迭代;
15、步骤s303,计算前后时间窗口在特定动作下的概率密度函数值之差;
16、步骤s304,基于概率密度函数值之差进行窗口迭代操作,若概率密度函数值为正或零,则执行扩展窗口长度操作;
17、步骤s305,若概率密度函数值为负,则更新前后时间窗口的重叠率;
18、步骤s306,重复步骤s301至s305,直至窗口完全重叠或达到预设的最大迭代次数,则停止窗口扩展迭代,最后一次迭代中,前一窗口被确认为最有效的窗口分割,获得最有效窗口大小下识别相应的动作,即为分割段的动作结果;
19、步骤s307,将窗口沿时间线向前移动,重复下一个自适应窗口的过程,即重复步骤s301至s306。
20、本专利技术的技术构思为:通过结合离线训练和在线分割与识别两个关键阶段,以优化动作处理流程,提升在线动作分割与识别的效率,并采用基于概率密度差的自适应窗口迭代对实时数据流处理与匹配识别与分割,降低过度分割的可能性,提高对动作细节的准确把握。
21、本专利技术的有益效果为:通过结合离线训练和在线分割与识别两个关键阶段,有效提升在线动作分割与识别的效率;采用基于概率密度差的自适应窗口迭代对实时数据流处理与匹配识别与分割,相较于现有的动作分割与识别方法,本专利技术能够有效应对动作时间的不确定性,避免过度分割的问题,更符合实际工程环境中连续动作识别的需求。
本文档来自技高网...【技术保护点】
1.一种挖掘机动作自适应分割和识别方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种挖掘机动作自适应分割和识别方法,其特征在于,所述步骤S1中,使用惯性测量单元IMU采集挖掘机的连续运动时间序列数据,包含挖掘机在运动过程中多部件的数据信息,对采得数据进行多维度运动状态特征提取,使用滤波技术去除采得运动数据中的高频噪声。
3.根据权利要求1或2所述的一种挖掘机动作自适应分割和识别方法,其特征在于,所述步骤S2中,挖掘机动作自适应分割和识别方法的离线训练阶段,包括以下步骤:
4.根据权利要求1或2所述的一种挖掘机动作自适应分割和识别方法,其特征在于,所述步骤S3中,挖掘机动作自适应分割和识别方法的在线分割和识别阶段,包括以下子步骤:
【技术特征摘要】
1.一种挖掘机动作自适应分割和识别方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的一种挖掘机动作自适应分割和识别方法,其特征在于,所述步骤s1中,使用惯性测量单元imu采集挖掘机的连续运动时间序列数据,包含挖掘机在运动过程中多部件的数据信息,对采得数据进行多维度运动状态特征提取,使用滤波技术去除采得运动数据中的高频...
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。