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】
本专利技术涉及图像识别领域,特别是涉及一种假肢的控制方法及装置。
技术介绍
1、截肢者往往采用安装假肢的方式实现正常的行动,在日常生活中,平地、楼梯及斜坡是截肢者经常会遇到的路况,提前并准确识别前方路况信息对截肢者稳定行走及行走安全至关重要。相关技术中的多路况识别,往往通过传感器进行识别,但是激光传感器对于平地和坡道的识别结果不佳,视觉传感器无法准确获取楼梯路况,导致了对当前路况的识别不准确,进而导致假肢佩戴者的行动安全性降低。
技术实现思路
1、本专利技术的目的是提供一种假肢的控制方法及装置,在获取到当前路况图像后可以将该当前路况图像输入至路况识别模型中,得到当前路况的种类,进而根据当前路况控制膝关节的角度,更加准确的控制假肢,避免由于控制不当造成假肢佩戴者的安全问题。
2、为解决上述技术问题,本专利技术提供了一种假肢的控制方法,包括:
3、获取当前时刻采集设备采集的假肢佩戴者前方的当前路况图像;
4、将所述当前路况图像输入至预先训练好的路况识别模型中,得到所述路况识别模型输出的所述当前路况图像对应的当前路况,所述当前路况包括平地、斜坡及楼梯中的一种及多种的组合;
5、根据所述当前路况确定膝关节的角度,并控制假肢基于所述膝关节的角度行动。
6、另一方面,所述采集设备设置于所述膝关节的上方,横纵方向分别与人体冠状轴及垂直轴平行,所述采集设备包括拍摄装置及传感器;
7、获取当前时刻采集设备采集的假肢佩戴者前方的当
8、当前时刻在通过所述传感器采集到的假肢佩戴者的动作状态与预设的运动状态过程相符时,控制所述拍摄装置对所述拍摄装置预设的拍摄范围进行假肢佩戴者前方的当前路况图像的拍摄。
9、另一方面,所述传感器为九轴imu传感器,所述动作状态包括沿y轴的身体加速度accy及沿x轴的陀螺仪数据gyrx;
10、当前时刻通过所述传感器采集到的所述假肢佩戴者的动作状态与预设的运动状态过程相符,包括:
11、当前时刻在所述沿y轴的身体加速度及所述沿x轴的陀螺仪数据依次处于第一状态、第二状态及第三状态时,确定所述传感器采集到的所述假肢佩戴者的动作状态与预设的运动状态过程相符;
12、其中,所述第一状态为且所述第二状态为gyrx达到峰值,所述第三状态为且及均为预先设置的阈值。
13、另一方面,获取当前时刻采集设备采集的假肢佩戴者前方的当前路况图像之后,还包括:
14、根据时间同步关系式将所述拍摄装置拍摄到的当前路况图像与所述传感器采集到的假肢佩戴者的动作状态时间对齐;
15、将所述图像根据坐标转换关系式pground=rpcamera转换为地面坐标系;
16、将所述地面坐标系的点云投影到yoz平面上根据像素关系式进行二值化;
17、其中,xm(j)为在tc(j)时刻所述传感器采集的假肢佩戴者的动作状态,xm(i)为tm(i)时刻所述传感器采集的假肢佩戴者的动作状态,xm(i+1)为tm(i+1)时刻所述传感器采集的假肢佩戴者的动作状态,tc(j)为所述拍摄装置采集图像的时刻,tm(i)及tm(i+1)均为所述传感器采集所述假肢佩戴者的动作状态的时刻,在pground为地面坐标系中的点云,r为旋转矩阵,pground为所述图像的坐标系中的点云,img为100*100像素的二维网格,img(r,c)为第r行第c列的点的像素,y={y1,…yk,…ym},z={z1,…zk,…zm},y为由m个点组成的点云的y坐标,yk为由m个点组成的点云中第k个点的y坐标,z为由m个点组成的点云的z坐标,zk为由m个点组成的点云中第k个点的z坐标,ymin为y中的最小值,zmin为z中的最小值。
18、另一方面,所述路况识别模型的训练过程,包括:
19、根据路况的标准关系式确定所述路况的标准图像;
20、所述标准关系式包括平地关系式、斜坡关系式及楼梯关系式;
21、其中,所述平地关系式为0≤x≤1,0≤y≤0.5,z=0.01rand,所述斜坡关系式为θ=±(15+5sin(n)),n=0.01rand,n∈{0,1…1499}及0≤x≤1,0≤y≤0.5,z=tan(θ)x+n,所述楼梯关系式为w=0.2+0.05sin(n),h=0.2+0.05sin(n),n=0.01rand,n∈{0,1…1499}、0≤y≤0.5及rand为随机数,x、y及z为点云的坐标值,θ为斜坡倾角、w为楼梯阶的宽度,h为楼梯阶的高度,n为随机数产生的噪声,n为所述点云的指数;
22、根据路况的标准图像及历史图像对所述路况识别模型进行训练。
23、另一方面,根据路况的标准图像及历史图像对所述路况识别模型进行训练,包括:
24、将所述标准图像及所述历史图像输入至所述路况识别模型;
25、确定所述标准图像与所述历史图像产生的对齐损失,所述对齐损失与所述路况识别模型中的超参数相关;
26、在所述对齐损失取最小值时,确定所述超参数,并更新所述路况识别模型。
27、另一方面,确定所述标准图像与所述历史图像产生的对齐损失,包括:
28、确定所述标准图像与所述历史图像的相似度,所述相似度的表达式为
29、
30、确定所述标准图像与所述历史图像的域间样本级别对齐损失,所述域间样本级别对齐损失的表达式为
31、确定所述标准图像及所述历史图像的标准图像的域内样本级别对齐损失,所述域内样本级别对齐损失的表达式为
32、
33、确定所述标准图像与所述历史图像产生的对齐损失l=lc+ld+msls+mili
34、其中,为第i个所述标准图像与第j个所述历史图像的相似度,||fi-fj||2为第i个所述标准图像与第j个所述历史图像之间的欧氏距离,ls为所述域间样本级别对齐损失,bs为所述标准图像,为所述历史图像的正样本对集合,为所述历史图像的负样本对集合,为第i个所述标准图像与第j个所述历史图像的正样本对集合的相似度得分,为第i个所述标准图像与第j个所述历史图像的负样本对集合的相似度得分,所述相似度得分与所述标准图像与所述历史图像之间的距离呈正相关,li为域内样本级别对齐损失,ns为所述标准图像,nt为所述历史图像,当第i个所述标准图像或所述历史图像与第j个标准图像或所述历史图像标签相同时,所述标签为所述路况的类型,v表示不同类样本间欧氏距离的最大值,l为所述对齐损失,lc为分类损失,ld为领域分类器损失,ms及mi均为所述超参数。
35、另一方面,根据所述当前路况确定膝关节的角度,包括:
36、根据所述当前路况确定膝关节的角度的关系式为
37、其中,θknee为所述膝关节的角度,为步态相位,所述步态相位表示一个完整的步态周期中不同关节的运动状态相对于时间的位置关本文档来自技高网...
【技术保护点】
1.一种假肢的控制方法,其特征在于,包括:
2.如权利要求1所述的假肢的控制方法,其特征在于,所述采集设备设置于所述膝关节的上方,横纵方向分别与人体冠状轴及垂直轴平行,所述采集设备包括拍摄装置及传感器;
3.如权利要求2所述的假肢的控制方法,其特征在于,所述传感器为九轴IMU传感器,所述动作状态包括沿Y轴的身体加速度Accy及沿X轴的陀螺仪数据Gyrx;
4.如权利要求2所述的假肢的控制方法,其特征在于,获取当前时刻采集设备采集的假肢佩戴者前方的当前路况图像之后,还包括:
5.如权利要求1所述的假肢的控制方法,其特征在于,所述路况识别模型的训练过程,包括:
6.如权利要求5所述的假肢的控制方法,其特征在于,根据路况的标准图像及历史图像对所述路况识别模型进行训练,包括:
7.如权利要求6所述的假肢的控制方法,其特征在于,确定所述标准图像与所述历史图像产生的对齐损失,包括:
8.如权利要求1至7任一项所述的假肢的控制方法,其特征在于,根据所述当前路况确定膝关节的角度,包括:
9.如权利要求
10.一种假肢的控制装置,其特征在于,包括:
...【技术特征摘要】
1.一种假肢的控制方法,其特征在于,包括:
2.如权利要求1所述的假肢的控制方法,其特征在于,所述采集设备设置于所述膝关节的上方,横纵方向分别与人体冠状轴及垂直轴平行,所述采集设备包括拍摄装置及传感器;
3.如权利要求2所述的假肢的控制方法,其特征在于,所述传感器为九轴imu传感器,所述动作状态包括沿y轴的身体加速度accy及沿x轴的陀螺仪数据gyrx;
4.如权利要求2所述的假肢的控制方法,其特征在于,获取当前时刻采集设备采集的假肢佩戴者前方的当前路况图像之后,还包括:
5.如权利要求1所述的假肢的控制方法,其特征在...
【专利技术属性】
技术研发人员:牟荣增,刘松岳,耿艳利,顾峰,
申请(专利权)人:苏州摩多物联科技有限公司,
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。