[发明专利]实时运动轨迹监测方法、装置、设备及可读存储介质

权利要求书

1.一种实时运动轨迹监测方法，其特征在于，包括以下步骤：

接收可穿戴设备发送的第一关节在第T时刻的第一旋转向量和第一瞬时加速度信息；

基于第一旋转向量从预设的点云数据库中查找出对应的第一位置集合，预设的点云数据库包括旋转向量和位置集合之间的映射关系，位置集合包括与关节对应的多个预设位置坐标；

获取第一关节在第T-1时刻的第二位置集合，并根据所述第二位置集合和第一位置集合从预设的点云数据库中筛选出第一点云状态空间，所述第一点云状态空间包括多个点云状态，每个点云状态由第一位置集合中的预设位置坐标和第二位置集合中的预设位置坐标组成；

基于调频连续波测距计算在第T时刻的智能终端与可穿戴设备间的距离，得到第一距离；

分别获取在第T-1时刻的智能终端与可穿戴设备间的第二距离、在第T-2时刻的智能终端与可穿戴设备间的第三距离、第一关节在第T-1时刻的第一实际位置坐标和第一关节在第T-2时刻的第二实际位置坐标；

基于第一距离、第二距离、第三距离、第一实际位置坐标和第二实际位置坐标计算出智能终端在第T时刻的位置坐标；

将第一瞬时加速度信息、第一点云状态空间和智能终端在第T时刻的位置坐标输入至隐马尔可夫模型，得到第一关节在第T时刻的第三实际位置坐标。

2.如权利要求1所述的实时运动轨迹监测方法，其特征在于，在所述接收可穿戴设备发送的第一关节在第T时刻的第一旋转向量和第一瞬时加速度信息的步骤之前，还包括：

基于D-H模型对手臂运动进行建模，得到连杆模型；

将手臂上的多个关节角输入至所述连杆模型，得到多个旋转向量；

创建各个旋转向量与其对应的包括多个预设位置坐标的位置集合间的映射关系，得到点云数据库。

3.如权利要求1所述的实时运动轨迹监测方法，其特征在于：所述隐马尔可夫模型中的模型参数包括初始概率分布、状态转移概率分布和输出概率分布，所述状态转移概率分布的概率表达式包含瞬时加速度信息、智能终端的位置坐标以及智能终端与可穿戴设备间的距离，所述输出概率分布为1。

4.如权利要求1所述的实时运动轨迹监测方法，其特征在于：所述可穿戴设备包括惯性传感器和加速度传感器，所述惯性传感器用于采集第一关节在第T时刻的第一旋转向量，所述加速度传感器用于采集第一关节在第T时刻的第一瞬时加速度信息。

5.一种实时运动轨迹监测装置，其特征在于，包括：

接收单元，其用于接收可穿戴设备发送的第一关节在第T时刻的第一旋转向量和第一瞬时加速度信息；

查找单元，其用于基于第一旋转向量从预设的点云数据库中查找出对应的第一位置集合，预设的点云数据库包括旋转向量和位置集合之间的映射关系，位置集合包括与关节对应的多个预设位置坐标；

生成单元，其用于获取第一关节在第T-1时刻的第二位置集合，并根据所述第二位置集合和第一位置集合从预设的点云数据库中筛选出第一点云状态空间，所述第一点云状态空间包括多个点云状态，每个点云状态由第一位置集合中的预设位置坐标和第二位置集合中的预设位置坐标组成；

测距单元，其用于基于调频连续波测距计算在第T时刻的智能终端与可穿戴设备间的距离，得到第一距离；

获取单元，其用于分别获取在第T-1时刻的智能终端与可穿戴设备间的第二距离、在第T-2时刻的智能终端与可穿戴设备间的第三距离、第一关节在第T-1时刻的第一实际位置坐标和第一关节在第T-2时刻的第二实际位置坐标；

计算单元，其用于基于第一距离、第二距离、第三距离、第一实际位置坐标和第二实际位置坐标计算出智能终端在第T时刻的位置坐标；

预测单元，其用于将第一瞬时加速度信息、第一点云状态空间和智能终端在第T时刻的位置坐标输入至隐马尔可夫模型，得到第一关节在第T时刻的第三实际位置坐标。

6.如权利要求5所述的实时运动轨迹监测装置，其特征在于，所述装置还包括创建单元，其用于：

基于D-H模型对手臂运动进行建模，得到连杆模型；

将手臂上的多个关节角输入至所述连杆模型，得到多个旋转向量；

创建各个旋转向量与其对应的包括多个预设位置坐标的位置集合间的映射关系，得到点云数据库。