《基于kinect与九轴传感器的篮球训练系统的应用研究》由会员分享，可在线阅读，更多相关《基于kinect与九轴传感器的篮球训练系统的应用研究（3页珍藏版）》请在金锄头文库上搜索。
1、基于 Kinect 与九轴传感器的篮球训练系统的应用研究 刘哲 张卫华 李松柏 卫誉洲 四川大学 摘 要： 篮球运动中篮球技术动作的准确运用至关重要, 因此对于运动员动作的捕捉与规范也具有重要的意义。人体动作捕捉系统是一种利用数字信息技术来检测人体在三维空间中运动信息的技术, 目前已广泛运用于虚拟现实、体感游戏等多个领域, 基于 Kinect 与九轴传感器的智能篮球训练系统, 通过九轴传感器与Kinect 进行人体动作的数据采集, 利用卡尔曼滤波算法对数据进行校正, 运用多种算法实现数据匹配与动作相似度分析, 帮助使用者在任何场地都可以直观了解自身技术动作的情况, 对动作进行规范性指导。关键词
2、： 动作追踪; Kinect; 九轴惯性传感器; 图像识别; 1. 前言在篮球产业, 观赏性消费与装备消费是产业盈利的两大支柱。随着科学技术的发展, 智能化的理念逐步深入到现代市场的方方面面, 将智能化与体育产品的结合、打造智能化的运动训练装备是当前市场的主流元素。在智能运动这一领域, 目前大多的智能穿戴设备如小米手环等检测领域较为单一, 产品的功能远远无法满足消费者的需求。针对以上所述, 文中设计并实现了基于 Kinect 与九轴惯性传感器的智能篮球训练系统, 打破了传统的篮球训练方式, 在“互联网+”的系统模式下, 主打对篮球训练者动作姿态的校正和规范性指导, 以普通篮球护臂为载体, 通过
3、数据采集层、数据交互层和信息处理层之间共同作用, 实时追踪训练者的姿态数据, 对训练者进行球性训练、动作训练、球星姿态模仿、球星数据匹配等全方位的系统训练, 帮助训练者提升技术动作的完成质量, 完善和提高训练者的篮球水平。2. 系统总体设计基于 Kinect 与九轴传感器的智能篮球训练系统, 是由数据采集层、数据交互层以及信息处理层构成的。其中, 数据采集层以由 Kinect 深度相机与九轴惯性传感器 JY-901 模块为核心单元进行人体姿态数据采集, 同时以 stm32F10ZET6 单片机作为主控单元进行数据存储和数据处理;数据交互层以蓝牙 4.0 模块为核心进行数据通信与软硬件交互;信息
4、处理层以 IOS 为开发平台进行算法编写、数据分析和功能实现。3. 关键技术3.1 利用 kinect 进行数据采集技术研究对用户的动作进行捕捉, 并得到关节在空间中的坐标对于本项目至关重要, 系统通过 kinect 的彩色图像相机获取实时图像, 之后利用 opencv 将彩色图像转换为 hsv 图像, 转换完成之后将其二值化, 并且提取标志物的图像轮廓。最后通过图像轮廓确定图像中心点的位置来确定它在深度相机中的位置, 从而获得标志点的的空间坐标完成用户运动数据的采集。3.2 九轴惯性传感单元的动作捕捉技术研究九轴惯性单元是由三轴加速度计、三轴陀螺仪和三轴磁强计组成的。据三种惯性测量单元的不同
5、特性, 将其加以组合, 优势互补, 实现对载体位置姿态的准确测量。由于三轴加速度计静态特性好, 不存在时间累积误差, 因此可以利用三轴加速度计计算得到的姿态角来修正陀螺仪计算的翻滚角和俯仰角, 而根据磁强计动态反应慢, 不存在时间累积误差的特性, 可以使用磁强计来修正陀螺仪计算的偏航角。由此, 综合各个惯性测量单元的优点, 实现运动场景下对载体姿态的精确测量。4. 研究结果本系统是基于 IOS 平台与 Windows 平台进行开发。由于 kinect 与九轴惯性传感器同时进行项目的研发, 获取到的数据也更加的精确。将软硬件产品相结合, 通过 4 个九轴惯性传感器完成对两只手臂关节角度的测量,
6、从而追踪到整个手臂的运动轨迹和运动状态;通过卡尔曼滤波器对所采集到的九轴数据进行校正, 得到最接近于实际姿态的姿态角, 以 Stm32F10ZET6 作为核心主控单元, 利用其高性能、高运行速度、低功耗等特点完成对大量九轴数据的处理;利用 shingle算法、bloom fliter 算法等完成由九轴数据所组成的九元素数组之间的相似度计算及分析。通过测试, 系统在硬件部分, 已经完成了对九轴惯性传感单元 JY901 模块的学习与开发, 完成了对 stm32F10ZET6 单片机的学习, 实现了通过单片机编程将九轴惯性传感单元所采集到的 16 进制数据转化成相应的 ASCAII 码数据, 并输出
7、各个传感单元的三轴角度情况;完成了通过蓝牙实现 stm32F10ZET6 单片机与APP 的数据通信。在软件部分, PC 端已经完成了通过 kinect 获取相关数据;IOS端已经完成了相似度算法模型的建立;完成了数据匹配算法的构建与数据通信, 基本满足用户的需要。5. 结语本文从一个项目的角度讨论了基于 Kinect 与九轴传感器的篮球训练系统的应用研究。运用 Kinect 彩色相机与深度相机获取用户投篮手臂数据, 以及 4 个九轴惯性传感器完成对两只手臂关节角度的测量获取到的大量数据。在“互联网+”的模式下, 将软硬件产品相结合, 为用户篮球运动提供服务。同时在现有的研发程度上, 作品仍存
8、在一些问题未解决, 因此对于本项目的研发预期如下:在硬件部分, 对两级扩展的卡尔曼滤波算法进行深入研究, 找出适用于作品自身的滤波算法, 提高数据的矫正度, 使角度测量误差不超过 5%, 逐步提高测量的精确度;将硬件装置绑定在人体进行实际测量, 比对理论结果与实际值间的差异, 改善校正算法。在软件部分, 对相似度算法、数据匹配算法进行进一步的测试和优化, 提高匹配精确度;在已有功能的基础上研发更高难度的三维动画显示功能, 根据九轴数据在 APP 上生成实时的三维动态图像, 使用户可以直观看到自己的技术动作。参考文献1李景辉, 杨立才.基于多传感器信息融合的人体姿态解算算法J.山东大学学报 (工学版) .2013 (05) 2王国交, 蔚承英, 李玲霞.姿态解算的抗干扰算法J.计算机与数字工程.2016 (05) 3徐金苟.低能耗蓝牙 4.0 协议原理与实现方法J.微型电脑应用.2012 (10) 4孙大为, 张广艳, 郑纬民.大数据流试计算J.软件学报.2014 (04) 5刘浩.基于视频处理技术的路网交通运行状态模糊识别A.Highway, 2016.166.
