1.本发明属于体育测量技术，具体涉及一种绕桩运动轨迹分析与计时装置及其分析方法。


背景技术：

2.体育竞技是充满着公平的赛事活动，现在的体育活动区别于传统的人工评判方式，更多的是追求公平，对此就需要借助一些列的技术手段以实现客观、公正的计分，评判分析活动的规则与结果。
3.例如足球绕杆运球，该活动也是目前中学生的体育训练和毕业考试项目，活动方式如图1所示，其考试的规则为在测试起点，待测者运球通过起点后开始计时，正确的规则是按照图中的路线进行绕杆运球，正确绕杆到达终点后停表，通过总用时计算成绩。目前测试成绩统计需人工观察被测试人员是否按要求完成规定绕杆运球，是否违规等，计时工具则使用电动计时器或秒表，再通过相应的标准查找出相应的分数来完成，存在着易造成计时计分的不准确，随意性较大，观测是否按规则绕杆的准确性不高的问题；对违规和动作不到位没能在测试中体现出来。被测试人员不能在考试过程中知道自己的动作是否合规，考试的及时性不够，在考试后也无法对测试过程进行回溯。
4.在测量器材方面，一般设置有起点测试杆、中间测试绕杆和终点测试杆，计时器内安装有无线信号接收开关，两根起点测试杆之间形成一条起点线，两根终点测试杆之间形成一条终点线，起点测试杆和终点测试杆上端均安装有红外光电开关发射器，中间测试绕杆设置有五根，从起点线开始数第一根中间测试绕杆上端单方向安装有指向相邻中间测试绕杆的红外光电开关发射器，从起点线开始数第五根中间测试绕杆上端单方向安装有指向相邻中间测试绕杆的红外光电开关发射器，余下的三根测试绕杆上端均双向安装有指向相邻中间测试绕杆的两个红外光电开关发射器。
5.针对上述的器材进行测量，需要在测试场地四周每个角、每个绕杆都安装红外光电开关发射器，并且杆与杆之间的方向、角度需要对好，否则无法通过红外阻断方式判定是否越界；无法准确的记录是否正确绕杆，违规判定不准确；需要人工判定绕杆出边界违规；并且无法在测试完成后提供整个测试的轨迹图，用来回溯判定本次测试是否违规，过程是否正确。


技术实现要素：

6.发明目的：针对上述现有足球绕杆运球等活动中计分评判存在的不足，本发明第一目的是提供一种绕桩运动轨迹分析与计时装置，用于绕桩、曲线运动等体育运动中运动轨迹和测试结果进行评判；同时，本发明的第二目的是提供一种绕桩运动轨迹分析方法，提高绕桩等运动中全过程运动轨迹和计分的评判误差。
7.为实现上述的发明目的，本发明所提供的技术方案如下。
8.一种绕桩运动轨迹分析与计时装置，包括本体，所述本体上设有声控装置、图像采
集装置和激光雷达，其内部设有计分测评控制系统，所述的声控装置包括扬声器和麦克风，设置于本体的表面上；所述的图像采集装置包括摄像头，摄像头和激光雷达设置于本体的顶部，所述的计分测评控制系统中处理单元通过声音控制模块与扬声器和麦克风互联，还包括与视频处理模块、雷达处理模块、数据存储模块和激i/o模块连接，通过i/o模块连接有摄像头、显示屏和激光雷达；
9.所述的计分测评控制系统根据激光雷达和图像采集装置获取测试场地数据，然后传输至处理单元，由处理单元进行数据处理，并将数据通过通讯模块与云平台互联，实现实时共享。
10.进一步的，所述的本体底部设有滚轮，包括设有滚轮的锁紧装置。
11.进一步的，所述的图像采集装置和激光雷达设置于本体的顶部，且通自动伸缩杆设置以实现高度的调节。
12.进一步的，所述本体的前部设有显示屏，该显示屏为触控显示屏，用于计分测评控制系统组成元件的参数设定和调节。
13.进一步的，所述的本体内设有驱动电机和电源模块，所述的驱动电机控制自动伸缩杆的伸出高度，所述的电源模块为计分测评控制系统供电。
14.基于上述绕桩运动轨迹分析与计时装置的实施，本发明还提供一种绕桩运动轨迹分析方法，所述的方法包括确定时间和运动路径规划分析，包括如下步骤：
15.(1)测试场地参数标定，通过设置调节激光雷达及摄像头的高度，确定测试场地的坐标信息；
16.(2)去除障碍点，基于密度的聚类算法dbscan结合可变阈值，对原始数据进行聚类提取障碍物的外围轮廓，处理噪声点并据此得到任意形状的空间聚类；
17.(3)在x轴方向和y轴方向根据点与点的距离差值聚类，输出障碍点数聚类集合m＝{m_1,m_2,m_3,
…
,m_n}，对输出数据集中的每个障碍点集合分别应用dbscan聚类算法，对障碍点进行分类；
18.(4)基于自适应阈值法计算核心点领域距离阈值eps和核心点邻域范围内最少点个数的阈值minpts，并由此集合dbscan聚类算法去除静态障碍物；
19.(5)提取包罗障碍物的最小外接矩形框上距原点最近的顶点作为q(x,y)，选用最小凸包法结合模糊线段的方法提取障碍物的包罗矩形框；
20.(6)采用mht法对相邻两帧之间的障碍物进行数据关联，并基于卡尔曼滤波器对目标障碍物的位置和速度进行滤波和预测，根据设定的差值区间计算评分。
21.上述方法中，所述步骤(4)基于自适应阈值法的计算表达式如下：
22.eps＝r
k-1
sinδφ/sin(γ-δφ)+3σ
t
[0023][0024]
式中r
k-1
为障碍点p
n-1
的深度值；σ
t
为激光雷达的测量误差；δ
φ
为激光雷达的角度分辨率，γ为阈值参数，n
t
为预聚类中mi中障碍点的个数；为阈值因数。
[0025]
有益效果：与现有技术相比，首先本发明提供的一种绕桩运动轨迹分析与计时装置的主体可以设置为箱体的结构，并且设有轮滚等方便搬运和使用，另外，该主体顶部通过自动伸缩杆设置的摄像头和激光雷达可以实现高度调节，有利于不同场地的测试，配合驱动电机，调节控制更加方便，其内部配备有电源模块、通讯模块实现了独立工作，云平台的
实时在线查看，本发明且基于该装置提供的绕桩运动轨迹分析方法通过激光雷达获取的数据，捕获运动员的运动轨迹和图像数据，进一步的提高的评判的公正性，并且可形成赛事活动记录资料，节能人力成本和避免人工的主观性影响。
附图说明
[0026]
图1是现有足球绕杆运球运动示意图；
[0027]
图2(a)是本发明所述足球绕杆运球自动计时计分装置的主体结构示意图；
[0028]
图2(b)是本发明所述足球绕杆运球自动计时计分装置的主体结构剖视图；
[0029]
图3是本发明所述装置内的计分测评控制系统结构示意图；
[0030]
图4是本发明所述方法对于测试场地的数据标定图；
[0031]
图5是激光雷达传感器标定流程图；
[0032]
图6是测试者、足球跟踪算法流程；
[0033]
图7是本发明所述方法对于目标匹配过程示意图；
[0034]
图8是足球绕杆运球的测试计算过程图。
具体实施方式
[0035]
为了详细的说明本发明所公开的技术方案，下面结合说明书附图及具体实施例做进一步的阐述。
[0036]
本发明首先公开的是一种绕桩运动轨迹分析与计时装置及其分析方法。本实施例以足球绕杆运动为例做进一步的说明。
[0037]
如图2所示，该装置采用箱式结构的主体3，主体3底部设有滚轮1，滚轮 1方便搬运过程，且为了在使用时候起到稳定的作用，滚轮1包括设有锁死装置。在主体3上，外表面设置有扩音音响7和触控显示屏8，也包括设置麦克风用于实现语音交互，例如扩音音响7和触控显示屏8、麦克风设置于主体3的正面方便查看，激光雷达5和摄像头6应当尽量的避免阻挡，通过自动伸缩杆4伸出主体3的内部，位于主体3的顶部，并且可以调节，调节控制根据主体3内部的驱动电机调配。主体3的内部设有计分测评控制系统，为方便该系统组成元件的设置，可以通过在主体3上设置控制室2。
[0038]
控制室2用于安装设置计分测评控制系统，如图3所示，该足球绕杆运球自动计时计分装置内的计分测评控制系统以处理器为数据的处理控制单元，处理器以微机芯片cpu为例，然后与处理器联通的有声音控制模块、i/o模块，声音控制模块采用现有的语音识别芯片，主要用于实现人机的语音交互，根据设定程序进行对运动员的语音提示，包括基于ai实现的智能问答及语音指令收发等，与声音控制模块连接的有扬声器和麦克风，包括音乐、提示音的播报，结合进一步的将扬声器进行功放以实现本体1设置的扩音音响7。麦克风作为语音的收录采集设备，包括在视频采集的时候同步录制语音、指令、口号等，扬声器和麦克风采集的信号通过声音控制模块进行格式转换，进而与处理器进行数据的收发、处理。作为输入输出端连接接口的i/o模块，该计分测评控制系统的主要数据采集是基于激光雷达，激光雷达在一定范围内发射电磁辐射波，根据反射波信号，将数据传输至处理器，可以实现三维地形图的绘制，确定测试场地的坐标信息，通过i/o模块，连接的还有触控实现屏，包括lcd及led显示器外接输入设备进行参数的调节设置，指令的调配，还连接有摄像头，进一步
的指出，为方便操作，还可以根据实际的产品，通过i/o模块连接其他的输入设备，包括操作面板及外界储存、音频等设备。处理器还互联有视频处理模块，雷达处理模块、数据存储模块，该模块对应处理相应的数据类型，与连接的终端采集设备相对应，因该模块均可通过现有设备购置以实现，在此组合处理技术不做赘述。对于该计分测评控制系统，还是设置有通讯模块，通过通讯模块建立无线连接，将数据信息与后端的云平台互联，实现实时的在线监控，也方便后台基于该云平台实现测评监督。在主体3内，还设有电源模块，该电源模块为该计分测评控制系统供电，包括为自动伸缩杆的驱动电机供电，充电式的电源模块更加适用于该装置在户外的测试场地上使用。
[0039]
该装置有一块触摸液晶显示器，三维激光扫描雷达传感器，视频采集摄像头，扬声器，伸缩杆组成；工作时三维激光扫描雷达以约10转/秒的转速扫描。在测试过程中，三维激光扫描雷达可以实时监测受试者从启动、运球、绕杆到结束的全过程。基于上述的一种足球绕杆运球自动计时计分装置的实施，下面具体阐述一种足球绕杆运球的得分确定方法。
[0040]
本发明所述的方法主要是利用三维激光扫描雷达向四周发射激光束，并通过反射回来的信号绘制出周围环境的三维模型，能够准确测量测试者在测试场中足球运球的三维轮廓以及相对位置、距离和速度，自动判定足球在测试过程中是否违规，并在测试完成后生成测试轨迹图；有效减少人工测量的误差，并有效避免使用红外光电技术实现的缺陷。
[0041]
该方法实施包括如下过程：
[0042]
(1)测试场地参数标定，通过设置调节激光雷达及摄像头的高度，确定测试场地的坐标信息；
[0043]
具体的，测试时先对测试场地进行虚拟边界标定，标定场地示意图如图4所示，激光雷达的标定流程如图5所示，场地标定过程如下：打开雷达后，标定场地左顶点坐标p1(x1,y1)),标定场地右下点坐标p2(x2,y2)，由左顶点坐标 p1(x1,y1)和右下点坐标p2(x2,y2)划定的矩形确定测试场地，确定完虚拟场地边界后，根据雷达在测试场地范围内返回的点阵数自动计算得出标识杆均匀分布位置。
[0044]
(2)去除障碍点，基于密度的聚类算法dbscan结合可变阈值，对原始数据进行聚类提取障碍物的外围轮廓，处理噪声点并据此得到任意形状的空间聚类；
[0045]
具体的，结合图6，经筛选剔除了地面等不在感兴趣区域内的障碍点，只保留了障碍物大致的轮廓，有利于提取测试者、足球、标志杆感兴趣的障碍物轮廓。
[0046]
然后使用基于密度的聚类算法dbscan结合可变阈值，对原始数据进行聚类提取障碍物的外围矩形轮廓；该算法利用密度进行聚类，即要求聚类空间中一定区域内所包含对象(点或其他空间对象)的数目不小于给定阈值，计算速度快且能够有效处理噪声点和发现任意形状的空间聚类。
[0047]
(3)在x轴方向和y轴方向根据点与点的距离差值聚类，输出障碍点数聚类集合m＝{m_1,m_2,m_3,
…
,m_n}，对输出数据集中的每个障碍点集合分别应用dbscan聚类算法，对障碍点进行分类；
[0048]
具体的，为减少dbscan聚类算法的运算量、提高实时性，先对所有的障碍点进行预聚类。具体做法为：在x轴方向依据点与点的距离差值聚类，在此基础上再在y轴方向根据点与点的距离差值聚类。最后输出障碍点数聚类集合m ＝{m_1,m_2,m_3,
…
,m_n}。然后对输出数据集中的每个障碍点集合分别应用 dbscan聚类算法，对障碍点进行进一步分类。
[0049]
(4)基于自适应阈值法计算核心点领域距离阈值eps和核心点邻域范围内最少点个数的阈值minpts，并由此集合dbscan聚类算法去除静态障碍物；
[0050]
具体的，dbscan聚类算法需要事先输入过滤噪声的核心点领域距离阈值 eps以及核心点邻域范围内最少点个数的阈值minpts。这两个值如果过大，多个障碍物易被误分为同一个障碍物；相反，则同一障碍物有可能被误分为若干障碍物。由于激光雷达采集的障碍点的密度随激光点深度的变大而变小，所以eps、 minpts应随激光点深度而变化。采用自适应阈值的方法：
[0051]
eps＝r
k-1
sinδφ/sin(γ-δφ)+3σ
t
[0052][0053]
式中r
k-1
为障碍点p
n-1
的深度值；σ
t
为激光雷达的测量误差；δ
φ
为激光雷达的角度分辨率，这里取δ
φ
＝0.2
°
；γ为阈值参数，它决定了最大距离阈值的大小，这里取γ＝1
°
；n
t
为预聚类中mi中障碍点的个数；为阈值因数，由经验获得，这里取值为
[0054]
为应用dbscan算法后的聚类结果，结果显示，该算法可将预聚类误识别同一障碍物的不同障碍物分开，同时可将长度过长，面积过小，点密度太稀疏的干扰障碍物(墙壁、树叶、树干等静态障碍物)剔除。
[0055]
(5)提取包罗障碍物的最小外接矩形框上距原点最近的顶点作为q(x,y)，选用最小凸包法结合模糊线段的方法提取障碍物的包罗矩形框；
[0056]
具体的是，提取的障碍物主要特征有跟踪点位置q(x,y)、运动方向与x轴的偏离角度θ、长度l、宽度w。提取包罗障碍物的最小外接矩形框上距原点最近的顶点作为q(x,y)，因为此点随雷达视角的变化一般较小，矩形框的最长边线与x轴的夹角作为障碍物角度信息θ。选用最小凸包法结合模糊线段的方法提取障碍物的包罗矩形框。
[0057]
(6)采用mht法对相邻两帧之间的障碍物进行数据关联，并基于卡尔曼滤波器对目标障碍物的位置和速度进行滤波和预测，根据设定的差值区间计算评分。
[0058]
具体的，采用mht(多目标假设跟踪)方法对相邻两帧之间的障碍物进行数据关联，由于目标的位置存在一定的噪声(如同一个障碍物跟踪点位置发生偏移)，采用卡尔曼滤波器对目标障碍物的位置和速度进行滤波和预测，算法流程如图6所示。
[0059]
对于数据关联算法，首先以{t_j}(j＝1,
…
,m)表示前一帧跟踪的障碍物， {z_i}(i＝1,
…
,n)为当前帧检测的障碍物。根据实际状况，可以分为3种情况 (见图7)：已经跟踪的障碍物逐渐或突然消失，当前帧没有与之关联的任何障碍物，可以表示为{t_jn}；新障碍物突然或者逐渐进入雷达搜索区域，之前帧没有障碍物与之关联，可以表示为{z_in}；当前帧某个障碍物与之前跟踪的障碍物形成关联，表示为{y(t_j,z_i)}。
[0060]
图7中圆形区域表示障碍物可能出现的位置，圆形半径为sr，本发明取sr ＝3m。图中障碍物t_1、t_2、t_3表示经过卡尔曼滤波器预测后的障碍物位置，并继承之前帧的其他几何特征，z_1、z_2、z_3为当前帧出现的障碍物，那么根据上述3种情况，可以形成一系列假设：
[0061][0062]
假设在h_k中，p(y(t_j,z_i))表示成功关联的概率，p(t_jn)表示之前帧障碍物无关联的概率，p(z_in)表示当前帧障碍物无关联的概率。p(y(t_j, z_i))是以下4个关联特征匹配概率的联合概率：两障碍物存在重叠面积的概率p_cov(tj,zi)；中心点的匹配概率p_center(t_j,z_i)；障碍物长、宽的匹配概率p_wl(tj,zi)；障碍物倾斜角度的匹配概率p_ratio(tj,zi)。
[0063]
圆形区域内障碍物由于存在一定的面积，如果两个障碍物的面积有重叠部分，那么其为相邻两帧同一个障碍物的概率较大。
[0064]
综上，进一步的说明，结合图8所示的测试流程图，本发明结合装置及方法实施，首先是标定测试场地，完成后测试者开始足球运球测试，三维激光扫描雷达发射调制的激光信号，调制的激光信号经测试者和足球反射后由所述三维激光扫描雷达接收并形成实时点云接收信号实现实时建模，通过三维激光雷达跟踪测试者与足球目标，并预测测试者运球绕杆运动轨迹的具体方法为：由于三维激光雷达每次采集障碍点时视角不同，采集的部分障碍点坐标变化较大，而且很多障碍点与测试者、足球的跟踪不相关，如路面、墙体、高楼、其他人员等周边物体。障碍点过多会影响测试者、足球和标志杆轮廓的提取，因此有必要对原始数据进行筛选。首先建立感兴趣空间区域，将此空间以外的点剔除。开始测试时启动三维激光雷达来获取数据，使用基于密度的聚类算法dbscan结合可变阈值，对原始数据进行聚类提取位于虚拟测试场地内的有效跟踪物体数据；提取有效跟踪物体数据后，采用mht(多目标假设跟踪)方法对相邻两帧之间的跟踪物进行数据关联，由于目标的位置存在一定的噪声(如同一个障碍物跟踪点位置发生偏移)，采用卡尔曼滤波器对目标障碍物的位置和速度进行滤波和预测，具体过滤流程见图6。所述实时接收信号包含所述测试者与足球的相关信息以及绕杆的相关信息，利用三维激光扫描雷达测距和测速的原理，能够准确获取测试者的运动位置、足球的位置，以及测试者、足球与绕杆、测试场地的位置关系，从而准确判定测试者足球运球绕杆的合规性，并准确记录开始、结束时间，保存测试过程的轨迹图，有效减少人工测试的误差，提高测量数据的准确性和测量的实时性，同时便于数据查看和储存，减轻工作量。