一种基于GPS的高山雪原地区运动人员定位及姿态确定方法

摘要

本发明公开了一种基于GPS的高山雪原地区运动人员定位及姿态确定方法，该方法通过配准DEM数据和GPS数据，以运动人员相邻时刻的GPS数据构建一三维定位矢量，分别以DEM上的两个与GPS定位基点同名的定位基点为矫正三角形的顶点，以该三维定位矢量为矫正三角形的一条边，形成两个矫正三角形，该两个矫正三角形的三维定位矢量那条边在DEM数据上重合的线段为运动人员的实际定位矢量，以该定位矢量对所述三维定位线段进行校正，确定校正后的定位路径为该运动人员的实际运动路径，以该运动路径引导安装了GPS及UWB定位基站的无人机对运动人员进行运动姿态数据的获取，该方法克服了高山雪原地区GPS信号弱反射率高无法精准定位的问题。

说明书

技术领域

本发明涉及运动人员的运动路径及运动姿态确定的技术领域。

背景技术

卫星导航技术尤以其高灵敏度导航信号接收技术的研究和应用，大大拓展了卫星导航的可用范围。但有些地区在卫星信号弱，特别是高山雪原地区，由于云层厚薄不一，且地面覆盖积雪反射率高，使得采用常规的GPS定位设备无法准确的获得用户的位置。

现有的高山雪原地区GPS定位常常采用的是高级定制定位设备，造价昂贵且难保养维护，使得其扩大应用受阻，特别的是在需要进行运动人员的定位时，由于采用单点定位的方式，其运动的路径定位精度不高，且目前对于运动人员的运动姿态的确定方式往往是通过大量的图像识别算法或者对数量众多的多轴传感器或者压力传感器数据解算进行的，解算时间较长，其姿态获取的及时性不高，姿态的精度也受算法的解算结果精度影响。

针对上述问题，目前仍没有可行的解决方案。

发明内容

为了解决现有技术的上述问题，本发明提出了一种基于GPS的高山雪原地区运动人员定位及姿态确定方法，其通过配准DEM数据和GPS数据，以运动人员相邻时刻的GPS数据构建一三维定位矢量，分别以DEM上的两个与GPS定位基点同名的定位基点为矫正三角形的顶点，以该三维定位矢量为矫正三角形的一条边，形成两个矫正三角形，该两个矫正三角形的三维定位矢量那条边在DEM数据上重合的线段为运动人员的实际定位矢量，以该定位矢量对所述三维定位线段进行校正，确定校正后的定位路径为该运动人员的实际运动路径，以该运动路径引导安装了GPS及UWB定位基站的无人机对运动人员进行运动姿态数据的获取，该方法克服了高山雪原地区GPS信号弱反射率高无法精准定位的问题。

本发明实施例的具体技术方案是：

一种基于GPS的高山雪原地区运动人员定位及姿态确定方法，其特征在于，所述方法包括：服务器、无人机、所述无人机上安装有GPS、UWB定位基站，待定位人员的头盔上安装有GPS，身上布置UWB标签，所有设备通过无线连接；并采用如下步骤执行：

S1，在服务器上，加载当前高山雪原地区高精度DEM数据，根据待定位区域地形及范围特征，选择多个定位基点，获得该多个定位基点的GPS数据，将该GPS数据矫正、叠加到该DEM数据上，使得同名定位基点的GPS数据和DEM数据实现匹配；

S2，获取运动人员当前时刻GPS数据，及设定时间间隔后的GPS数据，由这两个数据构建一条三维定位线段，去除该三维定位线段的GPS坐标数据，仅保留长度和方向，形成一三维定位矢量；

S3，找到距离所述三维定位线段中点最近且分别位于该三维定位线段两边的两个定位基点，形成两个定位三角形，计算这两个定位三角形的中线长度，分别以DEM上的两个同名定位基点为矫正三角形的顶点，以该三维定位矢量为矫正三角形的一条边，该边与该顶点相对，分别以该两个定位三角形的中线长度为对应侧矫正三角形的中线长度，形成两批矫正三角形，以该两批矫正三角形的三维定位矢量那条边在DEM数据上重合的线段为运动人员的实际定位矢量；

S4，以该定位矢量起点和终点在DEM数据上的空间坐标形成的定位路径，对所述三维定位线段进行校正，确定校正后的定位路径为该运动人员的实际运动路径；

S5，在待姿态定位的运动人员身上关键位置，即，头部、双手腕、双手肘、双肩、肚脐、双跨、双膝、双脚，布置UWB标签，无人机上安装GPS及UWB定位基站；

S6，该无人机以平行于步骤S4中确定的运动人员的实际运动路径，且离地高度6-10m的空中线路为与该校正后的定位路径同时刻的飞行路线，该飞行路线基于所述设定时间间隔同步更新，无人机的飞行速度为三维定位线段除以所述设定时间间隔得到的速度；

S7，服务器接收UWB定位基站接收到的运动人员各部位的UWB标签实时位置，通过计算，得到运动人员的UWB标签构成的三维骨架姿态，服务器再将该三维骨架姿态渲染为运动人员的实时三维姿态；

S8，将该运动人员的实时三维姿态与无人机的GPS数据进行匹配，即可得到该运动人员在运动路径上的运动姿态数据。

进一步的，所述设定时间间隔为1-5秒。

进一步的，若两个矫正三角形的三维定位矢量那条边在DEM数据上无法完全重合，则选择由那两条边距离最近时构成的矩形的与矢量方向同向的中轴线作为运动人员的实际定位矢量。

进一步的，所述无人机的运动路径起点在所述运动人员的实际运动路径起点的后方3-5m。

进一步的，所述对三维定位线段进行校正，采用最小二乘法或平均值的方式进行校正。

本申请具有如下有益效果：

1、利用三维矢量线段定位代替单点定位，并将DEM数据与GPS数据匹配，特别适用于高山雪原这种具有丰富起伏地面的地区定位，使得无需昂贵的定制GPS定位设备即可极大地提高定位精度。

2、通过移动UWB定位基站及定位标签来进行运动人员的姿态确定，解决了室外高精度厘米级姿态确定的问题，同时缩减通过多轴传感器或者压力传感器等间接获得用户姿态方式的计算过程，能够从源头上获得高精度的可视化的姿态数据。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1为本发明方法的流程图；

图2为本发明矫正三角形示意图；

图3为本发明在一个实际应用实例的方法流程图。

具体实施方式

结合附图和本发明具体实施方式的描述，能够更加清楚地了解本发明的细节。但是，在此描述的本发明的具体实施方式，仅用于解释本发明的目的，而不能以任何方式理解成是对本发明的限制。在本发明的教导下，技术人员可以构想基于本发明的任意可能的变形，这些都应被视为属于本发明的范围。

图1为本发明方法的流程图；

一种基于GPS的高山雪原地区运动人员定位及姿态确定方法，其特征在于，所述方法包括：服务器、无人机、所述无人机上安装有GPS、UWB定位基站，待定位人员的头盔上安装有GPS，身上布置UWB标签，所有设备通过无线连接；并采用如下步骤执行：

S1，在服务器上，加载当前高山雪原地区高精度DEM数据，根据待定位区域地形及范围特征，选择多个定位基点，获得该多个定位基点的GPS数据，将该GPS数据矫正、叠加到该DEM数据上，使得同名定位基点的GPS数据和DEM数据实现匹配；

S2，获取运动人员当前时刻GPS数据，及设定时间间隔后的GPS数据，由这两个数据构建一条三维定位线段，去除该三维定位线段的GPS坐标数据，仅保留长度和方向，形成一三维定位矢量；

S3，找到距离所述三维定位线段中点最近且分别位于该三维定位线段两边的两个定位基点，形成两个定位三角形，计算这两个定位三角形的中线长度，分别以DEM上的两个同名定位基点为矫正三角形的顶点，以该三维定位矢量为矫正三角形的一条边，该边与该顶点相对，分别以该两个定位三角形的中线长度为对应侧矫正三角形的中线长度，形成两批矫正三角形，以该两批矫正三角形的三维定位矢量那条边在DEM数据上重合的线段为运动人员的实际定位矢量；

S4，以该定位矢量起点和终点在DEM数据上的空间坐标形成的定位路径，对所述三维定位线段进行校正，确定校正后的定位路径为该运动人员的实际运动路径；

S5，在待姿态定位的运动人员身上关键位置，即，头部、双手腕、双手肘、双肩、肚脐、双跨、双膝、双脚，布置UWB标签，无人机上安装GPS及UWB定位基站；

S6，该无人机以平行于步骤S4中确定的运动人员的实际运动路径，且离地高度6-10m的空中线路为与该校正后的定位路径同时刻的飞行路线，该飞行路线基于所述设定时间间隔同步更新，无人机的飞行速度为三维定位线段除以所述设定时间间隔得到的速度；

S7，服务器接收UWB定位基站接收到的运动人员各部位的UWB标签实时位置，通过计算，得到运动人员的UWB标签构成的三维骨架姿态，服务器再将该三维骨架姿态渲染为运动人员的实时三维姿态；

S8，将该运动人员的实时三维姿态与无人机的GPS数据进行匹配，即可得到该运动人员在运动路径上的运动姿态数据。

进一步的，所述设定时间间隔为1-5秒。

进一步的，若两个矫正三角形的三维定位矢量那条边在DEM数据上无法完全重合，则选择由那两条边距离最近时构成的矩形的与矢量方向同向的中轴线作为运动人员的实际定位矢量。

进一步的，所述无人机的运动路径起点在所述运动人员的实际运动路径起点的后方3-5m。

进一步的，所述对三维定位线段进行校正，采用最小二乘法或平均值的方式进行校正。

图2为本发明矫正三角形的示意图，图中所示为两批矫正三角形的三维定位矢量那条边在DEM数据上重合时的示意图。

图3为本发明在一个具体实施例中的方法流程图，如图3所示，本发明提出了一种基于GPS的高山滑雪训练方法，其特征在于，所述方法中关于运动员的定位及姿态获取方式，为利用上述一种基于GPS的高山雪原地区运动人员定位及姿态确定方法来获取的，未尽的说明包括如下内容：

服务器、无人机、集成了AR眼镜的雪镜，所述无人机上安装有GPS、高清摄像头及UWB定位基站，运动员的头盔上安装有GPS，身上布置UWB标签，所有设备通过无线连接；并采用如下步骤执行：

S1，在服务器上，加载当前赛道的冠军运动员全赛程GPS定位及对应位置的姿态数据、实训运动员历史全赛程GPS定位及对应位置姿态数据、当前高山滑雪赛道DEM数据；

S2，获取实训运动员实时GPS定位及对应位置姿态数据，获取无人机拍摄的实训运动员前进路径方向（即无人机的运动路径起点在所述运动人员的实际运动路径起点的后方3-5m）的实时第三视角视频数据；

S3，将上述冠军运动员全赛程GPS定位及对应位置的姿态数据、实训运动员历史全赛程GPS定位及对应位置姿态数据，叠加到当前高山滑雪赛道DEM数据上；

S4，利用上述数据，在服务器上对该赛道上各位置冠军运动员和历史实训运动员的速度进行计算，并将该速度与运动员姿态数据进行关联；

S5，将赛道上当前位置的冠军运动员的姿态和历史实训运动员的当前姿态和对应速度在AR眼镜上显示；

S6，在服务器上，计算实训运动员实时GPS位置的对应速度，并将姿态数据与该速度进行关联，并对比分析实训运动员当前位置速度、姿态与冠军运动员、历史实训运动员当前位置速度、姿态的差别；将无人机拍摄的实训运动员前进路径方向的实时第三视角视频数据与赛道DEM数据进行关联匹配，并根据关联匹配后的数据进行当前第三视角视野范围内的地形识别；根据该实时第三视角视频数据识别当前第三视角视野范围内的障碍物及其方位；

S7，服务器以比当前位置更快速度所对应的姿态在AR眼镜上推荐给实训运动员；并根据当前第三视角视野范围内的地形识别结果，将存在危险的区域在AR眼镜上标识出危险标记；根据识别出的当前第三视角视野范围内的障碍物方位，将闪避姿态推送到AR眼镜上。

在高山滑雪比赛中，决定比赛成绩的是时间，而赛道相同，故速度是决定性因素，高山滑雪其在通过不同地形和旗门时的姿态会影响其速度，故将姿态和速度作为实训运动员训练的主要参考数据。

采用无人机拍摄的第三视角视野画面结合DEM数据作为范围内的地形识别依据，相比采用从运动员头盔上拍摄的第一视角的画面进行地形识别，其范围更大，有利于运动员更全面的掌握自己周边的地形环境，且由于与DEM数据关联，能够更加准确的识别断崖、陡坡、空洞等危险地形。

进一步的，所述姿态数据的获取方式如下：

在运动员身上关键位置及滑雪器材，即，头部、双手腕、双手肘、双肩、肚脐、双跨、双膝、双脚、双雪板两端、双滑雪杖底部，布置UWB标签；

在运动员头盔上安装GPS定位仪；

无人机上安装GPS及UWB定位基站，根据赛道DEM数据及冠军运动员滑行路径设置无人机的飞行高度和路径，该无人机的飞行速度以定位基站始终能够覆盖UWB标签范围的速度为准，并保证运动员始终处于无人机的前方；

由于运动员和无人机上都安装有GPS，故二者之间的相对位置可确定，根据无人机上的UWB定位基站，又可确定运动员身上的厘米级UWB标签的三维空间位置，据此可得到实时的运动员姿态数据，无需进行现有的多轴传感器计算得到用户的姿态；

服务器接收定位基站接收到的运动员和滑雪器材各部位实时位置，通过计算，得到运动员和滑雪器材构成的三维骨架姿态，服务器再将该三维骨架姿态渲染为人体三维姿态，将该人体三维姿态发送给集成了AR眼镜的雪镜予以显示。

进一步的，所述将赛道上当前位置的冠军运动员的姿态和历史实训运动员的当前姿态和对应速度在集成了AR眼镜的雪镜上显示，采用如下方式进行：

将当前位置的冠军运动员姿态和历史实训运动员的当前姿态在AR眼镜上并排显示，其中冠军运动员姿态和历史实训运动员姿态以不同的颜色描边，对应的速度以相应不同的颜色填充；

该当前位置是指运动员在垂直和水平构成的面上不考虑横向位移（Y方向）的坐标位置。

进一步的，所述以比当前位置更快速度所对应的姿态在集成了AR眼镜的雪镜上推荐显示给实训运动员，采用如下方式进行：

从当前位置的冠军运动员和历史实训运动员姿态中选择速度最快的作为标准姿态，与当前位置的实时运动员姿态进行叠加显示，且这两个姿态以不用的颜色描边；

在当前位置和前方指定距离位置的历史实训运动员姿态对应的速度，预测当前位置前方指定距离位置运动员姿态的速度，若该速度比当前位置前方指定距离位置冠军运动员和/或历史实训运动员的姿态对应的速度慢，则择冠军运动员和/或历史实训运动员的姿态对应的速度较快的作为推荐姿态，推荐给实训运动员，提示调整自身姿态至推荐姿态，该推荐姿态以AR的形式显示在雪镜的正前方；

该指定距离为10m或15m或20m或以当前速度乘以3秒得出的距离作为指定距离。

进一步的，所述根据识别出的当前第三视角视野范围内的障碍物方位，将闪避姿态推送到AR眼镜上，所述障碍物为其他滑雪者或者树木、碎石，其闪避姿态通过如下方式得到：

所述无人机上还安装有风速、风向仪，获得实时的风速方向；

服务器前期采集多种运动员与障碍物的方位关系及闪避前速度和闪避姿态、风速和风向，并采集相同所述方位关系、风速、风向及闪避前速度以不同的姿态闪避障碍物后的速度，挑选该闪避前后速度的差值最小的速度所对应的姿态作为该运动员与障碍物的方位关系对应推荐的闪避姿态；

实际上，一个可能的实施例中，上述过程是利用大数据分析的方式来确定最终相同“方位关系、风速、风向及闪避前速度”的推荐闪避姿态的；

该多种运动员与障碍物的方位关系及闪避前速度和闪避姿态，优选的是冠军运动员的闪避姿态，或者历史实训运动员的姿态；

服务器将该推荐的闪避姿态，推送到AR眼镜正前方位置。

实际滑雪过程中，不可能存在完全相同的风速、风向、闪避前速度，在实施例中通过阈值的方式来确定所述“相同所述方位关系、风速、风向及闪避前速度”，即只要“风速、风向、闪避前速度”与各自项之间的差值在设定阈值范围内，即可认定属于“相同所述方位关系、风速、风向及闪避前速度”。

可选的，本发明同时提供了运动员复盘的方法，具体如下：

将实训运动员上一次训练/比赛的GPS和姿态数据及当前赛道冠军运动员的GPS和姿态数据载入服务器，通过服务器分析计算，将全赛程各位置的姿态数据以动画的形式，在AR眼镜上显示出来，并将速度较快的冠军运动员姿态或者历史实训运动员姿态并排或者叠加显示（可由运动员自行选择切换）在当前运动姿态上。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。