基于光学动作捕捉的滑雪运动姿态运动学分析

2024-01-09 13:46丛晓丹刘晓曦马艳超
黑龙江科学 2023年24期
关键词:雪板关节点特征参数

丛晓丹,刘晓曦,马艳超

(1.黑龙江省科学院智能制造研究所,哈尔滨 150001; 2.哈尔滨汉硕体育科技有限公司,哈尔滨 150001)

0 引言

为稳固冰雪运动人口基数,需进一步进行冰雪运动推广实践,保障滑雪教学安全[1]。运动科学研究是提升滑雪教学手段的关键,滑雪姿态运动学分析通过研究运动员与运动器械位置姿态随时间变化的规律及轨迹,揭示滑雪运动姿态的内在机制,建立正确的动作技术模型,为滑雪教学动作诊断及体术提升提供数据支持[2]。但由于滑雪运动场地条件苛刻、技术动作复杂,体育科学和工程研究对滑雪运动状态的感知及监测研究较少,缺乏相应的理论模型。

本研究采取室内四季滑雪机实验环境,以滑雪运动员为研究对象,搭建三维运动捕捉平台,采集滑雪运动员初级滑雪教学中犁式直滑降、犁式制动、犁式转弯技术动作姿态,建立运动员及雪板3D运动学模型,从运动学角度对技术动作进行数据评价。结合滑雪教学标准,探讨多项数据指标对滑行技术动作效果的影响。

1 室内滑雪三维运动捕捉平台

选取Qualisys高精度光学三维运动捕捉系统,搭建室内滑雪三维运动捕捉平台。整套系统由多部近红外线高感摄像机、高速三维数据捕捉工作站、获取单元、校准设备、标识球(Marker)套装及设备固定装置组成,能够准确捕捉到高速运动人体上Marker的空间坐标变化,通过运动学分析实现人体运动动作重建。室内滑雪三维运动捕捉过程如图1所示,主要包括实验准备、数据采集、数据处理等步骤。

2 人体姿态建模方法

三维运动姿态控制的核心是骨骼结构建模。虚拟运动员的人体骨骼是由身体主要部位的关节点组成,连接两个相邻的关节点得到相应的骨骼。关节点位置由标识球计算获得,建模过程定义了每个关节点的名称、ID及父子继承关系,所有关节点关联构成一套完整的骨骼模型。骨骼模型如图2所示,通过各关节点之间协同运动,复现人体运动的基本特征。

图2 三维骨骼模型Fig.2 3D skeleton model

3 实验设计

3.1 实验准备

3.1.1 场地准备

滑雪三维运动捕捉以室内四季滑雪机为实验环境。室内四季滑雪机雪毯区域长12 m,宽5 m,坡度约25°,稳定运行速度设定为15 km/h。结合摄像机视角需求及场地空间结构共安装8部近红外线高感摄像机和1部影像摄像机,摄像机位置安排如图3所示。摄像机架设好后,调整摄像头角度、光圈、焦距,确保视角覆盖运动员所有运动范围,画面亮度均匀,图像清晰。

图3 摄像机位置Fig.3 Camera position

3.1.2 贴标识球

标识球位置布置对应人体骨骼建立,直接影响人体运动数据精度。需采集滑雪运动员全身关节点运动情况,故采用图4中全身标识球布置方式[3]。全身共贴设45个标识球,将人体部位简化为不同半径的圆柱体刚体。2块雪板前后各一个标识球,捕捉雪板位姿变化。贴标识球时,人体应处于自然站立状态,根据初始状态下的标识球相对位置对后续运动数据进行修正。

图4 运动员标识点位置Fig.4 Athlete identification point location

3.1.3 空间标定

在进行滑雪三维运动捕捉前,需对测量空间进行系统标定,建立空间坐标系。以雪毯区域中心为空间坐标系,原点O,X轴平行于雪毯区域的短边,以斜面下端为正前方,向左为负,向右为正。Y轴与X轴同一水平面并垂直于X轴,斜面斜面上端为负向,下端为正向。Z轴垂直于XOY平面,水平向上为正,向下为负。在完成系统标定后,滑雪运动员站在雪毯中央,采集一组静态动作,用于建立人体骨骼模型。

3.2 数据采集

实验准备工作完成后,启动室内四季滑雪机逐渐加速至15 km/h保持匀速,滑雪运动员稳定滑行。启动三维运动捕捉软件,根据事先设定的实验动作进行实时采集,包括犁式直滑降、犁式左转弯、犁式右转弯、犁式制动。每次滑行时间3 min,左右匀速往复滑行,包含所有技术动作特征,共采集3次。记录滑行过程中标识球时空坐标轨迹,如图5所示。

图5 标识球时空坐标轨迹Fig.5 Trajectory of marker time-space coordination

3.3 数据处理

数据采集结束后,确认并连接标识点,结合滑雪运动员身高、体重等相关信息,建立个体骨骼模型。追踪标识点的运动轨迹,对数据进行缺失标记、滤波处理,导出并保存完整的骨骼动作信息。根据滑雪运动学特点提出4种能够体现滑雪技能的特征参数[4],如表1所示,计算特征参数变化。

表1 滑雪特征参数Tab.1 Skiing feature parameters

4 结果分析

滑雪特征参数结果如图6所示。小腿迎面骨与雪板夹角大小与运动员重心位置变化显著相关,小腿迎面骨与雪板夹角越小,重心越靠前并向该侧倾斜。实验过程中,在犁式右转弯阶段,运动员重心左移,左小腿迎面骨与雪板夹角减小,右小腿迎面骨与雪板夹角增大。在犁式直滑降阶段,运动员重心回到中间,双腿迎面骨与雪板夹角近似。在犁式左转弯阶段,运动员重心右移,右小腿迎面骨与雪板夹角减小,左小腿迎面骨与雪板夹角增大。左右小腿迎面骨与雪板夹角同周期变化,波形相反。双雪板外刃夹角、双膝盖经髋关节夹角大小与滑行速度显著相关。在犁式直滑降阶段,运动员加速滑行,双雪板外刃夹角减小,双膝盖经髋关节夹角减小。在犁式右转弯和犁式左转弯阶段,运动员转弯减速,双雪板外刃夹角增大,双膝盖经髋关节夹角增大。双雪板外刃夹角和双膝盖经髋关节夹角同周期变化,波形相似。上臂与躯干夹角大小与运动员身发力显著相关,辅助身体平衡。在犁式右转弯阶段,运动员重心左移,左臂靠近身体,右上臂与躯干夹角减小。在犁式直滑降阶段,运动员重心回到中间,双上臂与躯干夹角近似。在犁式左转弯阶段,运动员重心右移,右臂靠近身体,右上臂与躯干夹角减小。左右上臂与躯干夹角同周期变化,波形相反。

图6 特征参数Fig.6 Feature parameters

5 结论

对室内滑雪技术特征和场地特点进行探索,搭建三维运动捕捉平台,结合人体运动模型获取运动员姿态特征数据,在此基础上分析运动员在每个动作周期内滑雪运动特征参数,获得全身各部位相互协调技术规律,提高了滑雪教练员及运动员对滑雪动作结构技术的认识,可据此构建滑雪爱好者不同时期的滑行数据分析其在一定时期内的技能提升水平。

未来,可进一步广泛采集不同水平滑雪运动员技术运动特征参数,建立关键技术指标三维评价诊断体系,实现滑雪运动训练的数字化指导。

猜你喜欢
雪板关节点特征参数
故障诊断中信号特征参数择取方法
基于特征参数化的木工CAD/CAM系统
基于深度学习和视觉检测的地铁违规行为预警系统研究与应用
和雪人一起玩
关节点连接历史图与卷积神经网络结合的双人交互动作识别
新型推雪板
基于PSO-VMD的齿轮特征参数提取方法研究
搞好新形势下军营美术活动需把握的关节点
RGBD人体行为识别中的自适应特征选择方法
“酷”雪一族 拓乐车顶雪板架评测