运动轨迹追踪（共4篇）
运动轨迹追踪 篇1
摘要：本系统是以XCODE为开发工具, 用OC语言编写程序, 分别进行加载页模块设计、引导页设计、社团模块设计和跑步模块设计。设计通过GPS实时定位, 并在高德地图上画出运动过程路线, 同时实现运动过程中的照片拍摄, 然后通过第三方分享平台, 分享给好友。该系统运行稳定, 能满足大部分用户的需求, 具有较强的应用价值。
关键词：iOS平台,运动轨迹追踪,APP设计
随着科技的迅速发展, 以A ndroid和i O S为基础的移动互联网早以席卷全球, 而i O S平台又以独特的用户体验倍受用户青睐。以运动为主题的软件, 追踪运动路线、邂逅运动好友、发现运动资讯与趣闻极大的丰富大家的生活;运动轨迹追踪, 可以智能追踪运动路线, 实时监测运动数据, 趣味多, 可以帮助大家爱上运动。
1 产品开发计划
运动类A pp除了提供基本的数据记录功能, 可以根据运动情况来提供等级或勋章机制, 也可以通过对数据的整理对比, 提高用户的成就感。如表1所示。
将A pp端频道导航分为4 个频道, 即“哟哈”频道、“消息”频道、“探索”频道、“我”频道, 分别对应不同功能及操作流程, 每个频道均设有各自的首页, 在点击主导航某频道后, 该频道呈现选中状态。
2 社团模块设计
登陆功能为uhut-A pp会员填写用户名/ 邮箱/ 手机号及登陆密码开启会员功能, 并登陆A PP的功能。本app使用对象为哟哈注册会员和地方和合作会员, 非以上用户无法使用。登陆流程图如图1所示。
2.1 运动跑步功能流程设计
运动跑步是本应用的核心功能, 在首页点击开始跑步按钮就会跳入运动跑步的界面。运动界面主要记录用户的跑步信息, 如跑步的路线、平均速度、实时速度、开始海拔、结束海拔、最高海拔、最低海拔、最快速度、累计爬升、累计下降、消耗的卡路里等一系列运动数据。这些数据最后都会保存到服务器上, 然后对用户的信息封装处理, 进行名次排名来丰富用户的体验。
2.2 跑步事件流
主要事件有当配速最快超过人类理论运动极限43.06km /h时, 暂停跑步, 同时弹出“运动数据异常, 如果您选择继续运动将会标注此次运动无效 (结束运动, 继续运动) ”结束运动, 数据正常记录继续运动回到运动界面, 继续跑步, 但是运动数据不计入排行榜, 挑战等数据中, 仅做查看。
2.3 测试结果与分析
系统测试过程中出现的问题、以及对问题的分析和解决办法:
1) 数据展示错误, 原因是因为接口内容更改, U I展示没做相应的处理已修复。
2) 运动轨迹追踪完成后, 会绘制海拔- 距离、速度- 距离折线图, 绘制折线图时, 会有一些偏差。
3) 因为使用了3D地图, 所以内存占据比较大, 解决办法就是在一个场景使用结束后对其内部的物体进行销毁, 节省内存。
3 结论
本系统在分析用户需求的基础上, 进行加载页模块设计、引导页模块设计、社团模块设计和跑步模块设计, 完成基于i O S版运动轨迹追踪系统的设计与实现。通过G PS定位及高德地图, 来采集运动的数据及运动的轨迹路线, 主要采集的数据有实时速度、运动距离、运动时长、累计爬升海拔、累计下降海拔、实时海拔等。
参考文献
[1][美]Dava Mark, Jeff LaM arche, 著.漆振, 解巧云, 译.iP hone开发基础教程[M]北京:机械工业出版社, 2011.
[2][美]萨丹, 著.[美]张彩霞.译.iP hone开发秘籍 (第2版) [M].北京:人民邮电出版社, 2013.
[3][美]Robert L.Kruse, Alexander J, Ryba.Data Structures And Program Design In C++[M].New York:Pearson Education, 2014.
[4]陈汶滨, 朱小梅, 任冬梅.软件测试技术术基础[M].北京:清华大学出版社2014.
[5][美]Stephen G, Kochan.Objective-C 2.0程序设计[M].上海:机械工业出版社, 2012.
空间轨迹追踪研究现状及发展趋势 篇2
关键词：轨迹跟踪,研究现状,发展趋势
1 研究背景
随着计算机科学的不断发展, 人机交互技术越来越受到人们的重视, 空间定位与运动轨迹追踪系统将作为动作检测与输入设备被广泛应用于虚拟现实人机交互领域。目前, 用于虚拟现实人机交互过程的空间定位与轨迹追踪系统主要有磁追踪系统、激光追踪系统和基于三维计算机视觉的定位系统。
运动轨迹是指由物体从开始位置到结束位置所经过的路线而组成动作的空间特征。轨迹的形态 (即表现形式) 有直线的、曲线的、抛物线的三种。
2 空间轨迹跟踪的应用领域
随着科技发展, 轨迹跟踪技术越来越先进, 同时也展现出了很大的应用前景[1], 在一些领域有着无法取代的作用。比如机器人运动跟踪、摄像机运动轨迹跟踪、矿井人员位置跟踪、船舶运动跟踪、医疗器械等。
机器人运动轨迹跟踪。在移动机器人领域, 实现机器人运动轨迹跟踪可以通过利用超声波定位原理[2,3], 声达时间差原理[4]等方法。超声波定位原理是利用基于到达时间和到达时间差的两种算法进行了分析研究, 利用时间差来测距, 当获得3个或者3个以上的距离值时, 可以根据三边测量法等方法确定坐标。声达时间差原理是利用正四面体麦克风阵列, 并通过数据采集器将其所采集的声音信息传递给机器人, 设计实现了完整的机器人听觉系统, 根据正四面体阵列结构和声音球面波传播模型, 建立精确的几何定位计算模型, 在此基础上推导出基于远场假设的声源定位计算模型, 提出了一种结合机器人主动运动的全范围声源定位方法。关于针对机器人的轨迹的优化和抗干扰提高精度方面也成为一个研究的热点, 比如基于DMOC的轨迹优化及最优控制方法[5]和基于数据扩展自抗扰控制器的飞行机器人模型翼伞轨迹跟踪控制[6]。此外, 在工业机器人领域, 对机器人的轨迹分析也是一项必不可少的内容, 比如控制焊接机器人的机械手臂轨迹的研究[7]。
摄像机运动轨迹跟踪[8,9,10]。摄像机运动轨迹跟踪技术在影视制作中的应用主要是对真人拍摄场景与数字技术制作的三维特效进行完美合成, 以此提高影视作品的质量。摄像机运动轨迹跟踪技术的生成原理主要是利用计算机对二维画面的像素进行检测, 对其画面中的元素进行运动分析, 对拍摄实物在虚拟的三维坐标中进行准确定位, 以此通过三维虚拟场景得到原始拍摄实物的运动轨迹。经过运算得出摄影机原始的运动轨迹, 当三维画面需要与实拍画面进行技术合成时, 使虚拟摄像机与实拍摄像机共同运作, 这样合成景物的运动跟拍就更加和谐、自然。
矿井人员位置跟踪。矿井由于矿井作业环境特殊复杂, 矿难事故频繁发生, 导致其安全生产备受关注。矿井人员定位系统, 及时掌握井下作业人员的活动情况, 方便对井下人员、设备进行合理调度, 为灾后人员搜救工作提供有力依据, 具有一定的现实意义。目前矿井跟踪技术主要是通过无线网络[11]包括基于RFID技术[12,13]、基于Wi Fi技术[14,15]、Zig Bee无线网络[16,17], 其原理是利用采用无线通信技术来设计人员定位系统, 即工作人员佩戴小型无线通讯模块节点作为移动点, 矿井通道设置固定点, 移动点将信号发送到固定点, 然后通过固定点传回监控中心。
汽车船舶等交通工具运动轨迹跟踪。轨迹跟踪定位技术的船舶定位系统[18]就是基于32位RISC处理器的嵌入式技术, 利用高性能处理器来设计一个用于小型船舶定位系统的通信终端, 基于GPS、SOTDMA通信技术实现小型船舶定位系统通信终端。针对海上环境复杂多变, Yang等[19]提出相应的抗干扰跟踪措施来保证船舶运动轨迹的正常定位。
在医学领域的应用。轨迹跟踪技术用于临床手术的应用[20], 如采用微小传感器线圈跟踪测量医用级别金属器件的技术, 实现了在遮挡的情况进行精准实时的空间三维测量。将NDI Aurora电磁跟踪系统的探针与内窥镜安在一起, 通过内窥镜的导管及导丝, 系统的界面上可以实时得到前端在人体体内的实时形态, 可指导肠镜的操作提高诊治成功率。利用动态X线影像技术和高精度光学三维跟踪技术[21]测量膝关节置换前后的三维运动学参数来研究膝关节损伤机理和评估术后重建效果, 也是一个典型的研究案例。
轨迹跟踪技术不仅可以用于实物跟踪也可用于对时空信号的跟踪, Mingyu等[22]就是将跟踪技术应用于时空领域的一个典型的案例。
3 轨迹追踪主要方法
3.1 基于传感器的空间运动轨迹跟踪
基于加速度传感器的二次积分的方法[23,24,25,26]是通过加速度传感器确定目标物体运动路线, 依据加速度积分计算原理和坐标变换方法, 利用高精度三轴MEMS加速度传感器和陀螺仪设计了一套新的三维空间自由定位与轨迹追踪系统。其主要的原理为基于数学物理原理, 通过对移动物体的运动加速度二重积分可求得物体的运动位移。该追踪模型中, 我们使用加速度传感器高频率不断检测目标物体的实时三维运动加速度, 同时分别对三组加速度数据进行积分运算, 求得被追踪目标物体的瞬时运动速度与累计空间运动轨迹。因为在传感器的运行过程中需要考虑空间翻滚等状况, 所以需要陀螺仪测量运动状态下旋转的角速度来计算空间偏移量, 利用旋转矩阵的方法将陀螺仪输出的角速度值转换到地理坐标系中。
基于加速度传感器计算角度和位移传感器计算位移的方法[27,28]通过加速度传感器和位移传感器确定物体的运动姿态, 利用加速度信号矢量幅值的信息熵负值判断人体是处于何种动作状态。将得到的静态动作的三轴加速度信号分别校准后, 求取每帧信号的幅值均值, 并计算与重力加速度方向的夹角, 用以确定身体姿态信息。通过得出的角度来判断当前某个部位的运动轨迹, 此方式并没有计算运动的位移只是用来确定物体上下左右的轨迹的判定, 既可以用来判定人体或物体的运动趋势, 位移传感器能直观测量物体的位移量, 因此再结合位移传感器获取位移量即可得出空间的运动轨迹。
基于位移传感器测量三轴位移量实现跟踪轨迹的方法[29]是利用位移传感器监测三个方向的位移量, 测出三个方向的位移量之后采用MATLAB经过数据处理可以得出空间运行轨迹。传感器在坐标系XYZ中的坐标分别为:S1 (P, 0, 0) 、S2 (0, -a/2, H) 、S3 (0, a/2, H) , 测量时将3个传感器的拉线端拉至受试者N点处, 并固定N点到传感器S1、S2、S3的距离分别为l1、l2、l3, 通过数据采集卡采集整个过程中3个传感器的输出值, 即l1、l2、l3, 通过计算可以得到任意时刻N点的坐标 (x N, y N, z N) 。
当前微型仪器的利用已经非常广泛, 基于传感器的追踪系统具有灵敏度高, 价格低, 易于控制的特点, 加速度传感器在运动方面的也得到广泛使用。
3.2 基于网络的移动物体轨迹定位追踪系统
基于网络的移动物体轨迹定位追踪系统是指基于无线传感器网络定位技术, 并在此基础上实现了一个轨迹追踪系统。
基于ZIGBEE无线传感器网络的移动物体轨迹追踪的方法[30,31,32]是一种基于RSSI方法和CC2431的定位引擎对移动物体进行定位。采用的无线传感器为ZIGBEE。传感器节点定位过程中, 未知节点在获得对于临近信标节点的距离, 或获得临近的信标节点与未知节点之间的相对角度后, 通常使用三边测量法和三角测量法方法计算自己的位置。距离相关定位算法也称为基于测距的定位算法, 其主要通过测量节点间的实际距离或角度方位对未知节点进行定位的一种算法, 较常用的距离相关定位算法有如下几种:基于到达时间 (TOA) 的定位算法, 基于到达时间差 (TDOA) 的定位算法, 基于到达角度 (AOA) 的定位算法, 基于接收信号强度指示 (RSSI) 的定位算法。
基于超声波网络的定位轨迹跟踪[33,34,35]采用一个主测距器和若干个应答器组成定位系统。先利用射频信号激活应答器然后接受超声波信号, 利用时间差来测距, 当获得3个或者3个以上的距离值时, 可以根据三边测量法等方法确定坐标。
3.3 基于视频的轨迹跟踪
基于视频的轨迹跟踪是指在某区域安装视频摄像头, 通过摄像头采集人体或者物体的运动图像, 然后通过视频图像分析的方法, 实现轨迹跟踪。
基于人体形状分析的检测方法[36,37]通过摄像头获得视频人体形状的描述信息, 使用能够表征人体运动轨迹特征的形状上下文 (Shape Context) 来匹配人体当前的身体运动轨迹, 进而分析的方法来判断人体的运动轨迹。
基于头部运动轨迹的检测方法[38,39,40]利用人体运动过程中头部运动速度特征较为明显的特点, 提出了基于头部运动轨迹的检测系统, 即通过摄像头采集人体图像, 并定位头部位置, 计算头部运动速度, 以头部运动速度为依据, 确定人体头部的运动轨迹。
基于视频的轨迹跟踪系统适用于狭小局限的空间, 不需要与物体或者人体进行直接的接触, 检测准确率高。但是这种监测系统存在很大的局限性, 比如在昏暗的天气下画质影响较大;存在无法拍摄的角度, 加入被监测者超出摄像头的范围时, 系统就无法获得其活动数据;而且容易侵犯被监测者的隐私安全。
3.4 基于光学跟踪技术
光学跟踪技术是指利用光学测量和成像原理, 测量、记录目标的运动轨迹、姿态、运动中发生的事件, 以及目标的红外辐射和视觉 (可见光) 特征。物体或其他活动目标, 利用其本身发射出的光学或准光学 (红外) 辐射, 是能够识别出来的通过辐射搜索装置, 就可沿目标的轨迹进行自动跟踪, 或沿预定路程进行遥控这些目标。
光学跟踪系统根据成像的光源不同可分为可见光波段成像, 根据光学标靶作为跟踪对象的不同可分为主动式反射和被动式反射标靶。可见光波段成像系统是应用最广泛的成像系统使用方便、价格低廉;并且由于其“可见”性, 因此, 适合人类肉眼观测评估。近红外波段光学定位跟踪系统抗干扰能力更强。前者主要应用于手术导航和机器人辅助手术领域;后者则主要应用于运动捕捉和工业测量等领域。主要跟踪技术有多视角光学定位[41], 基于主动视觉的大空间坐标测量关键技术研究[42], 基于视觉定位跟踪的大型机械部件数字化对接关键技术研究[43], 光学跟踪方法的三维数据拼接[44]。在光学跟踪系统中可使用带可见光或近红外的测光棒, 或者采用主动 (无需近红外照明系统提供光源环境) 和被动反射式 (需近红外照明系统提供光源环境) 光学标靶作为定位跟踪对象, 采用两个或者两个以上摄像机在同一时刻拍摄跟踪目标, 扑捉目标运动轨迹, 通过提取摄像机图像间对应特征点, 计算物体空间位置和姿态点。
光学跟踪技术可达到的精度非常高, 人们也在不断提高跟踪的精度, 在光学相干断层扫描高度精确的光学跟踪系统[45]其精度达到了22.8±14.9μM全面跟踪精度 (平均绝对误差) 和27.2μ米 (平方) 平均根, 光学跟踪系统的感光设备是多种多样的, 从普通摄像机到光敏二极管都有。光源也是多样的, 可以是受跟踪器控制发的光。但是光学跟踪系统的主要缺点是受实现阻挡的限制, 如果目标被其他物体挡住, 光学系统就无法工作。另外他常常不能提供角度的数据, 最后一个问题就是价格昂贵, 一般只在军用系统中使用。
3.5 基于电磁跟踪系统
基于空间定位的电磁跟踪系统[46,47,48]是电磁跟踪系统是利用低频电磁场的发射和接收来跟踪定位, 磁场信号由发射器产生, 接收器感应, 其中接收器的感应电流强度和其距发射器的距离和角度值有关, 通过电磁学计算, 我们就可以从感应电流中计算出接收器相对于发射器的角度和距离。电磁跟踪系统主要由发射接收DSP单元等组成, 发射或者接收器固定一个, 在磁场空间移动另外一个, 通过对接收的信号的测量和处理, 计算出气相对空间位置 (XYZ笛卡尔坐标) 和方位值 (偏行角、俯仰角、滚动角) 。
电磁跟踪系统的突出优点就是不受时限阻挡的限制, 除了导电体或导磁体外没有什么能够遮挡住电磁跟踪系统的跟踪。电磁场的空间追踪系统具有测量过程易受外界基准参考系制约的缺点, 易受干扰, 对金属敏感, 而且因为磁场强度会随着距离增加而减弱, 所以它只能适合小范围的工作。
4 轨迹跟踪系统的发展趋势
轨迹跟踪技术作为一种位置定位跟踪的方法, 无论是人们的工作生活和进行科学研究, 轨迹跟踪对于研究物体运动的形态以及位置是非常必要的, 轨迹跟踪设备由早期的依靠人们的双目进行直观的定位跟踪定位到利用仪器进行位置跟踪。而随着光学技术、电磁学技术、声学、图像处理以及微型仪器技术的发展, 轨迹跟踪技术在专业领域有着不可替代的作用, 比如, 依赖于GPS卫星进行导航的汽车轮船等等以及通过导航雷达的飞机航行轨迹的跟踪。利用光学原理进行天文观测, 观察天体的运动轨迹。光学跟踪系统是通过光传输的原理, 光的传输速度极快因此其精度准, 在军用系统和天文航天中使用较为普遍。电磁跟踪系统在某些专业领域有着不可替代的作用。比如, 医疗系统中的电子胶囊式内窥镜, 利用放射性的同位素轨迹跟踪检测人体脏器的形态位置功能等等。基于MEMS微型传感器的轨迹跟踪也是当前研究的一大热点, 使用微型传感器实现轨迹跟踪将是未来的一个大趋势。当前微型仪器发展迅速, 随着微电子机械技术、网络技术和人工智能化技术的快速发展, 仪器的发展面向微型化、网络化以及便携式方向, 微型仪器的智能化、高集成度和大批量商业化生产使其在以后的市场空间占有更大的优势。例如智能手机的动作感应的GUI就是依靠手机中植入的微型陀螺仪芯片获取手机的姿态。近些年来, 生物医疗电子产业之所以能够如此火热成为一个新兴的具有广阔前景的产业就是依赖于为生物MEMS系统的快速发展。轨迹跟踪技术根据其不同的操作环境以及原理在各个领域发挥着越来越重要的作用, 不断提升其更快的速度以及更高的精确度是当前轨迹跟踪技术的一个趋势。
5 总结
运动轨迹追踪 篇3
关键词：Android智能终端,定位算法,无线Wi-Fi
1 引言
近几年随着无线通信技术和移动智能终端的广泛应用, 移动LBS (location based service, 基于位置的服务) 应用迅猛发展。随着Android移动智能终端无线信号 (Wi-Fi, Bluetooth) 在社会生活中的普及, 采用Android终端进行室内定位和运动轨迹追踪已成为当前具有良好前景的技术手段。
最早基于无线信号室内定位的RADAR系统由微软开发, 采用指纹近邻 (NN) 匹配定位技术。随后研究人员陆续提出KNN、WKNN、贝叶斯概率算法、神经网络算法、支持向量机等指纹无线信号定位算法, 这些算法都具有较好的定位效果, 但近些年开发的室内移动轨迹追踪系统效果一直不佳。鉴此, 本文设计并实现了利用Android终端采集无线信号, 依据无线信号进行室内精准定位及移动轨迹智能追踪系统。
2 系统总体结构设计
系统以室内无线信号为基础, 利用智能化移动计算设备 (如手机) 获取无线通信信号信息, 利用无线信号强度与距离关系, 同时辅以智能手机内置传感器对个体移动状态进行识别和检测, 采用多模信号指纹匹配实现室内精准定位。其次, 以定位信息为基础, 利用已有移动轨迹对个体行踪进行追踪, 系统总体架构如图1所示。本系统主要包括硬件、数据处理和服务层以实现室内定位与移动轨迹智能化追踪, 其中服务层高精度室内定位算法与高效智能移动轨迹追踪是提高轨迹描述精度的关键。
3 硬件层
硬件层是系统底层, 主要由基于Android的智能移动设备 (手机、i PAD等) 、蓝牙设备 (i Beacon节点、移动Bluetooth设备等) 、无线连接设备 (Wi-Fi AP、路由器、无线网卡等) 和高性能服务器等构成, 其连接方式及数据交互模式如图1硬件层所示。其无线信号首先由Wi-Fi AP、Bluetooth设备广播;Android智能终端获取并与其建立连接;智能移动终端、Wi-Fi AP、Bluetooth定期采集相应信号, 并自动把信号强度、信号MAC地址等信息传送给系统服务器。
4 数据处理层
数据处理层主要负责实时采集室内无线信号信息、对数据采用Histogram技术预处理。数据采集主要由Wi-Fi信号采集、Bluetooth信号采集、指纹信号采集、和信息交换等模块构成。无线信号信息主要包含信息ID号、时间、MAC地址、信号强度RSSI值、制造商、AP/Bluetooth SSID名等, 用于唯一识别和定位用户。
为提高无线信号信息的有效性, 系统首先利用Histogram技术进行预处理。Histogram特征提取模块为每个移动终端与AP热点建立相应信号强度的Histogram特征, 如移动终端d0:fb:86:89:67:e9对Wi-Fi热点AP1 (00:0b:86:8d:6b:e0) 的Histogram值如图2所示。系统提取概率最高的信号强度值作为信号特征值, 并构建如表1所示的Histogram特征值表格式。
5 服务层
服务层是系统核心, 主要由指纹信息管理、定位算法和运动轨迹追踪系统构成。对于大型复杂室内环境, 无线信号指纹信息的有效性是系统快速部署实现的关键。系统首先对大型复杂空间进行相关空间划分, 分析系统空间指纹信息对移动物体的影响, 建立高效指纹位置库。为克服无线信号波动、时间环境迁移等因素导致指纹数据的低效性, 系统采用指纹信息动态更新技术克服其低效性。同时, 系统采用Wi-Fi和Bluetooth等无线信号相结合的多模式指纹匹配定位技术, 其定位频率可自由设置, 技术目标达到0.5秒、2米高精度无延迟定位。
室内移动轨迹追踪系统主界面如图3所示, 主要由功能区、人员信息列表框和图形化显示区构成。功能区有指纹信息采集、扫描无线信号、移动轨迹追踪、时间、人数等信息, 其中指纹信息采集按钮负责收集无线信号指纹;信息扫描按钮负责实时接收Android智能终端周期上传的无线信号信息;移动轨迹追踪实现对个体行为的智能化追踪。人员信息列表框显示当前相关人员的具体信息, 图形化显示区则以图形的方式描述个体移动轨迹。系统在本实验室楼层实际运行效果表明其具有较高的追踪精度。
6 结论
随着无线Wi-Fi、Bluetooth技术在社会生活中的广泛应用, 基于上述信号信息的室内定位算法已成为移动轨迹追踪系统实现的有效方法。本系统利用Android移动智能终端无线信号强度和MAC地址的唯一性, 实现室内移动个体定位与移动轨迹智能化追踪, 实验效果表明本系统具有较高的轨迹追踪精度。
参考文献
[1]P.Bahl, V.Padmanabhan.RADAR:an in-building RF-baseduser location and tracking system[C].in:IEEE IN FO CO M, Microsoft R esearch, 2000, pp.775-784
[2]楼喜中, 周乐宇, 叶敏展, 贾一展, 金宁.基于角度的HDE算法在室内行人航迹定位中的研究.传感技术学报[J], 2015, 28 (4) :598-602
[3]蔡朝晖, 夏溪, 胡波, 范丹玫.室内信号强度指纹定位算法改进[J].计算机科学, 2014, 41 (11) :178-181
[4]杨东勇, 顾东袁, 傅晓婕.一种基于RSSI相似度的室内定位算法[J].传感技术学报, 2009, 22 (2) :264-268
运动轨迹追踪 篇4
1 运动轨迹及其参数
1.1 建立模型
篮球框高度距离地面3.05米,假设篮球的出手位置,距离地面的高度为1.70米左右,那么距离篮框的垂直高度约为1.35米。图1中曲线表示,篮球出手后以一定的速度和角度在空中飞行的过程,即篮球空间运动轨迹。
式中:——篮球出手速度;
Vx——篮球水平运动速度;
Vy——篮球垂直运动速度;
α——篮球出手方向与水平之间的夹角,也称为出手角度:
X一一篮球出手位置到篮框的水平距离;
Y—篮球出手位置到篮框的垂直距离;
1.2 影响运动轨迹的主要参数
投篮过程中,影响投篮效果的因素很多。在不考虑空气阻力及篮球自转后在表面形成气流的影响,影响投球命中率的主要因素有篮球出手速度V、篮球出手角度α和篮球出手时的位置,包括出手点到篮框的水平距离和垂直高度。
2 参数分析
2.1 篮球出手速度V的变化对轨迹的影响
由表1所示,出手角度α为定量,取α=450,出手速度V为变量,分别取V=6m/s,V=8m/s,V=10m/s,V=12m/s,V=14m/s等5种情况。如图2所示,曲线1至曲线5分别与出手速度V值相对应,运动轨迹形成5条光滑曲线,可见在出手角度α不变的情况下,出手速度V越大,X方向上运行的距离就越高。图2中粗横线的位置,是篮框的高度位置,假设出手位置高度在1.70米,那么篮框距离出手的高度是1.35米。从表1可以看出,曲线1的最大高度小于1.35米,不够篮框的垂直高度,所以不会进球。运动员可以通过起跳,抬高篮球的出手位置,来弥补垂直方向上的高度差,才有机会进球。曲线2至曲线5,最大高度大于篮框的垂直高度。因此,只要把握好X方向的距离,则能够满足基本进球条件。
注:以篮球出手的位置为中心,建立直角坐标系。
注:以篮球出手的位置为中心,建立直角坐标系。
由表2和图3可以看出,出手角度α为定量,取α=500,出手速度V为变量,分别取V=6m/s,V=8m/s,V=10m/s,V=12m/s,V=14m/s等5种情况,分别形成光滑曲线1'、2'、3'、4'、5'。
如图4所示,将图2与图3中的运动轨迹合并在一起,进行对比,可以更加直观地进行数据分析。再通过表2与表1比较,可以分析出角度越大,轨迹最高点越高,当速度大于10m/s后,进球水平距离差距X值并不明显,因此角度在450<α<500范围变化,对进球影响并不大。
2.2 篮球出手角度α的变化对轨迹的影响
出手速度V为定量,取v=8m/s,出手角度α为变量,分别取α=350,α=400,α=450,α=500,α=550,α=600等6种情况。图5结果显示,曲线1至曲线6分别与出手角度α按从小到大的顺序相对应。横线7表示篮框的高度。曲线2的最高点与篮框高度接近,因此,在V=8m/s,α<400的条件下,不具备进球的基本条件,可以通过起跳等手段,弥补垂直高度不足的缺陷。曲线3的落点较近。曲线4和曲线5在篮框高度上的落点几乎相同,说明500<α<550时,对进球影响并不大。曲线6,篮球轨迹的高点最高,但在篮框高度的落点,比曲线4和曲线5更靠前,即X表示的水平距离更近,说明当α>600时,落点位置变化较大,角度越大,水平距离X越小。
当V=10m/s,α分别取α=350,α=400,α=450,α=500,α=550,α=600等6种情况。如图6所示,曲线1'至曲线2'分别与出手角度α按从小到大的顺序相对应。与图5相比较,当350<α<400时,最高点也高于篮框的高度,具备了基本进球条件。每条运行轨迹的最高点都比V=8m/s时要高,结论与分析图5类似。
如图7所示,将图5的曲线1-6和图6的曲线1'—6'放到一个坐标系中进行比较,可以看出速度越大,轨迹垂直高度越高,水平距离越远。
3 结论
对篮球运动轨迹进行仿真研究,确定了主要影响因素包括出手速度、出手角度、水平距离和垂直高度等四个方面。通过单因素轮换实验方法,确定了每种因素对运动轨迹的最终影响效果,并进行了数据分析,参数优化等过程。使用计算机软件对体育运动轨迹进行仿真性分析,能够让运动员更直观地了解体育运动的状态,并对数据进行合理性优化,可以有效地强化运动员的训练目标,取得更好的成绩。
参考文献
[1]韩计香.篮球防守训练及其在比赛中的运用[J].体育学刊,1991,04.
[2]段然.篮球投篮运动轨迹与命中率的物理模型[J].科技创新导报,2009,20:242-243.
[3]陈斌.篮球单手投篮技术动作的计算机仿真[J].武汉体育学院学报,2002(36):189.
[4]孙凯峰.篮球运动员的投篮训练研究[J].连云港职业技术学院,2002,15(4).
[5]陈斌,任晋军.投蓝瞄准点的力学分析[J].太原理工大学学报,2006,37(1).
[6]张新青.球的后旋与投篮命中率(摘登)[J].山东体育学院学报,2003,19(2).
[7]张锁宁.提高篮球投空心球命中率的探索[J].榆林学院学报,2003,13(3)..