摘要：本公开提供一种物体抓取方法及装置、电子设备、计算机可读存储介质，涉及人工智能技术领域。所述物体抓取方法包括：获取被控机械手中预先设置的期望接触点，并实时采集人手的运动数据；基于所述运动数据计算出所述人手的五指与手背的夹角角度；将所述夹角角度映射为所述被控机械手抓取物体时的目标角度，并控制所述被控机械手达到所述目标角度；控制调节所述被控机械手，直至检测到所述期望接触点全部接触到所述物体。本公开既可以通过数据手套在精确定位的情况下实现高度灵巧的用户控制，又可以在避免物体掉落的同时实现部分自动抓取。

摘要：本申请提供了一种识别握姿的方法、装置、假肢及可读存储介质，属于肌电技术领域。本申请通过获取采集的握姿的肌电信号和惯性信号；基于肌电信号和惯性信号，分别提取肌电数据特征和惯性数据特征；对肌电数据特征和惯性数据特征进行特征降维；将特征降维后的肌电数据特征和惯性数据特征，输入到预先训练的目标分类模型中，得到目标分类结果；基于预先存储的分类结果与握姿的对应关系，确定目标分类结果对应的目标握姿，并生成用于控制肌电假肢执行目标握姿对应的握姿动作的指令。以实现在最小维数特征空间中，异类模式点相距较远，同类模式点相距较近，从而保证最大限度的动作分离，提高分类性能。

摘要：本发明实施例提供了一种肌电信号处理方法、装置、智能可穿戴设备及存储介质，所述方法包括：获取第一肌电信号以及第二肌电信号，其中，第一肌电信号以及第二肌电信号包括在预设的手势动作集合中，针对任一手势动作，任意一次采集的手臂部位第一位置对应的第一肌电信号以及第二位置对应的第二肌电信号；确定第一肌电信号中第一动作电位段，以及第二肌电信号中第二动作电位段；从所述第一动作电位段中提取多个第一特征，从所述第二动作电位段中提取多个第二特征；将多个所述第一特征以及多个第二特征，基于预设拼接规则拼接生成多个特征向量；利用特征投影计算算法对每个特征向量进行投影，利用预设分类器对每个投影结果进行手势动作分类识别。

摘要：本申请涉及一种假体的信号通道选择方法、装置、设备及存储介质，属于假体技术领域，该方法通过获取假体动作发生时m个传感器采集的m组动作数据以及动作数据的类别标签信息，其中每个传感器对应采集一组动作数据；分别对m组动作数据中的每组动作数据进行以下处理：根据动作数据，获取假体动作所属的预测动作类别和预测类别概率，根据动作数据的类别标签信息和预测类别概率计算第一交叉熵损失；获得所有第一交叉熵损失中的最小值对应的动作数据和次小值对应的动作数据，得到两组最优动作数据，选择与两组最优动作数据对应的两个传感器的信号通道，用以解决在传感器数量较多，需要对较多实际无效数据的处理，影响训练速度和效率的问题。

摘要：本发明实施例提供了一种表面肌电信号后处理方法、装置，所述方法包括：获取第一表面肌电信号以及第二表面肌电信号，并确定所述第一表面肌电信号中第一有效电位段，及所述第二表面肌电信号中第二有效电位段；基于多个不同长度的时间窗中任一时间窗，从所述第一有效电位段中提取多个第一特征，及从所述第二有效电位段中提取多个第二特征；将多个所述第一特征与多个所述第二特征，基于预设拼接规则拼接生成多个特征向量，利用预设分类器对每个所述特征向量进行分类识别；从分类识别结果中确定所述第一表面肌电信号与所述第二表面肌电信号对应的目标分类识别结果。

摘要：本申请涉及一种运动指令的触发方法、装置和外骨骼设备，其中，该方法包括：获取目标对象的倾斜角度变化值和足部压力变化值，其中，倾斜角度变化值用于指示目标对象的躯干的目标倾斜角度相对于初始角度的差异值，足部压力变化值用于指示目标对象的足部承受的压力之间的差异值，初始角度是目标对象处于初始姿势时躯干的倾斜角度；检测倾斜角度变化值与第一阈值范围之间的关系以及足部压力变化值与第二阈值范围之间的关系；在倾斜角度变化值落入第一阈值范围并且足部压力变化值落入第二阈值范围的情况下，触发与足部压力变化值对应的运动指令。本申请解决了相关技术中可穿戴机器人的运动指令触发的准确性较低的技术问题。

摘要：本发明涉及一种假肢控制方法、装置、电子设备及存储介质，所述假肢控制方法包括：获取在用户腕伸肌和腕屈肌处采集的伸肌肌电信号和屈肌肌电信号，分别对伸肌肌电信号及屈肌肌电信号进行信号处理，得到伸肌肌活动信号和屈肌肌活动信号，将伸肌肌活动信号和屈肌肌活动信号输入至用于预测假肢动作的预设生理分类模型，得到目标动作，预设生理分类模型中的阈值根据预先在用户腕伸肌和腕屈肌处采集的肌电信号确定，生成用于控制假肢做出目标动作的控制指令。本发明实施例由于预设生理分类模型中的阈值根据预先在用户腕伸肌和腕屈肌处采集的肌电信号确定，所以可以避免不同用户的个体差异对预测结果的影响，使预测得到的目标动作更加准确。

摘要：本发明实施例涉及一种肌电数据分类模型构建方法、分类方法、装置及服务器，该方法包括：从预设数量的通道中每一个通道分别获取多个肌电样本数据组；分别对每一个预设动作对应的肌电样本数据组中的肌电样本数据进行预处理，获取预处理后的肌电样本数据；对经过预处理后的肌电样本数据进行特征提取，获取特征点；按照第一预设规则，获取第一投影矩阵；将经过第一投影矩阵降维后的特征点，输入至肌电数据分类模型中，对肌电数据分类模型进行训练，直至根据训练结果和标记信息，确定分类水平达到预设要求时，确定肌电数据分类模型为最优分类模型，完成肌电数据分类模型的构建。通过上述方式，实现最大限度地正确分类属于不同运动的肌电图数据。

摘要：本发明涉及一种运动状态的监测方法、装置、系统及存储介质。方法包括：获取监测对象移动时的足底压力数据；根据足底压力数据，得到监测对象的足底压力中心的左侧坐标最值偏差量和足底压力中心的右侧坐标最值偏差量；根据左侧坐标最值偏差量和右侧坐标最值偏差量，得到监测对象的运动状态评价值。本发明实施例通过获取监测对象移动过程中的足底压力数据，并以此得到监测对象的足底压力中心在其左右两侧的坐标最值的偏差量，基于监测对象的足底压力中心变化情况得到该监测对象的运动状态评价值，用户可以基于本方案给出的运动状态评价值确定自身的运动状态是否良好，用户还可以根据运动状态评价值及时调整自身的运动姿态。

摘要：本发明涉及一种步态控制方法、装置、电子设备及存储介质，所述方法包括获取在用户大腿和小腿处采集的大腿步态时间序列和小腿步态时间序列，根据所述大腿步态时间序列和所述小腿步态时间序列计算所述用户的膝关节的姿态角时间序列，将所述姿态角时间序列输入预设步态预测模型，利用所述预设步态预测模型预测所述用户下一时刻的预测步态数据，按照所述预测步态数据生成用于控制下肢外骨骼机器人的步态的控制指令。本发明实施例能够通过利用预设步态预测模型来预测下一时刻的预测步态数据，便于控制系统提前做出控制方案，使得外骨骼机器人的动作与人体的运动动作时刻保持一致，方便用户使用。