【技术实现步骤摘要】
本专利技术属于军事仿真训练，具体涉及一种基于xr的仿真手雷训练方法、系统、设备及存储介质。
技术介绍
1、手雷是一种能攻能防的小型手投弹药，也是使用较广、用量较大的弹药，由于体积小、质量小和携带使用方便的特性，手雷在历次现代战争中都发挥过重要作用。
2、目前，手雷投掷训练过程中，通常先用无响爆的仿真手雷训练投掷动作，而后用有杀伤威力的模拟手雷进行训练，最后进行实弹投掷。由于仿真手雷训练效果不够理想，加之参训人员多为从未投掷过实弹的新兵(新学员)，导致有杀伤威力的模拟手雷和实弹投掷时事故时有发生，经常造成人员伤亡。
3、现有技术中，传统训练用的仿真手雷主要是模仿手雷的外形，在普通的训练场地进行训练，真实感较差，反馈不足以刺激受训人员。并且，在训练过程中，受限于人员资源，大多都是教员和受训人员一对多地进行训练，教员在对受训人员进行训练结果评判时，也只能根据仿真手雷投掷的地点判断该受训人员的投掷准度，或凭经验判断受训人员的姿势是否有误，而无法顾及受训人员更细节和过程的操作如手部握紧动作、手臂运行过程等。
4、综上可见，现有的仿真手雷的训练，对训练场地的要求高，需要较大投掷训练场地；并且，在整个训练过程中，无法准确、详尽地判断受训人员的每一个动作是否规范，也无法对仿真手雷的投掷轨迹进行分析，更无法为受训人员制定科学的训练计划。
技术实现思路
1、为此，本专利技术提供一种基于xr的仿真手雷训练方法、系统、设备及存储介质，解决现有技术投掷真实感差，难以实时监
2、为了实现上述目的，本专利技术提供如下技术方案：第一方面，提供一种基于xr的仿真手雷训练方法，包括：
3、构建虚拟现实场景，获取仿真手雷在所述虚拟现实场景中的状态信息和位置信息，根据状态信息和位置信息在所述虚拟现实场景中展示所述仿真手雷对应的模拟手雷的实时影像；
4、从预设姿态数据库中获取与所述仿真手雷的状态相对应的目标姿态集，所述预设姿态数据库的目标姿态集中存储有预设的标准人体姿态，根据预设的所述标准人体姿态与所述仿真手雷的状态映射关系，生成所述仿真手雷状态的姿态集；
5、获取受训对象的第一身体姿态数据，将所述第一身体姿态数据与所述目标姿态集进行匹配，生成姿态匹配结果；
6、响应于所述仿真手雷切换到模拟激发状态的信号，获取所述仿真手雷在预设空间坐标系中的坐标参数以及所述仿真手雷的投掷参数，通过所述投掷参数计算所述仿真手雷在预设空间坐标系中的运动状态；
7、利用追踪模型对所述仿真手雷的轨迹进行预测，获取所述虚拟现实场景中模拟手雷的投掷结果，生成所述虚拟现实场景中模拟手雷的打击效果；
8、利用所述姿态匹配结果和所述投掷结果生成所述仿真手雷的训练结果。
9、作为基于xr的仿真手雷训练方法优选方案，所述仿真手雷的状态信息包括安装锁定状态、解除保险状态、待激发状态和模拟激发状态；
10、获取所述仿真手雷在所述安装锁定状态、所述解除保险状态的竖向加速度与横向加速度，判断所述仿真手雷是否脱落。
11、作为基于xr的仿真手雷训练方法优选方案，所述仿真手雷状态的姿态集包括所述仿真手雷在设定状态下受训对象实施动作的标准人体姿态；所述标准人体姿态的类型包括躯干姿态、左手姿态和右手姿态；
12、将所述第一身体姿态数据与所述目标姿态集进行匹配，包括：
13、将所述第一身体姿态数据对应的标准人体姿态作为目标人体姿态；
14、判断所述第一身体姿态数据与所述目标人体姿态的第一近似度是否小于第一预设阈值；
15、若所述第一身体姿态数据与所述目标人体姿态的第一近似度小于第一预设阈值，姿态匹配结果为合格；
16、若所述第一身体姿态数据与所述目标人体姿态的第一近似度不小于第一预设阈值，姿态匹配结果为不合格。
17、作为基于xr的仿真手雷训练方法优选方案，生成姿态匹配结果包括：
18、将所述第一身体姿态数据拆分为当前躯干姿态、当前左手姿态和当前右手姿态；
19、分别计算所述当前躯干姿态与所述目标人体姿态的躯干姿态的第二近似度、所述当前左手姿态与所述目标人体姿态的左手姿态的第三近似度、所述当前右手姿态与所述目标人体姿态的右手姿态的第四近似度；
20、若所述第二近似度、所述第三近似度和所述第四近似度均符合对应的预设条件，将姿态匹配结果判定为合格；
21、若所述第二近似度、所述第三近似度和所述第四近似度至少一项不符合对应的预设条件，将姿态匹配结果判定为不合格。
22、作为基于xr的仿真手雷训练方法优选方案，利用openpose人体姿态检测算法捕捉受训对象的身体关节点；利用所述身体关节点之间的骨骼连线，生成所述受训对象的人体姿态。
23、作为基于xr的仿真手雷训练方法优选方案，还包括：
24、检测受训对象的蹲下姿态，获取第二身体姿态数据，所述第二身体姿态数据包括当所述仿真手雷处于所述安全锁定状态和/或所述解除保险状态时受训人员的第一高度，和所述仿真手雷切换至所述模拟激发状态时受训对象的第二高度；
25、所述姿态匹配结果还包括蹲下结果，若所述第一高度与所述第二高度的差值超过预设高度差值，判定所述蹲下结果为合格。
26、作为基于xr的仿真手雷训练方法优选方案，所述投掷参数包括加速度、角速度和运动方向；
27、利用追踪模型对所述仿真手雷的轨迹进行预测，获取所述虚拟现实场景中模拟手雷的投掷结果，包括：
28、基于预设碰撞参数库，在所述预设空间坐标系中添加虚拟墙体参数和虚拟地面参数，通过所述虚拟墙体参数构建所述虚拟现实场景中的虚拟墙体，通过所述虚拟地面参数构建所述虚拟现实场景中的虚拟地面，通过所述碰撞参数库存储虚拟墙体参数和虚拟地面参数；
29、基于所述坐标参数、所述投掷参数、所述虚拟墙体参数和所述虚拟地面参数，计算所述仿真手雷在所述预设空间坐标系中预设时间段内每一个时间点的预期位置坐标；
30、根据所述预期位置坐标，基于预设的爆炸时延，确认所述虚拟现实场景中所述仿真手雷的爆炸位置，基于所述爆炸位置生成所述模拟手雷的投掷结果，并在所述虚拟现实场景中展示打击效果。
31、第二方面，本专利技术提供一种基于xr的仿真手雷训练系统，包括：
32、模拟手雷展示模块，用于构建虚拟现实场景，获取仿真手雷在所述虚拟现实场景中的状态信息和位置信息，根据状态信息和位置信息在所述虚拟现实场景中展示所述仿真手雷对应的模拟手雷的实时影像；
33、目标姿态集获取模块，用于从预设姿态数据库中获取与所述仿真手雷的状态相对应的目标姿态集，所述预设姿态数据库的目标姿态集中存储有预设的标准人体姿态；
34、姿态集生成模块，用于根据预设的所述标准人体姿态与所述仿真手雷的状态映射关系，生成所述仿真手雷状态的姿态集；
本文档来自技高网...
【技术保护点】
1.基于XR的仿真手雷训练方法，其特征在于，包括：
2.根据权利要求1所述的基于XR的仿真手雷训练方法，其特征在于，所述仿真手雷的状态信息包括安装锁定状态、解除保险状态、待激发状态和模拟激发状态；
3.根据权利要求1所述的基于XR的仿真手雷训练方法，其特征在于，所述仿真手雷状态的姿态集包括所述仿真手雷在设定状态下受训对象实施动作的标准人体姿态；所述标准人体姿态的类型包括躯干姿态、左手姿态和右手姿态；
4.根据权利要求3所述的基于XR的仿真手雷训练方法，其特征在于，生成姿态匹配结果包括：
5.根据权利要求1所述的基于XR的仿真手雷训练方法，其特征在于，利用OpenPose人体姿态检测算法捕捉受训对象的身体关节点；利用所述身体关节点之间的骨骼连线，生成所述受训对象的人体姿态。
6.根据权利要求2所述的基于XR的仿真手雷训练方法，其特征在于，还包括：
7.根据权利要求2所述的基于XR的仿真手雷训练方法，其特征在于，所述投掷参数包括加速度、角速度和运动方向；
8.基于XR的仿真手雷训练系统，其特征在于，包
9.一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；其特征在于，所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至7中任一项所述的基于XR的仿真手雷训练方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至7任一项所述的基于XR的仿真手雷训练方法。
...【技术特征摘要】
1.基于xr的仿真手雷训练方法，其特征在于，包括：
2.根据权利要求1所述的基于xr的仿真手雷训练方法，其特征在于，所述仿真手雷的状态信息包括安装锁定状态、解除保险状态、待激发状态和模拟激发状态；
3.根据权利要求1所述的基于xr的仿真手雷训练方法，其特征在于，所述仿真手雷状态的姿态集包括所述仿真手雷在设定状态下受训对象实施动作的标准人体姿态；所述标准人体姿态的类型包括躯干姿态、左手姿态和右手姿态；
4.根据权利要求3所述的基于xr的仿真手雷训练方法，其特征在于，生成姿态匹配结果包括：
5.根据权利要求1所述的基于xr的仿真手雷训练方法，其特征在于，利用openpose人体姿态检测算法捕捉受训对象的身体关节点；利用所述身体关节点之间的骨骼连线，生成所述受训对...
【专利技术属性】
技术研发人员：宋殿义，李松，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。