摘要
本研究开发了一个简单且可扩展的电动滑板车骑行评估平台，该平台主要依赖图像分析来减少现场实施工作量。该平台支持在室内环境中以一致的条件进行重复骑行试验。通过合并两架无人机的覆盖区域，系统记录了一条完整的狭长室内骑行道。通过微调预训练的YOLO模型，构建了适应实验环境的骑行者检测模型。基于ORB的图像配准与轨迹融合随后将两个摄像头获取的骑行轨迹转换至公共坐标系中。计算了骑行速度、骑行时长以及两条曲线的曲率半径。结果表明，受试者在速度变化、骑行试验间的稳定性以及转弯特性（包括稳定的低速骑行、持续的高速骑行以及转弯前的减速）方面存在差异。对于大多数受试者，摄像头间的接缝偏差在10厘米以内，表明在实验条件下轨迹融合具有总体上的内部一致性。这些结果表明，所提出的系统可作为基于视频的平台，对室内骑行道中可观察的骑行行为（包括骑行轨迹和速度特征）进行定量评估。
