用于预测球飞行数据以创建一致间隙的高尔夫球杆组的系统和方法 交叉引用优先级 [0001] 这要求 2021 年 10 月 5 日提交的美国临时申请号 63/262,128 的权益; 和美国临时申请号 63/263,222,于 2021 年 10 月 28 日提交,所有这些都通过引用并入本文。 技术领域 [0002] 本公开涉及用于计算机实现的高尔夫击球分析和最佳球杆选择的计算和跟踪技术; 并且更具体地,涉及利用来自参考球杆的球飞行数据来预测高尔夫球杆组的多个候选球杆的球飞行数据的跟踪系​​统和计算机实现的球飞行预测系统。 背景 [0002] 典型的高尔夫球杆组包括多个高尔夫球杆(即,一号木杆、球道木杆、混合杆、铁杆和/或挖起杆),其中多个高尔夫球杆中的每一个都包括具有独特杆面倾角的球杆头 . 不同的杆面倾角允许每个高尔夫球杆击打不同距离的高尔夫球。 优化一组内每个球杆距离的过程称为“设置间隙”。 适当的球杆间隙提供了一种高尔夫球杆组,其中当面对任何距离的高尔夫球击球时,高尔夫球手能够从他或她知道将在所需距离的几码内行进的球杆组中选择球杆。 通常,每个球杆的杆面倾角都是在试戴期间选择的,以在整个系列中提供一致的间隙。 然而,在有效优化单个玩家的差距的高尔夫球组组合的计算预测方面缺乏技术。 此外,对于高尔夫球手来说,击打具有不同杆面倾角的每一种杆头组合并测量 在试衣环节中每个镜头的距离,以实现一致的间隙,因为这是一个非常耗时的过程。 [0003] 因此,本领域存在对改进的计算球飞行预测技术的技术需求,该技术可以准确有效地预测特定个体的不同杆头的击球距离,并为个体推荐每个杆头的特定杆面倾角,以实现 一致的集合间隙。 此外,需要通过测量单个球杆的球飞行来准确预测整组的击球距离。 这样一来,球杆组可以在试戴期间适当地间隔开,而不需要球员用每个可用杆面倾角的球杆头击球。 概括 [0004] 本公开的方面可以采用计算机实现的系统的形式,该系统包括跟踪设备和与跟踪设备可操作通信的处理器。 跟踪装置针对个人使用包括参考杆面倾角的参考高尔夫球杆击打的多个高尔夫球击球中的每一个产生对于个人唯一的第一数据集,第一数据集包括与高尔夫球的移动相关联的参考球飞行特性。 处理器被配置为将第一数据集转换为第二数据集,该第二数据集定义一个或多个候选高尔夫球杆的预测球飞行特性。 具体地,处理器对由从多次高尔夫球击球导出的第一数据集定义的参考球飞行特性进行归一化,通过输入归一化的参考球飞行特性和候选倾角生成一组预测的球飞行特性。 根据杆面倾角和球飞行特性之间的预定相关性,将杆面倾角调整为预定的球飞行趋势函数,该函数被配置为预测球飞行的变化,并且通过应用来自调整的一个或多个调整计算的输出来调整一组预测的球飞行特性 对于个人的一个或多个参考球飞行特性与预定阈值的偏差,该一个或多个调整计算通过考虑球员特定的差异来提高计算预测的准确性。 在一些实施例中,一个或多个调整计算包括考虑对每个预测球飞行的影响的球速调整分量和旋转速率调整分量 由于分别偏离参考球杆的基线球速值和参考球杆的基线旋转速率值而导致的特性。 [0005] 本公开的方面还可以采用包括以下步骤的方法的形式:由处理器访问与个人使用定义参考球杆杆面倾角的参考球杆击打的多个高尔夫球杆击球的球飞行特性相关联的数据 角度,对于多次高尔夫击球中的每一次,数据集包括球速、发射角、旋转速率、球杆头速度、顶点高度、飞行距离和/或总距离; 由处理器将球飞行趋势函数应用于数据集中每个球飞行特性的平均值,以产生一组用于多个候选球杆的一般球飞行预测,每个候选球杆定义候选杆面倾角; 由处理器对每个球飞行预测应用一个或多个球飞行特性调整,以便为多个候选球杆产生一组调整后的球飞行预测; 生成多个候选球杆的组合的推荐(推荐球杆),其在与每个推荐球杆相关联的预测距离之间的差距中产生最小变化。 [0006] 本公开的方面可以进一步采取计算机可读介质的形式,包括由处理器执行的指令以执行操作,包括:由处理器访问与被击打的多个高尔夫球杆击球的球飞行特性相关联的数据 使用定义参考球杆倾角的参考球杆的个人,数据集包括,对于多个高尔夫球击球中的每一个,球速、发射角、旋转速率、球杆头速度、顶点高度、飞行距离和/或总距离 ; 由处理器将球飞行趋势函数应用于数据集中每个球飞行特性的平均值,以产生一组用于多个候选球杆的一般球飞行预测,每个候选球杆定义候选杆面倾角; 由处理器对每个球飞行预测应用一个或多个球飞行特性调整,以便为多个候选球杆产生一组调整后的球飞行预测; 确定目标差距,目标差距是为候选俱乐部预测的距离之间的期望平均差距; 生成候选球杆(推荐球杆)与候选球杆杆面倾角的组合的推荐,其产生最接近目标间隙的推荐球杆的预测距离之间的平均间隙。 [0007] 前述示例广泛地概述了根据本公开的示例的各个方面、特征和技术优点,以便可以更好地理解下面的详细描述。 还应当理解,不需要在说明性示例方法、设备和计算机可读介质的上下文中描述的上述操作,并且可以排除一个或多个操作和/或可以包括本文讨论的其他附加操作。 附加的特征和优点将在下文中描述。 在此说明和描述的构思和具体示例可以容易地用作修改或设计用于执行本公开的相同目的的其他结构的基础。 这种等同的构造不脱离所附权利要求的精神和范围。 附图的简要说明 [0008] 本公开涉及用于计算机实现的高尔夫击球分析和最佳球杆选择的计算和跟踪技术 [0009] 图1A是用于从高尔夫球手使用参考球杆使用跟踪设备击打的多次高尔夫球击球生成参考球飞行数据的计算机实现的系统的图,以及应用的(计算设备的或其他的)处理器 将球飞行数据参考到预测模型以生成多个候选球杆的预测球飞行特性和优化间隙的推荐高尔夫球杆组。 [0010]图1B是说明预测模型的附加方面的简化框图,该预测模型由图1A中引入的处理器执行以计算候选球杆的预测球飞行特性数据。 [0011] 图2A-2C是如本文所引用的各种候选球杆的发射角和杆面倾角的图示。 [0012] 图2D是参考球杆击球的击球距离和总距离和/或用于优化间隙的候选球杆的预测的图示。 [0013] 图3是与图1A中描述的一组参考球飞行特性数据相关联的归一化的图示。 [0014] 图4A是图1A中引入的处理器执行的预测模型的球飞行预测的图示,该预测模型为具有候选杆面倾角的候选球杆产生预测球速、预测发射角和预测旋转速率。 [0015] 图4B是图4A中所示的预测模型的球飞行预测的图示并且包括球飞行趋势函数和一个或多个调整计算。 [0016] 图5A是图4A和4B中引入的球飞行预测的球速预测的图示。 [0017] 图5B是图4A和4B中引入的球飞行预测的发射角预测的图示。 [0018] 图5C是图4A和4B中引入的球飞行预测的旋转速率预测的图示。 [0019] 图6是图1A中引入的处理器针对多个候选球杆执行的预测模型的多个球飞行预测的图示。 [0020] 图7是基于多个球飞行预测的多个候选球杆和参考球杆的间隙的图示,包括总距离和/或飞行距离。 [0021] 图8是基于间隙和多个球飞行预测从多个候选球杆中选择一个或多个推荐球杆的图示。 [0022] 图9图示了表示用于实施图1A的系统以生成对预测球杆组的推荐的一个过程的过程流程图,其中每个预测距离之间的差距的变化被最小化 [0023] 图10图示了表示用于实施图1A的系统以生成对预测球杆组的推荐的替代过程的过程流程图,其中每个预测距离之间的差距关于预定目标差距被优化。 [0024] 图11A是示出用于调整混合候选球杆的一组预测球飞行特性数据的总体混合调整的图示。 [0025] 图11B是显示用于调整球道木杆候选球杆的一组预测球飞行特性数据的整体球道木杆调整的图示。 [0026] 图 12 说明了表示用于实施图 1A 的系统的过程的过程流程图,其中系统还为被确定为“不可玩”的预测球杆推荐替换球杆。 [0027] 图13是用于提供本文描述的系统的进一步非限制性细节的示例性用户界面(UI)的屏幕截图。 [0028] 图14是用于提供本文描述的系统的进一步非限制性细节的示例性用户界面(UI)的另一个屏幕截图。 [0029] 图15是可以被实现以执行本文描述的功能的示例性计算系统。 [0030] 通过考虑详细描述和附图,本公开的其他方面将变得显而易见。 描述 [0031]本公开的方面涉及用于测量击打具有参考杆面倾角的参考高尔夫球杆的个人的参考球飞行数据的计算机实现的系统和相关方法; 利用参考球飞行数据来计算具有与参考杆面倾角不同的杆面倾角的其他候选高尔夫球杆的预测球飞行特性(不需要测量使用候选高尔夫球杆的个人的球飞行数据)。 预测的球飞行特性可以包括预期个人使用候选高尔夫球杆进行的高尔夫球击球的预测距离,其可以进一步适应为具有一致或预定义间隙目标的高尔夫球杆组的最佳杆面倾角的计算推荐。 [0032] 该系统记录了球员击打的单个球杆的测量球飞行数据,并将所述数据转换为对整个球杆组的球员球飞行特性的预测。 该系统应用一般的球飞行趋势和球员特定调整中的因素来得出准确的预测。 一般的球飞行趋势来自大量的球员测试数据样本。 特定于球员的调整对应于球员的测量数据与某些球的飞行特性(例如球速和旋转率)的平均值之间的偏差。 [0033] 更具体地说,该系统可以包括测量和记录参考球飞行数据的跟踪装置,该参考球飞行数据对应于由参考球杆(例如,该组球杆中的一个,最好是中铁杆,例如 7 -铁杆)并且可以进一步包括(一个或多个)处理器或处理元件,该处理器或处理元件执行预测模型,该预测模型利用参考球飞行数据来生成预测或一组预测球飞行 一组中其他潜在候选球杆(例如,其他中铁杆、短铁杆、长铁杆、混合杆和/或球道木杆)的球飞行特征,基于从高尔夫中获得的个人特定球飞行信息 参考球杆的击球(参考球飞行数据)。 例如,与候选球杆相关的参数(例如候选球杆倾角)可以连同个人特定的参考球飞行数据一起应用于预测模型,并且执行预测模型的处理器可以利用此类输入来输出预测球 一个或多个候选俱乐部的飞行特征数据。 在一些示例中,预测模型还包括一个或多个特定于球员的调整计算,其可以调整预测的球飞行特性数据以说明特定于球员的偏离预定球员表现阈值的情况。 [0034] 此外,处理器可以进一步输出从多个候选球杆中选择的一组“推荐球杆”,每个候选球杆具有共同优化个人间隙的“推荐杆面倾角”。因此,系统可以推荐、选择或 否则,基于各种计算(由预测模型预先确定和定义)从多个候选球杆中识别推荐的球杆组合或球杆组,这些计算的特征是该组中每个球杆的预测杆面倾角的最佳组合,以优化球杆的间隙 系统可以通过选择共同导致相邻球杆之间的每个间隙的最小预测变化的高尔夫球杆来优化推荐球杆组的间隙,如本文所述。在一些示例中,系统可以优化推荐球杆组的间隙 通过从候选俱乐部中选择高尔夫球杆,这些俱乐部共同导致满足个人指定的特定标准的差距。 [0035]本文中使用的术语或短语“参考高尔夫球杆”、“参考球杆”、“示例高尔夫球杆”或“示例球杆”可以定义为由玩家用来击打多个参考高尔夫球击球的物理高尔夫球杆, 跟踪装置测量生成参考球飞行数据。 参考球飞行数据包括球的飞行特性(球速、旋转率、发射角、高度、顶点、飞行距离、总距离等),这些数据被测量、记录和归一化以确定个体特定的球飞行趋势 播放器。 参考球杆可以是高尔夫球杆组中的任何球杆,包括任何木杆型、混合型或铁杆型高尔夫球杆。 [0036] 如本文所用的术语或短语“候选球杆”或“候选高尔夫球杆”可被定义为供个人用作球杆组组合的一部分以优化球杆组组合的间隙的可能高尔夫球杆。 预测模型利用候选球杆的参数以及其他信息来为个人计算与候选球杆相关联的预测球飞行特性。 给定候选球杆的预测球飞行特性可包括预测旋转速率、预测发射角、预测球速、预测总距离和/或预测飞行距离。 [0037] 如本文所用的术语或短语“推荐的球杆”或“推荐的高尔夫球杆”可以被定义为系统识别为最适合产生具有优化间隙的杆面倾角组合的总的“推荐球杆组”的选择的候选球杆。 作为多个候选球杆之一的给定推荐球杆定义了特定的杆面倾角和以本文所述的方式生成的预测球飞行特性。 给定推荐球杆的一组预测球飞行特性数据可以包括预测旋转率、预测发射角、预测球速、预测总距离和/或预测飞行距离(注意这些特性可以预测 在选择一个或多个候选俱乐部作为推荐俱乐部之前为每个候选俱乐部)。 [0038] 通常,系统执行预测模型,基于从参考球杆产生的个体特定球飞行数据,产生一组对应于多个候选球杆的预测球飞行特征数据,并且可以进一步选择唯一的组合 候选球杆作为为个人优化差距的多个推荐高尔夫球杆。 澄清一下,每个推荐的球杆都是一个选定的候选球杆和理论高尔夫球杆,供个人放入他/她的高尔夫球包中,其球的飞行特性是根据应用于预测的参考球杆的测量和记录的球飞行特性数据模拟的 模型。 例如,参考球杆可以是 7 号铁杆(例如,具有大约在 25 度和 35 度之间的(参考)杆面倾角的铁杆型高尔夫球杆头)。 一名球员可以用 7 号铁杆击打多次高尔夫球,系统可以记录参考球的飞行数据,包括参考球的飞行特性(例如,球速、旋转率、发射角度、飞行距离、总距离等) 从使用 7 号铁杆的多次高尔夫球击球中的每一次。 然后,系统可以通过执行预测模型为任何其他候选球杆(例如,3- 铁杆、4 号铁杆、5 号铁杆、6 号铁杆、8 号铁杆、9 号铁杆和任何球道木杆、混合杆和/或挖起杆)。 对于从候选球杆中选择的每个推荐高尔夫球杆,可以生成一组与特定杆面倾角相关联的预测球飞行特性。 这样,系统可以为多个具有各种杆面倾角的不同候选球杆创建预测。 通过比较与每个候选球杆相关联的预测球飞行特性,计算系统(从一组候选球杆)推荐推荐球杆的最佳组合,根据该组合预测产生具有最一致间隙(即,间隙)的高尔夫球杆组。 ,每个推荐球杆距离之间最一致或最理想的距离变化)。 通过这种方法,可以预测个人在他或她的高尔夫球杆组中使用的最佳球杆组合,而个人不必在试戴期间击打每一个球杆。 [0039] 参考图1A,示例计算机实现的系统,指定的系统100被显示为具有改进的计算预测功能的个人101的球飞行数据预测并且可以进一步选择或推荐为个人提供一致间隙的高尔夫球杆组。 通常,如所指示的,系统100包括跟踪设备102和至少一个处理器104或处理元件,其可以被实现为计算设备(例如,计算设备140)、云环境等的一部分。 如所指示的,处理器104执行存储在存储器108中或以其他方式存储的预测模型106,预测模型106可以定义或体现为处理器104可执行的代码和/或机器可执行指令,并且可以表示一个或多个过程,一个 函数、子程序、程序、例程、子例程、模块、对象、软件包、类,或指令、数据结构或程序语句等的任意组合。 换言之,此处描述的计算出的球飞行特性预测功能的各方面可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或其任何组合来实现。 当以软件、固件、中间件或微代码实现时,执行预测模型 106 的必要任务的程序代码或代码段(例如,计算机程序产品)可以存储在计算机可读或机器可读介质中,例如 作为存储器108,处理器104执行由代码定义的任务。 因此,由处理器104执行的预测模型106将处理器104配置为根据和/或定义如本文所述的各种函数和功能来计算球的飞行特性预测。 [0040] 一般而言,当个体101使用参考球杆用高尔夫球122完成多次参考击球124时,跟踪设备通过例如测量与多个高尔夫球122的运动相关联的特性来生成定义参考球飞行数据120的第一数据集 126.通过非限制性示例,参考球飞行数据120可以包括(高尔夫球122的)参考球飞行特性,例如球速、旋转率、发射角、高度、顶点、飞行距离、总距离或其他度量 由跟踪设备102针对使用参考球杆126的多个参考击球124中的每一个测量。在一些示例中,参考球杆126是7号铁杆(例如,具有(参考)杆面倾角的铁杆型高尔夫球杆头 角度大约在 25 度和 35 度之间),但是跟踪设备 102 可以使用个人 101 为参考球杆 126 选择的任何类型和杆面倾角的球杆来生成参考球飞行数据 120。跟踪设备 102 可以生成第一 数据集包括个人 101 用参考球杆 126 击打的任意次数的参考球飞行数据 120。 [0041]处理器104访问参考球飞行数据120并执行预测模型106以将参考球飞行数据120转换为定义一个或多个候选球杆的预测球飞行特性134的第二数据集。 更具体地,在一些示例中,参考球飞行数据120被归一化或以其他方式预处理以导出一组参考球飞行特性130。处理器104然后为多个候选球杆(202中的202)中的每一个导出预测球飞行特性134 图2B-2C)通过应用球飞行趋势函数并且可以应用由预测模型106定义的一个或多个调整计算,考虑到输入包括一组参考球飞行特性130和一个或多个候选球杆参数132(例如, ,每个候选球杆的杆面倾角值),如本文进一步描述的。 图2A-2C示出了将参考球杆126与候选球杆202进行比较的一般示例; 指定第一候选俱乐部202A和第二候选俱乐部202B。 在所示示例中,预测模型106利用包括由第一候选球杆202A定义的第一杆面倾角204A和由第二候选球杆202B定义的第二杆面倾角204B的候选球杆参数132来导出预测的球飞行特性134,包括 分别预测第一候选球杆202A和第二候选球杆202B的球飞行特性。 在该示例中,预测的球飞行特性134可以包括预测的飞行距离和/或总距离(图2D中所示),个体101可能使用第一击球击打高尔夫球 候选俱乐部202A和第二候选俱乐部202B。 此外,如图 1A 所示,预测的球飞行特性 134 可用于为个人 101 生成一组推荐的球杆 136,其优化间隙,或提供其他效用,如本文进一步描述的。 [0042] 应当理解,存储器108可以存储由跟踪装置102获得的第一数据集(包括参考球飞行特性130)和由执行预测模型106的处理器104生成的第二数据集,用于执行和/ 或者调整由预测模型 106 定义的球飞行趋势函数(例如基线球速、基线旋转速率和调整参数),以及与候选球杆 202 有关的任何数据,例如候选杆面倾角和一组 与每个候选球杆相关联的预测球飞行特性134。 此外,系统100可包括与处理器104通信的显示设备138,其显示与本文描述的任何数据相关联的信息,并且与前述任何数据相关联的信息可被传输或以其他方式使其他计算设备(例如,计算机)可访问。 , 设备 140). [0043]现在参考图9的过程流程图,现在将描述实现或以其他方式说明系统100的方面的一种方法900。 参考方框 901,在许多示例中,处理器 104 访问由跟踪设备 102 生成的参考球飞行数据 120,如本文所述,并且标准化数据(例如,取每个可用球飞行特性的平均值)以准备参考 球飞行特性 130。在该步骤的一些示例中,如图 3 所示,处理器 104 可以生成特定于个体 101 的参考球飞行特性 130,包括归一化球速值 231、归一化发射角值 232、归一化旋转速率值 233、归一化飞行距离 234、归一化总距离 235 和/或来自参考球飞行数据集 120 的归一化顶点高度。这样的归一化值用于表征相关联的整体球飞行 与个人 101 的参考球杆 126 的参考杆面倾角(图 2A 中的 206)。在其他示例中,处理器 104 访问个人 101 特有的参考球飞行特性 130,包括归一化球速值 231 、归一化发射角值232、归一化旋转速率值233、归一化飞行距离234、归一化总距离235和/或归一化顶点高度,其中参考球飞行特性130在检索之前已经归一化 通过处理器104。处理器104可以将关于归一化值的以下函数和过程应用于参考球飞行特性130的任何球飞行特性。由处理器104为各种候选球杆202生成的预测可以是对 与可为个体101选择的候选球杆202的不同候选杆面倾角204相关联的平均球飞行特性。这样,系统100产生的作为一组中球杆的最佳组合的推荐球杆组136很可能 准确并与个人 101 在该领域的高性能相关联。 一般球飞行趋势 [0044] 如图 1B 所示,处理器 104 将预测模型 106 定义的球飞行预测过程 150 应用于参考球飞行特性 130(当个人 101 击球时,跟踪设备 102 测量多个参考击球 124 生成 多个高尔夫球 122 使用参考球杆 126) 为候选球杆 202 生成一组预测的球飞行特性 134。参考框 902,处理器 104 应用由预测模型 106 定义的球飞行趋势函数 152, 首先将参考球飞行特性130转换为每个候选球杆202的一般球飞行预测154(例如,一个或多个预测的球飞行特性的“总体趋势”分量)。 球飞行趋势函数 152 是一个预定函数,它是从观察到的一组不同球杆的杆头倾角和球飞行特性(例如,球速、旋转速率和发射角度)之间的关系和来自的已知/历史球飞行数据得出的。 地面实况数据集或语料库(例如,数据集 153),并配置为基于此类观察到的和/或已知的关系和历史数据来预测球飞行的变化。 [0045] 参考图4A,球飞行预测过程150可以包括球速斜率函数250、发射角斜率函数260和旋转速率斜率函数270,它们分别确定预测球速斜率258、预测发射角斜率268 ,以及使用个体 101 的一组参考球飞行特性 130 的候选球杆 202 的候选杆面倾角 204 的预测旋转速率斜率 278。预测模型 106 然后可以使用预测球速斜率 258,预测发射 角斜率为 268,并且 预测旋转率斜率 278 以分别确定预测球速 259、预测发射角 269 和预测旋转率 279。 [0046]如另外参考图 4B 所示,处理器 104 可以应用球飞行趋势函数 152 来确定一般球飞行预测 154,包括球速斜率的“总体趋势”154A、发射角斜率的“总体趋势”154B ,以及自旋速率斜率的“总体趋势”154C。 球飞行趋势函数 152 可以包括球速斜率函数 250 的“总体趋势分量”252 产生球速斜率的“总体趋势”154A,发射角斜率函数 260 的“总体趋势分量”262 产生 在发射角斜率的“总体趋势”154B中,以及自旋速率斜率函数270的“总体趋势分量”272导致自旋速率斜率的“总体趋势”154C。 特别地,为了确定预测的球飞行特性134,处理器104可以应用球飞行趋势函数152来确定与球速每度杆头倾角变化相关联的“总体趋势”154A,“总体趋势”154B 与球杆头倾角每度变化的发射角相关联,以及与球杆头倾角每度变化的旋转速率相关的“总体趋势”分量154C。 球飞行趋势函数 152 可以进一步从大数据集(例如,数据集 153)导出,该数据集包括从各种“间隙测试”观察和收集的球飞行数据。 在这样的间隙测试中,高尔夫球手用一组具有不同杆面倾角的高尔夫球杆中的各种球杆击打数次。 从通过各种间隙测试获得的球飞行数据,确定典型球员的杆面倾角和球飞行特性之间的一般关系以确定一般球飞行趋势函数152。球飞行趋势函数152可以由处理器应用 参考球飞行特征集130的参考球飞行特征集104产生了用于各种候选球杆202的一般球飞行预测154,其用作近似不同候选球杆202预期的球飞行特征值的基线。 [0047] 在许多情况下,每个球的飞行特性和杆面倾角之间的关系可以表征为杆面倾角每变化 1 度,球飞行特性值的预期变化(例如,球速斜率、发射角斜率和 自旋速率斜率)。 在大多数情况下,每个球的飞行特性值的变化随着不同的杆面倾角范围而变化。 例如,34 度球杆和 35 度球杆之间球速的预期变化可能明显高于或低于球速的预期变化 在 59 度俱乐部和 60 度俱乐部之间。 球飞行趋势函数 152 解决了这种差异。 在每个可能的杆面倾角,球飞行趋势函数152说明给定球飞行特性中每度杆面倾角变化的预期变化。 处理器104执行球飞行趋势函数152以使用参考球飞行特性130作为输入来生成多个候选球杆202的一般球飞行预测154。 [0048] 换句话说,考虑到参考球杆 126 的参考球飞行特性 130,球飞行趋势函数 152 利用本文所述的预定球飞行关系来生成对球速、旋转速率、发射角度和/或其他的一般预测 由一般球飞行预测 154 定义的球飞行特性(例如,“总体趋势分量”)。例如,对于与参考球杆(第一)数据集相关联的任何给定旋转速率,可以针对任何确定一般旋转速率预测 候选阁楼角度。 将自旋速率的变化与倾角的变化相关联的“总体趋势”可以由处理器104应用于参考自旋速率以确定每个候选倾角的一般自旋速率预测。 处理器104可以应用相同的过程来生成一般发射角预测和一般球速预测。 根据这样的预测,处理器104可以确定其他球飞行特性的一般预测,例如飞行距离和总距离。 处理器104采用的用于生成球速、旋转速率和发射角度的一般预测的过程在以下部分中更详细地描述。 球飞行特性调整 [0049] 给定来自参考球杆 126 的球飞行数据,一般球飞行预测 154 可以为普通球员的球飞行特性提供准确的预测。然而,对于球速或旋转速率偏离普通球员的球员, 杆面倾角与每个球的飞行特性之间的关系可能与典型球员的关系截然不同。 例如,在给定的杆面倾角具有高于平均旋转率的球员可能期望球速、旋转率和/或每度杆面倾角的发射角度比具有平均旋转率的球员更剧烈的变化。 类似地,与具有平均球速的球员相比,在给定的杆面倾角具有高于平均球速的球员可能期望球速、旋转速率和/或每度杆面倾角的发射角度发生更剧烈的变化。 因此,一般球 单独的飞行预测154可能不足以准确估计每个球员的每个候选球杆202的球飞行特性。 为了解决这种差异,如图 9 的框 903 所示,处理器 104 可以进一步将一个或多个球飞行特性调整计算 156 (在本文中也称为一个或多个调整)应用于一般球飞行预测 154 结果,以 为特定球员的每个候选球杆202产生调整后的球飞行预测158。 图 12 和 13 中显示了由处理器 104 驱动的用户界面 (UI) 的示例屏幕截图,该界面生成候选球杆 202 的多个预测球飞行指标。 [0050] 在许多示例中,如图 4B 进一步所示,多个球飞行特性调整计算 156 包括球速调整 156A 和旋转速率调整 156B,它们考虑了对每个球飞行特性(例如,球速、旋转速率)的影响 ,发射角度等)分别由于偏离基线球速和基线旋转率。 基线球速和基线旋转率可以分别表示对多个玩家观察到的平均球速和平均旋转率。 处理器104可以将球速调整156A和旋转速率调整156B应用于总体间隙趋势以说明异常球速和旋转速率对a)倾角和旋转速率、b)倾角之间关系的影响 角和球速,以及 c) 杆面倾角和发射角。 例如,处理器 104 可以将球速调整 156A 和自旋速率调整 156B 应用于一般自旋速率预测(例如,自旋速率斜率的“总体趋势”154C)以产生调整后的自旋速率预测(例如 ,预测的旋转率斜率 278),因为异常(即,高于或低于平均水平)球速和异常旋转率都会影响旋转率和杆面倾角之间的关系。 在某些情况下,给定个体 101 的参考球飞行特性 130 可能表现出异常的旋转速率和正常的(例如,近似平均的)球速。 在这种情况下,球速调节 156A 可以忽略不计。 在其他情况下,给定个体101的参考球飞行特性130可表现出正常旋转率和异常球速。 在这种情况下,自旋速率调节 156B 将可以忽略不计。 [0051] 处理器104基于从参考球飞行数据120记录的归一化球速应用球速调整156A。球速调整156A考虑异常球速对预测球飞行特性134的影响 候选球杆的数量 202. 异常的球速会影响球速的变化率、旋转率和每度杆面倾角变化的发射角。 通常,球速调节156A的严重程度与从参考球杆126测量的标准化球速相对于基准球速的异常成正比。 例如,在特定的杆面倾角,一般球飞行预测154可能预期杆面倾角每增加1度旋转速率增加200rpm。 在相同的杆面倾角下,参考球杆速度比平均水平高出 1 mph 的第一名球员可能期望杆面倾角每增加 1 度旋转速率增加 210 rpm,而第二名球员的参考球杆速度为 2 高于平均水平的 mph 可能期望每增加 1 度倾角,旋转速率增加 220 rpm。 在这种情况下,第一个球员在特定杆面倾角的球速调整为每倾角 10 转/分,而第二名球员的球速调整为每倾角 20 转/分。 类似地,在相同的杆面倾角下,参考球杆速度比平均水平低 1 mph 的第三名球员预计杆面倾角每增加 1 度增加 190 rpm(球速调整为每度 -10 rpm) . 处理器104可以类似地应用球速调整156A来确定特定球员每度杆面倾角的发射角变化以及特定球员每度杆面倾角的球速变化。 [0052] 类似地,处理器104可以基于从参考球飞行数据120记录的归一化自旋速率应用自旋速率调整156B。自旋速率调整156B考虑异常自旋速率对球的预测球飞行特性134的影响。 候选球杆 202. 从参考球杆测得的异常旋转率会影响球速的变化率、旋转率和每度杆面倾角变化的发射角。 通常,旋转速率调节156B的严重性与从参考球杆126测量的标准化旋转速率相对于基线旋转速率的异常成比例。 例如,在特定的杆面倾角下,整体间隙趋势可能预计杆面倾角每增加 1 度,球速会增加 1 mph。 在相同的杆面倾角下,参考球杆旋转速率高于平均水平 2000 rpm 的第一名球员可能期望杆面倾角每增加 1 度球速增加 0.9 mph,而第二名球员的参考球杆旋转率为 4000 rpm rpm 高于平均水平,每增加 1 度倾角,球速可能会增加 0.8 mph。 在这种情况下,第一个玩家的旋转速率调整将为 -0.1 英里/小时/度阁楼,而第二个玩家的旋转速率调整将为 -0.2 英里/小时/度阁楼。 类似地,在相同的杆面倾角下,第三名球员的后旋率为 2000 rpm 低于平均水平的人会期望看到杆面倾角每增加 1 度球速增加 1.1 mph(旋转速率调整为每度杆面倾角增加 0.1 mph)。 处理器104可以类似地应用自旋速率调整156B来确定特定球员每度倾角的发射角变化以及特定球员每度倾角的自旋速率变化。 [0053]在许多情况下,球员的参考球飞行数据120可能表现出异常球速和异常旋转率,在这种情况下,处理器104将球速调整156A和旋转率调整156B应用于一般球飞行预测154 产生调整后的球飞行预测 158. 球速和旋转率独立影响每个球的飞行特性,但是异常球速和异常旋转率对给定球飞行特性的综合影响可以通过简单相加来确定 每个相应的球飞行特性调整。 例如,如果应用于特定杆面倾角的旋转速率的球速调整为每度倾角 220 rpm,并且应用于相同杆面倾角的旋转速率的旋转速率调整为每度倾角 100 rpm,则 应用于旋转速率的总调整为每度阁楼 320 rpm。 类似地,如果应用于特定杆面倾角的旋转速率的球速调整为每度倾角 100 rpm,并且应用于相同杆面倾角的旋转速率的旋转速率调整为每度倾角 -200 rpm,则 应用于旋转速率的总调整为每度阁楼 -100 rpm。 [0054] 应用于一般球飞行预测 154 的调整计算 156 可以提高与各种候选球杆 202 的球速、旋转速率、发射角度和/或其他球飞行特性的估计相关联的准确性。根据调整后的球飞行预测 158 ,处理器104可以产生每个潜在候选球杆202的携带距离和/或总距离的准确预测,其可以被推荐或选择用于个人101的高尔夫球杆组。 生成预测的球飞行特性 [0055] 如上面参考图 4A 和 4B 所讨论的,处理器 104 可操作以接收由个人使用具有参考杆面倾角的参考球杆 126 击打的球的一组参考球飞行特性 130,并且可以预测飞行特性如何 如果个人使用具有以下特征的候选球杆 202 击球,预计球的性质会发生变化 基于使用参考球杆126获得的一组参考球飞行特性130的候选杆面倾角204。该组参考球飞行特性130可以包括归一化的球速值和归一化的旋转速率值,并且可以跨多个归一化 与来自同一个人和同一参考球杆 126 的一个样本相比。本节重点介绍使用参考球杆 126 测量的一组参考球飞行特性 130 为候选球杆 202 生成一组预测球飞行特性 134 [0056] 基于当个体使用参考球杆126击球时观察到的一组参考球飞行特性130,处理器104可操作以确定一组个体特定的斜率值(例如,调整后的球飞行预测158) 包括使用球速斜率函数250的每度杆面倾角变化的预期球速变化(例如,预测的球速斜率258),每度杆面倾角变化的预期发射角变化(例如,预测的发射角 斜率268)使用发射角斜率函数260,以及每度倾角变化的自旋率的预期变化(例如,预测自旋率斜率278)使用自旋率斜率函数270。 [0057] 使用这些个体特定的斜率值(例如,预测球速斜率 258、预测发射角斜率 268 和预测旋转率斜率 278),处理器 104 可以提供一组预测球飞行特性 134,包括预测球 在已知与每个候选球杆 202 相关联的候选杆面倾角 204 的情况下,多个候选球杆 202 中的每个候选球杆 202 的速度 259、预测发射角 269 和预测旋转速率 279。特别是: 1.使用预测球速斜率258,处理器104可以确定具有候选杆面倾角204的候选球杆202的预测球速259。 2.使用预测发射角斜率268,处理器104可以确定具有候选杆面倾角204的候选球杆202的预测发射角269 3.使用预测旋转速率斜率278,处理器104可以确定具有候选杆面倾角204的候选球杆202的预测旋转速率279。 [0058] 在一个方面,处理器104可以通过将标准化的一组参考球飞行特性130和候选杆面倾角204输入到被配置为 基于杆面倾角和球飞行特性之间的预定相关性预测球飞行的变化(例如,通过确定预测球速斜率 258 的“总体趋势”154A、预测发射角斜率 268 的“总体趋势”154B,以及 预测旋转率斜率 278 的“总体趋势”154C)。 [0059] 然后,处理器 104 可以通过应用来自一个或多个调整计算 156(产生调整后的球飞行预测 158)的输出来调整候选球杆 202 的一组个体特定斜率值,这些调整计算 156 调整一个或多个 个人的一组参考球飞行特性 130 从预定阈值(例如,包括参考球杆 126 的基线球速度值 222 和基线旋转速率值 224 的基线值)一个或多个调整计算 156 增加计算- 通过考虑玩家特定的差异来提高预测准确性。 举例来说,这些一个或多个调整计算 156 可以包括“球速调整”156A 和“旋转速率调整”156B,用于个体特定斜率值集合中的每个个体特定斜率值(例如,包括“球 “速度调整分量”254 和预测球速斜率 258 的“后旋率调整分量”264,预测发射角斜率 268 的“球速调整分量”264 和“后旋率调整分量”266,以及“ 球速度调整分量”276 和预测旋转速率斜率 278 的“旋转速率调整分量”278)。 [0060] 该组预测球飞行特性 134 中每个相应的预测球飞行特性的一组个体特定斜率值然后可以合并或组合成总的个体特定斜率值(例如,预测球速度斜率 258、预测 发射角斜率268和预测旋转速率斜率278)用于预测球飞行特性集合134中的每个相应预测球飞行特性。 [0061] 例如,预测球速斜率 258 的一组个体特定斜率值可以包括预测球速斜率的“总体趋势”分量 154A、预测球速斜率的“球速调整”分量 254,以及“ 旋转速度 预测球速斜率的“调整”分量256,以及用于预测球速斜率的个体特定斜率值的集合可以被组合以产生用于预测球速的总个体特定斜率值(例如,预测球速斜率258) 球速。 然后可以使用预测球速斜率258来确定一组预测球飞行特性134的预测球速259。 [0062]类似地,预测发射角斜率 268 的一组个体特定斜率值可以包括预测发射角斜率的“总体趋势”分量 154B、预测发射角斜率的“球速调整”分量 264,以及“自旋” 预测发射角斜率的“速率调整”分量 266,以及预测发射角的个体特定斜率值集合可以组合以产生预测发射角的总个体特定斜率值(例如,预测发射角斜率 268) 发射角度。 然后可以使用预测的发射角斜率 268 来确定预测的发射角 269。同样,用于预测的自旋速率斜率 278 的一组个体特定斜率值可以包括预测的自旋速率斜率的“总体趋势”分量 154C, 预测自旋速率斜率的“球速调整”分量274和预测自旋速率斜率的“自旋速率调整”分量276,以及用于预测自旋速率的个体特定斜率值的集合可以组合以产生总的 预测自旋速率的个体特定斜率值(例如,预测自旋速率斜率 278)。 然后可以使用预测的旋转速率斜率278来确定一组预测的球飞行特性134的预测的旋转速率279。 [0063] 如上所述,处理器104然后可以使用调整后的预测球速斜率258和参考杆面倾角206与候选杆面倾角之间的杆面倾角差来确定具有候选杆面倾角204的候选球杆202的预测球速259 类似地,处理器104可以使用调整后的预测发射角斜率268和参考杆面倾角206与参考杆面倾角之间的倾角差来确定具有候选杆面倾角204的候选球杆202的预测发射角269。 候选杆面倾角 204。同样,处理器 104 可以使用调整后的预测旋转速率斜率 278 和参考杆面倾角 206 与 候选倾角 204。 [0064] 处理器104可以为多个候选球杆202中的每个候选球杆202迭代地重复该过程,每个候选球杆202都具有不同的候选杆面倾角204,并且可以为多个候选球杆202中的个体收集一组预测的球飞行特性134。 基于一组预测的球飞行特性134,处理器104可以从多个候选球杆202中为个体选择一组最佳的推荐球杆136,从而产生一组最佳的预测球飞行特性134。 A. 球速斜率函数 [0065] 参考图5A,由处理器104为每个候选球杆202评估的球速斜率函数250指示对于个体特定的每度倾角变化的预期球速变化,并且包括总体趋势 组件 252、球速调整组件 254 和旋转速率调整组件 256。总体趋势组件 252 指示杆面倾角每度变化的球速变化率的“总体趋势”,并且基于 候选球杆 202 的候选杆面倾角 204。球速调整分量 254 也基于候选球杆 202 的候选杆面倾角 204 确定,并结合了与参考球杆 126 的个体相关的归一化球速值 231 和 关于参考球杆 126 的基线球速值 222。旋转速率调整分量 256 也基于候选球杆 202 的候选杆面倾角 204 确定,并结合与个人相关联的归一化旋转速率值 233 作为参考 球杆 126 相对于参考球杆 126 的基线旋转速率值 224。i) 球速斜率函数:总体趋势分量 [0066]处理器104基于候选球杆202的候选杆面倾角204评估球速斜率函数250的总体趋势分量252,并结合基于候选杆面倾角的分类范围选择的第一组调整参数240A 候选球杆202的角度204(例如,基于候选杆面倾角204落入的候选杆面倾角值的范围)。 具体而言,处理器104从存储在与处理器104通信的存储器108中的参数值总集240中选择第一组调整参数240A的值; 这些值可以根据经验确定,并且可以使用通过许多参考获得的数据来优化准确性 航班。 处理器104可以使用任意数量的分类范围来分配第一组调整参数240A以便产生准确的结果,并且第一组调整参数240A的分类范围和值可以对于整体趋势分量252是唯一的 球速斜率函数250。例如,如果候选球杆202的候选杆面倾角204落在n内 ^th 分类范围,然后处理器104选择一个n ^th 第一组调整参数 240A 的总参数值组中的一组值 [0067] 在一个示例中,处理器104可以使用候选球杆202的候选杆面倾角204作为输入来评估球速斜率函数250的总体趋势分量252,其中总体趋势分量252的第一组调整参数240A是 基于候选球杆202的候选杆面倾角204的分类范围来选择。ii)球速斜率函数:球速调整组件 [0068] 处理器 104 基于候选球杆 202 的候选杆面倾角 204 和基于参考球杆 126 的与个人 101 相关的归一化球速值 231 来评估球速斜率函数 250 的球速调整分量 254。 特别地,球速调整组件254结合参考球杆126的与个人101相关联的归一化球速值231相对于参考球杆126的基线球速值222以产生相对球速变化值。 当评估球速调整分量 254 时,处理器 104 将相对球速变化值与使用第二组调整参数 240B 以类似于总体趋势分量 252 的方式确定的杆面倾角调整值组合 [0069] 类似于总体趋势分量252,为了确定球速调整分量254的杆面倾角调整值,处理器104类似地合并基于以下的候选杆面倾角204的分类范围选择的第二组调整参数240B 候选球杆 202 (例如,基于候选杆面倾角 204 落入的候选杆面倾角值的范围)。 特别地,处理器104从参数值的总集合240中选择第二组调整参数240B的值 存储在与处理器104通信的存储器108中; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第二组调整参数240B以便产生准确的结果,并且第二组调整参数240B的分类范围和值对于球速调整部件254可以是唯一的 球速调整分量 254 的杆面倾角调整值的球速斜率函数 250 的变化,也可以不同于在评估总体趋势分量 252 时考虑的那些。 [0070] 在一个示例中,处理器104可以使用归一化球速值231和候选球杆202的候选杆面倾角204作为输入,利用第二组调整参数来评估球速斜率函数250的球速调整分量254 基于候选球杆202的候选杆面倾角204的分类范围选择球速调节部件254的240B。 Hi) 球速斜率函数:自旋速率调整组件 [0071] 处理器 104 基于候选球杆 202 的候选杆面倾角 204 和基于参考球杆 126 的与个人 101 相关联的归一化旋转速率值 233 来评估球速斜率函数 250 的旋转速率调整分量 256。 特别地,自旋速率调整组件256结合参考球杆126的与个体101相关联的归一化自旋速率值233相对于参考球杆126的基线自旋速率值224以产生相对自旋速率变化值。 当评估自旋速率调整分量 256 时,处理器 104 将相对自旋速率变化值与杆面倾角调整值相结合,杆面倾角调整值是使用第三组调整参数 240C 以类似于总体趋势分量 252 的方式确定的。 [0072] 与总体趋势组件 252 相似,为了确定自旋速率调整组件 256 的杆面倾角调整值,处理器 104 类似地结合了第三组调整参数 240C,其可以基于候选者的分类范围来选择或不选择 候选球杆202的杆面倾角204(例如,基于候选杆面倾角204落入的候选杆面倾角值的范围)。 具体地,处理器104从总的一组调整参数240C中选择用于第三组调整参数的值 存储在与处理器104通信的存储器108中的参数值240; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第三组调整参数240C以便产生准确的结果,并且第三组调整参数240C的分类范围和值对于自旋速率调整部件256可以是唯一的 球速斜率函数 250。然而,请注意,在一些实施例中,处理器 104 可能不考虑分类范围,而是可以使用第三组调整参数 240C 的预选值,而不管候选杆面倾角的值如何 角度204。 [0073] 在一个示例中,处理器104可以使用归一化旋转速率值233和候选球杆202的候选杆面倾角204作为输入并使用第三组调整参数来评估球速斜率函数250的旋转速率调整分量256 240℃。 iv) 使用球速斜率确定预测球速 [0074] 处理器104然后组合总体趋势分量252、球速调整分量254和旋转速率调整分量256的结果,产生候选球杆202的预测球速斜率258。 [0075] 然后处理器104可以使用预测球速斜率258来确定具有候选杆面倾角204的候选球杆202的预测球速259。首先,处理器104可以确定候选杆面倾角204和候选杆面倾角204之间的杆面倾角差值。 参考杆面倾角206产生杆面倾角差。 为了确定预测球速,处理器104可取杆面倾角差与预测球速斜率的乘积,以产生具有候选杆面倾角204的候选球杆202的预测球速259。 B. 发射角斜率函数 [0076] 参考图5B,处理器104可以应用类似的过程来使用发射角斜率函数260来确定候选球杆202的预测发射角斜率268。 [0077]由处理器 104 为每个候选球杆 202 评估的发射角斜率函数 260 表示个人特定的每度杆面倾角变化的发射角预期变化,并且包括总体趋势分量 262、球速调整 分量 264 和自旋速率调整分量 266。总体趋势分量 262 表示每度倾角变化的发射角变化率的“总体趋势”,并且基于球的候选倾角 204 确定 候选球杆 202。球速调整分量 264 也基于候选球杆 202 的候选杆面倾角 204 确定,并结合参考球杆 126 的个体 101 相对于基线球速的归一化球速值 231 参考球杆 126 的值 222。旋转速率调整分量 266 也基于候选球杆 202 的候选杆面倾角 204 确定,并结合参考球杆 126 的与个体 101 相关的归一化旋转速率值 233 参考球杆 126 的基线旋转速率值 224。 i) 发射角斜率函数:总体趋势 [0078] 处理器104基于候选球杆202的候选杆面倾角204评估发射角斜率函数260的总体趋势分量262,并结合基于候选杆面倾角的分类范围选择的第四组调整参数240D 候选球杆202的角度204(例如,基于候选杆面倾角204落入的候选杆面倾角值的范围)。 具体地,处理器104从存储在与处理器104通信的存储器108中的参数值总集240中选择第四组调整参数240D的值; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第四组调整参数240D以便产生准确的结果,并且第四组调整参数240D的分类范围和值可以对于整体趋势分量262是唯一的 发射角斜率函数 260。 [0079] 在一个示例中,处理器104可以使用候选球杆202的候选杆面倾角204作为输入,利用总体趋势分量262的第四组调整参数240D来评估发射角斜率函数260的总体趋势分量262 基于候选球杆202的候选杆面倾角204的分类范围来选择。ii)发射角斜率函数:球速调整组件 [0080] 处理器 104 基于候选球杆 202 的候选杆面倾角 204 和基于参考球杆 126 的与个人 101 相关联的归一化球速值 231 来评估发射角斜率函数 260 的球速调整分量 264。 特别地,球速调整部件264结合参考球杆126的与个体101相关联的归一化球速值231相对于参考球杆126的基线球速值222以产生相对球速变化值。 当评估发射角斜率函数260的球速调整分量264时,处理器104将相对球速变化值与以类似于球速调整的杆面倾角调整值的方式确定的杆面倾角调整值组合 球速斜率函数250的分量254使用第五组调整参数240E。 [0081]类似于球速斜率函数250的球速调整分量254,为了确定发射角斜率函数260的球速调整分量264的杆面倾角调整值,处理器104类似地并入第五组调整参数240E 这些是基于候选球杆202的候选杆面倾角204的分类范围(例如,基于候选杆面倾角204落入的候选杆面倾角值的范围)选择的。 具体而言,处理器104从存储在存储器108中的参数值总集240中选择用于第五组调整参数240E的值; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第五组调整参数240E以便产生准确的结果,并且第五组调整参数240E的分类范围和值对于球速调整部件264可以是唯一的 发射角斜率函数 260。 [0082] 在一个示例中,处理器104可以使用归一化球速值231和候选球杆202的候选杆面倾角204作为输入来评估发射角斜率函数260的球速调整分量264,其中第五组调整 基于候选球杆202的候选杆面倾角204的分类范围选择球速调节部件264的参数240E。 Hi) Launch Angle Slope 函数:自旋速率调整组件 [0083] 处理器 104 基于候选球杆 202 的候选杆面倾角 204 和基于参考球杆 126 的与个人 101 相关联的归一化旋转速率值 233 来评估发射角斜率函数 260 的旋转速率调整分量 266。 特别地,自旋速率调整组件266结合参考球杆126的与个体101相关联的归一化自旋速率值233相对于参考球杆126的基线自旋速率值224以产生相对自旋速率变化值。 当评估自旋速率调整分量 266 时,处理器 104 将相对自旋速率变化值与以类似于球速斜率的自旋速率调整分量 256 的倾角调整值的方式确定的倾角调整值组合 功能250使用第六组调整参数240F。 [0084] 与球速斜率函数 250 的旋转速率调整组件 256 相似,为了确定发射角斜率函数 260 的旋转速率调整组件 266 的杆面倾角调整值,处理器 104 类似地结合了第六组调整参数 240F 这些是基于候选球杆202的候选杆面倾角204的分类范围(例如,基于候选杆面倾角204落入的候选杆面倾角值的范围)选择的。 具体地,处理器104从存储在与处理器104通信的存储器108中的参数值总集240中选择第六组调整参数240F的值; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第六组调节参数240F以便产生准确的结果,并且第六组调节参数240F的分类范围和值对于自旋速率调节组件266可以是唯一的 发射角斜率函数 260。 [0085] 在一个示例中,处理器104可以使用归一化旋转速率值233和候选球杆202的候选杆面倾角204作为输入来评估发射角斜率函数260的旋转速率调整分量266,其中第六组调整 基于候选球杆 202 的候选杆面倾角 204 的分类范围选择旋转速率调节组件 266 的参数 240F。iv) 使用发射角斜率确定预测发射角 [0086]处理器104然后组合总体趋势分量262、球速调整分量264和旋转速率调整分量266的结果,产生候选球杆202的预测发射角斜率268。 [0087] 处理器104然后可以使用预测发射角斜率268来确定具有候选杆面倾角204的候选球杆202的预测发射角269。首先,处理器104考虑候选杆面倾角204和候选球杆倾角204之间的杆面倾角差。 参考杆面倾角206产生杆面倾角差。 为了确定预测发射角,处理器104然后将杆面倾角差乘以预测发射角斜率268以产生具有候选杆面倾角204的候选球杆202的预测发射角269。 C. 自旋速率斜率函数 [0088] 参考图5C,处理器104可以应用类似的过程来使用自旋速率斜率函数270来确定候选球杆202的预测自旋速率斜率278。 [0089] 由处理器 104 为每个候选球杆 202 评估的旋转速率斜率函数 270 指示个体 101 特定的每度倾角变化的旋转速率的预期变化,并且包括总体趋势分量 272、球速 调整组件 274 和旋转速率调整组件 276。总体趋势组件 272 表示每度倾角变化的旋转速率变化率的“总体趋势”,并且基于以下的候选倾角 204 确定 候选球杆 202。球速调整分量 274 也基于候选球杆 202 的候选杆面倾角 204 确定,并结合了与参考球杆 126 的个体 101 相关的标准化球速值 231 相对于基准球 参考球杆 126 的速度值 222。旋转速率调整分量 276 也基于候选球杆 202 的候选杆面倾角 204 确定,并结合了 与参考球杆 126 的个体 101 相关的归一化旋转速率值 233 相对于参考球杆 126 的基线旋转速率值 224。i)旋转速率斜率函数:总体趋势分量 [0090] 处理器104基于候选球杆202的候选杆面倾角204评估自旋速率斜率函数270的总体趋势分量272,并结合基于候选杆面倾角的分类范围选择的第七组调整参数240G 候选球杆202的角度204(例如,基于候选杆面倾角204落入的候选杆面倾角值的范围)。 具体而言,处理器104从存储在与处理器104通信的存储器108中的参数值总集240中选择用于第七组调整参数240G的值; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第七组调整参数240G以便产生准确的结果,并且第七组调整参数240G的分类范围和值用于自旋速率的总体趋势分量272 斜率函数270对于自旋速率斜率函数270的总体趋势分量272可以是唯一的。 [0091] 在一个示例中,处理器104可以使用候选球杆202的候选杆面倾角204作为输入来评估自旋速率斜率函数270的总体趋势分量272,其中总体趋势分量272的第七组调整参数240G是 基于候选球杆 202 的候选杆面倾角 204 的分类范围来选择。ii)旋转速率斜率函数:球速调整组件 [0092]处理器 104 基于候选球杆 202 的候选杆面倾角 204 和基于与参考球杆 126 的个体 101 相关联的归一化球速值 231 来评估自旋速率斜率函数 270 的球速调整分量 274。 特别地,球速调整组件274结合参考球杆126的与个体101相关联的归一化球速值231相对于参考球杆126的基线球速值222以产生相对球速变化 价值。 当评估旋转速率斜率函数 270 的球速调整分量 274 时,处理器 104 将相对球速变化值与以类似于球速调整的杆面倾角调整值的方式确定的杆面倾角调整值组合 使用第八组调整参数240H,球速斜率函数250的分量254和发射角斜率函数260的球速调整分量264的杆面倾角调整值。 [0093] 类似于球速斜率函数250的球速调整分量254和发射角斜率函数260的球速调整分量264,确定旋转速率斜率函数的球速调整分量274的杆面倾角调整值 在图270中,处理器104类似地并入第八组调整参数240G,其基于候选球杆202的候选杆面倾角204的分类范围(例如,基于候选杆面倾角的候选杆面倾角值的范围, 204 落入)。 具体地,处理器104从存储在与处理器104通信的存储器108中的参数值总集240中选择用于第八组调整参数240G的值; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第八组调整参数240G以产生准确的结果,并且第八组调整参数240G的分类范围和值对于球速调整组件274可以是唯一的 自旋速率斜率函数 270. [0094] 在一个示例中,处理器104可以使用归一化球速值231和候选球杆202的候选杆面倾角204作为输入,利用第八组调整参数来评估旋转速率斜率函数270的球速调整分量274 基于候选球杆202的候选杆面倾角204的分类范围选择球速调节部件274的240G。 Hi) Spin Rate Slope 函数:Spin Rate Adjustment Component [0095] 处理器104基于候选球杆202的候选杆面倾角204和基于参考球杆126的与个体101相关联的归一化旋转速率值233评估旋转速率斜率函数270的旋转速率调整分量276。 特别地,自旋速率调节组件276结合参考球杆126的与个人101相关联的归一化自旋速率值233相对于参考球杆126的基线自旋速率值224以产生相对自旋速率变化值。 当评估自旋速率调整分量 276 时,处理器 104 将相对自旋速率变化值与以类似于球速斜率的自旋速率调整分量 256 的倾角调整值的方式确定的倾角调整值组合 使用第九组调整参数 2401 的函数 250 和发射角斜率函数 260 的自旋速率调整组件 266 的杆面倾角调整值。 [0096]类似于球速斜率函数250的旋转率调整组件256和发射角斜率函数260的旋转率调整组件266,以确定旋转率斜率函数的旋转率调整组件276的杆面倾角调整值 在图270中,处理器104类似地并入第九组调整参数2401,其基于候选球杆202的候选杆面倾角204的分类范围(例如,基于候选杆面倾角值的范围,候选杆面倾角值 204 落入)。 具体地,处理器104从存储在与处理器104通信的存储器108中的参数值总集240中选择用于第九组调整参数2401的值; 这些值可以根据经验确定,并可以使用通过多次参考飞行获得的数据进行优化以提高准确性。 处理器104可以使用任意数量的分类范围来分配第九组调节参数2401以便产生准确的结果,并且第九组调节参数2401的分类范围和值对于自旋速率调节组件276可以是唯一的 自旋速率斜率函数 170. [0097] 在一个示例中,处理器104可以使用归一化旋转速率值233和候选球杆202的候选杆面倾角204作为输入,利用第九组调整参数来评估旋转速率斜率函数270的旋转速率调整分量276 基于候选球杆 202 的候选杆面倾角 204 的分类范围选择旋转速率调整组件 276 的 2401。iv) 使用旋转速率斜率确定预测旋转速率 [0098] 处理器104然后组合总体趋势分量272、球速调整分量274和旋转速率调整分量276的结果,产生候选球杆202的预测旋转速率斜率278。 [0099] 处理器104然后可以使用预测的旋转速率斜率278来确定具有候选倾角204的候选球杆202的预测旋转速率279。首先,处理器104考虑候选倾角204和候选杆倾角204之间的倾角差。 参考杆面倾角206产生杆面倾角差。 为了确定预测旋转速率279,处理器104然后将杆面倾角差乘以预测旋转速率斜率278以产生具有候选杆倾角204的候选球杆202的预测旋转速率279 优化预测的球杆杆面倾角组合以获得一致的间隙组 [0100] 参考图 6-8,处理器 104 利用调整后的预测球飞行特性 134 来识别从多个候选球杆 202 (图中显示为候选球杆 202A-202w) 中选择的一组推荐球杆 136,具有优化的 间隙。 处理器104通过评估一组预测的球飞行特性134来确定来自多个候选球杆202的推荐球杆136的最佳组合,该组预测球的飞行特性134被调整为可用于每个候选球杆202的每个候选杆面倾角204。具体地,处理器104确定a 为每个候选杆面倾角 204 计算预测击球距离 282 和/或预测总距离 284,并选择与一组推荐球杆 136 相对应的预测杆面倾角,使得每个推荐球杆的击球距离之间的间隙(图 7 和 8) 俱乐部 136 是一致的。 这样,处理器104从共同导致每个预测球杆之间的最佳差距的多个候选球杆中选择一组推荐球杆136。 [0101] 在一个方面,处理器104可以使用预测球速、预测发射角来确定具有候选杆面倾角204的候选球杆202的一组预测球飞行特性134的预测飞行距离和/或预测总距离 和/或候选杆面倾角204的预测后旋率。例如,处理器104可以使用将预测球速、预测发射角和预测后旋率作为输入的抛射物运动函数来确定预测飞行距离,并且 楷模 -使用候选球杆202假设击打的球的飞行轨迹,包括以下至少之一:预测的顶点高度、预测的飞行距离和预测的总距离。 [0102] 射弹运动函数的方面,包括常量和运算符,是基于可观察到的相关性和本领域普通技术人员熟知的物理原理预先确定的。 一般而言,预测和/或飞行距离可取决于球速、发射角度、重力、空气阻力和升力。 空气阻力可取决于球的速度、球的表面积和经验导出的阻力系数,其中阻力系数可取决于旋转速率和球速。 类似地,升力可以取决于经验导出的升力系数,其中升力系数取决于旋转速率和球速。 [0103] 可选地,射弹运动函数可以包含球的预期质量、预期空气温度和/或预期空气密度中的至少一种,以使用预测球速、预测发射角和 预测的自旋速率。 在进一步的方面,处理器104可以使用预测的飞行距离来确定候选球杆202的一组预测球飞行特性134的预测总距离,并且可以可选地结合地面(例如,球道)的预期摩擦系数 、粗糙、绿色等)。 [0104] 处理器104可以生成对每个可能的杆面倾角的球飞行特性的预测,该杆面倾角可以用于组内的球杆头。 一套典型的高尔夫球杆组包括数量有限的球杆(通常为 14 根),球杆的杆面倾角范围很广。 不包括发球杆和推杆,典型的高尔夫球杆组包括 12 个球杆,这些球杆的杆面倾角在大约 14 度到大约 60 度的杆面倾角范围内大致均匀地分布。 为了提供对有用的高尔夫球杆组的推荐,处理器104必须从多个候选球杆202中识别推荐球杆136的组合,其不仅在每个推荐球杆136的飞行距离282之间提供一致的间隙,而且还提供 宽范围的杆面倾角以填充整套推荐的球杆 136。在一些实施例中,每个候选杆面倾角 204 可以分类为对应于某个球杆“编号”(即 5 号铁杆、6 号铁杆、7 号铁杆 , ETC。)。 例如,为 34 和 37.5 之间的候选杆面倾角 204 生成的调整后的球飞行预测 158 度可以分类为对应于8号铁杆,而为38度和41.5度之间的候选杆面倾角204生成的调整球飞行预测158可以分类为对应于9号铁杆。 处理器104可以被配置为从与每个球杆编号相关联的候选杆面倾角204的每个范围中识别具有杆面倾角的一个推荐球杆136。 在必须选择每个球杆编号的一个推荐球杆 136 的参数内,处理器 104 可以从多个候选杆面倾角 204 中识别杆面倾角的最佳组合,从而在预测的球飞行距离(例如,预测的进位)之间产生期望的间隙 距离 282 和/或预测总距离 284)与每个相应的推荐球杆 136 相关联。这允许处理器 104 识别构成推荐球杆 136 的完整集合的杆面倾角的组合,同时仍然在 推荐球杆组 136。在识别导致最佳间隙的推荐球杆组 136 之后,系统 100 可以在与处理器 104 通信的显示设备 138 处显示与推荐球杆组 136 有关的信息 (例如, ,显示设备138可以显示包括推荐俱乐部组136的推荐的信息。 [0105]在许多实施例中,与每个球杆类型相关联的杆面倾角范围在不同球杆类型之间可以是连续的。 例如,如果 8 号铁杆与 34 到 37.5 度之间的倾角相关联,那么 7 号铁杆可能与 28 到 33.5 度之间的倾角相关联,而 6 号铁杆可能与 24 到 27.5 度之间的倾角相关联 度。 在备选实施例中,与每个球杆类型相关联的杆面倾角范围可以与与每个相邻球杆类型相关联的杆面倾角范围重叠。 这种重叠的杆面倾角范围允许更多数量的可能的杆面倾角组合被处理器104评估以识别具有优化间隙的推荐球杆组136。 例如,在一些实施例中,处理器104可以在一些潜在组合中将34度的预测杆面倾角分类为8号铁杆,并将34度的预测杆面倾角分类为其他潜在组合中的7号铁杆。 这允许处理器104评估更多数量的推荐球杆136的可能组合以识别一组具有优化间隙的推荐球杆136。 [0106] 在一些实施例中,如果球员在适配期间击打的参考球杆 126 是与参考杆面倾角 206 相关联的 7 号铁杆,系统仍然可以评估 推荐球杆组 136 的 7 号铁杆的杆面倾角的替代可能性。以这种方式,推荐不限于选择参考球杆 126 的特定杆面倾角以用作推荐组中的 7 号铁杆 俱乐部 136. [0107] 如图8所示,处理器104通过选择对应于每个球杆编号的一个杆面倾角来识别一组推荐球杆136,以从多个候选球杆202中识别最好地完成该组的推荐球杆136的组合。 每个推荐球杆 136 都与预测距离相关联,并且任何给定的推荐球杆组 136 包括基于推荐球杆组 136 内每个推荐球杆 136 的预测击球距离 282 或预测总距离 284 的特定间隙。 在图 9 的块 904 中,处理器 104 可以评估来自多个候选球杆 202 的一组推荐球杆 136 的所有可能组合,以确定哪个组合包括推荐球杆组 136 内最理想的间隙(例如,通过评估预测的 球杆距离 282 或预测总距离 284 与每个相应的候选球杆 202 相关联,并从多个候选球杆 202 中识别一组推荐球杆 136,这些球杆共同导致预测球杆距离 282 或预测总距离 284 之间的最理想差距)。 在许多实施例中,处理器 104 通过确定推荐球杆 136 的哪个组合导致每个推荐球杆 136 之间的间隙变化最小(例如,3 号铁杆和 4 号铁杆之间的间隙基本上是 与 4 号铁杆和 5 号铁杆之间的间隙等相同)。 [0108] 在一些实施例中,玩家可能希望一组高尔夫球杆共同具有特定的球杆距离之间的平均间隙(下文称为“目标间隙”290)而不是可能的最一致的间隙。 不是推荐预测球杆差距之间的最小变化,处理器104可以从多个候选球杆202中识别推荐球杆组136,其中球杆之间的平均预测差距尽可能接近目标差距290,并且可以显示 指示一组推荐球杆 136 的信息。因此,在一些实施例中,处理器 104 可以接收指示目标差距 290 的输入数据。例如,可能存在一些情况,其中为了特定球杆实现最一致的差距 球员,平均差距可能约为 12 码。 然而,如果玩家想要大约 10 码的目标间距 290,则处理器 104 可以 被配置成识别一组推荐球杆136,其中每个推荐球杆136之间的平均预测差距尽可能接近10码,即使在这样的推荐中的预测差距稍微不太一致。 [0109]图10示出概述可由处理器104执行的过程1000的替代实施方式的过程流程图,其中推荐球杆组136针对特定目标差距290进行优化。块1001、1002和1003类似于块901、902 和过程流程图 900 的 903,因为每个候选球杆 202 的调整球飞行预测 158 在两个实现中以相同的方式创建。 参考框1004,处理器104可以接收指示预定目标差距290的输入数据,其中目标差距290可以包括高尔夫球手期望的每个推荐球杆136的预测距离之间的平均差距。 参照方框 1005,处理器 104 从多个候选球杆 202 中识别一组推荐球杆 136,这些球杆共同导致预测距离之间的平均差距最接近目标差距 290。处理器 104 确定推荐的最佳组合 通过评估每个候选球杆 202 的候选杆面倾角 204 的所有可能组合的预测距离来确定球杆 136,如上文关于图 9 所述。 [0110] 在一些实施例中,可能希望在一组推荐的球杆 136 内具有多个目标间隙。例如,在一些实施例中,玩家可能希望在低杆面倾角球杆(即 7 号铁杆和具有较低杆面倾角的球杆)之间具有更小的目标间隙 290 杆面倾角高于 7 号铁杆)和高杆倾角球杆(即杆面倾角高于 7 号铁杆)之间的目标差距更大 290,反之亦然。 处理器104还可以被配置为从多个候选球杆202中识别导致多个目标间隙290的最佳间隙的推荐球杆组136。 混合木和球道木的权衡 [0111] 处理器104还可操作以从多个候选球杆202中识别球道木杆、混合杆和铁杆的最佳组合以包括在推荐球杆组136中。根据给定球员的较低倾角球杆的球飞行特性, 对于给定的杆面倾角,不同的球员将使用不同类型的球杆(即球道木杆、混合杆或铁杆)获得更好的表现。 某些球员有球飞行 不利于打低杆面倾角铁杆型球杆的特征。 例如,某些球手,尤其是旋转率相对较低的球手,很难使用 3 号铁杆或 4 号铁杆等低倾角铁杆。 这样的球员通常在如此低的杆面倾角下使用混合杆或球道木杆而不是铁杆,例如使用 3 号混合杆而不是 3 号铁杆,体验到性能的提高。 对于球飞行特性不利于打低倾角铁杆的某位球员来说,这样的低倾角铁杆可以被认为是该球员“无法使用”的。 使用为低倾角铁杆调整的一组预测球飞行特性134,处理器104可以确定哪些铁杆对于给定的球员来说是不可打的并且可以识别合适的混合杆和/或球道木杆以替换该组中的这些不可打的铁杆。 [0112]一方面,处理器104可以基于候选球杆的材料(例如,铁杆、混合杆、球道木等)针对候选杆面倾角调整一组预测球飞行特性134。 例如,如果候选球杆是混合型球杆,则处理器104可以相应地调整一组预测球飞行特性134。 特别地,对于候选倾角204,处理器104可以如上所述确定候选倾角204的初始一般球飞行预测,从而导致预测球速259、预测发射角269和预测旋转速率279 对于候选杆面倾角 204 的铁杆候选球杆 202。然后,为了调整一组预测的球飞行特性 134 以反映处于相同候选杆面倾角 204 的混合候选球杆 202,处理器 104 可以应用混合球速度调整 到预测球速度259,混合发射角调整到预测发射角269,和混合旋转率调整到预测旋转率279导致混合球速、混合发射角和混合旋转率。 这反映在图 11A 中,图 11A 显示了将在下面更详细描述的整体混合调整 300。 类似地,为了调整一组预测球飞行特性 134 以反映相同候选杆面倾角 204 的球道木杆候选球杆 202,处理器 104 可以将球道木杆球速调整应用于预测球速 259,球道木杆发射 对预测发射角的角度调整269,以及对预测旋转率279的球道木杆旋转率调整导致球道木球速度、球道木杆发射角和球道木杆旋转率。 这反映在图 11B 中,图 11B 显示了整体球道木杆调整 400,这也将在下面更详细地描述。 [0113] 直接参考图 11A,整体混合调节 300 产生混合球速度 359、混合发射角 369 和混合旋转速率 379。如图所示,整体混合调节 300 包括混合球速度调节功能 310,其接受 来自个人使用参考球杆126击打的球的归一化球速值231并导致混合球速调整320。在一些实施例中,混合球速调整函数310涉及将归一化球速值231除以第一 混合调整值 312。如果结果值小于一,则结果值可以乘以第二混合调整值 314 以产生混合球速度调整值 320。相反,如果结果值大于一,则 混合球速度调整 320 等于第二混合调整值 314。混合发射角调整 330 可以简单地包括第三混合调整值 316,并且混合旋转速率调整 340 可以简单地包括第四混合调整值 318。为了获得 对于混合球速度 359,混合球速度调整 320 可以添加到或以其他方式与前一节中讨论的候选杆面倾角 204 的预测球速度 259 相结合。 类似地,为了获得混合动力发射角369,混合动力发射角调整330可以添加到或以其他方式与前一节中讨论的候选倾角204的预测发射角269相结合; 为了获得混合旋转速率379,可以将混合旋转速率调整340添加到或以其他方式与前一节中讨论的候选杆面倾角204的预测旋转速率279组合。 对于具有候选杆面倾角 204 的混合候选球杆 202,处理器 104 可以更新一组预测球飞行特性 134 以反映混合球速度 359、混合发射角 369 和混合旋转速率 379。首先, 第二、第三和第四混合调整值312、314、316和318可以通过观察使用不同杆面倾角的铁杆和混合球杆击打的许多测试击球凭经验获得和导出。 [0114]直接参考图 11B,整体球道木杆调整 400 产生球道木球速度 459、球道木杆发射角度 469 和球道木杆旋转速率 479。如图所示,整体球道木杆调整 400 包括球道木球速度 调整函数 410 接受来自个人使用参考球杆 126 击打的球的归一化球速值 231 并产生球道木球速度调整 420。在一些实施例中,球道木球速度调整函数 410 涉及除以归一化的 球速值 231 通过第一球道木调整值 412。如果 结果值小于一,则结果值可以乘以第二球道木杆调整值414以产生球道木球速度调整值420。相反,如果结果值大于一,则球道木球速度调整值 420等于第二球道木杆调整值414。球道木杆发射角度调整值430可以简单地包括第三球道木杆调整值416,球道木杆旋转速率调整值440可以简单地包括第四球道木杆调整值418。 为了获得球道木球速度459,球道木球速度调整420可以添加到或以其他方式与前一节中讨论的候选杆面倾角204的预测球速度259相结合。 类似地,为了获得球道木杆击球角469,可以将球道木杆击球角调整430添加到或以其他方式与上一节中讨论的候选杆面倾角204的预测击球角269相结合; 为了获得球道木杆旋转速率479,球道木杆旋转速率调节440可以添加到或以其他方式与前一节中讨论的候选杆面倾角204的预测旋转速率279组合。 对于具有候选倾角204的球道木杆候选球杆202,处理器104可以更新一组预测的球飞行特性134以反映球道木杆球速度459、球道木杆发射角469和球道木杆旋转速率479 第一、第二、第三和第四球道木调整值412、414、416和418可以通过观察使用不同杆面倾角的铁杆和球道木杆击打的许多测试击球凭经验获得和导出。 [0115] 图 12 说明了附加过程 1100 的过程流程图,概述了处理器 104 识别球杆类型(铁杆、混合杆或球道木杆)的最佳组合的能力,以从多个 候选俱乐部202。块1201-1204类似于之前描述的图9-10的先前步骤。 然而,参考图12的方框1205,处理器104通过将低倾角铁杆或混合杆的预测球飞行特性134与一个球杆的预测球飞行特性134进行比较来确定哪些球杆类型(铁杆或混合杆)对于给定玩家来说是不可打的。 相邻更高杆面倾角的候选球杆 202。特定候选球杆 202 的可打性或不可打性由候选球杆 202 相对于参考球杆 126 的预测顶点高度的预测顶点高度以及候选球杆 202 之间的间隙来确定 所讨论的和相邻的、更高放样的候选俱乐部 202。 [0116] 关于顶点高度,处理器104可以定义顶点高度比为候选球杆202的顶点高度除以参考球杆126的顶点高度。顶点高度比可以表示候选球杆202的顶点高度 问题作为参考球杆 126 顶点高度的百分比。 处理器104可以进一步定义顶点高度可玩性阈值,该阈值可以用于确定推荐球杆组136中任何给定球杆的可玩性。包括低于顶点高度可玩性阈值的顶点高度比率的任何候选球杆202可以是 被认为“无法播放”。 [0117]顶点高度可玩性阈值可以在 70% 到 90% 之间。 在一些实施例中,顶点高度可玩性阈值可以在大约70%和75%之间、75%和80%之间、80%和85%之间或85%和90%之间。 在一些实施例中,顶点高度可玩性阈值可以在70%和80%之间、75%和85%之间或80%和90%之间。 在一些实施例中,顶点高度可玩性阈值可以是大约75%、76%、77%、78%、79%、80%、81%、82%、83%、84%、85%、86%、87% 、88%、89% 或 90%。 在一些实施例中,处理器104可以为上面列出的范围内的铁杆型球杆和混合型球杆定义单独的顶点高度可打性阈值。 在一些实施例中,处理器104可以定义铁杆型顶点高度可玩性阈值和混合型顶点高度可玩性阈值。 如果候选球杆 202 的顶点高度比低于关联的顶点高度可玩性阈值,则候选球杆 202 被认为不可玩。 [0118] 关于确定可玩性的候选球杆202之间的差距,处理器104可以定义差距可玩性阈值。 间隙可打性阈值用于确定特定球杆类型的特定候选球杆 202 与推荐球杆组 136 中相邻的更高杆面倾角的推荐球杆 136 之间的间隙是否太小以致于候选球杆 202 不可打。 间隙可打性阈值定义为所讨论的候选球杆 202 与推荐球杆组 136 内相邻的更高杆面倾角推荐球杆 136 之间的间隙与推荐组内所有推荐球杆 136 之间的平均间隙的最大差值 球杆 136。例如,如果所讨论的候选球杆 202 与推荐球杆组 136 中相邻的更高倾角推荐球杆 136 之间的间隙相对于推荐球杆组中推荐球杆 136 之间的平均间隙太小 136、 所讨论的候选俱乐部202可以被确定为不可玩。 在一些实施例中,间隙可打性阈值可以由相邻推荐球杆136的间隙与目标间隙290之间的关系来确定,而不是关于平均间隙。 [0119] 在许多实施例中,间隙可玩性阈值的范围可以在 2 码和 5 码之间。 在一些实施例中,间隙可玩性阈值大约在 2 码和 2.2 码之间、2.2 码和 2.4 码之间、2.4 码和 2.6 码之间、2.6 码和 2.8 码之间、2.8 码和 3 码之间、3 码和 3.2 码之间。 码数,3.2码和3.4码之间,3.4码和3.6码之间,3.6码和3.8码之间,3.8码和4码之间,4码和4.2码之间,4.2码和4.4码之间,4.4码和4.6码之间 ,在4.6码和4.8码之间,或者在4.8码和5码之间。 在一些实施例中,间隙可玩性阈值在2码和3码之间、2.25码和3.25码之间、2.5码和3.5码之间、2.75码和3.75码之间、3码和4码之间、3.25码和4.25码之间 ,3.5码到4.5码之间,3.75码到4.75码之间,或者4码到5码之间。 在一些实施例中,间隙可玩性阈值可以是大约2码、2.25码、2.5码、2.75码、3码、3.5码、3.75码或4码。 在一些实施例中,处理器104可以为上面列出的范围内的铁杆型球杆和混合型球杆定义单独的间隙可打性阈值。 因此,在一些实施例中,处理器104可以定义铁杆型间隙可打性阈值和混合型间隙可打性阈值。 如果特定类型的给定候选球杆 202 与推荐球杆组 136 内相邻的更高杆面倾角推荐球杆 136 之间的差距与推荐球杆组 136 内所有推荐球杆 136 之间的平均差距更大 比间隙可玩性阈值,候选俱乐部202被认为不可玩。 [0120]参考框1206,处理器104可以评估其中铁杆候选球杆202被认为不可打的情况并且可以从多个候选球杆202中识别混合型候选球杆202以替换不可打的铁杆候选球杆202以包括在 推荐球杆组136。被选择包含在推荐球杆组136中的混合型候选球杆202可具有导致混合型候选球杆202与推荐的相邻铁杆之间的理想间隙的杆面倾角 推荐俱乐部集合 136 中的俱乐部 136。类似地,处理器 104 可以评估这样的 混合型候选球杆 202 被认为不可打并且可以识别球道木杆型候选球杆 202 以替换不可打的混合型候选球杆 202 以包含在推荐球杆组 136 中的条件。球道木杆型候选球杆 被选择包括在推荐球杆组136中的球杆202可以具有导致球道木杆类型候选球杆202和推荐球杆组136中相邻的混合型推荐球杆136之间的理想间隙的杆面倾角 . [0121] 处理器104是非限制性的并且附加组件将被本领域的普通技术人员理解。 在一些实施例中,例如,处理器104可操作地与便携式设备通信,该便携式设备可以对应于个体高尔夫球手或健身者。 便携式设备可包括智能手机、笔记本电脑、平板电脑或其他可用于执行用户界面和访问与本文所述的参考球飞行特性组130或预测球飞行特性134相关联的数据的便携式设备,接收信息 指示一组推荐球杆 136 中的一个或多个推荐球杆 136,以及在用处理器 104 评估个人之后的其他反馈信息。此外,尽管未描述,处理器 104 可以利用来自外部设备的数据,例如专业 高尔夫球手击球信息、球杆信息和其他形式的信息,可用于定制一般的球飞行特性趋势,或修改此处描述的功能。 [0122] 处理器104是非限制性的并且附加组件将被本领域的普通技术人员理解。 在一些实施例中,例如,处理器104可操作地与便携式设备通信,该便携式设备可以对应于个体高尔夫球手或健身者。 便携式设备可包括智能手机、笔记本电脑、平板电脑或其他可用于执行用户界面和访问与本文所述的参考球飞行特性组130或预测球飞行特性134相关联的数据的便携式设备,接收信息 指示一组推荐球杆 136 中的一个或多个推荐球杆 136,以及在用处理器 104 评估个人之后的其他反馈信息。此外,尽管未描述,处理器 104 可以利用来自外部设备的数据,例如专业 高尔夫球手击球信息、球杆信息和其他形式的信息,可用于定制一般的球飞行特性趋势,或修改此处描述的功能。 例子 示例 1 [0123] 将示例性预测球杆组中球杆飞行距离之间的差距标准误差与特定球员的对照高尔夫球组中球杆飞行距离之间差距的标准误差进行比较。 对于对照高尔夫球杆组,玩家为包括具有标准杆面倾角(即,25-58度)的铁杆的高尔夫球杆组中的每个球杆击打多次。 示例性预测球杆组是使用上述方法单独根据球员的 7 号铁球飞行特性建立的。 表 1 显示了示例性预测组中的球杆以及控制组中的球杆的飞行距离。 表 1 还显示了示例性预测集和控制集的间隙距离。 [0124]如表 1 所示,当比较每个球杆的飞行距离时,控制球杆组和示例性预测球杆组之间的最大误差仅为 3.0%。 当比较每个球杆之间的距离距离时,控制球杆组和示例性预测球杆组之间的最大误差仅为 1.8%。 预测的球杆组和测量的控制球杆组之间的相对较低的差异表明一个有效的预测模型。 具体来说,低误差表明当仅提供给定球员的 7 号铁杆挥杆特性时,软件可以准确地预测标准高尔夫球杆组中球杆的飞行距离和间隙距离。 表 1 - 控制集与示例性预测集 示例 2 [0125] 在一个示例中,一名球员展示了 7 号铁杆的挥杆特性,包括 120 英里/小时的平均球速、16 度的发射角和 6,500 转/分的旋转速率。 使用本预测模型预测间隙距离的变化在标准组和自定义间隙组之间进行了比较。 在标准组中,候选杆面倾角是根据每个球杆的标准商用杆面倾角选择的。 换句话说,标准集反映了玩家在不使用系统推荐优化集的情况下可能存在的差距距离。 自定义间隙集包括产生最佳间隙的候选俱乐部的推荐组合。 [0126] 球员标准组和定制间隙组中每个球杆的飞行距离以及球员标准组和定制间隙组中每个球杆之间的间隙距离显示在下面的表 2A 和 2B 中。 自定义间隙组和球员标准组中每个球杆的预测平均飞行距离以及 7 号铁杆至长铁杆球杆的每个球杆之间的间隙距离显示在下表 2A 中。 定制间隙组的 7 号铁杆到长铁杆的目标间隙距离为 12.5 码。 表 2 A-7i 至长铁 [0127] 定制间隙高尔夫球杆组中 7 铁杆到长铁杆的间隙距离标准差为 0.21,比相同范围球杆的球员标准高尔夫球杆组间隙距离标准差低 1.26 码( 方差减少 85.7%)。 [0128] 球员标准组和自定义间隙组中每个球杆的预测平均飞行距离以及挖起杆与 7 根铁杆球杆的每个球杆之间的间隙距离显示在下表 2B 中。 定制间隙组的挖起杆至 7 号铁杆范围的目标间隙距离为 12 码。 表 2B - 楔入 7i [0129] 定制有间隙高尔夫球杆组中挖起杆与 7 根铁杆的间隙距离标准差为 0.49,比球员标准高尔夫球杆组中的间隙距离标准差低 0.70 码(方差减少 58.8% ). [0130] 如示例 1 中所建立的,本文描述的预测模型基于给定玩家的参考球杆特征提供了对高尔夫球杆组的高度准确的预测。 如上表所示,系统能够生成一组推荐的球杆,实现明显更一致的间隙。 示例 3 [0131] 在另一个示例中,一名球员展示了 7 号铁杆的挥杆特性,包括 113.2 mph 的相对较慢的平均球速、18 度的发射角和 6,300 rpm 的旋转速率。 使用本预测模型预测间隙距离的变化在标准组和自定义间隙组之间进行了比较。 在标准组中,候选杆面倾角是根据每个球杆的标准商用杆面倾角选择的。 换句话说,标准集反映了玩家在不使用系统推荐优化集的情况下可能存在的差距距离。 自定义间隙集包括产生最佳间隙的候选俱乐部的推荐组合。 [0132]球员标准组和定制间隙组中每个球杆的飞行距离以及球员标准组和定制间隙组中每个球杆之间的间隙距离显示在下面的表 3A 和 3B 中。 自定义间隙组和球员标准组中每个球杆的预测平均飞行距离以及 7 号铁杆至长铁杆球杆的每个球杆之间的间隙距离显示在下表 3A 中。 表 3A-7i 至长铁 [0133] 定制间隙高尔夫球杆组中 7 铁杆至长铁杆的间隙距离标准差为 0.65,比球员标准高尔夫球杆组中的间隙距离标准差低 0.66 码(方差减少 50.4 %)。 [0134] 球员标准组和自定义间隙组中每个球杆的预测平均飞行距离以及挖起杆与 7 根铁杆球杆的每个球杆之间的间隙距离显示在下表 3B 中。 表 3B - 楔入 7i [0135] 自定义间隙高尔夫球杆组中挖起杆与 7 根铁杆的间隙距离标准差为 0.87,比球员标准高尔夫球杆组中间隙距离的标准差低 0.03 码(方差减少 3.3% ). [0136] 如示例 1 中所建立的,本文描述的预测模型基于给定玩家的参考球杆特征提供了对高尔夫球杆组的高度准确的预测。 如上表所示,系统能够生成一组推荐的球杆,实现明显更一致的间隙。 例 4 [0137] 在另一个示例中,一名球员展示了 7 号铁杆的挥杆特性,包括 132.1 英里/小时的相对较快的平均球速、15.5 度的发射角和 6,800 转/分的旋转速率。 使用本预测模型预测间隙距离的变化在标准组和自定义间隙组之间进行了比较。 在标准组中,候选杆面倾角是根据每个球杆的标准商用杆面倾角选择的。 换句话说,标准集反映了玩家在不使用系统推荐优化集的情况下可能存在的差距距离。 自定义间隙集包括产生最佳间隙的候选俱乐部的推荐组合。 [0138] 球员标准组和自定义间隙组中每个球杆的飞行距离以及标准组和自定义间隙组中每个球杆之间的间隙距离显示在下面的表 4A 和 4B 中。 球员标准组和自定义间隙组中每个球杆的预测平均飞行距离以及 7 号铁杆到长铁杆球杆的每个球杆之间的间隙距离显示在下面的表 4A 中。 表 4 A-7i 到长铁 [0139] 定制间隙高尔夫球杆组中 7 铁杆至长铁杆的间隙距离标准差为 0.66,比球员标准高尔夫球杆组中间隙距离的标准差低 0.51 码(方差减少 47.7 %)。 [0140] 球员标准组和自定义间隙组中每个球杆的预测平均飞行距离以及挖起杆与 7 根铁杆球杆的每个球杆之间的间隙距离显示在下表 4B 中。 表 4B - 楔入 7i [0141] 自定义间隙高尔夫球杆组中挖起杆与 7 根铁杆的间隙距离标准差为 0.54,比球员标准高尔夫球杆组中间隙距离的标准差低 0.96 码(方差减少 64.0%) ). [0142] 如示例 1 中所建立的,本文描述的预测模型基于给定玩家的参考球杆特征提供了对高尔夫球杆组的高度准确的预测。 如上表所示,系统能够生成一组推荐的球杆,实现明显更一致的间隙。 例 5 [0143]在另一个示例中,一位高尔夫球手使用 29 度 7 号铁杆作为参考球杆,展示了 90 英里/小时的球速、17° 发射角和 5000 rpm 旋转率。 系统可以使用以上关于图3-6概述的方法确定针对全铁杆组(4i到lob挖起杆)的高尔夫球手的预测球飞行特性数据集。 下面的表 5A 显示了高尔夫球手的预测球飞行特性数据。 该系统为高尔夫球手生成了功能齐全的预测定妆。 表5A-预测的球飞行特性数据 [0144] 该系统被配置为确定铁杆型、混合型和球道木杆型球杆的最佳组合。 系统确定最低放样的可玩 铁。 在本示例中,该组定义了相对于目标间隙的 3.5 码间隙可玩性阈值和相对于参考球杆(在本例中为 7 号铁杆)的顶点高度的 85% 的顶点高度可玩性阈值 . 在本示例中,目标间距被确定为 8.8 码。 因此,在这种情况下,无法比赛的差距是小于 4.3 码的任何差距。 如表 5A 所示,5 号铁杆和 6 号铁杆之间的距离为 4.1 码,因此 5 号铁杆被认为不能用于该特定球员。 在此示例中,最小可打顶点高度为 11.9 码(7 号铁顶点高度的 85%)。 如表 5A 所示,4 号铁杆的顶点高度(10.8 码)低于顶点高度可玩性阈值,因此 4 号铁杆被认为不能用于该特定玩家。 [0145] 下一步是确定应选择哪些球道和混合型球道来填补高尔夫球手球袋的剩余空间。 在取消 4 号铁杆和 5 号铁杆的资格后,高尔夫球手剩下 11 支球杆:1 号木杆、推杆和 9 号铁杆(6 号铁杆至吊杆)。 在此示例中,高尔夫球手指定了所需的最长球道木杆(在本例中为 3 号木杆)。 因此,这套球杆需要两支球杆来弥合高尔夫球手的 3 号木杆和 6 号铁杆之间的差距。 该系统生成预测,以在高尔夫球手最长的铁杆(6 号铁杆)和最长的球道木杆(3 号木杆)之间创造相等的总距离差距。 该系统使用与预测铁杆距离相同的方法生成混合杆和球道木杆的预测距离,但增加了球道木杆类型球杆和混合杆的调整系数。 上一节“混合和球道木权衡”中的球杆类型。具体地,混合转换的调整因素可以包括混合球速度调整、混合发射角度调整和混合旋转速率调整。类似地,调整因素 球道木杆转换可包括球道木杆球速调整、球道木杆发射角度调整和球道木杆旋转速率调整。 [0146] 根据 3 号木杆的总距离和 6 号铁杆的总距离之间的差距,所需的混合木杆和球道木杆总距离为每个球杆之间的 12.1 码。 在一个示例性实施方式中,处理器104可以被配置为将球道木和混合木杆的数量平均分配,在奇数的情况下具有更多的球道木杆。 在这个例子中,处理器104推荐了1支混合型球杆和2支球道木杆型球杆。 处理器 104 对所有可能的候选球杆的杆面倾角选项进行迭代,以生成一个解决方案,该解决方案在 3 号木和 6 号铁杆之间提供尽可能接近 12.1 码目标差距。 可以为示例播放器找到表 5B 中显示的以下间隙解决方案。 在“间隙”栏中,总距离用于球道木杆、混合杆和最低杆面倾角铁杆之间的间隙,此类间隙用字母“T”表示 表 5B - 间隙解决方案 [0147] 对于这个特定示例中的玩家,处理器104推荐3号木、7号木、5号混合杆和6号铁杆至58°的开球挖起杆。 每个高尔夫球手都会有自己独特的解决方案,包括不同的推荐球杆和不同的预测球飞行。 计算设备 [0148]参考图15,计算设备1500被图示,其可以代替计算设备140并且被配置为经由应用程序1511或计算机可执行指令中的一个或多个来执行本文描述的功能。 更具体地,在一些实施例中,本文的预测方法的方面可以被翻译成软件或机器级代码,其可以被安装到计算设备1500和/或由计算设备1500执行,使得计算设备1500被配置为执行所描述的功能 在此处。 预期计算设备1500可包括任何数量的设备,例如个人计算机、服务器计算机、手持或膝上型设备、平板设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费者 电子设备、网络 PC、小型计算机、大型计算机、数字信号处理器、状态机、逻辑电路、分布式计算环境等。 [0149] 计算设备1500可以包括各种硬件组件,例如处理器1502、主存储器1504(例如,系统存储器)和将计算设备1500的各种组件耦合到处理器1502的系统总线1501。系统总线 1501可以是几种类型的总线结构中的任何一种,包括存储器总线或存储器控制器、外围总线和使用多种总线架构中的任何一种的本地总线。 例如,此类架构可包括行业标准架构 (ISA) 总线、微通道架构 (MCA) 总线、增强型 ISA (EISA) 总线、视频电子标准协会 (VESA) 本地总线和也称为外围组件互连 (PCI) 总线 作为夹层总线。 [0150] 计算设备1500还可以包括各种存储器设备和计算机可读介质1507,其包括可移动/不可移动介质和易失性/非易失性介质和/或有形介质,但不包括瞬态传播信号。 计算机可读介质1507还可以包括计算机存储介质和通信介质。 计算机存储介质包括以任何方法或技术实现的可移动/不可移动介质和易失性/非易失性介质,用于存储信息,例如计算机可读指令、数据结构、程序模块或其他数据,例如 RAM、ROM、EEPROM、 闪存或其他存储技术、CD-ROM、数字通用磁盘 (DVD) 或其他光盘存储、磁带、磁带、磁盘存储或其他磁性存储设备,或任何其他可用于存储所需内容的介质 信息/数据并且可以由计算设备1500访问。 [0151] 通信媒体包括计算机可读指令、数据结构、程序模块或调制数据信号(例如载波或其他传输机制)中的其他数据,并且包括任何信息传递媒体。 术语“调制数据信号”是指具有以编码信号中的信息的方式设置或改变的一个或多个特性的信号。 例如,通信媒体可以包括有线媒体例如有线网络或直接有线连接和无线媒体例如声学、RF、红外和/或其他无线媒体,或其一些组合。 计算机可读 媒体可以体现为计算机程序产品,例如存储在计算机存储媒体上的软件。 [0152] 主存储器1504包括易失性/非易失性存储器形式的计算机存储介质,例如只读存储器(ROM)和随机存取存储器(RAM)。 包含有助于在计算设备1500内的元件之间传输信息(例如,在启动期间)的基本例程的基本输入/输出系统(BIOS)通常存储在ROM中。 RAM 通常包含处理器 1502 可立即访问和/或当前正在其上运行的数据和/或程序模块。此外,只读存储器 (ROM) 或其他形式的数据存储 1506 可以存储操作系统、应用程序 程序,以及其他程序模块和程序数据。 [0153]数据存储1506还可以包括其他可移动/不可移动、易失性/非易失性计算机存储介质。 例如,数据存储器1506可以是:从不可移动、非易失性磁介质读取或写入的硬盘驱动器; 从可移动的非易失性磁盘读取或写入的磁盘驱动器; 固态硬盘; 和/或从可移动、非易失性光盘(如 CD-ROM 或其他光学介质)读取或写入的光盘驱动器。 其他可移动/不可移动、易失性/非易失性计算机存储介质可以包括盒式磁带、闪存卡、数字通用盘、数字录像带、固态RAM、固态ROM等。 驱动器及其关联的计算机存储介质为计算设备1500提供计算机可读指令、数据结构、程序模块和其他数据的存储。 [0154] 用户可以通过使用输入设备 1545 来通过用户界面 1540 (通过监视器 1560 显示) 输入命令和信息,输入设备 1545 例如平板电脑、电子数字化仪、麦克风、键盘和/或通常称为鼠标、轨迹球的定点设备 或触摸板。 其他输入设备1545可以包括操纵杆、游戏手柄、卫星天线、扫描仪等。 此外,语音输入、手势输入(例如,通过手或手指)或其他自然用户输入方法也可以与适当的输入设备一起使用,例如麦克风、相机、平板电脑、触摸板、手套或其他传感器。 这些和其他输入设备 1545 可操作地连接到处理器 1502 并且可以耦合到系统总线 1501,但可以通过其他接口和总线结构连接,例如并行端口、游戏端口或 通用串行总线 (USB)。 监视器1560或其他类型的显示设备也可以连接到系统总线1501。监视器1560也可以与触摸屏面板等集成。 [0155] 计算设备1500可以使用网络接口1503到一个或多个远程设备(例如远程计算机)的逻辑连接在联网或云计算环境中实现。 远程计算机可以是个人计算机、服务器、路由器、网络PC、对等设备或其他公共网络节点,并且通常包括以上关于计算设备1500描述的许多或所有元件。逻辑连接可以 包括一个或多个局域网 (LAN) 和一个或多个广域网 (WAN),但也可能包括其他网络。 这样的网络环境在办公室、企业范围的计算机网络、内联网和互联网中很常见。 [0156] 当在网络或云计算环境中使用时,计算设备 1500 可以通过网络接口 1503 连接到公共和/或专用网络。在这样的实施例中,调制解调器或用于通过网络建立通信的其他装置连接到 系统总线 1501 经由网络接口​​ 1503 或其他适当的机制。 包括接口和天线的无线网络组件可以通过诸如接入点或对等计算机的合适设备耦合到网络。 在联网环境中,相对于计算设备1500描述的程序模块或其部分可以存储在远程存储器存储设备中。 [0157] 某些实施例在本文中被描述为包括一个或多个模块。 这样的模块是硬件实现的,因此包括至少一个能够执行特定操作并且可以以特定方式配置或布置的有形单元。 例如,硬件实现的模块可以包括永久配置的专用电路(例如,作为专用处理器,例如现场可编程门阵列(FPGA)或专用集成电路(ASIC))以执行 某些操作。 硬件实现的模块还可以包括由软件或固件临时配置以执行某些操作的可编程电路(例如,包含在通用处理器或其他可编程处理器中)。 在一些示例实施例中,一个或多个计算机系统(例如,独立系统、客户端和/或服务器 计算机系统或对等计算机系统)或一个或多个处理器可以由软件(例如,应用程序或应用程序部分)配置为硬件实现的模块,其操作以执行如本文所述的某些操作。 [0158] 因此,术语“硬件实现的模块”涵盖有形实体,即物理构造、永久配置(例如,硬连线)或临时配置(例如,编程)以某种方式运行和/或 执行此处描述的某些操作。 考虑到临时配置(例如,编程)硬件实现的模块的实施例,每个硬件实现的模块都不需要在任何一个实例及时配置或实例化。 例如,在硬件实现的模块包括使用软件配置的通用处理器的情况下,通用处理器可以在不同的时间被配置为相应的不同的硬件实现的模块。 软件可以相应地配置处理器1502,例如,以在一个时间实例构成特定的硬件实现的模块并且在不同的时间实例构成不同的硬件实现的模块。 [0159] 硬件实现的模块可以向其他硬件实现的模块提供信息和/或从其他硬件实现的模块接收信息。 因此,所描述的硬件实现的模块可以被认为是通信耦合的。 在多个这样的硬件实现的模块同时存在的情况下,可以通过连接硬件实现的模块的信号传输(例如,通过适当的电路和总线)来实现通信。 在多个硬件实现的模块在不同时间被配置或实例化的实施例中,这样的硬件实现的模块之间的通信可以例如通过多个硬件实现的模块具有的存储器结构中的信息的存储和检索来实现 使用权。 例如,一个硬件实现的模块可以执行操作,并且可以将该操作的输出存储在与其通信耦合的存储器设备中。 然后,另一个硬件实现的模块可以在稍后访问存储设备以检索和处理存储的输出。 硬件实现的模块也可以启动与输入或输出设备的通信。 [0160] 本文所指的计算系统或设备可包括台式计算机、膝上型计算机、平板电子阅读器、个人数字助理、智能手机、游戏设备、服务器等。 计算设备可以访问包括计算机可读存储介质和数据传输介质的计算机可读介质。 在一些实施例中,计算机可读存储介质是不包括瞬态传播信号的有形存储设备。 示例包括内存,例如主内存、高速缓存和辅助内存(例如 DVD)和其他存储设备。 计算机可读存储介质可以具有记录在其上的指令或者可以用实现本文描述的功能的方面的计算机可执行指令或逻辑来编码。 数据传输介质可用于经由有线或无线连接经由瞬时传播信号或载波(例如,电磁)传输数据。 [0161] 更换一个或多个要求保护的元件构成重建而非修理。 另外,已经关于特定实施例描述了好处、其他优点和问题的解决方案。 然而,利益、优势、问题的解决方案,以及可能导致任何利益、优势或解决方案发生或变得更加明显的任何要素,不应被解释为任何要素的关键、必需或必要的特征或要素。 或所有索赔。 [0162] 此外,如果实施例和/或限制: (1) 未在权利要求中明确要求保护; (1) 未在权利要求中明确要求; (2) 根据等同原则,是或可能是权利要求中明示要素和/或限制的等同物。 [0163] 本文阐述了本公开的各种特征和优点。 条款 [0164] 条款 1:一种改进计算出的最佳高尔夫球杆间隙的杆面倾角组合预测的系统,包括:跟踪设备,为个人使用参考高尔夫球杆击打的多次高尔夫球击球中的每一次击球生成对个人唯一的第一数据集 包括参考杆面倾角,第一数据集包括参考球飞行 与高尔夫球运动相关的特征; 处理器与跟踪装置可操作地通信并被配置为将第一数据集转换为定义一个或多个候选高尔夫球杆的预测球飞行特性的第二数据集,其中处理器: 将由第一数据集定义的参考球飞行特性归一化为 从多次高尔夫球击球导出,通过将标准化的参考球飞行特性和候选杆面倾角输入到预定的球飞行趋势函数来生成候选杆面倾角的一组预测球飞行特性,该预定球飞行趋势函数被配置为预测球飞行的变化 基于杆面倾角和球飞行特性之间的预定相关性,并通过应用来自一个或多个调整计算的输出来调整一组预测的球飞行特性,这些调整计算调整个人的一个或多个参考球飞行特性的偏差 一个预定的阈值,一个或多个调整计算通过考虑玩家特定的差异来提高计算预测的准确性。 [0165] 条款 2:条款 1 的系统,其中一个或多个调整计算包括球速调整分量和旋转速率调整分量,它们考虑了由于偏离基线球速值而对每个预测的球飞行特性的影响 参考球杆和参考球杆的基线旋转速率值。 [0166] 条款 3:条款 2 的系统,其中处理器还被配置为:确定一个或多个个体特定斜率值,该斜率值描述每度预测球飞行特性集合中的预测球飞行特性值的预期变化 基于球速调整分量或旋转速率调整分量的杆面倾角变化; 并且将一个或多个个体特定斜率值组合成一组预测球飞行特性的预测球飞行特性的总个体特定斜率值,总个体特定斜率值描述值的预期变化 预测的每度杆面倾角变化的球飞行特性,其中总的个体特定斜率值包括预测的球速斜率、预测的发射角斜率和预测的旋转速率斜率中的至少一个。 [0167] 条款 4:条款 3 的系统,其中处理器还被配置为:使用总的个体特定斜率值和个体特定斜率之间的杆面倾角差来确定一组预测球飞行特性中的预测球飞行特性的值。 参考杆面倾角和候选杆面倾角; 其中该组预测球飞行特性包括预测球速、预测发射角和预测旋转率中的至少一个 [0168] 条款 5:条款 2 的系统,其中处理器还被配置为:为一组预测球飞行特性中的预测球飞行特性的一个或多个调整计算的球速调整分量选择一组调整参数 基于候选倾角; 并且基于候选杆面倾角、球速度调整分量和调整集确定一组预测球飞行特性的预测球飞行特性的一组个体特定斜率值中的第一个体特定斜率值 用于预测球飞行特性的球速调整分量的参数。 [0169]条款 6:条款 2 的系统,其中处理器还被配置为:为一组预测球飞行特性中的预测球飞行特性的一个或多个调整计算的旋转速率调整组件选择一组调整参数 基于候选倾角; 并且基于候选杆面倾角、旋转速率调整分量和调整集,确定一组预测球飞行特性的预测球飞行特性的一组个体特定斜率值中的第二个体特定斜率值 用于预测球飞行特性的旋转速率调整组件的参数。 [0170] 条款 7:条款 1 的系统,其中处理器进一步配置: 生成第二数据集以定义与多个候选杆面倾角相关联的多个候选高尔夫球杆的多组预测球飞行特性,每组 对应于多个候选杆面倾角中的候选杆面倾角的多组预测球飞行特性的预测球飞行特性,并且通过将归一化的参考球飞行特性和候选杆面倾角输入到预定趋势函数,以及 调整多组预测球的飞行 通过应用一个或多个调整计算的输出来调整个人的一个或多个参考球飞行特性与预定阈值的偏差,该一个或多个调整计算通过考虑球员特定差异来提高准确性。 [0171] 条款 8:条款 7 的系统,其中处理器还被配置为:通过对预测的球飞行特性的评估来确定具有最佳间隙的多个候选高尔夫球杆的组合,该预测球飞行特性针对每个候选高尔夫球可用的每个候选杆面倾角进行调整 俱乐部。 [0172] 条款 9:条款 7 的系统,其中处理器还被配置为:确定多个候选高尔夫球杆面倾角中每个候选杆面倾角的预测球飞行距离,并为多个候选高尔夫球中的每一个选择候选杆面倾角 使多个候选高尔夫球杆的预测距离值的一致性最大化的球杆。 [0173] 第 10 条:第 1 条的系统,其中第一数据集包括一组第一数据结构,表示由跟踪设备生成的高尔夫球通过参考高尔夫球杆的运动的球飞行度量,第二数据集包括第二数据集 包括为具有不同于参考杆面倾角的候选杆面倾角的候选高尔夫球杆预测的伪球飞行度量的结构。 [0174] 第 11 条:根据第 10 条所述的系统,其中处理器还被配置为:显示针对具有不同于参考杆面倾角的候选杆面倾角的高尔夫球杆预测的伪球飞行指标的视觉表示,该视觉表示说明应用 调整来自一个或多个调整计算的输出的结果,该调整计算针对个体的一个或多个参考球飞行特性的偏差进行调整,使得视觉表示更准确地表示个体特定的预测球飞行特性。 [0175] 条款 12:一种改进计算出的最佳高尔夫球杆间隙的杆面倾角组合预测的系统,包括:跟踪设备,该跟踪设备使用参考为个人击打的多个高尔夫球击球中的每一个生成个人唯一的第一数据集 包括参考杆面倾角的高尔夫球杆,第一数据集包括一组与高尔夫球运动相关联的参考球飞行特性; 处理器与跟踪装置可操作地通信并被配置为将第一数据集转换为第二数据集,该第二数据集定义了一个或多个候选高尔夫球杆的预测球飞行特性,其中处理器:(a)为候选高尔夫球杆生成预测球飞行特性 球杆通过执行预定的球飞行趋势函数被配置为基于杆面倾角和一般球飞行特性之间的预定相关性来预测球飞行的变化,其中处理器:使用包括预定球飞行的总体趋势分量的斜率函数导出 趋势函数和使用参考球飞行特性组中的参考球飞行特性,斜率值表示每度杆面倾角变化的预测球飞行特性的变化率; 并且基于预测球飞行特性的斜率值和基于候选球杆的候选杆面倾角与参考杆面倾角之间的差异,确定个人被预测产生的预测球飞行特性的值 候选人俱乐部。 [0176] 条款 13:条款 12 的系统,其中处理器还: 结合参考球飞行特性、候选杆面倾角和基于候选杆面倾角选择的一组调整参数的一个或多个调整计算; 并结合所评估的总体趋势分量的结果和所评估的一个或多个调整计算的结果,从而得出一组预测球飞行特性的预测球飞行特性的斜率值,以导出调整后的预测球飞行特性 这说明了从预定的正常拍摄趋势中个人独有的异常情况。 [0177] 条款 14:条款 12 的系统,其中处理器通过应用调整计算的输出来调整预测的球飞行特性,该调整计算针对个人的一个或多个参考球飞行特性与预定阈值的偏差进行调整,该调整 计算通过考虑玩家特定的差异来提高计算预测的准确性。 [0178] 条款 15:条款 12 的系统,其中处理器重复步骤 (a) 以获得候选球杆的多个预测球飞行特性,多个预测球飞行特性包括预测球旋转、预测旋转速率中的至少一个 ,以及个人将使用具有候选球杆倾角的候选球杆击球的预测发射角。 [0179] 条款 16:条款 15 的系统,其中处理器通过使用多个预测球飞行特性中的至少一个对球的预计轨迹建模来生成个人将击球的预测距离,预测距离适应预定间隙 个人的目标。 [0180]条款 17:一种用于优化高尔夫球杆间隙的杆面倾角组合的改进计算预测的方法,包括由处理器访问定义参考球飞行特性的数据集,该参考球飞行特性与个人使用参考球杆定义的多个高尔夫球杆击球相关联 参考球杆杆面倾角; 并且通过处理器将参考球飞行特性和与多个候选球杆相关联的多个候选球杆倾角输入到预定球飞行趋势函数,为多个候选球杆中的每一个生成一组预测的球飞行特性 ,一组预测的球飞行特性定义每个候选球杆的预测球飞行数据,预定的球飞行趋势函数被配置为基于杆面倾角和球飞行特性之间的预定相关性预测球飞行的变化以考虑预期的变化 给定每度杆面倾角变化的球飞行特性,其中每个候选球杆的一组预测球飞行特性适应多个候选球杆中相邻的球杆之间的预测间隙。 [0181] 第 18 条:第 17 条的方法,还包括:通过应用调整计算的输出,由处理器调整候选球杆的一组预测球飞行特性中的至少一个,该调整计算针对一个或多个参考的偏差进行调整 个人从预定阈值的球飞行特性,调整计算通过考虑球员特定的差异来提高计算预测的准确性 [0182] 第 19 条:根据第 17 条所述的方法,还包括由处理器通过使用以下至少一个对球的预计轨迹进行建模来确定个人将用多个候选球杆中的一个候选球杆击球的预测距离。 与候选球杆相关联的一组预测球飞行特性,预测距离适应个人的预定间隙目标。 [0183] 条款 20:条款 19 的方法,还包括: 由处理器确定个人将利用每个候选球杆的一组预测球飞行特征击打高尔夫球的预测距离; 推荐多个候选球杆的选择部分的组合,该组合预期产生预测距离,该预测距离定义最接近目标差距的预测距离之间的平均差距。