1 残疾人行走，奇奇怪怪，各种形状的都有。。。基于阈值的方法，对于每个残疾人都必须进行调整。。这个工作本身就特别难，要自动的从仅有的有限的帧中，学习出一个阈值参数，并用学习到的阈值参数来划分我们的周期。。这个问题很难。
2 残疾人走路的话，仅仅通过脚步约束是不容易达到脚步约束的准确判断的，特别是当我们的数据噪声比较大，残疾人走路的姿势比较奇异，周期条件不满足。。。我们需要加入根关节的关系。。这个推理是显然的。。当我们要进行末端运动分析的时候，我们需要用到的是Inverse Kinematic进行计算，我们必然要知道根关节的信息，然后去反算末端的运动情况。
当然人的行走与普通的末端执行器当然不同，我们动力的提供者，不是根关节，而是脚步与地面的摩擦。在运动过程中，个体还需要维持自身的平衡！
关于平衡问题可以考虑到ZMP算法。。
3 进行脚步周期划分，那么我们就要准确或者比较完备的定义什么是脚步周期，如何一个脚步算作脚步周期。如果这个定义太严格，显然不合适。。如果这个定义太宽松，我们将也会得到trick的答案。
摆动腿的摆动角应该有变话。。
摆动角怎么算的问题。。root上有四个点。。构成一个体。但是我们行走的时候，应该按照root点来进行计算吗？。。。显然不能。。如果人做圆规一样的运动。。那应当也算作是一种残疾人的行走方式。。但是此时，我们两腿之间完全没有角度信息，同样，小腿和大腿之间也不具有角度信息。。但这应当是不允许的。。所以我们计算角度信息的时候，需要考虑不仅仅是我们root的朝向，还应当考虑我的前进方向。
root的朝向很好计算，只要算腰上四点刚体即可。
前进方向的计算，如果做圆规运动，我们只需要连接某一只脚的前后不动点，可以近似估计。或者做一步加权的拟合。。
如果非圆规运动，那么计算前进方向也很好计算。
5
其他类型的方法，只有结合进去。然后一点一点想了。。