Characterization and calibration of sensors on a wearable device for the analysis of outdoor sports activity

Injuries in professional outdoor sports are very common nowadays. It may cause a major impact on the overall performance of an individual player as well as a team. Moreover, injuries can cause a lot of pain to the player. Regulating and monitoring the movement of the player carefully can drastically decrease the risk of injuries and improve performance. To enable proper tracking of the player, Soccerment has developed a tracking device which can be used to track the accurate position of the player in the field and more importantly, his acceleration and velocity, which can be used to improve the strategy and to utilize the performance at an efficient level. The device which was used for tracking purpose comprises 9-Dof MEMS Inertial measurement unit (IMU) and a GPS receiver. These low-cost MEMS sensors are obviously not accurate for the measurement; thus, a sensor fusion algorithm is necessary. The challenge in the filtering problem is the fusion process of low-accuracy sensors with highly dynamic player motion which includes rapid orientation change. To estimate the player motion, three different sensor fusion algorithms were developed. For estimating the rotational and translation motions, quaternion-based Kalman filter and Madgwick filter were used. Extended Kalman filter was used to check the performance of the nonlinear system and it was compared to other filters, after which the best performing filter was decided. The filters were tested in real experiments. It was apparent that, during position estimation, onboard GPS sensor’s data was not reliable, and the information obtained was not adequately accurate. To achieve that, GPS data was fused with the position estimation from the IMU. It did help to reduce the error with respect to the original position obtained from the Google map data.

Oggi gli infortuni negli sport all'aria aperta sono molto comuni. Può causare un impatto notevole sulle prestazioni complessive di un singolo giocatore e di una squadra. Inoltre, gli infortuni possono causare molto dolore al giocatore. Regolamentare e monitorare attentamente il movimento del giocatore può ridurre drasticamente il rischio di lesioni e migliorare le prestazioni. Per consentire il corretto tracciamento del giocatore, Soccerment ha sviluppato un dispositivo di tracciamento che può essere utilizzato per tracciare la posizione accurata del giocatore sul campo e, soprattutto, la sua accelerazione e velocità, che può essere utilizzata per migliorare la strategia e utilizzare le prestazioni ad un livello efficiente. Il dispositivo utilizzato a scopo di tracciamento comprende un'unità di misurazione inerziale (IMU) MEMS 9-Dof e un ricevitore GPS. Questi sensori MEMS a basso costo non sono ovviamente precisi per la misurazione; pertanto, è necessario un algoritmo di fusione del sensore. La sfida nel problema del filtraggio è il processo di fusione di sensori a bassa precisione con movimento del lettore altamente dinamico che include un rapido cambio di orientamento. Per stimare il movimento del giocatore, sono stati sviluppati tre diversi algoritmi di fusione dei sensori. Per stimare i movimenti rotazionali e di traslazione, sono stati utilizzati il filtro Kalman basato su quaternione e il filtro Madgwick. Il filtro Kalman esteso è stato utilizzato per verificare le prestazioni del sistema non lineare ed è stato confrontato con gli altri due filtri, dopo di che è stato deciso il filtro con le migliori prestazioni. I filtri sono stati testati in esperimenti reali. Era evidente che, durante la stima della posizione, i dati del sensore GPS a bordo non erano affidabili e le informazioni ottenute non erano adeguatamente accurate. Per ottenere ciò, i dati GPS sono stati fusi con la stima della posizione dall'IMU. Questo ha aiutato a ridurre l'errore rispetto alla posizione originale ottenuta dai dati della mappa di Google.