Negli ultimi decenni, l’uso di dispositivi indossabili (wearable devices) per il monitoraggio delle performance e dei parametri vitali degli atleti sta aumentando notevolmente, cambiando in modo drastico le modalità di allenamento [1]. Lo studio si è focalizzato sull’utilizzo dei dispositivi indossabili K-AI (K-Sport, Fano, Italia) [2] e presenta un algoritmo per rilevare e valutare i cambi di direzione durante la camminata. Sono stati considerati diversi angoli di cambio di direzione durante il test: angoli positivi e negativi di modulo pari a 45°, 90°, 135° e 180°. Il metodo di acquisizione dati utilizza sensori come accelerometri, giroscopi e magnetometri, analizzati tramite algoritmi di fusione dei sensori, tra cui il filtro di Kalman e il filtro complementare. I risultati preliminari mostrano che l’algoritmo è molto preciso e affidabile nella rilevazione dei cambi di direzione, mostrandosi anche molto preciso e affidabile nel riconoscimento delle svolte a destra e a sinistra. Per quanto riguarda, invece, la valutazione degli angoli, i risultati mostrano che l’algoritmo è poco accurato e preciso, mostrando un valore medio di -17,86° ed una deviazione standard di 22,64°, relativamente agli scarti di misura. L’intervallo di confidenza al 95% è di [-62,24 , 26,51]°. Lo studio si conclude evidenziando eventuali sorgenti interferenti che potrebbero contribuire a ridurre la precisione e l’accuratezza dell’algoritmo nella valutazione degli angoli relativi ai cambi di direzione.
Test di misura per la valutazione dei cambi di direzione con sensore inerziale
PETROCELLI, LEANDRO
2023/2024
Abstract
Negli ultimi decenni, l’uso di dispositivi indossabili (wearable devices) per il monitoraggio delle performance e dei parametri vitali degli atleti sta aumentando notevolmente, cambiando in modo drastico le modalità di allenamento [1]. Lo studio si è focalizzato sull’utilizzo dei dispositivi indossabili K-AI (K-Sport, Fano, Italia) [2] e presenta un algoritmo per rilevare e valutare i cambi di direzione durante la camminata. Sono stati considerati diversi angoli di cambio di direzione durante il test: angoli positivi e negativi di modulo pari a 45°, 90°, 135° e 180°. Il metodo di acquisizione dati utilizza sensori come accelerometri, giroscopi e magnetometri, analizzati tramite algoritmi di fusione dei sensori, tra cui il filtro di Kalman e il filtro complementare. I risultati preliminari mostrano che l’algoritmo è molto preciso e affidabile nella rilevazione dei cambi di direzione, mostrandosi anche molto preciso e affidabile nel riconoscimento delle svolte a destra e a sinistra. Per quanto riguarda, invece, la valutazione degli angoli, i risultati mostrano che l’algoritmo è poco accurato e preciso, mostrando un valore medio di -17,86° ed una deviazione standard di 22,64°, relativamente agli scarti di misura. L’intervallo di confidenza al 95% è di [-62,24 , 26,51]°. Lo studio si conclude evidenziando eventuali sorgenti interferenti che potrebbero contribuire a ridurre la precisione e l’accuratezza dell’algoritmo nella valutazione degli angoli relativi ai cambi di direzione.File | Dimensione | Formato | |
---|---|---|---|
TesiDef_Petrocelli_pdfA.pdf
embargo fino al 30/10/2027
Dimensione
2.11 MB
Formato
Adobe PDF
|
2.11 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/19453