Измерение точности удара по футбольному мячу с помощью машинного обучения

Mar 13, 2023

Коммерческие и, следовательно, дорогие решения для отслеживания спортивных событий обычно полагаются на компьютерное зрение для измерения положения мяча относительно ворот, например, в футболе, гольфе или футболе. Хотя они весьма полезны, они также довольно привередливы и подвержены сбоям, вызванным ненастной погодой, низким уровнем окружающего освещения и объектами, просто закрывающими обзор камер. Остин Аллен хотел сделать что-то более надежное, что не требовало бы дорогостоящей системы обзора, поэтому он придумал прототип отбойного устройства, который вместо этого содержит несколько акселерометров, чтобы определять, куда бьют футбольные мячи.

Подбирающий мяч можно рассматривать как упругую сетку, которая действует как батут для мяча. Бейсболисты и футболисты используют их, чтобы тренировать свою точность, а их самостоятельный характер сделал их отличным кандидатом. План Аллена состоял в том, чтобы разместить четыре акселерометра — по одному в каждом углу и использовать разницу в ускорении, чтобы рассчитать, где в конечном итоге оказался мяч, и все это без необходимости в постоянно работающей камере.

Металлический каркас ребаундера изготовлен из гнутых секций электропроводки ввиду его легкого веса и достаточной прочности. После соединения различных частей с помощью установочных винтовых соединений посередине была добавлена ​​центральная трубка, которая стала частью задней распорки и служила креплением для электроники. Наконец, с каждой из четырех сторон была прикреплена сетка с помощью эластичного банджи-шнура, чтобы обеспечить необходимую степень отскока.

Несмотря на то, что MPU-6050 в настоящее время является более старым датчиком, который уступает место более современным конструкциям, его надежность и недорогая стоимость по-прежнему делают его хорошим выбором для использования в проекте. Аллен начал с 3D-печати специального крепления для каждого модуля, а затем привязал IMU к четырем углам с помощью молнии, прежде чем проложить шины питания и линии шины I2C к корпусу электроники. После того, как базовая схема была проверена с помощью платы разработчика ESP32 и разъема мультиплексора I2C TCA9548, он разработал специальную печатную плату с разъемами для четырех MPU-6050, светодиодным индикатором и ранее упомянутыми ESP32 и TCA9548.

Прежде чем какую-либо информацию можно было считать с акселерометров, их нужно было сначала настроить на использование полной шкалы +/- 16g и максимальной скорости опроса для получения новых значений как можно скорее. Получение данных от каждого MPU-6050 осуществлялось путем указания мультиплексору I2C, какая линия I2C должна быть активной. Затем ESP32 запрашивает значения из регистров X, Y и Z через I2C и сохраняет их, причем последний шаг включает преобразование необработанного значения АЦП в понятные единицы ускорения. Наконец, результат распечатывается через последовательный порт для последующего сохранения и обработки хост-скриптом.

Процесс обучения модели точному определению положения мяча в сетке начался со сбора необработанных наборов обучающих и тестовых данных. Веб-камера, установленная под сеткой, фиксирует место приземления мяча, в то время как акселерометры постоянно опрашиваются. После обнаружения отскока данные MPU-6050 помечаются местоположением мяча, определенным веб-камерой, и все передается в рекуррентную нейронную сеть в TensorFlow для обучения.

В целом, модель смогла угадать положение мяча в среднем с точностью до 0,2 дюйма, используя только акселерометры, и ее можно было улучшить за счет сбора большего количества данных, более высокой частоты опроса и увеличения разрешения/частоты кадров камеры. Это доказательство концепции многообещающе в мире спортивных тренировок, и дополнительную информацию о нем можно найти здесь, в статье Аллена.