줄넘기와 같은 반복적인 운동들의 횟수를 측정하는 방법은 다양하다. 그 중 대표적으로 가속도 센서의 가속도 값 또는 자이로스코프 센서의 각속도 값을 이용하여 파형과 데이터의 특징을 추출하고 선택한 후 선택한 특징을 알고리즘에 적용하여 측정하는 방법이 있다. 하지만 고정되지 않고 유동적인 운동들은 다양한 변수가 존재한다. 이러한 경우의 수를 하나의 센서만으로 찾기 쉽지 않으며, 잡음과 진동에 취약한 가속도계와 드리프트 현상이 발생하는 각속도의 문제점으로 인하여 정확한 줄넘기 개수를 세는데 다소 정확도가 떨어지는 현상이 발생한다. 본 논문에서는 기존의 방식인 단일 센서만의 값으로 회전운동을 검출하는 방법의 문제점을 개선하기 위해 가속도와 각속도의 데이터값에 상보 필터를 적용하고, 가속도와 각속도 값이 상호보완 하여 서로의 문제점을 최소화하여 보다 정확한 개수를 측정할 수 있는 방법을 제안한다. 제안하는 방법은 센서 값의 특징만을 보고 판단하는 방법과 비교하여 정확하게 줄넘기 개수를 측정하는 것을 실험 결과를 통해 확인할 수 있다.
줄넘기와 같은 반복적인 운동들의 횟수를 측정하는 방법은 다양하다. 그 중 대표적으로 가속도 센서의 가속도 값 또는 자이로스코프 센서의 각속도 값을 이용하여 파형과 데이터의 특징을 추출하고 선택한 후 선택한 특징을 알고리즘에 적용하여 측정하는 방법이 있다. 하지만 고정되지 않고 유동적인 운동들은 다양한 변수가 존재한다. 이러한 경우의 수를 하나의 센서만으로 찾기 쉽지 않으며, 잡음과 진동에 취약한 가속도계와 드리프트 현상이 발생하는 각속도의 문제점으로 인하여 정확한 줄넘기 개수를 세는데 다소 정확도가 떨어지는 현상이 발생한다. 본 논문에서는 기존의 방식인 단일 센서만의 값으로 회전운동을 검출하는 방법의 문제점을 개선하기 위해 가속도와 각속도의 데이터값에 상보 필터를 적용하고, 가속도와 각속도 값이 상호보완 하여 서로의 문제점을 최소화하여 보다 정확한 개수를 측정할 수 있는 방법을 제안한다. 제안하는 방법은 센서 값의 특징만을 보고 판단하는 방법과 비교하여 정확하게 줄넘기 개수를 측정하는 것을 실험 결과를 통해 확인할 수 있다.
There are various methods to count the number of repetitive motions such as jump rope. Most of the methods use features extracted from the time-varying waves of acceleration or angular velocity, which is the main feature in the count of rotations in jump rope. However, there exist several variables ...
There are various methods to count the number of repetitive motions such as jump rope. Most of the methods use features extracted from the time-varying waves of acceleration or angular velocity, which is the main feature in the count of rotations in jump rope. However, there exist several variables and it is not easy to find the count with a single sensor. For example, accelerometer is susceptible to noise and vibration, and the angular velocity may cause a drift phenomenon, which is the main cause of the inaccurate count of jump rope rotation. In this paper, complementary filter is used to consider two sensors simultaneously and complement each other, which results in more accurate count in jump rope rotation. The proposed method can count the exact number of jump rope rotation compared to other existing methods only using one sensor value, which is confirmed through experimental results.
There are various methods to count the number of repetitive motions such as jump rope. Most of the methods use features extracted from the time-varying waves of acceleration or angular velocity, which is the main feature in the count of rotations in jump rope. However, there exist several variables and it is not easy to find the count with a single sensor. For example, accelerometer is susceptible to noise and vibration, and the angular velocity may cause a drift phenomenon, which is the main cause of the inaccurate count of jump rope rotation. In this paper, complementary filter is used to consider two sensors simultaneously and complement each other, which results in more accurate count in jump rope rotation. The proposed method can count the exact number of jump rope rotation compared to other existing methods only using one sensor value, which is confirmed through experimental results.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 가속도계와 각속도계에서 발생하는 문제점을 해결하기 위한 방법으로 상보 필터를 적용하여 가속도계의 상하움직임에 대한 문제점은 회전 각속도의 비중을 높여 줄여주고, 회전 각속도의 드리프트현상으로 발생하는 문제점을 가속도계의 비중을 높여 감소시키는 새로운 줄넘기 회전운동 검출 방법을 제시한다[7, 8].
본 논문에서는 그 대안으로 MEMS(Micro Electro Mechanical Systems) 관성 센서를 이용하여 움직임을 측정한다. 관성 센서는 인가되는 가속도에 의해 관성체에 작용하는 관성력을 검출하는 것이 기본 원리이며, 운동의 관성력을 검출하여 측정 대상인 움직이는 물체의 가속도, 속도, 방향, 거리 등 다양한 항법 관련 정보를 제공하는 부품이다.
본 논문에서는 잡음과 진동에 약한 가속도계와 드리프트 현상이 발생하는 각속도의 문제점을 개선하여 정확한 결과를 얻기 위해 MPU-6050로부터 얻은 데이터에 상보 필터를 적용하는 방법을 제안하였다. 실험 결과에서 첫 번째는 3축의 크기의 합은 상보 필터를 적용하기 전의 각속도 y축과 상보 필터를 적용하여 구한 y축 각도의 파형이 비슷하며, 시작점과 끝점을 찾는데 잡음의 영향을 거의 받지 않았다.
본 논문에서는 줄넘기 회전운동을 검출하는 방법으로 6축 가속도 자이로 센서와 상보필터를 이용하여 단일 센서만을 사용하여 발생하는 오차와 하드웨어 자체의 오차를 최소화하여 보다 정확한 측정을 얻고자 한다.
가설 설정
그림 8의 (a)에서 y축 각속도의 대부분은 잡음들로 인한 오류가 가장 많이 발생하였다. 반면 그림 8의 (b)에서 y축 회전각도는 각속도에서 생겨난 문제가 줄넘기를 하는 도중에는 발생하지 않았다. 하지만 줄넘기가 끝나는 지점에서는 두 경우 모두 오류가 발생한다.
제안 방법
기존의 방식은 단일 센서에서 얻은 데이터로부터 특징을 추출한다. 그리고 적절한 특징을 선택하여 알고리즘을 통해 줄넘기 횟수를 측정한다. 그림 1의 (a)와 (b)의 파형에서는 잡음들이 많이 존재하며, 데이터 수치를 들여다보면 센서 및 통신상의 문제로 전혀 엉뚱한 값이 생성됨을 알 수 있다.
하지만 사람의 성별, 나이, 신체조건 및 주변 환경을 모두 고려한다면, 많은 변수들이 존재하여 하나의 센서만으로는 정확한 회전 운동을 검출하기가 어렵다. 때문에 이 논문에서는 모든 상황을 고려함으로 인해 발생하는 여러 변수들을 처리하기 위한 방안으로 가속도계와 각속도계 두 센서를 동시에 사용 가능한 6축 가속도 자이로 센서인 MPU-6050 을 사용한다. MPU-6050은 3축가속도계와 3축 각속도계가 조합된 움직임추적이 가능한 DMP(Digital Motion Processor)이다.
본 논문에서 실험은 MPU-6050과 Arduino Uno 보드 간의 I2C 통신을 이용하여 데이터를 수집하고, Arduino Uno 보드로부터 받은 데이터를 Matlab에서 인식하여 줄넘기 회전운동을 검출하는 방법을 사용한다.
이 논문에서의 실험은 높은 정확도를 얻기 위해 각속도 y축을 기준 축으로 두고, 동일한 조건을 위해 상보 필터를 적용한 데이터 또한 y축을 기준으로 줄넘기 회전운동을 검출한다. 줄넘기 회전운동의 특징으로는 파형, 극대 및 극소점, 주기 및 각 3축의 크기의 합이 있으며, 이 네 가지 특징을 이용하여 줄넘기 횟수를 측정하고 비교분석한다.
이 논문에서의 실험은 높은 정확도를 얻기 위해 각속도 y축을 기준 축으로 두고, 동일한 조건을 위해 상보 필터를 적용한 데이터 또한 y축을 기준으로 줄넘기 회전운동을 검출한다. 줄넘기 회전운동의 특징으로는 파형, 극대 및 극소점, 주기 및 각 3축의 크기의 합이 있으며, 이 네 가지 특징을 이용하여 줄넘기 횟수를 측정하고 비교분석한다. 그림 3은 각속도 및 회전각도의 3축 크기의 합을 구한 것을 보여준다.
이론/모형
9mm에 실장 되었고, 작고 얇아 하드웨어 제작에 용이하다. 통신은 I2C 방식을 따르며, 속도는 400kHz이다. 가속도계와 각속도계 각각의 3축의 값을 16-bit ADC(Analog to Digital Convert)로 디지털화하여 출력한다.
성능/효과
본 논문에서는 잡음과 진동에 약한 가속도계와 드리프트 현상이 발생하는 각속도의 문제점을 개선하여 정확한 결과를 얻기 위해 MPU-6050로부터 얻은 데이터에 상보 필터를 적용하는 방법을 제안하였다. 실험 결과에서 첫 번째는 3축의 크기의 합은 상보 필터를 적용하기 전의 각속도 y축과 상보 필터를 적용하여 구한 y축 각도의 파형이 비슷하며, 시작점과 끝점을 찾는데 잡음의 영향을 거의 받지 않았다. 이는 값의 스펙트럼이 증가하여 잡음이 다소 미비한 영향을 줌을 알 수 있다.
표 1에서 보여주듯이 상보 필터를 적용하여 줄넘기 개수를 측정하였을 때, 적용하기 전 보다 확연히 높은 정확도를 보여주는 것을 확인할 수 있다. 총 535개 데이터 중 한 주기가 끝나는 지점을 찾지 못하는 경우가 센서에서 출력한 값을 입력받아 바로 적용하였을 때, 139개의 오류 값이 있었고, 입력받은 값에 상보필터를 적용한 후의 결과 값에는 43개 오류가 생겼다. 오류 지점은 직관적으로 판단하였고, 정확도 계산은 아래 식 (10)을 사용하였다.
표 1에서 보여주듯이 상보 필터를 적용하여 줄넘기 개수를 측정하였을 때, 적용하기 전 보다 확연히 높은 정확도를 보여주는 것을 확인할 수 있다. 총 535개 데이터 중 한 주기가 끝나는 지점을 찾지 못하는 경우가 센서에서 출력한 값을 입력받아 바로 적용하였을 때, 139개의 오류 값이 있었고, 입력받은 값에 상보필터를 적용한 후의 결과 값에는 43개 오류가 생겼다.
후속연구
더하여 시작 지점과 끝 지점의 파형의 모습은 대부분 동일하나, 그렇지 않은 경우 제안한 방법과 기존의 방법 두 가지 모두 오류를 범한다. 결과적으로 제안하는 방법은 순수한 센서의 값만으로 측정하는 방식과 비교하여 실제 정확도가 더 높음을 확인할 수 있으며, 끝점에서는 동일한 이유로 오류가 발생하고, 이를 개선하기 위하여 다른 특징을 선택하여 적용할 필요가 있다.
하지만 속도 지연문제를 제외한다면 상보 필터를 사용하는 것이 효과적인 방법임에 분명하다. 따라서 향후 상보 필터의 속도 지연문제를 최소화하여 개선할 방안에 대한 연구를 진행할 것이며, 칼만필터를 개선하여 회전운동 검출에 적용할 방안 또한 연구계획에 있다.
이는 정확도를 낮추는 가장 큰 원인 중 하나이다. 또한 이를 해결하기 위해 추가적인 알고리즘을 적용한다면, 오히려 상보 필터를 적용한 것보다 더 많은 계산량을 필요로 할 수 있다. 마지막으로 줄넘기를 한 번 뛸 때마다의 마지막 지점을 찾는 경우이다.
질의응답
핵심어
질문
논문에서 추출한 답변
관성 센서란?
본 논문에서는 그 대안으로 MEMS(Micro Electro Mechanical Systems) 관성 센서를 이용하여 움직임을 측정한다. 관성 센서는 인가되는 가속도에 의해 관성체에 작용하는 관성력을 검출하는 것이 기본 원리이며, 운동의 관성력을 검출하여 측정 대상인 움직이는 물체 의 가속도, 속도, 방향, 거리 등 다양한 항법 관련 정보를 제공하는 부품이다. 이 센서는 가속도계와 각속도계두 가지로 분류할 수 있다.
줄넘기를 구분하는 두가지 동작은?
줄넘기는 뛰어오르는 동작과 줄을 돌리는 동작 두 가지로 구분할 수 있다. 먼저 뛰어오르는 동작은 상하로 움직이는 수직운동이며, 가속도계로 가속도의 변화를 측정하여 움직임을 확인할 수 있다.
뛰어오르는 동작과 줄을 돌리는 동작을 동시에 측정하기 위해 사용하는 것은?
다음으로 줄을 돌리는 회전운동은 각속도계를 이용하여 회전 각속도의 변화를 측정한다[1-3]. 이 두 동작을 동시에 측정하기 위하여 6축 가속도 자이로 센서를 사용한다[4-6]. 하지만 6축 가속도 자이로 센서는 잡음과 진동에 취약한 가속도 센서의 가속도 값과 드리프트 현상이 발생하는 자이로스코프의 회전 각속도 값만으로는 정확한 개수 측정에 어려움이 있다.
참고문헌 (10)
E. S. Choi, W. C. Bang, S. J. Cho, J. Yang, D. Y. Kim, and S. R. Kim, "Beatbox music phone: gesture-based interactive mobile phone using a tri-axis accelerometer," in Proceedings of the IEEE International Conference on Industrial Technology, pp. 97-102, 2005.
T. Iso, and K. Yamazaki, "Gait analyzer based on a cell phone with a single three-axis accelerometer," in Proceedings of the 8th conference on Human-computer interaction with mobile devices and services, pp. 141-144, 2006.
B. J. Mortazavi, M. Pourhomayoun, G. Alsheikh, N.Alshurafa, S. I. Lee, and M. Sarrafzadeh, "Determining the single best axis for exercise repetition recognition and counting on smartwatches," in Proceedings of the 11th International Conference on Wearable and Implantable Body Sensor Networks, pp. 33-38, 2014.
J. Masino, B. Daubner, M. Frey, and F. Gauterin, "Development of a tire cavity sound measurement system for the application of field operational tests," in Proceedings of the Systems Conference (SysCon), 2016 Annual IEEE, pp. 1-5, 2016.
H. J. Luinge, and P. H. Veltink, "Measuring orientation of human body segments using miniature gyroscope and accelerometers," Medical and Biological Engineering & Computing, vol. 43, no. 2, pp. 273-282, Apr. 2005.
J. Parkka, M. Ermes, K. Antila, M. van Gils, A. Manttari, and H. Nieminen, "Estimating intensity of physical activity: a comparison of wearable accelerometer and gyro sensors and 3 sensor locations," in Proceedings of the 29th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp. 1511-1514, 2007.
M. Vetterli, and C. Herley, "Wavelets and filter banks: Theory and design," IEEE transactions on signal processing, vol. 40, no. 9, pp. 2207-2232, Sep. 1992.
C. Zhu, and W. Sheng, "Wearable sensor-based hand gesture anddaily activity recognition for robot-assisted living," IEEE Transactions on Systems, vol. 41, no. 3, pp. 569-573, May 2011.
C. W. Kang, Y. M. Yoo, and C. G. Park, "Performance improvement of attitude estimation using modified Euler angle based Kalman filter," Journal of Institute of control, Robotics and Systems, vol. 14, no. 9, pp. 881-885, 2008.
R. G. Brown, and P. Y. Hwang, "Introduction to random signals and applied Kalman filtering: with MATLAB exercises and solutions," Introduction to random signals and applied Kalman filtering: with MATLAB exercises and solutions, New York: Wiley, 1997.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.