Medición de la precisión de patada de balón de fútbol con aprendizaje automático

Mar 13, 2023

Las soluciones de seguimiento deportivo comerciales, y por lo tanto costosas, normalmente se basan en la visión artificial para medir dónde se encuentra una pelota en relación con una portería, como en el fútbol, ​​el golf o el fútbol. Si bien son bastante útiles, también son bastante quisquillosos y son propensos a las interrupciones causadas por las inclemencias del tiempo, los bajos niveles de luz ambiental y los objetos que simplemente bloquean la vista de las cámaras. Austin Allen quería hacer algo más robusto que no tuviera que depender de un costoso sistema de visión, por lo que ideó un prototipo de reboteador que contiene varios acelerómetros para determinar dónde se patean los balones de fútbol.

Se puede pensar en un reboteador como una red elástica que actúa como un trampolín para la pelota. Los jugadores de béisbol y fútbol los usan para practicar su precisión, y su naturaleza autónoma los convirtió en un gran candidato. El plan de Allen era colocar cuatro acelerómetros, uno en cada esquina, y usar las diferencias en la aceleración para calcular dónde terminó la pelota, todo sin la necesidad de una cámara en funcionamiento continuo.

El marco de metal del reboteador se construyó con secciones dobladas de conductos eléctricos debido a su peso ligero y resistencia adecuada. Después de unir las diversas piezas con acoplamientos de tornillos de fijación, se agregó un tubo central en el medio para formar parte de la abrazadera trasera y actuar como soporte para la electrónica. Finalmente, se colocó una red en cada uno de los cuatro lados con una cuerda elástica para permitir la cantidad correcta de rebote.

Aunque el MPU-6050 es un sensor más antiguo en la actualidad que ha sido superado por diseños más modernos, su confiabilidad y naturaleza económica lo convirtieron en una buena opción para usar en el proyecto. Allen comenzó imprimiendo en 3D un soporte personalizado para cada módulo y luego ató las IMU a las cuatro esquinas antes de ejecutar el bus de alimentación y las líneas del bus I2C hasta el gabinete de la electrónica. Una vez que se verificó el circuito base con una placa de desarrollo ESP32 y la ruptura del multiplexor I2C TCA9548, diseñó una PCB personalizada que tenía conectores para los cuatro MPU-6050, un indicador LED y los ESP32 y TCA9548 mencionados anteriormente.

Antes de que se pudiera leer cualquier información de los acelerómetros, primero tenían que configurarse para usar la escala completa de +/- 16 g y la tasa de sondeo más rápida para obtener nuevos valores lo antes posible. La captura de datos de cada MPU-6050 se logró diciéndole primero al multiplexor I2C qué línea I2C debería estar activa. A continuación, el ESP32 solicita los valores de los registros X, Y y Z a través de I2C y los almacena, y el paso final implica una conversión del valor ADC sin procesar en unidades comprensibles de aceleración. Por último, el resultado se imprime en Serial para que un script de host lo almacene y procese más tarde.

El proceso de entrenar un modelo para determinar con precisión la posición de una pelota en la red comenzó con la recopilación de los conjuntos de datos de prueba y entrenamiento sin procesar. Una cámara web instalada debajo de la red registra dónde ha caído la pelota mientras los acelerómetros se sondean constantemente. Una vez que se detecta un rebote, los datos de MPU-6050 se etiquetan con la ubicación de la pelota determinada por la cámara web y todo se pasa a una red neuronal recurrente en TensorFlow para el entrenamiento.

En general, el modelo pudo adivinar la posición de la pelota dentro de 0,2 pulgadas en promedio usando solo los acelerómetros, y podría mejorarse aún más al recopilar más datos, tener una tasa de sondeo más rápida y aumentar la resolución/velocidad de fotogramas de la cámara. Esta prueba de concepto es muy prometedora en el mundo del entrenamiento deportivo, y se puede encontrar más información al respecto aquí en el artículo de Allen.