This project is made for trace the track of golf club with IMU sensor in smartphone. it contains complementary filter that available to compensate noise of IMU sensor and LSTM for prediction that which motion is swing or perting. 이 프로젝트는 스마트폰의 IMU 센서를 통해 골프채의 3D 모션을 추척하고 plot 할 수 있도록 제작되었습니다. 상보필터가 모션 과정에서 IMU 센서의 노이즈를 보상하기 위해 사용됩니다. 또한 LSTM AI 모델이 탑재되어 gyro 데이터를 통해 모션이 스윙인지 퍼팅인지를 예측합니다.

4. 팀원소개
이연주
이연주
AI
한찬영
한찬영
물리이론
최연준
최연준
안드로이드
노영빈
노영빈
AI

5. 프로젝트 개요
모바일 골프채 모션 분석

6. Why Mobile?

8. How to Gather Data?

9. Gyro & 가속도계
출력
3축 각속도
(rad/s)
출력
3축 각도(rad)
미분
적분
Gyro 가속도계

10. Complementary Filter

11. 칼만 필터 – 채택하지 않은 이유
입력(센서) 표준화 데이터 필요
Data 신뢰도 데이터
평가 장치 없음
이론이 어려움

12. Data Visualization

13. 좌표계 변환
Pitch, Roll, Yaw
3축 직교좌표구면좌표

14. Theta 와 Pie는? Roll = 0 degree Roll = 90 degree
Roll 에 따른 관계식

15. Code

16. Data Visualization

17. Data Processing

18. 각가속도, 토크, 힘
Torque
Force
Radius
질량 = 관성모멘트
CAD 툴 사용

19. Code

20. 구현

22. Training Data
GyroX GyroY GyroZ
Mean 1.62 -0.23 -0.14
Std 3.21 1.86 2.54
Min -7.57 -16.51 -9.36
max 19.86 8.68 10.42
GyroX GyroY GyroZ
Mean 0.08 -0.07 0.04
Std 0.44 0.65 1.39
Min -2.55 -3.57 -4.90
max 6.04 2.89 5.23

23. Training Model

24. Training Result
13 1
1 21
PREDICTION
T
R
U
E

26. CNN-LSTM 신경망으로 학습시킨 모델은
변환이 지원되지 않음
(.h5) -> (.tflite)변환을 지원하지 않음…)
출처 : LSTM's .h5 to .tflite - 깃허브
https://github.com/tensorflow/tensorflow/issues/24188#issuecomment-448991214
겪은 문제점

27. 출처 : 텐서플로우 공식 홈페이지
https://www.tensorflow.org/lite/guide/ops_compatibility
겪은 문제점

28. 해결 방법
.h5 .pb

29. 시장성
스마트 골프채의 접근성 낮음
스마트 골프채의 애플리케이션 버전 제공
구매 부담 낮춤

30. 아쉬운 점
1. 부족한 데이터 셋
2. 칼만 필터 미 적용
3. 복잡한 수식과 이론을 해결했지만 미 활용

31. 아쉬운 점
1. 부족한 데이터 셋
2. 칼만 필터 미 적용
3. 복잡한 수식과 이론을 해결했지만 미 활용

32. 아쉬운 점
1. 부족한 데이터 셋
2. 칼만 필터 미 적용
3. 복잡한 수식과 이론을 해결했지만 미 활용

33. 시연 영상 및 Q&A
Swing: 96%
Perting: 99%