지식 자료 6축 관성 센서 대비 9축 관성 센서의 장점은 무엇인가요? 정밀한 발 움직임 추적 기능 활용
작성자 아바타

기술팀 · 3515

업데이트됨 1 week ago

6축 관성 센서 대비 9축 관성 센서의 장점은 무엇인가요? 정밀한 발 움직임 추적 기능 활용


기존 6축 장치 대비 9축 관성 센서의 결정적인 장점은 3축 지자기 센서(magnetometer)가 추가되어 안정적이고 절대적인 방향 기준을 제공한다는 것입니다. 6축 센서(가속도계 및 자이로스코프)는 시간이 지남에 따라 오차가 누적되는 문제가 있지만, 9축 시스템은 지구 자기장을 사용하여 이러한 "통합 드리프트"를 능동적으로 보정하므로 복잡하거나 고속의 발 움직임에서도 방향과 자세를 정확하게 추적할 수 있습니다.

지자기 센서는 자이로스코프의 보정 앵커 역할을 하여 드리프트를 제거하고 장기적인 공간 정확도를 유지합니다. 이러한 안정성은 강력한 보행 분석의 전제 조건이며, 딥러닝 알고리즘이 고품질 데이터 입력을 받도록 보장합니다.

안정성의 메커니즘

6축 센서의 한계를 넘어서

기존 6축 센서는 중력 감지를 위해 가속도계, 회전 속도 측정을 위해 자이로스코프에 의존합니다.

단시간 동안은 효과적이지만, 이러한 센서는 "방향"(요, yaw)에 대한 절대적인 기준점이 부족합니다. 이것이 없으면 시스템은 회전과 센서 드리프트를 시간 경과에 따라 구분할 수 없습니다.

지자기 센서의 역할

9축 센서는 아키텍처에 3축 지자기 센서를 통합합니다.

이 구성 요소는 디지털 나침반과 유사하게 작동하여 지구 자기장을 감지합니다. 순수 관성 센서에는 없는 절대적인 기준 프레임을 생성하여 시스템에 고정된 "북쪽"을 제공합니다.

움직임 데이터 무결성 향상

통합 드리프트 방지

자이로스코프는 각속도를 시간에 따라 적분하여 위치를 계산하는데, 이 과정은 본질적으로 작은 오차가 누적되기 쉽습니다.

추적 세션 기간 동안 이러한 미세한 오차는 누적되어 상당한 편차를 발생시키는데, 이를 통합 드리프트라고 합니다. 9축 시스템은 지자기 센서 데이터를 사용하여 자이로스코프의 방향을 지속적으로 "재설정"함으로써 이 드리프트를 효과적으로 상쇄합니다.

고속 동적 움직임 처리

발 움직임은 종종 센서 알고리즘에 부담을 주는 고속, 다방향 변화를 포함합니다.

이러한 복잡한 동적 움직임 중에 9축 구성은 6축 센서가 방향 잠금을 잃을 수 있는 상황에서도 안정성을 유지합니다. 이를 통해 발의 기록된 경로가 실제와 일치하도록 보장합니다.

알고리즘 성능 향상

최신 모션 추적은 보행 분석을 위해 딥러닝 모델에 데이터를 자주 입력합니다.

입력 데이터에 드리프트 아티팩트가 포함되어 있으면 신경망의 예측이 잘못될 수 있습니다. 하드웨어 수준에서 오류 입력을 줄임으로써 9축 센서는 이러한 고급 분석 모델의 견고성과 정확성을 크게 향상시킵니다.

절충점 이해

자기장 간섭에 대한 민감성

지자기 센서는 드리프트 문제를 해결하지만, 새로운 변수인 자기장 교란을 도입합니다.

철 금속(예: 철근 콘크리트 바닥)이 많거나 전자기장이 있는 환경은 지자기 센서의 판독값을 왜곡할 수 있습니다. 9축 시스템의 이점을 유지하려면 센서 융합 알고리즘이 이러한 이상 현상을 감지하고 필터링할 수 있는지 확인해야 합니다.

목표에 맞는 올바른 선택

발 추적 애플리케이션의 효과를 극대화하려면 특정 데이터 요구 사항에 맞게 센서 선택을 조정하십시오.

  • 주요 초점이 장기간 추적이라면: 9축 센서는 시간이 지남에 따라 방향이 드리프트하는 것을 방지하는 데 필수적입니다.
  • 주요 초점이 딥러닝 통합이라면: 9축 시스템을 사용하여 모델 학습 및 추론을 위한 가장 깨끗하고 드리프트 없는 입력 데이터를 제공하십시오.
  • 주요 초점이 절대 자세 분석이라면: 센서 시작점과의 상대적인 것이 아니라 물리적 세계와의 유효한 방향을 설정하려면 지자기 센서가 필요합니다.

9축 센싱으로 업그레이드하면 발 추적이 상대적 추정에서 전문 분석에 적합한 정밀하고 절대적인 측정으로 변환됩니다.

요약 표:

기능 6축 센서 9축 센서
구성 요소 가속도계 + 자이로스코프 가속도계 + 자이로스코프 + 지자기 센서
방향 안정성 드리프트 발생 가능성 높음 (요) 절대 방향 보정
기준점 상대적만 가능 절대적 (지구 자기장)
데이터 무결성 통합 오차 누적 센서 드리프트 능동 보정
최적 사용 사례 기본적인 단기 움직임 전문 보행 및 장기 추적

첨단 신발 솔루션을 위해 3515와 파트너십을 맺으세요

전 세계 유통업체 및 브랜드 소유주에게 서비스를 제공하는 대규모 제조업체인 3515는 모든 유형의 신발에 대한 포괄적인 생산 능력을 제공합니다. 기술 통합 안전화 또는 고성능 스니커즈를 개발하든, 당사는 귀하의 비전을 실현하는 데 필요한 제조 우수성을 제공합니다.

당사의 주력 안전화 시리즈는 다음을 포함한 다양한 포트폴리오를 기반으로 합니다.

  • 작업화 및 전술 부츠
  • 아웃도어 및 트레이닝화
  • 스니커즈 및 라이프스타일 신발
  • 정장 및 포멀 슈즈

대량 생산 전문성과 혁신에 대한 헌신으로 시장 우위를 극대화하십시오. 신발 제조 요구 사항에 대해 논의하려면 지금 바로 문의하십시오!

참고문헌

  1. Luigi D’Arco, Huiru Zheng. DeepHAR: a deep feed-forward neural network algorithm for smart insole-based human activity recognition. DOI: 10.1007/s00521-023-08363-w

이 문서는 다음의 기술 정보도 기반으로 합니다 3515 지식 베이스 .

사람들이 자주 묻는 질문


메시지 남기기