Gör en Nike FuelBand! Typ av... (5 / 5 steg)

Steg 5: Datainsamling och avslutande tankar

Genom denna punkt jag var verkligen ivrig att se de olika acceleration mönsterna från olika rörelser. Jag var väl medveten om att ett enskilt skalvärde (3D vektor omfattningen av accelerationen) inte är tillräcklig för att fastställa några användbara positionsdata, men att få inför sig själv gör det svårt att lära sig och utvecklas, amiright?

Jag spände på min ghetto FuelBand och gick till gymmet.

Jag utfört tre grundläggande rörelser:

en) 135 # tillbaka squat--rack en skivstång över skulderbladen nedan halskotor, hålla kärnan tight och tillbaka raka, squat ner tills hip globlinjen passerar genom planet av knäna, driva upp knäna och höfterna fram och stå upp; Upprepa
b) 20 # vägg-ball--stående 1-2' från en vägg, inför det, hålla en 20 # medicin boll bröstet höjd; squat ner tills den hip veck passerkort nedanför knäna; driva upp och på toppen av rörelsen lägga till dynamiken i bollen med armarna för att kasta på ett mål 10' högt på väggen; som bollen återvänder, utföra den omvända rörelsen för att ta emot bollen; Upprepa.
c) 95 # olympic ryck--oh detta är alltför komplicerat, bara titta upp.

Varje rörelse innebär rörelse i armar och överkropp, men vikterna är betydligt annorlunda. Jag misstänkte acceleration ensam inte kunde vara en indikator på lasten lyfts, men jag ville se för mig själv.

Jag samlade data för flera upprepningar av varje rörelse. Jag efterbehandlade data för att generera en magnitud är lika med kvadratroten ur summan av kvadraten på varje axis acceleration; t.ex. mag = sqrt (x ^ 2 + y ^ 2 + z ^ 2). Jag ritade resultaten och jämnas data med en löpande genomsnittlig. Observera också att även om någon en axel får överstiga 1,5 g, jag aldrig överskrids ens 1 g samtidigt på två eller flera sensorer, så magnituder var alltid ganska låg. Jag säger detta eftersom först trodde jag att uppgifterna var fel när omfattningen var alla mindre än tyngdkraften!!!

Det ser ganska cool. Den komplexa sammansatta rörelser av rörelsen är bara antyds av totala accelerationen uppmätt på handleden. Jag kan tydligt se de snabba och långsamma faserna av förehavanden, särskilt den explosiva dra av ryck. Mina misstankar var korrekta, det är omöjligt för att konstatera stora skillnader i ansträngning mellan en rörelse (squat) som flyttas sammanlagt ~ 1000 kg vikt medan en annan (wallball) flyttas bara ~ 200lbs. tydligt ett enda acceleration värde inte är tillräckligt för att ge ett tillräckligt mått av ansträngning utövas, men hela denna process ledde mig att utveckla en plattform som jag kan utöka med nya sensorer. Jag kan se flera sensorer med en inaktiv / vila position och sedan rekonstruera övergripande rörelse, men det skulle fortfarande inte fånga vikt. Men jag har några fler idéer...

Håll ögonen öppna och lycka! Jag hoppas att detta inspirerar dig att förbättra på motion telemetri!