| dc.description.abstract | I perioden 2010-2020 har antall registrerte medlemmer i PDGA (Professional Disc Golf Accosiation) økt fra 15,451 til 71,016. Denne eksplosjonen i popularitet, kombinert med et svært begrenset kunnskap rundt teknikk, åpner et marked for treningsteknologi. Denne oppgaven tar det første steget inn i dette markedet via et system som tilrettelegger for å øke kunnskapen om disc-golf-teknikk.
Det finnes veldig lite dokumenter kunnskap om disc-golf-teknikk, og selv om avanserte systemer for detaljert bevegelsesanalyse eksisterer er disse lite praktisk i en treningshverdag. Det er gjennom dette arbeidet utviklet et system som gjør analyse av disc-golf-teknikk mulig på et hverdagslig nivå. Metodene, prinsippene og algoritmene som er implementert i systemet er kjente i fagfelt som omhandler motorisk kontroll av komplekse, diskrete og raske bevegelser, men den spesifikke tilnærmingen til disc-golf er unik. Systemets software består av fem moduler som løser oppgavene GUI, overordnet programflyt, filhåndtering, datastrukturer (for kast, IMU, spillere og sensorer), samt analyse av IMU-data. Systemets hovedfunksjonaliteter gjør det mulig å analysere og gi et mål på relativ timing mellom kroppsdeler, detektere varierende rotasjonsakser i bevegelsen, detektere ulike faser av et kast, og analysere en spillers variabilitet på flere ulike måter. Sensorintegrasjon er gjennomført via en tredjepartsløsning hvor datainnsamling håndteres av en app på en smarttelefon for deretter og overføres til softwaren gjennom en sky-løsning.
Det er implementert funksjonalitet for å legge til standardiserte sekundærdata, samt en funksjonalitet som gir muligheten til å markere og legge til fritt valgte sekundærdata. Dette gjør at systemet fungerer som en god plattform for å bygge større databaser.
Det er gjennomført en innledende datainnsamling av autentiske data hvor det er laget en database på 168 kast fordelt på 14 forskjellige spillere. Dataene inneholder totalt 5 forskjellige sensorkonfigurasjoner og 3 forskjellige teknikker (backhand, forehand og putt). Ved bruk av softwaren er det gjort ulike analyser av teknikk basert på teoretiske prinsipper om kastbevegelser og ved sammenlikning mellom spillere. En av analysene indikerer at en spiller kaster lengre når hoftens maksimale rotasjonshastighet oppnås før overkroppens, som er i tråd med teorier om bevegelsesmønster for maksimale kast. Et annet eksperiment indikerer at puttebevegelsen i disc-golf er delt opp i minst to uavhengige bevegelser som styres av forskjellige motorprogram. En av funksjonalitetene i systemet gjør det også mulig å analysere sammenhengen mellom bevegelsestid og variabilitet. I putte-eksperimentet ble det funnet indikasjoner på at deler av bevegelsen har en lavere variabilitet i timing for putter fra lengre avstand (fordi man kaster hardere), men at variabiliteten øker igjen når avstanden overgår en viss lengde (og man må kaste enda hardere). | |
| dc.description.abstract | In the period 2010-2020 the number of PDGA members increased from 15,451 to 71,016. This explosion in popularity, combined with a very limited knowledge around disc troughing technique, opens new possibilities with regards to training technology. This work is the first step into a professional and consumer market with a system that facilitate research and testing to better understand disc-golf technique.
Disc-golf technique is not very well documented and the common knowledge around the topic are weak. Even advanced systems for movement tracking exists, it is not practical to be used in an everyday training situation. The result of this master thesis is an easy-to-use system for tracking and analysis of throwing motions in the training field, and in competitions. The methods, principles, and algorithms that are implemented is known in the field of motor control of complex, discrete and fast body movements, and the adaption to disc-golf is unique.
The System software consist of five different modules, GUI, main program, file management, data-structuring (for the throw, IMU, players and sensors), and the analysis of the IMU data. The main features of the system enable analysis of relative timing between different movements in a body motion sequence, detect various axes of rotation, detect various phases of a disc throw and analyze the players variability in multiple ways.
The sensors and sensor integration are implemented with a third-party solution, and data-collection is handled by an app on a smartphone. The data is then transferred to the software by a cloud solution. Functionality to collect additional both predefined and custom secondary data are also implemented. This enables the platform to build larger databases, that can, as an example, be used for machine learning.
Authentical data from a total of 168 throws by 14 different players are collected as a part of this project. This data use 5 different sensor configurations and 3 different throwing techniques (backhand, forehand and put). By using the software, several analyses based on theoretical principles related to throwing movements, compared between different players are performed. One of the analysis indicates that a player can throw the disc farther when the hips reach maximum rotation speed before the upper body, which is in line with known theories about movements patterns for maximum throws.
Another feature of the systems is the ability to analyze the correlation between time-motion and variability. The disc put exercise indicates that a part of the total movement has a lower variability when increasing the distance, the disc is thrown from, until a certain point where the variability again increases. This is very useful information for optimizing individual throwing technique. | |