Conclusione del Progetto Remot

Negli ultimi decenni i sistemi di navigazione satellitare globale (GNSS) fanno parte della vita quotidiana di milioni di persone in tutto il mondo e non sono più così insoliti. I ricevitori satellitari si trovano nella maggior parte degli smartphone, negli smartwatch e persino nei portachiavi. Tuttavia, nuove applicazioni GNSS sono ancora in fase di sviluppo e alcune di esse toccano campi scientifici non direttamente correlati alla navigazione e alla geodesia.

Uno di questi campi è la scienza del movimento umano, un ramo della biomeccanica che studia la cinematica del movimento umano. Ci sono stati grandi progressi in questo campo con la disponibilità di attrezzature moderne come i sistemi fotometrici di motion capture. Tuttavia, una registrazione precisa e accurata utilizzando tali sistemi richiede un ambiente molto definito, altamente deterministico. Questo può essere fornito in un laboratorio, ma per quanto riguarda lo studio del movimento degli atleti che effettuano lunghe distanze come la maratona o anche pochi chilometri? Anche uno stadio relativamente piccolo non può essere completamente coperto con un sistema fotometrico. Ma per gli scienziati sportivi è estremamente importante studiare come i parametri di movimento di un corridore (come lunghezza, larghezza e frequenza dei suoi passi) cambiano su lunghi periodi di tempo. C’è un modo per farlo in laboratorio? Naturalmente, puoi mettere il soggetto su un tapis roulant o farlo correre in cerchio, ma questo sarà molto diverso da un vero allenamento all’aperto. L’unico modo per studiare questa differenza è trovare un modo per studiare il movimento di un atleta in un vero ambiente out-of-the-lab.

Quest’estate si è concluso REMOT (Real Environment Motion Tracker), un progetto dedicato specificamente a questo problema. Finanziato da EUSPA, è stato condotto da due società: Stonex, responsabile della parte hardware e firmware, e Gter, responsabile della parte software e di elaborazione.

L’idea principale del progetto era di utilizzare dispositivi di registrazione costituiti da un ricevitore GNSS integrato con un IMU (unità di misura inerziale). IMU fornisce dati più frequenti, ma è molto soggetta a rumore, deriva e accumulo di errori relativi alla doppia integrazione. La parte GNSS ha generalmente una frequenza e una precisione inferiori, ma non accumula errori. Quindi, la combinazione di questi due sensori permette di ricevere una soluzione più accurata.

La configurazione del sensore include solo tre dispositivi: uno sulla testa e due sui piedi. Questo è un numero minimo per ottenere una stima precisa dei parametri passo. In linea di principio, due sensori sui piedi sarebbero sufficienti, ma i dati satellitari che ricevono tendono ad essere più rumorosi, e in questi casi il ricevitore sulla testa può essere utilizzato per ottenere una soluzione più precisa utilizzando un approccio di base mobile (il ricevitore della testa è trattato come una stazione di base mobile).

I sensori sono indossati dal soggetto utilizzando un archetto e dei morsetti per laccio, in modo da essere saldamente fissati alla parte del corpo corrispondente. Le oscillazioni e gli impatti possono portare a livelli più elevati di rumore nell’IMU, problemi con la ricezione dei dati GNSS ed errori generali del modello matematico che porta a un output errato. Inoltre si preferisce scegliere aree con cielo sereno per la registrazione: alberi ed edifici alti che formano i cosiddetti “canyon urbani” ostruiscono i segnali satellitari.

Una volta completata la registrazione, inizia la fase di elaborazione dei dati. Innanzitutto, i dati GNSS vengono elaborati per ottenere una soluzione di posizionamento. L’approccio di default è PPK (cinematica post-processing) che utilizza le correzioni da una stazione base fissa e permette di ottenere soluzioni di precisione al centimetro.

Quindi viene eseguita l’elaborazione IMU. Mentre i ricevitori GNSS hanno una frequenza di 10 Hz, l’IMU funziona a una frequenza di 100 Hz, consentendo di ottenere una sequenza di posizionamento più continua. L’elaborazione avviene con l’ausilio di un filtro Kalman, che aggiorna il posizionamento IMU con dati GNSS già elaborati e azzera la velocità quando viene rilevata una fase statica. In questo modo si riduce l’accumulo di errori.

Una volta ottenuta la soluzione di posizionamento, la seconda fase di elaborazione inizia a estrarre i parametri del passo dai dati registrati. Utilizzando modelli geometrici di base, vengono calcolati la lunghezza del passo, la larghezza e l’intestazione. I test sono stati eseguiti in luoghi diversi su diversi soggetti con velocità di marcia diverse.

I risultati sono stati presentati a una commissione di EUSPA che ha giudicato i risultati dei test piuttosto impressionanti e ha dichiarato che il progetto è stato concluso con successo.

Tuttavia, il lavoro è lungi dall’essere finito. Nonostante il sistema funzioni in generale, c’è ancora un enorme campo di miglioramento: da hardware più avanzato a tecniche di elaborazione più sofisticate e architetture software. Il progetto è stato notato da scienziati del movimento che stanno già facendo piani sulla ricerca possibile con queste attrezzature, e questa è la chiave e la motivazione per l’ulteriore sviluppo.