Diseño e implementación de un sistema de visión artificial para el cálculo de la inercia de una pala de pádel

Abstract

[ES] El presente trabajo consiste en la implementación de un sistema de visión artificial para capturar las oscilaciones de una pala de pádel mediante una placa de computación integrada de Nvidia. Estas oscilaciones son analizadas y, en base al periodo de estas, se realiza el cálculo del momento de inercia de las palas. Para analizar las oscilaciones se han empleado dos alternativas distintas de visión artificial, utilizando marcadores ArUco y el estimador Gen6D. A lo largo del trabajo se realizan múltiples pruebas con ambos métodos de visión para determinar la precisión de cada uno, seleccionando uno para realizar la mayor parte de las pruebas del estudio. Además, para validar la precisión de los datos del sistema de visión artificial se ha hecho uso de un acelerómetro con el que comparar los momentos de inercia obtenidos, implementando una aplicación de servidor con protocolo de comunicación UDP para asegurar la simultaneidad de los datos tomados con ambos métodos. Asimismo, se han utilizado dos péndulos trifilares para medir los momentos de inercia, realizando una comparación exhaustiva entre ambos péndulos para determinar en base a las incertidumbres calculadas cuál aporta resultados más precisos y fiables. Tras comparar todos los datos tomados se ha observado una correlación satisfactoria entre los datos del acelerómetro y los del sistema de visión logrando obtener incertidumbres menores con el sistema de visión donde destaca que para la aplicación tratada en este trabajo, utilizar marcadores ArUco proporciona mejores resultados que el estimador Gen6D.

[EN] The present work consists of the implementation of a computer vision system to capture the oscillations of a padel racket using an integrated Nvidia computing board. These oscillations are analysed and, based on their period, the moment of inertia of the rackets is calculated. To analyze the oscillations, two different computer vision alternatives have been used, using ArUco markers and the Gen6D estimator. Throughout the work, multiple tests are conducted with both vision methods to determine the accuracy of each, selecting one to perform the majority of the study s tests. In addition, to validate the accuracy of the data from the computer vision system, an accelerometer has been used to compare the obtained moments of inertia, implementing a server application with UDP communication protocol to ensure the simultaneity of the data taken with both methods. Furthermore, two trifilar pendulums have been used to measure the moments of inertia, performing an exhaustive comparison between both pendulums to determine, on the basis of the uncertainties calculated, which one provides more accurate and reliable results. After comparing all the collected data, a satisfactory correlation has been observed between the accelerometer data and those of the vision system, obtaining lower uncertainties with the vision system. It is highlighted that for the application addressed in this work, using ArUco markers provides better results than the Gen6D estimator.