Golf swings are characterized by high speeds and wide ranges of motion, requiring precise equipment for accurate monitoring. While traditional lab-based swing analyses offer high accuracy, they rely on expensive equipment and require users to visit the lab frequently, which can be inconvenient. In contrast, motion monitoring using wearable devices provides superior convenience but often falls short in the quantity and quality of data provided, making it difficult to fully capture the complexity of swing motions. This study proposes a method for estimating three-dimensional wrist trajectories during swings by utilizing data from a wrist-worn IMU (Inertial Measurement Unit) and RGB camera footage. Recognizing that a single IMU alone cannot fully track the complex motion information generated during a swing, the study incorporates additional video data. Estimating three-dimensional positional information, such as swing trajectories based on IMU sensor data, involves addressing two critical technical challenges: sensor coordinate system estimation and drift error correction. To calibrate the sensor, this study introduces a method for estimating the three-dimensional coordinates of the wrist using biomechanical constraints derived from front-view video data, and it estimates the sensor's local coordinate system by integrating IMU and video data. Furthermore, it proposes a method to reduce drift errors in the sensor by leveraging the previously estimated three-dimensional wrist coordinates. This approach enables the estimation of the wrist's three-dimensional coordinates in a global coordinate system without the scale ambiguity of two-dimensional images. Additionally, using these coordinates to correct drift errors has been shown to effectively reduce wrist position estimation errors during the downswing phase, a critical segment in the biomechanical analysis of golf swings. In conclusion, this study presents a method that integratively utilizes IMU and video data to enhance the practicality of golf swing monitoring and analysis. The findings suggest the potential for commercializing three-dimensional golf swing monitoring technologies using wearable devices and indicate that this approach could be further developed as a sensor calibration technique for analyzing various motion activities.
골프 스윙은 빠른 속도와 넓은 동작 범위를 갖는 동작으로, 정확한 모니터링을 위해서는 정밀한 장비가 필요하다. 기존의 실험실 기반 스윙 분석은 높은 정확도를 제공하지만, 고가의 장비와 사용자가 매번 실험실을 방문해야함에 따른 불편함이 있다. 반면 웨어러블 기기를 통한 동작 모니터링은 편리성이 뛰어나지만, 제공되는 데이터 양과 질이 상대적으로 부족하며 스윙 동작의 복잡성을 충분히 반영하기 어렵다. 본 연구에서는 이러한 문제를 해결하기 위해, 손목에 착용한 IMU(관성측정장치)와 카메라(RGB)의 영상 데이터를 활용하여 스윙 시 3차원 손목 궤적을 추정하는 방법을 제안한다. 단일 IMU만으로는 스윙 시 발생하는 복잡한 운동 정보를 완전히 추적하기 어렵다는 점에 착안하여 영상을 추가적으로 이용하였다. IMU 센서 데이터를 기반으로 스윙 궤적과 같은 3차원 위치 정보를 추정하기 위해서는 센서 좌표계 추정과 드리프트 오차보정의 두 가지의 주요한 기술적 문제가 있다. 센서의 보정을 위해서 정면영상 데이터에서 생체역학적 구속조건을 활용하여 손목의 3차원 좌표를 추정하는 방안을 제안하였고 IMU와 영상 데이터를 활용하여 센서 로컬 좌표계를 추정하였다. 그리고 앞서 추정한 손목의 3차원 좌표를 이용하여 센서의 드리프트 오차를 줄이는 방법을 제시하였다. 이를 통해 2차원 영상의 스케일 모호성 없이 글로벌 좌표계에서 손목의 3차원 좌표를 추정할 수 있었고 해당 좌표를 이용하여 드리프트 오차를 보정하는 방안은 골프 스윙의 역학적 분석에서 중요한 다운스윙 구간에서 손목 위치 추정 오차를 효과적으로 낮출 수 있음을 확인하였다. 결론적으로, 본 연구는 IMU와 영상 데이터를 통합적으로 활용하여, 골프 스윙 모니터링과 분석에 있어 실용성을 높일 수 있는 방법을 제시하였다. 이는 향후 웨어러블 디바이스를 통한 3차원 골프 스윙 모니터링기술의 상용화 가능성을 시사하며, 다양한 운동 동작 분석을 위한 센서 보정 기법으로도 발전될 수 있을 것으로 기대한다.
