Algoritmikehitys koiran asentotiedon rekisteröimiseen

Abstract

Insinöörityön päätavoitteena oli luoda prototyyppi apuvälineestä virkakoirien asentotietojen rekisteröimiseen. Työ toteutettiin yhteistyössä Kaunila Oy:n kanssa ja kyseinen apuväline on suunniteltu viranomaisten käyttöön. Työn tavoitteena oli toteuttaa algoritmi sulautettuun järjestelmään, tavoite oli selvittää, soveltuuko pelkkä kiihtyvyysanturi asentotietojen määrittämiseen, jotta saavutettaisiin energiatehokas ratkaisu.

Insinöörityössä laadittiin koirien asentotietojen mittaamiseen protokolla, jonka pohjalta mittaukset toteutettiin. Työssä kerättiin mittaustietoja neljästä koirasta käyttämällä Suunnon kehittämää Movesense-sensoria ja Android-laitteita. Mittauksissa kerättiin vain kiihtyvyysdataa, jota käsiteltiin RStudiolla, joka soveltui myös alustavan algoritmin kehitykseen. Lopullinen algoritmi integroitiin Movesense-sensorille ja testattiin kahdella labradorinnoutajalla. Molemmat koirat nousivat seisomaan kahdelle takajalalle ja laskeutui normaaliin asentoon 30 kertaa.

Työn tuloksien perusteella voidaan sanoa, että koiran asentotietojen määrittäminen käyttämällä vain kiihtyvyysanturia on mahdollista. Kiihtyvyysdatasta pystytään laskemaan kiihtyvyysanturin kallistuskulmia ja liikkeitä, jonka myötä gyroskooppia ei ole tarpeellista käyttää. Tämä edellyttää sitä, että sensori kiinnitetään tukevasti mitattavaan kohteeseen. Lopulliset algoritmin testituloksista ilmeni, että järjestelmä havaitsi kahdelle jalalle nousemisen (45/60) 75 %:n tarkkuudella, mutta laskeutuminen havaittiin (33/60) 55 %:n tarkkuudella. Algoritmi tunnisti laskeutumisen liian herkästi, koska osassa mittauksista noususta johtuva kiihtyvyys rekisteröitiin myös laskeutumiseksi.

Työn jatkokehityksen kannalta olisi merkittävää kerätä mittaustietoja suuremmalla testiryhmällä. Tämä mahdollistaisi laajemman data-analyysin, joka tekisi algoritmin tarkkuuden parantamisesta helpompaa.

The main goal of this thesis was to build a prototype of the canine posture recognition system. This work was carried out in co-operation with Kaunila Ltd. and the prototype was planned to be an assistive device for the authorities. The purpose of the work was to develop an algorithm for an embedded system and to research if it’s possible to recognize postures using single accelerometer to achieve an energy efficient solution.

The protocol for a canine posture measurement was created and used in this work. Accelerometer data of the postures was collected by using Suunto Movesense sensor and Android devices. Collected data was analyzed in RStudio which was also a suitable platform for an initial algorithm development. The final algorithm was integrated into Movesense sensor and tested by using two Labrador Retrievers. Both dogs stood up on their hind legs and then resumed to a normal position for 30 times.

Results of this work confirm that canine posture recognition is achievable by using a single accelerometer. It’s possible to calculate angle of the tilt and movements from the accelerometer data, which means that it’s not necessary to use a gyroscope. This requires that the sensor is attached in a fixed position. Final test results of the algorithm confirmed 45 out of the total 60 upward motions, having 75 % accuracy, but the downward motion was confirmed in 33 out of the total 60, having 55 % accuracy. The algorithm was too reactive for the downward motion. In some of the tests it reacted incorrectly to the data from the upward motion.

For the future development, it would be highly significant to collect data from a larger test group. This facilitates a more comprehensive data analysis, which would make improving the accuracy of the algorithm easier.