Fin återuppbyggnad av dynamisk bana för badmintonslag assisterad av händelsekamera

Varför snabba slag är svåra att se

Alla som sett en kraftfull badminton‑smash vet hur svårt det är att avgöra vad racketen faktiskt gör. Racketspetsen kan röra sig snabbare än 100 meter per sekund, långt för snabbt för blotta ögat eller många vanliga kameror. Denna studie visar hur en ny sorts kamera och smart dataintegration kan bromsa ner dessa rörelser i digital form och ge tränare och spelare en exakt bild av varje slag i tre dimensioner.

Nya ögon för mycket snabba rörelser

Traditionella videokameror spelar in fullständiga bilder med en fast bildfrekvens, vilket ger suddiga bilder och förlorade detaljer när objekt rör sig extremt snabbt. Forskarna förlitar sig istället på en händelsekamera, en sensor som reagerar endast när ljusintensiteten i en pixel förändras. Varje liten förändring loggas med mikrosekundprecis timing och mycket bred ljuskänslighet, så snabba racketrörelser skapar täta strömmar av händelser istället för utsmetade bildrutor. Det ger systemet en mycket skarpare och finare uppdelad bild av slaget, även under starka ljusförhållanden eller skuggor där vanliga kameror har svårt.

Att kombinera många flöden till ett tydligt slag

Systemet är inte beroende av händelsekameran ensam. Det använder också en högfrekvent färgkamera och en liten inertialsensor som registrerar hur armen rör sig. Först packas händelsedata i en form som djupa nätverk kan hantera, och ett specialnät uppskattar hur varje punkt i vyn rör sig över tid. Parallellt hittar ett annat djupt nät spelarens kroppsled i videobilderna, medan inertialsensorn spårar armens acceleration och rotation. Alla dessa ledtrådar slås sedan ihop av ett matematiskt filter som håller reda på position, hastighet och orientering av racketen i tre dimensioner, samtidigt som det väger hur brusiga de olika datakällorna är.

Hur noggrann och användbar uppspelningen är

För att kontrollera hur väl metoden fungerar jämförde författarna sina rekonstruerade racketbanor med mätningar från ett laboratoriekvalitativt rörelsefångstsystem som använder reflekterande markörer. På en datamängd med 960 slag från 12 idrottare nådde deras system ett genomsnittligt positionsfel på 8,34 millimeter, vilket minskade felet med mer än fyrtio procent jämfört med en stark traditionell optisk flödesmetod och ändå körde i realtid. Tester visade att den händelsebaserade rörelsesignalen stod för mer än hälften av noggrannhetsvinsten, och den noggranna fusionen av alla sensorer lade till ytterligare mer än en tredjedel. Metoden höll måttet även när ljusförhållanden och bana förändrades, med endast en måttlig förlust i precision.

Vad det avslöjar om bättre spelare

Med dessa precisa 3D‑slagbanor kunde teamet titta bortom enkla hastighetstal. De studerade hur ledvinklar i axel, armbåge och handled förändrades genom slaget, hur snabbt racket accelererade och hur mjuk följslaget var. Professionella spelare visade skarpare toppar i racketens hastighet, kortare och mer explosiva accelerationsfaser samt mer koordinerade ledrörelser än amatörer. Systemet kunde också generera lättlästa poängdiagram som sammanfattade smidighet, timing, koordinering och träffpunktsnoggrannhet för varje idrottare, tydligt separerande skickliga spelare från fritidsspelare.

Vad detta innebär för träning

Enkelt uttryckt visar studien att händelsekameror kombinerade med smarta algoritmer kan fånga badminton‑slag med en detaljrikedom och hastighet som äldre verktyg inte klarade av. Metoden förvandlar bländande snabba racketrörelser till tydliga 3D‑kurvor och ledmönster, med noggrannhet på nivån några millimeter och ett par graders vinkel. Detta öppnar dörren för praktiska, nästan realtidsbaserade återkopplingssystem som hjälper tränare och spelare att se exakt hur ett slag skiljer sig från expertform och hur det förändras med träning, utan att behöva ett fullskaligt rörelsefångstlabb.

Citering: Wang, Y., Shi, B. & Lv, B. Fine reconstruction of badminton swing dynamic trajectory assisted by event camera. Sci Rep 16, 15444 (2026). https://doi.org/10.1038/s41598-026-46443-8

Nyckelord: badmintonslag, händelsekamera, rörelsespårning, idrottsbiomekanik, sensorfusion