정확도. 속도. 안정성.
Fitogether가 가장 잘하는 일입니다.
KineticSense
Precision Positioning & Motion Data Technology
정확한 데이터는 정확한 판단을 만듭니다. KineticSense는 이 단순한 원칙을 바탕으로, 스포츠 현장에서 신뢰할 수 있는 정밀 데이터의 기준을 새롭게 정의합니다. Fitogether는 GNSS 기반 위치 기술을 극한까지 최적화하고, RTK-GNSS와 IMU 센서를 정밀하게 융합해 센티미터급 3D 움직임 데이터를 구현했습니다. 하드웨어 설계부터 신호 처리, 알고리즘, 데이터 융합까지 통합된 구조로, 움직임을 정확히 포착하고 분석하는 새로운 기준을 제시합니다.
전 세계를 커버하기 위한 모든 GNSS 시스템의 정밀 활용
GNSS 위성 시스템은 국가와 지역마다 운영 주체와 위성 배치가 다르기 때문에, 위성의 가용성은 지역에 따라 다르게 나타납니다. 어떤 지역에서는 GPS 신호가 우세하지만, 다른 지역에서는 Galileo나 BeiDou가 더 유리한 성능을 보이는 경우도 있습니다. 이러한 차이를 보완하기 위해 KineticSense는 L1, L2, L5 등 다중 주파수 대역을 병렬 수신하는 멀티밴드 구조를 기반으로, GPS, Galileo, GLONASS, BeiDou 등 모든 주요 GNSS 시스템의 위성을 동시에 활용할 수 있도록 설계되었습니다. 이를 통해 전 세계 어디서든 안정적인 신호 수신과 정밀한 측위가 가능합니다.
하지만 위성을 많이 수신한다고 해서 항상 정밀한 위치 계산이 이루어지는 것은 아닙니다. 다중 경로(Multipath) 오류, 신호 반사, 간섭 등으로 인해 품질이 낮은 신호가 포함되면 오히려 오차를 유발할 수 있습니다. KineticSense는 이러한 문제를 해결하기 위해, 수신한 위성 신호의 품질을 실시간으로 평가하고, 신뢰도가 낮거나 오류 가능성이 높은 위성을 자동으로 배제합니다. 그리고 정확한 위치 계산에 기여할 수 있는 고신뢰 위성만을 선별·조합하는 Fitogether의 독자적 알고리즘을 통해 최적의 위성 조합을 구성합니다. 이러한 신호 선별 기반의 GNSS 처리 전략은, 경기장처럼 반사와 차폐가 반복되는 환경이나 특정 GNSS 시스템의 위성 수가 제한적인 지역에서도, 높은 정밀도와 일관된 성능을 안정적으로 제공할 수 있도록 지원합니다.
등 부착 환경과 주변 노이즈에 강한 정밀 수신 기술
GNSS 트래킹 디바이스는 선수의 등에 부착되기 때문에, 머리와 상체에 의해 위성 신호가 차단되거나 왜곡될 가능성이 존재합니다. 또한, 착용자의 움직임이나 경기장의 구조물, 인체의 수분 등은 GNSS 신호에 반사나 흡수 현상을 일으켜 신호 품질 저하를 초래할 수 있습니다. 이러한 제약을 극복하기 위해 KineticSense는 상향·사방향성 성능을 강화한 안테나 구조와 방사 패턴을 정밀하게 설계하고, 다양한 신체 자세나 동작에서도 안정적인 수신이 가능하도록 설계 최적화를 반복했습니다.
신체에 가까운 부착 위치에서 발생할 수 있는 다중 경로 오류와 신호 손실을 줄이기 위해, 안테나 후면에 반사판(Reflector)을 적용하고, 신호의 순도를 높이기 위한 필터링 및 보정 알고리즘을 함께 탑재했습니다. 동시에, 매우 약한 GNSS 신호를 안정적으로 수신하기 위해 LNA(저잡음증폭기)를 적용하여 미세한 신호까지도 왜곡 없이 증폭하고, 주파수 필터링을 통해 외부 간섭을 최소화합니다. 또한, 시간 동기화 오차는 위치 오차로 직결되기 때문에, KineticSense는 TCXO(온도 보정형 클럭) 기반의 고정밀 기준 시계를 적용해 측정 안정성을 높였습니다. 이로 인해 장시간 연속 측정에서도 정밀도를 유지하며, 경기장처럼 복잡한 전파 환경에서도 안정적인 데이터를 제공합니다.
결과적으로, KineticSense는 부착 위치의 구조적 제약과 외부 간섭이 복합적으로 작용하는 환경에서도 신호의 연속성과 정밀도를 동시에 확보할 수 있는 수신 안정화 구조를 완성했습니다. 이는 스포츠 현장에서 신뢰할 수 있는 위치 데이터 제공의 기반이 되며, 다양한 실제 환경에 강인한 성능을 입증하고 있습니다.
센티미터(cm) 단위의 위치 정밀도를 구현하는 RTK-GNSS 기술
스포츠 환경에서는 선수 간 거리 측정이나 포지셔닝 분석 등에서 위치 데이터의 정밀도가 매우 중요합니다. 그러나 일반 GNSS는 환경적 요인에 따라 수 미터(m) 수준의 오차가 발생할 수 있어, 정밀한 분석에는 한계가 있습니다. RTK(Real-Time Kinematic) 기술은 기준국(Base Station)에서 전송되는 보정 데이터를 이용해, GNSS 측위 오차를 수 센티미터 단위까지 줄여주는 기술로, 다양한 산업에서 그 가능성이 입증되고 있습니다. 하지만 RTK는 고정밀 보정 데이터 수신을 위해 정밀한 안테나와 실시간 통신 환경이 필수이며, 이를 정확하게 처리하기 위한 연산 성능과 노이즈 억제 회로까지 요구되기 때문에, 일반적인 소형 웨어러블 환경에서 구현하기는 극도로 까다롭습니다. 특히 스포츠 환경처럼 지속적인 움직임과 통신 단절이 반복되는 조건에서는 RTK가 실질적으로 적용되지 못해왔습니다.
Fitogether는 기존 GNSS 기술을 극한까지 최적화한 경험을 바탕으로, RTK-GNSS가 요구하는 신호 품질, 연산 효율, 통신 안정성을 동시에 확보할 수 있는 구조를 설계했습니다. RTK 보정 신호를 생성하는 Base Station을 Live Hub와 통합함으로써, 별도의 외부 인프라 없이도 현장에서 즉시 사용할 수 있는 간편한 RTK 운영 환경을 구현했고, 실제 훈련장과 경기장에서 수년간 반복 테스트를 통해 신뢰성을 확보해왔습니다. 그 결과, Fitogether의 RTK-GNSS 기반 웨어러블 기기는 FIFA EPTS Quality Programme 평가에서 역대 최고 수준의 위치·속도 정확도를 기록했으며, 경기장 현장에서도 실제로 센티미터 단위의 정밀 측위 성능을 일관되게 제공합니다. 이는 웨어러블 기반 스포츠 트래킹 기술의 수준을 한 단계 끌어올리는 결과이자, RTK-GNSS의 실전 적용을 세계 최초로 구현해낸 사례로 평가받고 있습니다.
2D를 넘어, 3D 움직임을 완성하는 IMU 센서 융합 기술
GNSS(또는 RTK)만으로는 선수의 자세, 방향, 회전과 같은 입체적인 움직임을 정밀하게 추적하기 어렵습니다. IMU(Inertial Measurement Unit) 센서는 가속도계(Accelerometer), 자이로스코프(Gyroscope), 지자기 센서(Magnetometer)로 구성되어 있으며, 회전, 방향 변화, 가속·감속 등 신체의 세부적인 움직임을 100Hz의 높은 업데이트율로 정밀하게 감지합니다. 이러한 IMU 데이터를 RTK-GNSS 기반의 센티미터급 절대 위치 정보와 결합하면, 단순한 2D 좌표가 아닌 실제 움직임을 반영한 완전한 3D 트래킹이 가능해집니다. IMU는 GNSS 신호가 일시적으로 끊기거나 약해지는 상황에서도 연속적인 움직임 데이터를 유지할 수 있으며, RTK는 IMU의 누적 오차를 보정합니다. 이 결합을 통해, 정지 구간과 빠른 동작 전환 사이에서도 일관된 위치와 움직임 정보가 유지됩니다.
이처럼 두 기술이 상호 보완적으로 작동함으로써, 급격한 방향 전환, 빠른 가속·감속 등 복잡한 동작도 끊김 없이 정확하게 분석할 수 있습니다. 결과적으로 KineticSense는 기존 GNSS 기술만으로는 구현할 수 없었던 진정한 3D 트래킹 데이터를 완성하며, 선수의 움직임을 더욱 세밀하게 평가할 수 있는 기반을 마련합니다. 정확한 자세, 방향, 속도까지 반영된 종합적인 움직임 분석은 경기력 향상, 부상 예방, 전술 전략 수립 등 다양한 분야에서 새로운 가능성을 열어줍니다.
관련 간행물
- A compact RTK-GNSS device for high-precision localization of outdoor mobile robots, Journal of Field Robotics, 2024
- Implementation and Performance Analysis of RTK-GNSS in Wearable Devices for Athletes in Harsh Environments, Electronics Letters, 2
- The Design of GNSS/IMU Loosely-Coupled Integration Filter for Wearable EPTS of Football Players, Sensors, 2023
- Robust Methods for Estimating the Orientation and Position of IMU and MARG Sensors, IEEE Sensors Letters, 2022
XtendConnect
Long-Range Wireless Data Communication for Sports
스포츠 퍼포먼스 분석 환경에서, 넓은 공간을 이동하는 선수들의 움직임을 실시간으로 안정적으로 추적하는 것은 기본 요건이자 기술적 도전입니다. XtendConnect는 고출력 안테나, 자동 주파수 선택, 전송 안정성을 높이는 패킷 구조를 결합해 최대 200m 범위를 커버하며, 수십 명의 데이터를 동시에 전송할 수 있습니다. 복잡한 인프라 없이도 훈련장과 경기장 전역에서 일관된 데이터 흐름과 빠른 의사결정을 지원합니다.
고성능 안테나 설계로 광범위 커버리지 확보
스포츠 경기장에서는 선수·관중·구조물 등 다양한 요소로 인해 전파가 흡수·반사되어 통신 품질이 떨어지기 쉽습니다. XtendConnect는 이를 해결하기 위해 고출력 지향성 안테나와 전방향성 안테나를 병행 배치합니다. 지향성 안테나는 특정 구역을 집중적으로 커버해 장거리 전송 효율을 극대화하고, 전방향성 안테나는 주변 전방위로 신호를 고르게 분산시켜 음영 지역을 최소화합니다.
특히 2.4GHz 대역을 활용하여 전파가 비교적 멀리 도달하도록 했으며, 다중 경로(Multipath) 상황에도 대응 가능한 하드웨어 설계 및 출력 제어 기법을 적용했습니다. 이를 통해 장애물이 많은 경기장 내부에서도 신호 세기를 안정적으로 유지하며, 선수들의 움직임을 놓치지 않고 빠르게 추적할 수 있습니다. 결과적으로, 최대 200m 거리에서도 충분한 수신 감도를 확보하여 스포츠 현장에 필수적인 장거리 실시간 통신이 가능해집니다.
백업 데이터 기반 패킷 구조로 통신 안정성 보장
스포츠 현장에서는 예기치 못한 네트워크 장애나 무선 간섭이 잦습니다. 통신이 잠시 끊기거나 오류가 발생하면 그 사이의 중요한 데이터가 유실될 위험이 큽니다. XtendConnect는 이를 방지하기 위해 백업 데이터가 포함된 특화 패킷 구조를 도입했습니다. 연결이 잠시 끊겨도 최대 1분 분량의 데이터를 기기에 저장해 두고, 연결 복구 시 유실된 구간을 즉시 전송함으로써 중간 데이터가 소실되지 않도록 합니다.
또한, 패킷 헤더를 간소화하고 CRC(오류 검출 코드) 기반 무결성 검사를 수행하여 전송 부하를 줄이고 오류를 빠르게 식별·재전송합니다. 이 덕분에 코치·트레이너는 2Hz 주기로 생성되는 움직임·생체신호 데이터를 안정적으로 수신할 수 있으며, 타사의 수 초 단위 업데이트 대비 훨씬 빠른 속도(0.5초 단위)로 선수 정보를 확인할 수 있습니다. 아울러, 한 번에 최대 100명이 접속하는 상황에서도 데이터 유실 없이 매끄러운 스트리밍 분석이 가능합니다.
자동 주파수 선택으로 다중 사용자 환경 간섭 방지
선수와 코치, 트레이너 등 다수의 디바이스가 동시에 연결되는 환경에서는 무선 간섭이 전송 품질에 큰 영향을 미칩니다. XtendConnect는 자동 주파수 선택(채널 스캐닝) 기능을 통해 경기장 전파 환경을 주기적으로 모니터링하고, 혼잡도가 낮은 채널로 재빨리 전환함으로써 간섭을 효과적으로 줄입니다.
이 과정은 대규모 대회나 트레이닝 세션에서 네트워크 부하가 폭증할 때 특히 유용합니다. 채널 과부하 상황이 발생해도 시스템이 실시간으로 분산을 수행하므로, 코치·트레이너는 각 선수의 위치·가속도·심박수 등 핵심 데이터를 매우 빠른 주기(2Hz)로 안정적으로 모니터링할 수 있습니다. 결국 XtendConnect는 단순히 신호가 끊기지 않는 수준을 넘어, 하드웨어와 소프트웨어가 유기적으로 결합된 스포츠 특화 무선 인프라로서 트레이닝 효율과 경기 몰입도를 한층 높여 줍니다.
AirSync
Wireless Data Upload and Seamless Cloud Sync
스포츠 현장에서 데이터는, 얼마나 빠르게 분석까지 도달하느냐가 곧 경쟁력입니다. AirSync는 훈련 종료 즉시 데이터를 자동 업로드하는 무선 전송 기술로, 복잡한 데이터 관리 과정을 간소화하고 분석 속도를 획기적으로 높입니다. 병렬 전송 구조로 다수 장비가 동시에 데이터를 업로드할 수 있으며, 전송 패킷 최적화 및 무손실 압축 기술을 통해 최대 100명의 데이터를 안정적으로 동기화할 수 있습니다.
무선 병렬 전송을 통한 업로드 효율 향상
기존에는 여러 장비를 Dock에 연결해 PC를 통해 데이터를 유선으로 다운로드한 뒤, 다시 서버에 업로드하는 과정을 거쳐야 했습니다. 이 방식은 장치 수에 따라 전송 시간이 선형적으로 증가하는 직렬 처리 구조로, 선수 수가 많아질수록 작업 시간이 급격히 늘어납니다. 또한 Dock 하나에 연결할 수 있는 장비 수에는 물리적인 한계가 있어, 일정 수를 초과하면 Dock을 재연결해 추가 작업을 반복해야 하며, 이로 인해 전체 업로드 프로세스가 크게 지연되는 구조적 비효율이 발생합니다.
AirSync는 이러한 한계를 해결하기 위해 LiveHub를 중심으로 한 무선 병렬 전송 구조를 도입했습니다. 무선 통신을 기반으로 하기 때문에, 동시에 업로드할 수 있는 장비 수에 제한이 없으며, 실제로 수십개의 장비가 동시에 데이터를 전송할 수 있습니다. 이를 통해 기존 대비 4배 이상의 업로드 속도를 구현하고, 훈련 종료 직후 자동으로 서버 업로드가 완료됩니다. 예를 들어, IMU를 제외한 10Hz 트래킹 데이터를 기준으로 24명의 선수 훈련 1시간 분량을 1분 이내에 동기화할 수 있으며, Live App에서 입력한 세션 태그 정보도 함께 자동 업로드되어 곧바로 분석을 시작할 수 있습니다.
대규모 선수단을 위한 다중 채널 업로드 기술
훈련 종료 후 여러 장비가 동시에 데이터를 전송할 경우, 무선 신호 간섭으로 인해 업로드 속도가 저하되거나 전송 안정성이 떨어질 수 있습니다. AirSync는 이러한 상황을 고려해 다중 채널 자동 분배 기술을 적용했으며, 각 장비가 서로 다른 최적의 전송 경로를 자동으로 선택하도록 설계되었습니다. 이를 통해 신호 충돌을 최소화하고, 다중 장비 환경에서도 안정적인 업로드를 유지합니다.
또한 전송 패킷 최적화 및 무손실 압축 기술을 활용하여 데이터 전송 효율을 극대화하고, 정보 손실 없이 높은 신뢰도의 업로드를 실현합니다. AirSync는 이러한 구조를 기반으로, 최대 100명의 선수 데이터를 동시에 업로드할 수 있는 수준의 통신 안정성과 확장성을 갖추고 있어, 대규모 훈련 환경에서도 효율적인 데이터 운영을 가능하게 합니다.
VisionSync
Turning Video into Measurable Performance
스포츠 분석의 기준은 영상과 트래킹 데이터를 함께 정렬해 해석하는 방식으로 빠르게 바뀌고 있습니다. 기존 Optical Tracking은 연산 복잡성과 장비 제약으로 훈련 환경에서 활용이 어렵지만, VisionSync는 영상과 웨어러블 데이터를 AI 기반으로 자동 정렬·동기화해 10분 이내 분석을 가능하게 합니다. 팀은 더 빠르고 직관적인 인사이트를 확보하고, 전략 피드백을 실시간으로 실행할 수 있습니다.
영상 내 AI 기반 선수 인식 및 좌표계 변환
VisionSync는 사용자가 업로드한 드론, 고프로, 파노라마 등 다양한 형태의 경기 영상을 기반으로 분석을 시작합니다. 이때 영상 내 렌즈 왜곡이나 구도에 따른 시각적 일그러짐을 자동으로 보정하여, 이후 검출과 정렬 과정의 정확도를 높입니다.
분석은 전체 프레임을 모두 처리하는 방식이 아닌, 주요 시점만 선별해 처리하는 AI 기반 객체 인식 방식으로 이루어집니다. 이 경량화된 접근 방식은 불필요한 연산을 줄이면서도 높은 정확도를 유지할 수 있도록 설계되었으며, Mac 환경에서도 빠르게 작동합니다.
검출된 선수 위치는 영상의 픽셀 좌표 기준으로 표현됩니다. 하지만 이는 그대로는 정량 분석이나 웨어러블 데이터와의 비교에 활용되기 어렵기 때문에, VisionSync는 영상 내 터치라인, 센터 서클 등 주요 기준점을 자동으로 인식하고, homography 변환을 통해 픽셀 좌표를 실제 경기장 평면 좌표계로 정밀하게 전환합니다. 이 과정을 통해 영상에서 추출된 움직임 정보도 GNSS 기반 트래킹 데이터와 동일한 공간 기준 위에서 비교·분석할 수 있도록 정렬되며, 정량적 데이터 분석이 가능한 형태로 전환됩니다.
영상과 웨어러블 데이터의 시간·공간 정렬
영상과 GNSS 기반 웨어러블 데이터는 서로 다른 방식으로 기록됩니다. 영상은 프레임 단위의 자체 시계를 따르고, 웨어러블 데이터는 UTC 기반의 절대 시간을 기준으로 기록됩니다. 이처럼 서로 다른 시간축에서 수집된 데이터를 정확하게 정렬하지 않으면, 동일한 플레이 상황조차 다른 시점으로 인식될 수 있습니다. VisionSync는 선수들의 움직임 밀도 분포를 기반으로, 두 데이터 간의 시점을 자동으로 일치시키는 알고리즘을 적용합니다. 영상에서 검출된 선수들의 위치를 히트맵 형태로 변환하고, 이를 GNSS 기반 데이터의 시점별 히트맵과 비교하면서 가장 유사한 시간 offset을 찾아냅니다. 이 과정을 통해 영상의 시작 시점이 웨어러블 데이터의 시간 기준(UTC)과 정밀하게 동기화됩니다. 별도의 장비 없이도 단일 카메라 환경에서 안정적인 시점 보정이 가능하며, 경기나 훈련 중에도 빠르게 적용할 수 있습니다.
공간 좌표계 또한 서로 다릅니다. 영상은 픽셀 좌표계를 사용하고, GNSS 데이터는 위도·경도 기반의 지리 좌표계로 기록됩니다. VisionSync는 먼저 GNSS 데이터를 경기장 단위의 평면 좌표계로 투영하고, 영상 내에서 자동으로 인식한 기준점(터치라인, 페널티 박스, 센터 서클 등)을 활용해 픽셀 좌표를 동일한 평면 좌표계로 변환합니다. 이때 homography 변환이 적용되며, 양쪽 데이터가 동일한 x–y 공간 기준 위에서 직접 비교·분석될 수 있는 상태로 정렬됩니다. 시간과 공간의 기준이 정밀하게 일치된 이 상태는, 이후 분석 단계(선수 ID 매칭 및 위치 보정)의 신뢰도를 결정짓는 핵심 기반이 됩니다.
선수 ID 연결과 위치 보정
시점과 좌표계가 정렬되었더라도, 영상과 웨어러블 데이터 간에는 여전히 두 가지 차이가 존재합니다.
영상에서는 선수 위치가 바운딩 박스로 검출되지만, 각 바운딩 박스가 어떤 선수의 데이터와 연결되어야 하는지에 대한 ID 정보는 없습니다. 반면 웨어러블 데이터는 선수별 고유 ID를 가지고 있지만, 일부 시점에서는 수신 환경에 따라 위치 좌표가 미세하게 흔들릴 수 있습니다.
VisionSync는 이러한 차이를 해결하기 위해, 선수 간 위치를 기준으로 두 데이터를 정렬하고, 각 좌표 간의 오차를 자동으로 보정하는 알고리즘을 적용합니다. 이 과정은 영상에서 검출된 바운딩 박스와 웨어러블 데이터를 비교해 가장 적절한 매칭을 찾아내고, 두 좌표계 간의 잔차를 줄이며 위치를 정밀하게 정렬하는 방식으로 이루어집니다. 이러한 정렬이 반복되면서, 웨어러블 데이터는 영상 기반 위치와 점점 더 정밀하게 일치하게 되고, 각 바운딩 박스에는 해당 선수의 ID가 정확히 연결됩니다. 최종적으로는 영상 위에서 선수의 움직임과 ID가 함께 증강되어, 분석의 시각적 명확성과 데이터 신뢰도가 동시에 확보됩니다. 이 자동 정합 방식은 경기 중 선수 교체나 복잡한 전술 전개 상황에서도 안정적으로 작동하며, 수작업 없이도 정밀한 분석 결과를 일관되게 제공합니다.
관련 간행물
- Cost-Efficient and Bias-Robust Sports Player Tracking by Integrating GPS and Video, MLSA 2022, 2023