精度。速度。稳定性。这是我们最擅长的。
KineticSense
PRECISION POSITIONING & MOTION DATA TECHNOLOGY
准确的数据带来准确的决策。基于这一简单原则，KineticSense 重新定义了运动环境中可信精度数据的标准。Fitogether将基于全球导航卫星系统的定位推向了极限，结合了RTK-GNSS和IMU传感器来生成厘米级的三维运动数据。该系统集成了硬件、信号处理、算法和数据融合，以极高的精度捕获和分析运动。
精确使用所有 GNSS 系统实现全球覆盖
全球导航卫星系统在运营商和轨道分布方面因国家和地区而异，导致全球卫星可用性不同。一些地区偏爱GPS，而另一些地区则从伽利略或北斗等系统中受益更多。为了应对这些变化，KineticSense使用了并行接收L1、L2和L5频率的多频段结构，从而可以访问所有主要的全球导航卫星系统系统——全球定位系统、伽利略、格洛纳斯和北斗。这确保了稳定的信号接收和全球范围内的精确定位。
但是，接收更多卫星并不总是能保证更高的精度。多路径错误、信号反射和干扰会引入质量较差的信号，从而降低精度。
为了解决这个问题，KineticSense会持续评估接收到的信号的质量，自动排除可靠性低或错误风险高的信号，并使用Fitogether的专有算法仅选择值得信赖的卫星来形成最佳的卫星组。这种信号过滤策略即使在体育场或卫星能见度有限的区域等复杂环境中也能确保高精度和一致的性能。
背挂式使用时信号接收能力强
GNSS 跟踪设备通常佩戴在上背部，因此容易受到信号阻塞或头部和躯干失真的影响。球员运动、体育场结构和体内含水量也会导致反射和吸收，从而降低信号质量。KineticSense 通过针对向上和全向增益进行了优化的天线以及可确保在各种姿势和运动中稳定接收信号的微调辐射模式来应对这些挑战。
为了减少因近身放置而造成的多路径误差和信号损失，KineticSense 在天线后面安装了后置反射镜，并采用了滤波和校正算法来提高信号纯度。它还采用低噪声放大器 (LNA) 以最小的失真放大微弱的 GNSS 信号，并采用频率滤波来抑制外部干扰。由于定时误差直接转化为位置误差，KineticSense 使用 TCXO 参考时钟来提高计时精度。这样可以在长时间的会话中保持精度，即使在射频条件复杂的体育场环境中也能确保可靠的信号稳定性。
因此，即使布局和干扰挑战重叠，KineticSense 也能确保信号连续性和定位精度。这种坚固的设计构成了体育领域可靠的 GNSS 跟踪的基础，证明了其在各种现实条件下的性能。
使用 RTK-GNSS 实现厘米级定位精度
在体育运动中，精确定位对于距离测量和战术分析至关重要。但是，由于环境因素，标准 GNSS 可能会产生仪表级误差，从而限制其可靠性。RTK（实时运动学）使用来自基站的实时校正数据纠正这些错误，实现了业界公认的厘米级精度。但是，在可穿戴设备中实现RTK极具挑战性。它需要高精度的天线、稳定的实时通信、强大的处理性能和抗噪电路。在运动持续且信号丢失频繁的动态运动条件下，RTK 很少得到有效应用。
借鉴多年 GNSS 优化，Fitogether 设计了一款符合 RTK 所需的信号质量、计算效率和通信稳定性的系统。通过将RTK基站集成到Live Hub中，无需额外的基础设施即可在现场使用RTK。该系统已经在训练场和体育场进行了多年的测试和验证。结果，Fitogether的RTK-GNSS可穿戴设备获得了国际足联EPTS质量计划有史以来最高的精度分数，在球场上持续提供厘米级的精度。它代表了可穿戴运动追踪领域的重大飞跃，也是 RTK-GNSS 在该领域的首次实际应用。
使用 IMU 传感器融合实现从 2D 到真正的 3D 跟踪
光靠GNSS或RTK很难捕捉复杂的三维运动，例如姿势、旋转和方向。IMU（惯性测量单元）由加速度计、陀螺仪和磁力计组成，以 100Hz 的高更新速率检测旋转、方向变化和加速等精细运动。当与提供厘米级绝对定位的 RTK-GNSS 融合时，IMU 数据可以实现反映现实世界运动的完整 3D 跟踪。当 GNSS 信号下降时，IMU 可保持连续性，而 RTK 可校正长期的 IMU 漂移。这种协同作用即使在静止和快速过渡之间也能确保准确的位置和运动数据。
这种互补集成允许对快速转弯和加速度变化等复杂动作进行无缝、准确的分析。因此，KineticSense 提供了超越传统 GNSS 的真正三维跟踪，可以精确评估姿势、方向和速度。这些更丰富的运动数据支持运动环境中的性能改进、伤害预防和战术决策。
相关出版物
- 用于户外移动机器人高精度定位的紧凑型 RTK-GNSS 设备，《野外机器人杂志》，2024 年
- RTK-GNSS在恶劣环境下运动员可穿戴设备中的实现和性能分析，《电子快报》，2025年
- 用于足球运动员可穿戴EPTS的GNSS/IMU松耦合集成滤波器的设计，传感器，2023
- 估计 IMU 和 MARG 传感器方向和位置的稳健方法，IEEE 传感器快报，2022年
XtendConnect
Long-Range Wireless Data Communication for Sports
在成绩分析中，在大型场地上实时跟踪运动员既必不可少又具有挑战性。XtendConnect 结合了高功率天线、频率选择和强大的数据包结构，可覆盖最远 200 米，并传输来自数十个玩家的数据。无需复杂的基础架构，它可以在训练场或体育场内实现稳定的数据流和快速决策。
通过高性能天线设计扩大覆盖范围
在体育场中，球员、观众和建筑物可能会削弱无线信号。XtendConnect 通过同时使用高功率定向天线和全向天线来解决这个问题。定向天线可在长距离内聚焦信号强度，而全向天线则均匀地分布覆盖范围以减少盲点。
它在 2.4GHz 频段上运行以确保更长的范围，并使用硬件设计和输出控制方法来减少多路径干扰。即使在有许多障碍物的复杂环境中，它也能保持稳定的信号强度并实时跟踪玩家的移动。因此，可以在长达 200 米的距离内进行可靠的通信，这对于运动环境至关重要。
通过智能数据包设计实现可靠通信
网络中断和无线干扰在体育运动中很常见。短暂断开连接可能会导致数据丢失。XtendConnect 通过包含备份数据的数据包结构来防止这种情况。如果连接中断，则在链路恢复后，最多会传输一分钟的存储数据，从而确保不会丢失任何内容。
它还简化了数据包标头，并使用CRC（循环冗余校验）进行快速错误检测和可靠的重传。这使教练和教练能够每 0.5 秒 (2Hz) 接收一次运动和生物识别数据，比每隔几秒更新一次的传统系统快得多。即使同时连接多达 100 台设备，该系统也能提供流畅无损的数据流。
自动频率选择实现无干扰通信
由于球员、教练和工作人员使用许多设备，无线干扰成为一个主要问题。XtendConnect 包括自动频率选择、持续扫描最佳频道以及实时切换到不那么拥挤的频道。
这在网络流量大的大型比赛或训练课程中尤其有效。即使在负载下，该系统也可以高效地分配连接，使教练和教练能够以稳定的 2Hz 频率监控关键数据，例如位置、加速度和心率。XtendConnect 不仅仅是一个稳定的无线连接。这是一款针对运动进行了优化的智能系统，集成了硬件和软件，可提高训练效率和游戏注意力。
AirSyn
WIRELESS DATA UPLOAD AND SEAMLESS CLOUD SYNC
在体育运动中，数据到达分析的速度是一个关键的竞争因素。AirSync 是一种无线上传系统，可在训练后立即同步数据，从而简化管理并加快分析速度。它的并行结构允许许多设备同时上传，而优化的数据包和压缩可确保多达100名玩家的稳定同步。
使用无线并行传输更快地上传
以前，必须将多个设备连接到 Dock，通过电缆下载到 PC，然后再次上传到服务器。这种串行工作流程随着设备数量的增加而线性地增加了传输时间，这意味着随着越来越多的运动员的参与，传输过程变得明显变慢。此外，Dock 仅支持有限数量的设备。超过该限制需要重新连接并重复该过程，从而导致延迟和效率低下。
AirSync使用以LiveHub设备为中心的无线并行上传系统。由于对同步连接没有限制，数十台设备可以同时上传训练数据。与以前的方法相比，这使上传速度提高了四倍以上，并且在每次会话后立即自动将数据同步到服务器。例如，来自 24 位玩家的 1 小时 10Hz 跟踪数据（不包括 IMU）将在不到一分钟的时间内同步。来自 Live App 的标记数据会自动上传，允许即时分析。
大型小队的多渠道上传技术
当许多设备在训练后同时传输数据时，无线干扰会降低上传速度和稳定性。AirSync 通过自动多通道分发来解决这个问题，允许每台设备选择最佳的可用路径，以避免信号冲突并保持稳定的上传，即使在密集的环境中也是如此。
它还使用数据包优化和无损压缩来最大限度地提高传输效率，并确保在不丢失数据的情况下进行高可靠性上传。通过这种结构，AirSync 可以支持多达 100 名玩家的同步上传，从而提供大规模训练环境中高效数据管理所需的可扩展性和稳定性。
VisionSync
Turning Video into Measurable Performance
视频和跟踪数据正迅速成为体育分析的新标准。尽管由于处理负载和设备限制，很难在训练中使用光学跟踪，但VisionSync使用人工智能将可穿戴设备数据与视频对齐，从而可以在不到10分钟的时间内进行全面分析。这为团队提供了更快、更清晰的见解，并允许实时的战术反馈。
视频中基于 AI 的玩家检测和坐标转换
VisionSync 开始使用各种上传的比赛镜头进行分析，例如无人机、GoPro 和全景视频。它会自动校正镜头失真和与取景相关的变形，以提高检测和校准精度。
该系统不处理所有视频帧，而是使用基于人工智能的对象检测来选择和分析关键时刻。这种轻量级的方法减少了不必要的计算，同时保持了高精度，即使在 Mac 系统上也能流畅运行。
检测到的玩家位置首先用像素坐标表示。但是，这种格式不适合精确分析或与可穿戴设备数据进行比较。VisionSync 可检测关键场地标如接触线和中心圆圈，并应用同构法将像素坐标转换为准确的真实场地位置。这允许视频中的运动数据与共享空间参考上的 GNSS 跟踪保持一致，从而实现有意义和可量化的分析。
视频和可穿戴设备数据的时空对齐
视频和基于 GNSS 的可穿戴设备数据记录在不同的时间轴上。视频依赖于基于帧的内部时钟，而可穿戴设备则使用基于 UTC 的绝对时间戳。如果没有精确对齐，即使是相同的游戏也可能在不同的时间出现在每个数据集中。VisionSync 通过分析两个数据集中的玩家运动热图并找到视频和 GNSS 热图之间的最佳匹配偏移量来解决这个问题。这样可以实现视频和穿戴式设备数据时间戳的高精度同步，而无需任何外部硬件。即使在激烈的训练或现场比赛中，也可以快速可靠地进行时间调整。
坐标系也有所不同：视频使用像素，而 GNSS 使用地理坐标。VisionSync 首先将全球导航卫星系统数据投影到基于平面间距的坐标系上。然后，它使用自动检测到的地标（接触线、罚区、中心圆等）转换视频坐标。同形变换可确保两个数据集共享相同的 x—y 参考平面。这种精确匹配的状态成为下游分析的基础，例如玩家 ID 匹配和位置校正。
玩家 ID 匹配和位置优化
即使时间戳和坐标系完全一致，视频和穿戴式设备数据之间仍然存在两个关键区别。视频可检测玩家周围的边界框，但不包含内置身份，而可穿戴设备数据携带玩家 ID，但根据信号接收情况，可能会出现轻微的位置偏移。
VisionSync 通过根据玩家位置对齐两个数据集并通过自动校正最大限度地减少差异来解决这个问题。它会比较检测到的边界框和可穿戴设备位置，确定最佳匹配项，并调整坐标以减少空间误差。随着对齐的继续，可穿戴设备数据与视频位置的对齐更加紧密，并且每个边界框都与正确的玩家 ID 相匹配。玩家的动作和 ID 在视频中一起可视化，从而确保清晰度和数据完整性。即使在替补和复杂的战术中，该系统也能可靠地运行，无需手动操作即可持续提供准确的结果。
相关出版物
- 通过集成 GPS 和视频，实现经济高效且偏差稳定的运动员跟踪，MLSA 2022，2023