关于篮球罚球训练中情境化AR可视化的理解

荣誉提名
AR 导航与情境感知环境感知与上下文计算运动员与健身爱好者健身教练

文献标题

Towards an Understanding of Situated AR Visualization for Basketball Free-Throw Training

文献信息

  • 主题领域: 增强现实 (AR) 技术在体育技能训练中的应用,特别是篮球罚球训练
  • 关键词: 增强现实,沉浸分析,体育数据可视化,运动技能训练,实时反馈,可视化设计

研究背景与问题

  • 作者发现的问题或挑战:

    • 当前用于篮球罚球训练的技术,如 HomeCourt 和 Noah 系统,缺乏即时视觉反馈,仅提供听觉反馈,且需要教练辅助。这限制了运动技能的快速学习。
    • 运动员需要高质量的、实时的视觉反馈以改善动作一致性和命中率,但现有商业系统未有效满足这一需求。
    • 增强现实技术(AR)提供了在真实环境中嵌入虚拟视觉反馈的可能性,但在篮球罚球训练中的应用研究较少,尤其是评估AR可视化在实际运动训练中的效果。
  • 研究为什么重要:

    • 篮球罚球是一项需要高精度和一致性的运动技能,对球队得分和胜率有重要影响。然而,几十年来篮球罚球的平均命中率几乎没有显著提高。
    • 通过优化学习过程和提供即时反馈,可以加速运动技能的掌握和提高技能一致性,对研究运动学和训练方法具有重要价值。
  • 研究动机与相关工作:

    • 作者希望识别AR在运动训练中的独特优势,并验证AR视觉反馈在罚球训练中是否有助于提高运动员的一致性和技能。
    • 系统地比较传统的屏幕显示(2D)与AR头戴式显示器(HMD)中的实时视觉反馈效果,为未来的AR运动训练研究提供设计建议。

解决方案

  • 作者提出的方法或解决方案:

    • 设计了两种训练系统:
      • 2D系统: 使用桌面显示器提供联合定位的2D视觉反馈。
      • AR系统: 使用头戴式显示器(HMD)提供基于AR的沉浸式3D视觉反馈。
    • 两种系统均提供实时的视觉反馈,显示运动员投篮的实际弧线与目标弧线的对比。
  • 该解决方案的创新之处:

    • 系统集成了实时的篮球轨迹捕捉和视觉可视化,提供了运动员在实际训练环境中的即时反馈。
    • AR条件进一步支持身体形式的监控和更具沉浸感的指导。
    • AR反馈通过三维可视化让运动员在投篮时直接看到弧线差异,减轻了传统屏幕显示带来的认知负荷。
  • 实施步骤与技术:

    1. 系统跟踪:使用摄像头捕捉篮球轨迹,从释放点到篮球到达篮筐期间的运动。
    2. 数据处理:通过计算球的运动参数(初速度、释放角度等)生成投篮弧线。
    3. 可视化实现:
      • 2D系统: 投篮弧线侧视图显示于监视器上。
      • AR系统: 投篮弧线以三维方式嵌入实景,以HoloLens设备投影。
    4. 实验设计:招募篮球运动员,通过对比两种系统评估训练效果,收集定性与定量反馈。

研究成果

  • 具体成果:

    • 实时视觉反馈的价值: 所有参与者均表示通过实时视觉反馈,能够识别投篮的缺陷并快速调整后续动作。
    • 一致性提升: 实验显示,通过AR和2D视觉系统训练,参与者的投篮角度一致性显著改善(标准差降低)。
    • 视觉反馈改善训练方向: AR系统支持更全面的身体形式评估,而2D系统主要帮助进行数值比较。
    • 头戴设备的挑战与适应: 初次使用AR头戴显示器造成部分参与者的不适感,但随着实验进行,部分参与者展示了适应性提升。
  • 与现有解决方案的比较:

    • 相较于现有篮球训练系统(如HomeCourt和Noah),本系统提供实时视觉反馈,而非单一听觉反馈。
    • AR系统较传统2D系统更易促进参与者关注身体动作形式,同时提供更深刻的动作视觉指导。
  • 实验或评估结果:

    • 定量结果:
      • AR和2D条件下,参与者的投篮一致性有显著提升(p值<0.05)。
      • AR条件的投篮角度变化较小,表明参与者在注重动作表现时,不会明显改变投篮习惯。
    • 定性结果:
      • AR条件被认为对身体形式指导尤其有用,虚拟弧线提供了更直观的视觉提示。
      • 2D条件被认为易于理解,帮助快速比较弧线数值。
  • 局限性与未来方向:

    • 局限性:
      • AR头戴设备较重且视野限制,影响参与者初次使用时的体验。
      • 实验时间较短,难以评估反馈作用的长期可转移性。
    • 未来方向:
      • 开发更轻便的AR设备以减少头戴设备的负面影响。
      • 增加实验周期以验证训练的长期效果和技能转移。
      • 进一步探索针对不同技能水平运动员的个性化反馈设计。
      • 集成身体追踪技术以更加全面地评估运动员的表现。

通过上述研究,作者系统化地验证了AR在运动技能训练中的适用性与优势,为这一领域的未来发展提供了扎实的理论基础。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/47787/2021

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3411764.3445649
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2021
emoji_events
奖项
荣誉提名
group
作者
7 位作者
sell
研究子方向
AR 导航与情境感知、环境感知与上下文计算
work
职业/产业
运动员与健身爱好者、健身教练
article
内容状态
已索引正文
hub
相关论文
6 篇相关论文