태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.

Welcome to youlsa's home!

속도-파워 그래프를 얻었으니 이제 실내 자전거의 속도를 얻어내려면 어떻게 해야 하는지 알아보겠습니다.



일단 자전거에서 뭔가 속도를 얻어내는 센서에는 2가지가 있습니다. 첫번째는 바퀴에 부착되어 현재 자전거의 속도를 계산해내는 속도(speed) 센서이고요, 다른 하나는 페달에 부착하여 현재 페달의 회전수를 알아내는 케이던스(cadence) 센서입니다.


아래가 스피드 센서.




이게 케이던스 센서.



보통 헬스케어/피트니스 제품들에서는 ANT+라는 무선 프로토콜을 사용합니다. 근래 많이 쓰이는 BLE와 유사한 면이 많은 저전력 프로토콜인데요, 역사는 생각보다 오래 되었습니다. 각종 심박계나 자전거 센서들, 런닝용 발걸음 센서, 저울, 산소측정기 등도 사실상 거의 모두 ANT+ 프로토콜을 사용합니다. 근래에는 ANT+와 BLE를 동시에 지원하는 경우도 나오기는 합니다만, 여전히 대세는 ANT+ 프로토콜입니다.


이 프로토콜의 홈페이지는 이곳입니다. https://www.thisisant.com/



ANT+ 프로토콜을 지원하는 디바이스들은 보통 Garmin 등의 헬스케어 전문기업의 기기들이나 Sony 휴대폰 등 의외로 많은 제품들이 제공합니다.


하지만, PC에서 쓰기 위해서는 별도의 USB 동글을 이용해야 합니다.

ANT+ USB 동글은 아래와 같이 생겼습니다.



PC를 사용하면 좋겠지만, 실내 자전거에 붙여 사용해야 하는 용도이기 때문에 라즈베리 파이를 사용해봅니다.


기본적으로 많이 사용하는 OS인 Raspbian을 설치하고 ANT+를 꽂습니다.






lsusb 정보를 봅니다. Vendor ID가 0fcf이고 PID가 1009인걸 알 수 있습니다.




해당 USB 동글을 인식시키기 위해 /etc/udev/rules.d/garmin-ant2.rules 파일을 추가해서 아래의 내용을 추가합니다.


SUBSYSTEM=="usb", ATTRS{idVendor}=="0fcf", ATTRS{idProduct}=="1009", RUN+="/sbin/modprobe usbserial vendor=0x0fcf product=0x1008", MODE="0666", OWNER="pi", GROUP="root"



이 과정을 거친 후, 해당 ANT+ 동글을 꽂으면 /dev/ttyUSB0 으로 잡히게 됩니다.



이제 소프트웨어를 준비합니다.

먼저 python용 ANT+ 라이브러리를 설치합니다.



git clone https://github.com/baderj/python-ant.git

sudo python setup.py install


이렇게 하면 설치됩니다.




이제 코딩만 하면 됩니다.



두 센서의 프로파일 문서를 얻어봅니다. https://www.thisisant.com/developer/resources/downloads/#documents_tab 이곳에서 "ANT+ Device Profile - Bicycle Speed and Cadence" 문서를 받아봅니다.


속도 센서와 케이던스 센서, 두 센서의 프로파일을 비교하며 살펴보니 두 센서 모두 1회전당 1회의 펄스가 나오는게 원칙인데, 몇회에 걸쳐 누적된 수치를 한번에 보내주기도 하는 등 행동 양태에 따른 차이점은 거의 없습니다. 두 센서의 송출 데이타상의 차이점은 Device Type이 속도 센서는 0x7B이고, 케이던스 센서는 0x7A인 점이 다를 뿐입니다.


한가지 더 꼽아보자면, 센서의 데이타 수집 주기가 4Hz 내외라서 1초에 4회 정도씩 수집하도록 되어 있는데, 속도 센서는 8118/32768초에 한번씩, 케이던스 센서는 8102/32768초에 한번씩 데이타를 수집하는 것이 기본입니다.


두 센서 모두 Roll-over time은 64초, 65536회전입니다. 이 처리도 필요합니다.


실내 자전거에는 바퀴가 따로 없이 바퀴의 회전수가 곧 페달의 회전수이기 때문에 둘 중에 아무 센서나 사용해도 상관이 없습니다. 가격도 2가지 센서 거의 동일합니다. 다만, 원래 페달의 크랭크에 설치하기로 되어 있는 케이던스 센서가 좀 더 부착이 쉬우므로 이것을 사용하기로 합니다.



센서에서 펄스가 올 때마다 지난번 펄스의 시간과 대조하여 해당 구간의 델타 속도를 계산해낼 수 있습니다. 제대로 현재 속도를 표시하기 위해서는 델타 속도의 변화 추세를 미분하여 평탄화 작업을 해줘야 하지만, 우리의 목적은 어차피 역시나 해당 델타에서의 파워값만 얻어내어 무책임하게(?) 쏴주면 그 다음에는 속도계에서 알아서 할테니 굳이 복잡한 계산은 생략해도 별 지장 없습니다.


소스는 맨 아래에 있습니다. 페달을 돌려보니 아래와 같은 속도와 파워값 결과가 나옵니다.


대략 데이타의 적절성을 살펴보면..

REVO=21일때, 속도가 18.78mile/h일때에 149.29W가 나옵니다.

REVO=44일때, 속도가 34.27mile/h일때에 452.55W가 나오는걸 보니 몸이(허벅지가^^) 기억하는 파워값과 크게 다르지 않은 파워값을 얻어내는걸 알수 있습니다.






페달을 밟는 속도에 따른 파워값을 얻어낼 수 있으니 이제는 이걸 Zwift 게임에 쏘아주면 됩니다. 이 부분은 다음번에...






소스보기


Comment +3

  • y9pp9 2017.08.03 15:32 신고

    안녕하세요?
    설악그란폰도로 검색해서 들어왔다가 흥미로운 글을 읽고 답글 남깁니다.
    혹시 다음단계 성공하셨는지요?
    라즈베리파이에서 파워값을 zwift로 어떻게 쏘셨는지도 알려주시면 감사드리겠습니다
    즐거운하루되세요!

    • 그간 좀 바빠서 결론 글을 못올렸네요. Bluetooth BLE 루틴을 이용해서 파워미터 데이타를 쏘도록 했습니다. 조만간 작성해서 올리겠습니다.

  • 당당 2017.09.27 00:50 신고

    제가 찾던 글이네요!! 3편 기대합니다~



Zwift라는 게임이 있습니다. 일반 로라나 스마트 로라에 자전거를 올려서 페달을 밟으면 전 세계인들과 경쟁하게 되는 온라인 자전거 게임입니다. 작년부터 큰 인기를 끌고 있어서 한동안 와후 키커라는 비싼 스마트 로라를 사서 꽤 즐겁게 즐겼었는데요, 로라를 집안 사정으로 팔아버리게 되면서 마땅히 Zwift를 즐길 방법이 없어졌습니다.


집안을 둘러봐도 그나마 제일 비슷하게 생긴게 아내가 다이어트를 위해 얻어온 헬스 자전거, 숀리 엑스 바이크라고 하는 이름을 가진 십몇만원 한다는 실내용 자전거입니다. 하지만, 아무런 센서류가 없기 때문에 이대로는 Zwift 플레이가 불가능합니다.






때마침, 올해 시즌에 쓰려고 새로 산 페달형 파워미터인 가민 벡터2가 도착했습니다. 파워값만 제대로 나오면 Zwift 플레이에 아무 문제가 없다는데 착안하여 일단 이걸 끼워서 Zwift를 돌려봤습니다. 잘 됩니다. 싸이클에 비해 페달이 너무 앞쪽에 있어 힘 싣기 어렵고 그런 어려움들은 좀 있지만, 어쨌든 Zwift를 즐길 수 있습니다. ㅋㅋㅋ






스마트 로라와 같이 지형에 따라 자동으로 부하를 넣었다 뺐다 하지는 못하지만, 까짓거 손으로 조절하면 됩니다. 업힐 만나면 단수를 올려주고, 평지 만나면 내려주고 등등... ^^








전체적으로 할만 합니다만.... 십몇만원짜리 자전거에 백몇만원짜리 파워미터라니 뭔가 너무 언밸런스합니다.


그래서, 여러가지 방법을 생각을 해봤는데요, 자전거 센서들 중에 아무래도 가장 싼 축에 속하는 케이던스 센서나 속도 센서를 이용해서 파워값을 연산해서 얻어내어 Zwift 클라이언트에 쏴주면 파워미터가 없어도 별 상관 없이 게임을 즐길 수 있을 것 같습니다. 실제로도 Zwift에서도 인증 받은 로라나 트레이너 기기들은 속도 센서만 붙여도 vPower라고 하는 가상 파워 계산 루틴을 통해 게임을 즐길 수 있게 해줍니다.


물론 비싸거나 유명한 기종들만 대상이고, 이런 숀리 엑스 바이크 같은 변방의 헬스 바이크를 등록해줄리는 만무합니다.




그래서, 일단 이 실내 자전거의 부하 그래프를 얻어보기로 했습니다. 속도 센서와 파워미터를 모두 자전거에 달고 열심히 페달을 밟아 (속도 : 파워) 데이타를 얻어냅니다. 아주 느린 속도에서부터 아주 빠른 속도까지 대략 10초 정도 간격으로 LAP을 나눠가며 자전거를 돌립니다. 가장 많이 쓰이는 파워 구간인 100W~400W 까지 모두 고르게 나오도록 하려면 자전거의 부하 스위치를 8에 두어야 하네요. (10단 중 8단이니 꽤 힘듭니다만, 원래 자전거는 고통으로 타는겁니다^^)









데이타를 정렬해서 그래프로 그려봅니다. 가로가 속도(mi/h), 세로가 파워(W)입니다. 부하 그래프를 구할 때에는 이상하게들 km단위가 아닌 마일 단위를 쓰네요. 그래서 저도 역시 한번 그렇게 해봅니다.


그래프의 모양새는 아주 정밀하지는 않지만 어느 정도 괜찮은 부하 그래프를 얻을 수 있을 것처럼 생겼습니다.


요즘 딥 러닝이 핫하다고 하니 한창 이야기들이 많은 Tensorflow를 써서 간단하게 선형 회귀 분석을 해봅니다. 아래의 식을 이용합니다. x가 속도, y는 파워.


y = a*x + W



분석하니 아래와 같은 값들이 나옵니다.

W = -88.4703598, a = 13.56646538, LOSS=594.065


그래프로 그려보면 아래와 같습니다. 괜찮네요, Tensorflow.







사실, 위의 그래프 정도만 해도 쓸만은 한데, 한가지 눈에 띄는 점은 bias 값이 지나치게 크다는 겁니다. (여기서는 W) 이대로 쓰면 페달을 돌리지 않아도 마이너스 파워가 나오는 결과를 초래하게 됩니다.


그래서, 0점의 데이타 (0mi/h : 0W) 를 추가해서 그래프가 0점을 지나도록 해줘서 어떤 형태의 그래프를 얻어야 하는지 한번 살펴봅니다. 대략 아래와 같은 모양이 나와야 할 것 갈습니다.


가만 보니 뭔가 지수함수적으로 생겼으니 수식을 아래와 같이 바꿔줍니다.


y = W + a*x + b*x^2 + c*x^3



Loss 함수를 그래프의 값과 실제의 값과의 차이분들을 모아 그 면적을 구하도록 해서 해당 값을 손실 값으로 간주하도록 하고, 이 손실이 최대한 적은 쪽으로 학습을 하도록 합니다. 아주 세밀세밀하게...


소스는 아래와 같습니다.


[ 소스 보기 ]




Tensorflow에게 10만회 정도 학습을 시키니 어느 정도 쓸만한 괜찮은 인자들을 뱉어냅니다.


아래 화면에 찍힌 값들을 이용해 최종 결정된 수식은..

y = 0.00259981 + 0.03980412 * x + 0.46587375 * x^2 + (-0.00238126) * x^3


이젠 속도만 알면 파워값을 얻을 수 있습니다!!!!!  ^^






참고로, 아래의 그래프들은 학습 횟수에 따라 그래프의 모양을 찾아가는 과정입니다. 좌상단으로부터 책 읽는 순서로 각각 1회, 2만회, 4만회, 6만회, 8만회, 10만회째에 해당하는 그래프입니다. 실용적으로는 2만회 정도만 해도 어느 정도 충분한 것 같습니다.





부하 그래프를 얻어서 속도에 따른 파워값을 계산해낼 수 있게 되었습니다. 이제 이렇게 얻은 파워값을 어떻게 Zwift한테 쏘아줄지 고민해보도록 하겠습니다. 지금까진 비교적 손쉬웠는데 이제부터는 머리 아프네요.

Comment +2

  • 겨울이 되어서 헬스바이크로 즈위프트 할 방법이 없을까 찾아보다가, 제가 막연히 생각했던것을 구현하려는 글을 보니 감탄이 나옵니다. y = a*x + W 이 수식은 파워 구하는 공식인가요?

    • 그냥 부하-파워 그래프의 모양을 보고 가정해서 넣어본 공식입니다. 하지만 전 구간을 놓고 보면 그래프가 곡선이라 그 다음 공식으로 바꿔서 추정해봤습니다. y = W + a*x + b*x^2 + c*x^3

티스토리 툴바