Scheda studio
Punteggio elettronico per l'arco: Danielescu 2021
OnTarget: An Electronic Archery Scoring
Citazione
Danielescu, A. (2021). OnTarget: An Electronic Archery Scoring. arXiv. https://doi.org/10.48550/arxiv.2104.01622
DOI: 10.48550/arxiv.2104.01622Leggi la versione ad accesso aperto
Cita lo studio
Danielescu, A. (2021). OnTarget: An Electronic Archery Scoring. arXiv. https://doi.org/10.48550/arxiv.2104.01622
@article{danielescu2021ontargetelectronic,
author = {Danielescu, Andreea},
title = {OnTarget: An Electronic Archery Scoring},
year = {2021},
journal = {arXiv},
doi = {10.48550/arxiv.2104.01622}
}
Scheda tecnica
- Disegno
- Prova di laboratorio
- Popolazione
- Prove sull'attrezzatura, senza arcieri
- Oggetto della prova
- Attrezzatura, senza partecipanti
- Livello
- Non dichiarato
- Disciplina
- Non pertinente
- Tipo
- Preprint
- Lingua
- Inglese
- Revisione tra pari
- No
- Sede
- arXiv
Cosa ha misurato e cosa ha trovato
Il lavoro descrive un prototipo di punteggio elettronico con due telecamere montate su un telaio attorno al battifreccia, una in alto e una di lato, a circa 18 cm dal bordo del bersaglio e 10 cm davanti. Il programma, scritto in C++ con la libreria OpenCV, trova il bersaglio e i suoi anelli nelle immagini, individua la freccia confrontando la foto prima e dopo il tiro e assegna il valore dell'anello più interno toccato, come prevede il regolamento quando una freccia tocca la riga.
Su 16 frecce la telecamera superiore ha dato il valore corretto a 14 (87,5%), quella laterale a 11 (68,75%); prendendo per ogni freccia il valore più alto dei due, il risultato complessivo resta 14 su 16. L'autrice attribuisce gli errori alla cattiva calibrazione della telecamera laterale e stima che correggendola si arriverebbe almeno al 93,75%. Per confronto riporta, da una email del presidente del comitato giudici e regolamenti di USA Archery, che in una gara i giudici vengono chiamati su circa 30 frecce su 18.000, e ne ricava un errore umano massimo dello 0,17%.
Come è stato misurato
La procedura ha più passaggi. All'inizio si calibrano le telecamere, si fotografa il bersaglio vuoto e l'utente clicca sul centro di ogni bersaglio. Il programma trova i bordi degli anelli con l'algoritmo di Canny, li approssima con ellissi e costruisce una maschera che esclude tutto ciò che sta fuori dal bersaglio; un filtro bilaterale e operazioni di erosione e dilatazione tolgono una parte del rumore. Dopo ogni freccia l'utente preme un pulsante, il programma sottrae l'immagine precedente da quella nuova, isola l'asta con un elemento strutturante verticale e cerca il punto della freccia più vicino al centro. Poi applica le maschere degli anelli dalla più grande alla più piccola: l'ultimo anello che contiene il punto dà il valore.
Il sistema presuppone un bersaglio a fondo bianco, anelli distinguibili per colore o per bordo e una X al centro. Il lavoro è stato fatto nell'estate del 2007, durante uno stage di ricerca alla Iowa State University, ed è stato caricato su arXiv nel 2021.
Il metodo, spiegato: Leggere il bersaglio con una fotocamera, Machine learning e visione artificiale negli studi sul tiro
Limiti
La prova è minima: 16 frecce, un solo bersaglio di una sola misura, una sola sessione, senza indicazioni su distanza, luce o su quante frecce cadessero vicino alle righe, che sono i casi difficili. Il confronto con i giudici non regge: lo 0,17% non è un errore misurato, ma la quota di frecce su cui il giudice viene chiamato, e in gara il punteggio lo leggono gli arcieri al bersaglio, con il giudice che interviene solo sulle frecce dubbie.
L'autrice stessa elenca i problemi: le telecamere mettevano a fuoco male, la luce variabile confondeva gli anelli e l'algoritmo dei bordi lasciava incompleti proprio gli anelli interni, quelli che valgono di più. Le telecamere vedono il bersaglio di sbieco, come un'ellisse, e la trasformazione per riportarlo a un cerchio è solo progettata. Il testo non è passato da una revisione tra pari e va letto come una prova di fattibilità di quasi vent'anni fa.
Cosa vuol dire per chi tira
Per chi tira oggi lo studio ha soprattutto un valore storico. Mostra perché il punteggio automatico con le telecamere è difficile: le frecce sulle righe, la luce che cambia nel corso della giornata, i bersagli visti di sbieco e gli anelli centrali piccoli sono gli stessi problemi che un sistema deve risolvere per essere accettato in gara. Con un'accuratezza dell'87,5% il prototipo sbagliava due frecce su sedici, e l'autrice stessa conclude che servono modifiche per avvicinarsi alla precisione di un giudice.
Per chi pensa di usare una telecamera o un'app per registrare i propri tiri in allenamento, il lavoro indica che la qualità della telecamera e della calibrazione conta almeno quanto il programma: nel prototipo gli errori venivano da lì, e gli anelli interni, i più piccoli, erano i più difficili da riconoscere.
Nel registro
Le affermazioni in cui questo studio è un'evidenza, con la sua posizione e lo stato attuale.
Filone di ricerca
Stesso filone
- 2021Accuracy in Archery Shooting is linked to the Amplitude of the ERP N1 to the Snap of Clicker
- 2021Adaptation and the distributional effects of heat: Evidence from professional archery competitions
- 2021Neurotracker Training to Improve Shooting Performance of Archery Athletes Sede dubbia
- 2021Nicotine supplementation enhances simulated game performance of archery athletes
- 2021The Effects of Mindfulness-Based Intervention on Shooting Performance and Cognitive Functions in Archers
- 2021The relation between confidence level towards archery ability at 50 meters distance on archery atheletes
Cita questa scheda
Campagna, M. (2026). Scheda studio: OnTarget: An Electronic Archery Scoring. In Registro delle evidenze. matteocampagna.com. Consultato il 16 ottobre 2026, da https://matteocampagna.com/evidence/danielescu-2021-ontarget-electronic
@misc{campagna2026_evidencedanielescu2021ontargetelectronic,
author = {Campagna, Matteo},
title = {Scheda studio: OnTarget: An Electronic Archery Scoring},
year = {2026},
howpublished = {Registro delle evidenze, matteocampagna.com},
url = {https://matteocampagna.com/evidence/danielescu-2021-ontarget-electronic},
note = {consultato il 2026-10-16}
}
Aggiornamenti del registro, per email
Al massimo un'email al mese, e solo nei mesi in cui qualcosa cambia: affermazioni che cambiano stato, affermazioni nuove, previsioni del Laboratorio registrate o verificate, studi nuovi e l'uscita dei libri.
L'iscrizione la gestisce Systeme.io, il servizio della newsletter. In ogni email c'è il link per cancellarti con un clic.