This thesis is an investigation into the feasibility of one-dimensional Light Detection and Ranging (LIDAR) sensors for tracking the position and motion of trains on railroad classification yards. Carefully monitoring railway traffic in these areas is important, in order to avoid accidents, optimise logistical operations and hence reduce delays. However, existing technologies for tracking trains on regular stretches of train-line, including Radio Frequency Identification (RFID) and Global Positioning System (GPS), have various drawbacks when applied to classification yards. As such, it is pertinent to investigate the extent to which simple LIDAR sensors could be used for this purpose, as part of a basic Internet of Things (IoT) system. To tackle this problem, we considered different ways of positioning the sensors around railway tracks. We then proposed a floating average algorithm for calculating a target object’s velocity using continuous LIDAR distance readings. To know when to apply the algorithm as a train is passing the sensor, we observed how the distance readings varied as a model train passed the sensor. The data was used to construct a Finite-state machine (FSM) that can fully describe the status of trains as they pass the sensor. In order to test our solution, we constructed a prototype sensor node implementing the FSM and evaluated its performance first with a model train and then on actual commuter trains on an outdoors train platform. We found that one-dimensional LIDAR sensors could feasibly be deployed to monitor the position and motion of trains with a high degree of consistency and accuracy. However, LIDAR may need to be corroborated with other types of technology such as RFID so that trains can be distinguished from other moving objects. / Detta projekt undersöker möjligheten att använda endimensionella Light Detection and Ranging (LIDAR) sensorer för att spåra läge och rörelse av tåg på rangerbangårdar. Att övervaka tågtrafik i dessa områden är viktigt för att undvika trafikolyckor, optimera logistiska operationer och därmed minska förseningar. Dagens teknik för att spåra tåg på vanliga tågspår, till exempel Radio Frequency Identification (RFID) och Global Positioning System (GPS), har flera begränsningar när de ska användas till rangerbangårdar. Följaktligen så är det relevant att undersöka till vilken grad enkla LIDAR sensorer kan tillämpas för detta ändamål som en del av ett Internet of Things (IoT) system. För att lösa detta problem, övervägde vi olika sätt att placera sensorerna kring tågspår. Därefter implementerade vi en glidande medelvärdealgoritm för att beräkna målobjektets hastighet genom att använda kontinuerliga LIDAR avståndsmätningar. För att kunna veta när algoritmen skulle tillämpas när riktiga tåg passerade sensorn, noterade vi först hur avståndsmätningarna varierade när ett modelltåg passerade sensorn. Mätningarna användes sedan för att konstruera en ändlig tillståndsmaskin (FSM) som kan fullständigt beskriva statusen av tåget när det åker förbi sensorn. För att testa vår lösning, tillverkade vi en sensornodprototyp med vår FSM implementerad och utvärderade först dess prestationsförmåga med ett modelltåg och sedan med riktiga pendeltåg.Vi observerade att endimensionella LIDAR sensorer kan användas för att övervaka läge och hastighet av tåg med hög precision och konsekventa resultat. Däremot visade sig att LIDAR ska med fördel kombineras med andra typer av teknologi, som till exempel RFID, för att urskilja tåg från andra objekt i rörelse.

Ice hockey is a sport whose athletes are at high risk for traumatic head injuries due to the violence of potential impacts with other athletes, ice, or glass during games. In order to develop the best protective strategies for the players, it is necessary to have a deep understanding of accident mechanisms during ice hockey games. Accident reconstructions using the finite element (FE) method are a way to perform a systematic analysis of impact cases, but require input data on the circumstances of the accidents. Thus, this project focused on finding a way to extract the position and velocity of the players involved from readily available videos of ice hockey accidents using motion tracking methods. This project included two parts: pose estimation and velocity estimation. The pose estimation aimed to align a human body model (HBM) with the players' poses and the key steps included estimating 2D joints from impact images, estimating the players' 3D poses, skeleton inferencing, and aligning the results with the baseline HBM via pelvic registration. The velocity estimation defined the initial conditions for simulating the collision and key steps included identifying the players' 2D joints across impact video frames, tracking of the players using a simplified pelvis projection on the rink plane, and estimating the players’ velocity using homography to identify their position on the ice hockey rink. Then, both parts were applied to accident cases from a video database of collisions that occurred during a hockey league season. The cases in which the pipeline was fully applied ultimately resulted in LS-DYNA positioning files for the Total Human Model for Safety (THUMS) model, and problematic cases were used to get an overview of the limits of the chosen methodology. Said limitations were mostly linked to the quality of the source videos, which is highly dependent on the source of the videos and possibly not controllable. Due to this, selection criteria are required, such as checking the blurriness and quality of the videos and the viewing angles to ensure as few occlusions as possible. Overall, this project resulted in a working semi-automatic pipeline for pose and velocity estimation in contact sports collisions, as well as a first set of personalized input information that should allow the reconstruction of ice hockey accidents using FE simulations. / Ishockey är en sport vars utövare löper stor risk att drabbas av traumatiska huvudskador på grund av de våldsamma potentiella kollisionerna med andra utövare, is eller glas under matcherna. För att kunna utveckla de bästa skyddsstrategierna för spelarna är det nödvändigt att ha en djup förståelse för olycksmekanismerna under ishockeymatcher. Olycksrekonstruktioner med hjälp av finita elementmetoden är ett sätt att utföra en systematisk analys av kollisionsfall, men kräver indata om omständigheterna kring olyckorna. Detta projekt fokuserade därför på att hitta ett sätt att extrahera de inblandade spelarnas position och hastighet från lättillgängliga videor av ishockeyolyckor med hjälp av rörelsespårningsmetoder. Projektet bestod av två delar: poseuppskattning och hastighetsuppskattning. Poseuppskattningen syftade till att anpassa en humanmodell till spelarnas poser och de viktigaste stegen omfattade uppskattning av 2D-leder från kollisionsbilder, uppskattning av spelarnas 3D-poser, skelettinferens och anpassning av resultaten till baslinjen HBM via bäckenregistrering. Hastighets-uppskattningen definierade de initiala villkoren för simulering av kollisionen och viktiga steg inkluderade identifiering av spelarnas 2D-led i videobilder av kollisionen, spårning av spelarna med hjälp av en förenklad bäckenprojektion på rinkplanet och uppskattning av spelarnas hastighet med hjälp av homografi för att identifiera deras position på ishockeyrinken. Därefter tillämpades båda delarna på olycksfall från en videodatabas med kollisioner som inträffade under en säsong i en hockeyliga. De fall där pipelinen tillämpades fullt ut resulterade slutligen i LS-DYNA-positioneringsfiler, och problematiska fall användes för att få en överblick över gränserna för den valda metoden. Begränsningarna var främst kopplade till kvaliteten på källvideorna, som är starkt beroende av källan till videorna och eventuellt inte kan kontrolleras. På grund av detta krävs urvalskriterier, t.ex. kontroll av videornas oskärpa och kvalitet samt betraktningsvinklar för att säkerställa så få ocklusioner som möjligt. Sammantaget resulterade detta projekt i en fungerande halvautomatisk pipeline för pose- och hastighetsuppskattning vid kollisioner i kontaktsporter, samt en första uppsättning personlig indatainformation som bör möjliggöra rekonstruktion av ishockeyolyckor med hjälp av simulering med finita element.