Hoe nauwkeurig is een AI-bikefit?
Een AI-bikefit via video meet gewrichtshoeken in 2D met een afwijking van enkele graden. In een studie met 26 fietsers week het houdingsmodel dat BikeFit/LAB gebruikt ongeveer 3–6° af bij knie en heup en 5–9° bij de enkel, vergeleken met reflecterende markers. Dat is nauwkeurig genoeg om te zien of je zadelhoogte en reikwijdte binnen een gangbaar bereik vallen, niet om op één graad bij te stellen.
Wat een AI-bikefit meet
Een bikefit met de camera filmt je van opzij terwijl je trapt en schat in elk beeld waar je gewrichten zitten. Uit die punten berekent hij hoeken: kniestrekking onderin de trapbeweging, kniehoek bovenin, heuphoek, romphoek en ellebooghoek, plus je cadans. BikeFit/LAB vergelijkt die met referentiewaarden voor jouw fietstype en zet de verschillen om in advies in millimeters voor zadel en stuur, geschaald met je binnenbeenlengte.
Hoe houdingsherkenning werkt
BikeFit/LAB gebruikt MediaPipe Pose, gebaseerd op Googles BlazePose-model, dat per beeld 33 lichaamspunten schat op gewone telefoons en computers (Bazarevsky et al., 2020). Het model draait in je browser; de video wordt niet geüpload. Een hoek wordt berekend uit drie punten, bijvoorbeeld heup, knie en enkel. Omdat elk punt een kleine fout heeft, heeft ook een hoek een fout van enkele graden. Middelen over veel beelden verkleint toevallige ruis, maar geen systematische afwijking.
Wat onderzoek zegt over de nauwkeurigheid
We hebben geen validatiestudie van BikeFit/LAB zelf gepubliceerd, dus we steunen op onafhankelijk onderzoek. Bini, Nascimento en Nibali (2024) vergeleken MediaPipe met reflecterende markers op gewone zijaanzicht-video met 30 beelden per seconde bij 26 fietsers. De typische afwijking was ongeveer 3–6° bij knie en heup en 5–9° bij de enkel. MediaPipe zag de knie rond het onderste punt van de trapbeweging als meer gebogen dan de markers, waardoor de kniestrekking iets kan worden onderschat. De onderzoekers concludeerden dat de kniehoekbereiken voor zadelhoogte nog wel te onderscheiden zijn, maar dat de enkel slecht werd gevolgd.
Wat de uitkomst beïnvloedt
- Camerahoek: de camera moet haaks op de fiets staan. Iets schuin van voren of achteren filmen verschuift alle hoeken.
- Camerahoogte en afstand: lens op zadelhoogte, 2 tot 4 meter afstand, fietser en fiets helemaal in beeld.
- Kleding: wijde kleding verbergt heup en knie; strakke fietskleding geeft stabielere punten.
- Licht en achtergrond: gelijkmatig licht en een rustige achtergrond helpen het model elk gewricht te vinden.
- Je binnenbeenlengte: het millimeteradvies wordt daarmee geschaald, dus een fout daarin werkt overal door.
Zo krijg je een herhaalbaar resultaat
- Markeer waar camera en fiets staan en gebruik elke keer dezelfde plek.
- Draag dezelfde schoenen en vergelijkbare kleding, en warm een paar minuten op voordat je filmt.
- Verander één ding tegelijk, meet opnieuw en beoordeel de trend in plaats van één getal.
AI-analyse of een professionele bikefit?
Een video-analyse is een snelle, goedkope manier om je houding te controleren en te zien of een aanpassing de goede kant op gaat. Een professionele bikefitter kan wat software niet kan: flexibiliteit, blessures en voetanatomie beoordelen, zadeldruk meten, beide benen in 3D bekijken en de fiets bijstellen terwijl je fietst.
Studiofit, gratis app of BikeFit/LAB vergeleken →
Wanneer je beter naar een professional gaat
- Bij scherpe, aanhoudende of toenemende pijn, gevoelloosheid of tintelingen: ga naar een arts of fysiotherapeut.
- Na een blessure of operatie, of bij een bekend beenlengteverschil.
- Als een duidelijk verschil tussen links en rechts steeds terugkomt.
- Als aanpassingen op basis van metingen na een paar ritten niet helpen.
Veelgestelde vragen
Kan een telefooncamera een professionele bikefit vervangen?
Nee. Hij kan je houding controleren en veranderingen volgen, maar geen flexibiliteit, blessures of zadeldruk beoordelen, en hij ziet één kant van het lichaam in 2D.
Welke gewrichtshoeken zijn het betrouwbaarst?
In de genoemde studie waren knie- en heuphoeken het nauwkeurigst, met typische afwijkingen van ongeveer 3–6°. De enkel was het minst betrouwbaar.
Waarom verschillen twee metingen van elkaar?
Kleine verschillen in camerahoek, kleding of trapstijl verschuiven de getallen met enkele graden. Gebruik steeds dezelfde opstelling en vergelijk trends.
Bronnen
- Bini RR, Nascimento VB, Nibali A (2024). Validity of neural networks in determining lower limb kinematics in stationary cycling. Sport Sciences for Health, 20:127–136. doi:10.1007/s11332-023-01075-7
- Bazarevsky V, Grishchenko I, Raveendran K, Zhu T, Zhang F, Grundmann M (2020). BlazePose: On-device real-time body pose tracking. arXiv preprint (Google Research), arXiv:2006.10204. doi:10.48550/arXiv.2006.10204
- Ferrer-Roca V, Roig A, Galilea P, García-López J (2012). Influence of saddle height on lower limb kinematics in well-trained cyclists: static vs. dynamic evaluation in bike fitting. Journal of Strength and Conditioning Research, 26(11):3025–3029. doi:10.1519/JSC.0b013e318245c09d
- Bini R, Priego-Quesada J (2022). Methods to determine saddle height in cycling and implications of changes in saddle height in performance and injury risk: a systematic review. Journal of Sports Sciences, 40(4):386–400. doi:10.1080/02640414.2021.1994727
Algemene houdingsinformatie, geen medisch advies.