#物聯網IoT #智慧穿戴 #微控制器MCU #微機電MEMS #運動感測器MotionSensor #圖形控制器引擎 #圖形使用者介面GUI #虛擬實境VR #擴增實境AR #人工智慧AI #邊緣運算EdgeComputing #航位推算DR #SIGFOX #低功耗廣域網LPWAN
【AI 穿戴、邊緣運算與新興輔具的必備元件】
如前所述，智慧穿戴的數據 採集重點不在「即時傳輸」，使用者在乎的是長時間感測能否精準到位？想查看監測狀態或進一步執行其他動作時，要能隨時與手機／週邊行動設備連結。因此，系統的操作功耗及模式切換格外動見觀瞻，而猶如中控指揮所的微控制器 (MCU) 更是節能主角。另就應用面來看，除了醫療保健，智慧穿戴用於工控／農漁牧場域、教育訓練、定位／追蹤亦多有耳聞，未來甚至可望作為仿生義肢或外骨骼等基本生理輔具使用，因而帶動偵測姿態和環境變化的微機電 (MEMS) 元件需求，包括運動感測器 (Motion Sensor) 和氣壓感測器。
欲極小化 MCU 功耗，單靠製程改善只不夠的，晶片本身的架構設計，才是決定電源效率的玄機。特別一提的是新近有 MCU 內建高性能「圖形控制器引擎」頗為吸睛，處理圓形顯示時，不會因管理從未顯示的圖元而浪費記憶體資源；若再有足夠的儲存空間做後盾，圖形處理、運算的流暢度將更趨完美。這點對於許多強調視覺顯示、且重視圖形使用者介面 (GUI) 操作體驗的穿戴裝置絕對是加分；輔以創新圖形加速技術，更是引進虛擬實境 (VR)／擴增實境 (AR)，以及為人工智慧 (AI) 預做準備的邊緣運算 (Edge Computing) 不可或缺的關鍵。
此外，須以馬達驅動的外骨骼等新興輔具，允許開發者自行調頻和設置電源管理選項是設計要點；而近來坊間陸續出現基於「電位差或磁場變化」的先進仿生裝置的概念原型，理論上，都會用到 MEMS 感測器；現有一些復健／姿勢矯正、居家防跌照護或室內導航的穿戴輔具，也少不了 MEMS 感測器協助。例如，利用「加速度計＋陀螺儀＋磁力計」的九軸運動感測器記錄運動員的動作軌跡，據以修正或訓練體能，傷患復健動作是否確實到位？內建加速度計和氣壓計的智慧衣／鞋襪，偵測老人作息角度是否有異？
人工關節亦需六軸感測器以利活動，就連非直接穿戴上身的電動輪椅也要加速度計感測坡度。室內動線的航位推算 (DR) 亦是大宗應用。由於全球衛星定位系統 (GPS) 室內易有訊號死角——尤其是存在樓層高度時，MEMS 感測器可借助磁場變化，協助停車場／賣場／醫院做人、物的定位及動線追蹤。另有高檔防水手錶會內建氣壓計，偵測手錶是否破損而有進水風險；若電子元件本身具防水功能，可省去外部防水機構成本。如果顧慮到穿戴裝置的清潔需要，耐水洗與導電材質是設計及佈局的重要考量。
延伸閱讀：
《智慧穿戴銜接 VR/AR ＋ AI 創意自由行》
http://compotechasia.com/a/____//2018/0211/38091.html
(點擊內文標題即可閱讀全文)
#意法半導體ST #STM32L0 #STM32L4 #STM32L4+ #STM32F4 #STM32F7 #ChromGRC #Chrom-ART Accelerator #SLM6DSxx
★★【智慧應用開發論壇】(FB 不公開社團：https://www.facebook.com/groups/smart.application/) 誠邀各界擁有工程專業或實作經驗的好手參與討論，採「實名制」入社。申請加入前請至 https://goo.gl/forms/829J9rWjR3lVJ67S2 填寫基本資料，以利規劃議題方向；未留資料者恕不受理。★★
六軸感測器 在 Re: [問題] 六軸IMU使用- 看板Electronics - 批踢踢實業坊 的必吃
※ 引述《adaj (ada)》之銘言：
: 標題: [問題] 六軸IMU使用
: 時間: Wed Apr 20 17:36:39 2016
:
: 大家好
: 最近小弟想使用一顆六軸的慣性感測器
: 他可得到三軸加速度及角速度（100Hz)
: 想要積分兩次得到位移的軌跡
: 但是怎麼計算都不太對
: 想問各位大大有沒有使用過的經驗能夠指導一下小弟QQ
我做機器人大概10幾年 IMU跟KF玩了大概10年，略懂一點。(叔叔有練過小朋友不要學)
一顆六軸IMU可以經由sensor fusion估測出兩軸角度 (X,Y軸)
Z | 重力(g)
^ |
| |
| V
|
/--------->X
/
/
Y
原理是利用重力夾角的關係,因為Z軸怎麼轉跟重力夾角都固定,有一軸(Z軸)算不出來
要算那一軸一般用三軸電磁感測器(electrical compass)去得到地磁數據,算出來的。
這就是為啥有些IMU會到9軸的原因(加速度*3,角速度*3,磁力*3)。
OK,回到你的問題。
那......... 用IMU算位移哩?? 用積分不行嗎???
當然不行 很不準 因為加速度計有漂移 有誤差 你一直積 累積誤差會很大
新手1: 很大?! 請問誤差有多大?
ANS: 我8年前的經驗,用日本的IMU大概1美元,用DSP 100HZ兩次積分誤差會一直變大
變大的速度大概20~50cm/sec,因為這誤差還會隨時間增加...
好一點的Sensor誤差小一點,但這積出來的數據不能用。
你用尺量都比較準!
新手2: 那誤差跟實際值不會剛好一正一負加加減減抵銷嗎? 積分後不就沒有誤差了!
ANS: 這機率比買樂透十次都中還低。
OK. 所以到底要怎麼用IMU量到比較精確的位移呢?
答案是 sensor fusion, 你需要另外一個sensor幫助IMU才能算位移
例如你現在手邊有個不太準的sonar, IR or Laser 可以量直線距離
你可以用Kalman filter 把加速規 跟 sonar 的數據作融合得到更精確的數據。
(當然前提是假設你的sensor 量距離不太準, 準的話用這個量就好了,IMU直接丟掉)
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.136.252.126
: ※ 文章網址: https://www.ptt.cc/bbs/Electronics/M.1461145001.A.015.html
: → Schottky: 這會準才有鬼 04/20 17:45
Sch大講話真實在....
: → adaj: 短時間內也不行嗎？ 04/20 20:01
: → MasterChang: 用ADIS16448試試，會好一點點。 04/20 20:32
: → adaj: 想請問有計算的流程能參考一下嗎 04/20 21:31
你的問題不在於積分計算 你的問題在於不懂sensor特性(感測的物理量跟更新頻率etc.)
聽好了,接下來講的從Wii搖桿用到火星機器人,再到擴增實境(AR)
你現在可能聽不懂,但多年後你會挖出這篇廢文,一拍天靈蓋說:阿!~賭喜阿內!
以下教一個解這問題的正途,未來也可以延伸到更複雜應用。
Kalman filter在台灣一般修"估測理論"的課,也幾乎不教或提點皮毛,
所以找個應用,蒐集一些相關PAPER,tutorial,自己練習是一個可行的方案。
當然最好有一些機率,隨機程序的基礎
參考一下以下這篇論文:
https://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf
計算流程:
(Equation 1.9~1.13) 因為你問題是1D而已,寫出來大概5行CODE。
假設你有兩個sensors, sonar 量到是zk, IMU量到的加速度是uk (k是time step)
已知sensor 起始位置離牆壁 L cm, 求IMU的即時位移X=?
L
冏牆<---------Sonar (量到距離 zk)
IMU (量到加速度 uk)
KF 有兩個步驟,"Prediction" 跟 "Correction"
Prediction:
根據國中學的v=v0+at & x=v0t+0.5*at^2 你可以推算出EQ1.9內的 A跟 B 矩陣
Correction:
根據國小學的 L-zk=X 你可以推算出 EQ1.12~1.13的 H矩陣
寫出 Equation 1.9~1.13, Q,R 參數調好 單晶片就能自動估測出IMU的位移了。
這個會了以後,你就可以開始挑戰2D,3D的sensor fusion了,
現實中9成9的應用Model會有非線性, 所以要用 Extended Kalman filter (EKF)
用泰勒展開式(Taylor series,就是你高中學過但不知道有啥用的東西)線性逼近
EQ1.9~1.13 變成 EQ2.14~2.18 還是一樣5行CODE (當然要CALL一些線代library)
這個好好學以後一定有飯碗,現在越來越多手機,AR應用需要即時估測
人或環境的狀態，這些只有上帝才知道的真實數據,
我們人類能做的就是用sensor fusion猜一猜! Good Luck!
--
他高傲,但是宅心仁厚;他謙虛,但是受萬人敬仰:
他可以把神仙賜給人的機械運用的出神入化...
可以做出堪稱神之藝術的超級機械!
他究竟是神仙的化身?還是地獄的使者?沒人知道!
但是可以肯定,每個人都給他一個稱號............................機械小天才!!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 160.94.47.18
※ 文章網址: https://www.ptt.cc/bbs/Electronics/M.1461388077.A.3C1.html
※ 編輯: Seabook (160.94.47.18), 04/23/2016 13:15:28
... <看更多>