XiaoMi-AI文件搜索系统
World File Search System测量单元
使用单束...
摘要 - 在Wobot机器人的定位中，由于电磁波衰减或由于水浊度而导致的光相机，它不能依靠传感器（例如GPS）。声纳对这些问题免疫，因此尽管空间和时间分辨率较低，它们仍被用作水下导航的替代方案。单光声声纳是传感器，其主要输出为距离。与Kalman滤波器（例如Kalman滤波器）结合使用时，这些距离读数可以纠正通过惯性测量单元获得的本地化数据。与多光束成像声纳相比，单光束声纳廉价地集成到水下机器人中。因此，本研究旨在开发使用单光声声和基于压力的深度传感器的低成本定位解决方案，以纠正使用卡尔曼过滤器的静止折线线性定位数据。从实验中，每个自由度的单束声纳能够纠正本地化数据，而无需复杂的数据融合方法。索引术语 - Kalman过滤器，本地化，声纳，内部机器人
8800T说明手册
8800T是基于微处理器的4-20mA回路（2丝）湿度计，用于测量从-100°C到 +20°C的气体中的水分含量。该测量显示在仪器的自定义LCD上，并通过改变电源的电流（4-20mA）来转移。电流与所选测量单元成正比成正比。可选的数字输出可进行调节/解调4-20MA循环线，而不会干扰其操作。使用此选项，8800T能够与设备齐全的个人计算机或其他有RS-232的控制器进行通信。三个前面板按钮为用户提供了多种功能。8800T的高级设计允许将其放置在传感器探头后面的一个不锈钢外壳中，因此仪器和传感器是一个单个集成单元。8800T使用Teledyne HTF™传感器，该传感器被包裹在烧结的不锈钢中，因此它能够与各种环境接触。但是，应该记住传感器是一种具有敏感设备，应相应地处理。
在尘土飞扬的工业环境中自动引导车辆的高精度视觉定位系统
摘要确保方便而准确的本地化解决方案是无线评估的工业场景中的基本问题。因此，在这项研究中，提出了带有光发射二极管（LED）阵列目标的局部ization系统，以自动引导车辆（AGV）导航。可见目标进行校准，并可以使用查看LED目标的相机计算姿势。引入了一种新颖的数据滤波方法，该方法将里程表数据和惯性测量单元（IMU）数据与视力数据进行了集成，以提供稳定且ACCU速率的定位。在5米长的AGV上测试了视力定位系统，结果表明，所提出的系统在6 mm处获得静态位置精度，运动位置的精度为10 mm，角度精度为0.052°，这比工业AGV应用中使用的其他方法更为精确。
金属探测器探测物体的信号印记 - CORE
人道主义排雷任务是将操作员安全和时间消耗作为关键问题的活动。为了提高我们一直在使用的 ATMID 金属探测器的识别能力，我们扩展了探测器的功能，在探测器头部安装了惯性测量单元 (IMU)，并辅以两个光学距离传感器。这使我们能够根据 IMU 在所有三个轴上测量的加速度和角速率进行航位推算。光学距离传感器用于补偿目的和初始距离测量。我们的主要目标是将探测器感测到的磁性印记与其头部的精确定位互连，从而估算印记尺寸及其位置。由于基于低成本微机电系统 (MEMS) 的 IMU 实现，我们不得不处理不稳定的航位推算结果。为此，我们使用了我们设计的复杂磁性标记 (CMM)，它标出了搜索区域，并为我们提供了其两侧的精确定位。本文的主要贡献在于研究和识别了 CMM 磁印特征及其与 CMM 在排雷过程中使用的各个方面及其条件相关的差异。根据多项实验室实验研究和分析了 CMM 的特性，并给出了结果。
步态偏差和神经疾病：定量测量的比较研究
步态是一系列协调的运动，使人类可以从一个地方移到另一个地方，是我们日常生活的基本方面。步态研究对包括生物力学，康复，运动科学和机器人技术在内的各个领域具有深远的影响。传感器技术的最新进展，例如惯性测量单元（IMUS）[1-5]和运动捕获系统[6，7]，使得可以同时从多个关节中收集高分辨率角度数据[1，8-11]。临床步态分析（CGA）利用了描述步态的这种序列，以便为临床医生提供决策援助[12，13]。在步态康复的框架中，必须采取定量措施来评估治疗过程中患者的进度。文献中的几件作品解决了这一领域，到目前为止，已经提出了不同的措施[13]。最广泛使用的是步态偏差指数（GDI）[14]，例如步态谱分数（GPS）[15]和Gillette步态指数（GGI）[16]。这种措施的目的是量化与正常步态模式的偏差。
基于 IMU 的人体下肢运动学估计及...
在过去的二十年中，使用可穿戴惯性测量单元 (IMU) 来替代传统的人体光学运动捕捉 (OMC) 技术引起了越来越多的关注。与传统的 OMC 相比，IMU 的侵入性较低，并且可以在感兴趣的环境中进行测量，而不仅仅是在人为的实验室空间中。这项工作的主要目标是通过提高 IMU 得出的人体骨骼关节角度的准确性，同时尽量减少使用基于 IMU 的人体运动捕捉系统所需的校准，来推进人机 IMU 运动建模和估计技术。这项工作的次要目标是展示基于 IMU 的运动捕捉系统在特定感兴趣的领域的实际应用：太空服设计和操作。在这个领域，IMU 提供了一种易于理解的方法来理解该领域适合或不适合的人体运动学。在相关环境中捕捉这些运动学可以让工程师更好地设计和维护太空服，以及模拟未来人类行星际太空飞行的操作范例。
站立、行走和跑步时带有 ERP 和 SSVEP 范式的头皮和耳朵脑电图的移动 BCI 数据集
我们展示了一个移动数据集，该数据集由 24 名参与者在执行两项脑机接口 (BCI) 任务时以四种不同的速度移动时从头皮和耳朵周围的脑电图 (EEG) 以及运动传感器获得。数据由放置在前额、左脚踝和右脚踝的 32 通道头皮脑电图、14 通道耳朵脑电图、4 通道眼电图和 9 通道惯性测量单元收集。记录条件如下：站立、慢走、快走和慢跑，速度分别为 0、0.8、1.6 和 2.0 m/s。对于每种速度，记录了两种不同的 BCI 范式，即事件相关电位和稳态视觉诱发电位。为了评估信号质量，在每种速度下对头皮和耳朵脑电图数据进行了定性和定量验证。我们相信该数据集将有助于在不同移动环境中的 BCI 分析大脑活动并定量评估性能，从而扩大实际 BCI 的使用。
基于几何模型的手势识别方法
摘要 — 通过技术手段进行手臂和手部跟踪可以收集可用于确定手势含义的数据。为此，机器学习算法主要被研究以寻找最高识别率和最短识别时间之间的平衡。然而，这种平衡主要来自于统计模型，而统计模型很难解释。与此相反，我们提出了 µC 1 和 µC 2，两种基于几何模型的手势识别方法，支持识别过程的可视化和几何解释。我们将 µC 1 和 µC 2 与两种经典机器学习算法 k-NN 和 SVM 以及两种最先进的深度学习模型 BiLSTM 和 GRU 进行比较，实验数据集包含意大利手语 (LIS) 的十个手势类别，每个类别由五名没有经验的非母语手语者重复 100 次，并通过可穿戴技术（传感手套和惯性测量单元）收集。最终，我们在高识别率（> 90%）和低识别时间（< 0.1 秒）之间实现了折衷，这足以满足人机交互的需要。此外，我们基于几何代数详细阐述了算法的几何解释，这有助于对识别过程有所理解。
相对航向估计及其在 GPS 拒绝环境中的目标切换中的应用
摘要 — 在本文中，我们解决了两架无法使用全球定位系统的固定翼飞机之间的目标切换问题。该问题需要估计飞行器之间的相对姿势。我们假设机载惯性测量单元可以提供飞机姿态的横滚和俯仰估计。我们研究了完成切换问题所需的其他相对状态的可观测性。具体来说，我们考虑了两种不同的情况。在第一种情况下，我们假设测量了飞机之间的相对位置，就像雷达或激光雷达传感器的情况一样。我们假设两架飞机不交换空速和转弯速率信息。在温和的假设下，我们表明两架飞机之间的相对航向是可观测的。在第二种情况下，我们假设只测量两架飞机之间的方位角，就像视觉传感器的情况一样。我们证明了与目标跟踪和切换相关的机动的状态可观测性。我们还提出了一种估计算法，该算法使用一组扩展卡尔曼滤波器来估计相对状态。全车动态仿真结果证明了所提方法的可行性。索引术语 — 多机器人系统、非线性滤波器、非线性可观测性、姿势估计、无人机。
行业中的工作场所福祉5.0：以工人为中心的系统评论
摘要：行业5.0的范式将从传统，智能，挖掘和互联行业的过渡推动，在这种行业中，幸福感是提高生产力，优化人类 - 机器互动并保证工人安全的关键。这项工作旨在对当前方法进行系统审查，以监测和分析身体和认知人体工程学。解决了三个研究问题：（1）哪些技术用于评估工作场所工人的身体和认知能力，（2）如何处理获得的数据，以及（3）评估该健康状况的目的。以这种方式，突出显示了工人福祉的整体评估中的个体因素，并合成提供信息。根据Prisma 2020声明指南进行了分析。根据收集的65篇文章，最多采用的（1）技术解决方案，（2）参数和（3）数据分析和处理。可穿戴的惯性测量单元和RGB-D摄像头是用于物理监测的最普遍的设备；在认知人体工程学中，心脏活动是最采用的生理参数。此外，还提供了有关实际问题和未来发展的见解。未来的研究应着重于开发将这些方面与在实际工业环境中的实际应用相结合的多模式系统。