XiaoMi-AI文件搜索系统
World File Search SystemIMUS
多 IMU 方向估计研究
惯性测量单元 (IMU) 于 20 世纪 30 年代首次应用于飞机导航和大型设备。当时，由于尺寸、成本和功耗等限制，它们的应用受到限制。然而，近年来，微机电 (MEMS) IMU 被引入，具有低成本、紧凑性和低处理能力等非常有利的特性。这些低成本 IMU 传感器的缺点之一是与高端传感器相比精度较低。然而，过去的实验结果表明，冗余 MIMU（磁和惯性测量单元）可提高无人驾驶飞行器的导航性能。尽管过去的模拟和实验结果表明冗余传感器可提高导航性能，但目前的研究工作都没有提供有关需要多少个传感器才能达到一定精度的信息。本文使用模拟环境评估 MIMU 传感器阵列的不同数量的传感器配置。不同旋转的 MIMU 传感器以增量方式添加，并使用 Madgwick 滤波器估计脚踏式 MIMU 数据的欧拉角。使用的评估指标是基于欧拉角与地面实况相比的均方根误差 (RMSE)。在实验过程中，我们注意到随着传感器数量的增加，执行时间呈指数增长，因此，我们设计和实现了代码的并行化，并在多核机器上运行。因此，我们评估了并行实现的加速。使用具有 16 个传感器的并行版本的结果显示，执行时间比仅使用 1 个传感器的执行时间少两倍，比使用顺序版本的执行时间少 24 倍，同时准确率提高了 26%。
应用于振动环境的 MEMS IMU 可靠性测试程序
摘要：微机电系统 (MEMS) 技术在导航系统中的应用正在迅速增加，但目前人们对此类设备的可靠性缺乏了解，这严重限制了它们在航空航天飞行器和其他中高要求领域的使用。本文介绍了一种基于 MEMS 的惯性传感器和惯性测量单元 (IMU) 在振动环境中应用的可靠性测试程序。从信号精度、系统误差和偶然误差方面评估传感性能；通过加速动态激励模拟实际工作条件。分析了商用 MEMS IMU 以验证所提出的程序。通过提供有关系统可靠性水平与各个组件之间关系的重要信息，已经确定了系统的主要弱点。
基于机器学习的预测，在使用IMU，心率和智能手表数据的户外娱乐过程中，基于机器学习的预测
背景：跑步提供了许多健康益处，但不幸的是，与跑步相关伤害的高风险（RRI），尤其是由于过度使用而导致的。疲劳监测方法，例如心肺运动测试（CPET）和乳酸浓度测量，对现实世界跑步条件是有效的，但不切实际。可穿戴传感器与新型机器学习（ML）算法相结合，为在现实的室外设置中进行连续实时的实时疲劳监测提供了有希望的替代方案。方法：十九个休闲跑者参加了这项研究 - 在第一实验部分中的第一和五。他们完成了三个不同的室外跑步课程：耐力，间隔和5公里的跑步。参与者配备了七个惯性测量单元（IMU），上面放置在胫骨，大腿，骨盆，胸骨和手腕上，以及心率监测器和智能手表，以收集运动学和生理数据。在第二个实验部分期间，在每次运行期间在特定点上使用感知的劳累（RPE）量表（0到10）的BORG等级测量疲劳，而在第一个实验部分中未收集此类反馈。一种随机的森林回归算法对第二个实验部分的已加工标记数据进行了训练，以每隔1秒的时间预测RPE。该模型是使用嵌套的一项受试者（LOSO）交叉验证框架开发的，并通过随机搜索进行了超参数调整。此机器学习框架被应用于选定的IMU传感器组合，以优化实用性并减少传感器设置。从第一个实验部分，在未标记的数据集上进一步验证了这些传感器配置的最佳模型。结果：单传感器配置（手腕）在RPE预测中达到了最佳性能，平均均方根误差（MSE）为1.89。两传感器设置（大腿）的MSE为2.26，而三个以上的传感器设置（胫骨，大腿和骨盆）记录了2.44的最高MSE。MSE为2.16的整体配置并没有胜过腕部传感器。在所有传感器配置中，耐力试验中的性能最高，然后进行间隔和5 km试验，5公里的试验显示了准确的预测最低的预测。结论：手腕单传感器配置达到了最佳性能，表现优于更复杂的多传感器设置。这些发现表明，更多的传感器不一定提高预测准确性，尤其是在稳定节奏的耐力运行中。未来的研究应着重于扩大样本量，整合更多的生物识别数据，并针对金标准疲劳评估方法（例如肌电图（EMG）和VO2 Max）验证该系统。
技术报告：多视觉惯性系统：分析，校准和估计
11实验结果42 11.1 4 IMU + 3 GS摄像机。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。43 11.1.1具有不同数量的相机的校准。。。。。。。。。。。。。。。。。43 11.1.2与Kalibr进行了比较。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 44 11.1.3比较IMU内在质量。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。43 11.1.2与Kalibr进行了比较。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。44 11.1.3比较IMU内在质量。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。44 11.1.3比较IMU内在质量。。。。。。。。。。。。。。。。。。。。。。。。。。。49 11.2 4 IMU + 2 GS摄像机 + 2 RS摄像机。。。。。。。。。。。。。。。。。。。。。。49 11.2.1 IMU和GS/RS的校准。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 49 11.2.2评估多个陀螺仪校准。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 50 11.2.3时间校准。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 50 11.3带有4个IMU + 2 GS摄像机的平面运动。 。 。 。 。 。 。 。 。 。 。49 11.2.1 IMU和GS/RS的校准。。。。。。。。。。。。。。。。。。。。。。。。。49 11.2.2评估多个陀螺仪校准。。。。。。。。。。。。。。。。。50 11.2.3时间校准。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。50 11.3带有4个IMU + 2 GS摄像机的平面运动。。。。。。。。。。。。。。。。。。。。。。50 11.4关于估计收敛的讨论。。。。。。。。。。。。。。。。。。。。。。。。。。51
战术系列扩展能力手册
将外部 IMU 或 SAASM/M-Code GPS 接收器连接到 VectorNav 传感器的辅助端口，使用户能够保留现有驱动程序并连接到传感器的主端口。可以使用 VectorNav 的控制中心 GUI 对 VectorNav 传感器进行简单配置以接受外部 IMU 或 GPS 接收器。这使用户能够无缝提高其惯性解决方案的运行性能和功能。有关电缆购买的信息，请联系 VectorNav 支持 (support@vectornav.com)。
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。
蒙版视频和肤色imu自动编码器用于以自我为中心动作识别
摘要。与视觉信号相比，放置在人体四肢上的惯性测量单元（IMU）可以捕获准确的运动信号，同时对照明变化和遮挡具有鲁棒性。尽管这些角色 - 在帮助以以上为中心的行动识别方面是有价值的，但IMU的潜力仍然不足。在这项工作中，我们提出了一种新颖的动作识别方法，该方法将来自人体磨损的IMU的运动数据与以自我为中心的视频相结合。由于标记的多模式数据的稀缺性，我们设计了一种基于MAE的自我监管预处理方法，通过对视觉和运动信号之间的自然相关性进行建模，从而获得了强大的多模式表示。为了建模整个体内的多个IMU设备的复合关系，我们利用了多个IMU设备中的协作动力学，并建议将人类关节的相对运动特征置入图形结构中。实验表明我们的方法可以在多个公共数据集上实现最新性能。在更具挑战性的场景中，我们的基于MAE的预培训和基于图的IMU建模的有效性得到了进一步的验证，包括部分缺少IMU设备和视频质量损坏，从而促进现实世界中更灵活的用法。
基于实时传感器的虚拟现实运动捕捉系统
最先进的动作捕捉系统有一个缺点：它们很昂贵。用于电影的系统需要多个高端摄像机，以及演员要穿的特殊服装。在后面的章节中，将详细解释存在哪些不同类型的动作捕捉系统、它们有何不同、它们的优点和缺点以及它们用于不同应用的原因。这项工作的主要动机是研究一种替代的动作捕捉方法，这种方法更具成本效益，因此更容易被更广泛的人群接受 [2]。该技术基于 IMU，即惯性测量单元，它基本上是可以测量物体方向的小型传感器。如今，大多数人每天都在使用 IMU，甚至他们自己都不知道。大多数现代智能手机或平板电脑都包含 IMU，它可以确定设备的旋转。这使我们能够通过将设备倾斜到某个方向来控制游戏中的角色（例如 Temple Run）。成为大众产品使得能够测量六个甚至九个自由度的微型芯片变得便宜。现在我们可以将这项技术用于我们自己的目的。例如，许多建造者使用它们来调平自己的四轴飞行器。这些 IMU 传输到人类身上后，可以捕捉单个肢体的旋转并将其发送到计算机，以旋转虚拟演员的同一肢体 [3]。当将惯性测量单元 (IMU) 与运行导航方程的算法相结合时，人们就会谈论惯性导航系统 (INS)。
基于实时传感器的虚拟运动捕捉系统...
最先进的动作捕捉系统有一个缺点：它们很昂贵。用于电影的系统需要多个高端摄像机，以及演员要穿的特殊服装。在后面的章节中，将详细解释存在哪些不同类型的动作捕捉系统、它们有何不同、它们的优点和缺点以及它们用于不同应用的原因。这项工作的主要动机是研究一种替代的动作捕捉方法，这种方法更具成本效益，因此更容易被更广泛的人群接受 [2]。该技术基于 IMU，即惯性测量单元，它基本上是可以测量物体方向的小型传感器。如今，大多数人每天都在不知不觉中使用 IMU。大多数现代智能手机或平板电脑都包含 IMU，用于确定设备的旋转。这使我们能够通过将设备倾斜到某个方向来控制游戏中的角色（例如Temple Run）。成为大众产品使得能够测量六个甚至九个自由度的微型芯片变得便宜。我们现在可以将这项技术用于自己的目的。例如，许多制造商使用它们来调平自己的四轴飞行器。转移到人类身上后，这些 IMU 可以捕捉单个肢体的旋转并将其发送到计算机以旋转虚拟演员的同一肢体 [3]。当将惯性测量单元 (IMU) 与运行导航方程的算法相结合时，人们就会谈论惯性导航系统 (INS)。
10-dof-mems-imu-传感器数据表.pdf
起初，惯性测量单元是一种电子设备，它使用加速度计、陀螺仪和磁力计的组合来测量和报告飞行器的速度、方向和重力。现在，惯性测量单元通常用于人机交互 (HCI)、导航目的和平衡技术，众所周知，Segway 个人运输车就是使用这种技术。