如今,惯性传感器的运动估计已广泛应用于从飞机导航到可充气自行车头盔等各种应用领域。惯性传感器运动估计的精度取决于测量误差的大小。减少惯性传感器测量误差的一种方法是使用比运动估计所需更多的传感器。通过对冗余传感器的测量结果进行平均,可以减少独立误差的影响。但是,通过在刚体上放置多个惯性传感器,可以获得比简单平均更多的运动信息。例如,刚体的逐点加速度包含有关刚体旋转的信息。本论文研究并提出了如何融合惯性传感器阵列测量结果的方法,以及如何估计和校准传感器中存在的系统测量误差。惯性传感器阵列包含多个加速度计和多个陀螺仪。在运动估计应用中,通常从陀螺仪测量中估计角速度,然后将角速度积分为方向。角速度也可以从多个加速度计中估计。本论文提出了融合加速度计和陀螺仪测量的不同模型,以实现更准确的方向估计。通过提高方向的准确性
无处不在的手指运动追踪使增强现实、体育分析、康复医疗保健等领域的许多激动人心的应用成为可能。虽然使用摄像头的手指运动追踪非常成熟,这很大程度上归功于大量训练数据集的可用性,但是对于为带有惯性测量单元 (IMU) 传感器的可穿戴物联网设备开发强大的机器学习 (ML) 模型来说,训练数据却十分匮乏。为了解决这个问题,本文提出了 ZeroNet,这是一个展示以零训练开销为 IMU 传感器开发 ML 模型的可行性的系统。ZeroNet 从公开的视频中收集训练数据以对 IMU 进行推理。由于传感器-摄像头坐标系、用户身体大小、手势过程中的速度/方向变化、传感器位置变化等差异,视频和 IMU 域之间的数据差异带来了许多挑战。ZeroNet 通过系统地从视频中提取运动数据并将其转换为 IMU 传感器测量的加速度和方向信息来解决这些挑战。此外,还利用数据增强技术在收集的训练数据中创建合成变化,以增强 ML 模型对用户多样性的通用性和鲁棒性。对 10 位用户的评估表明,对于 50 个手指手势的识别,top-1 准确率为 82.4%,top-3 准确率为 94.8%,这表明前景光明。虽然我们只是触及了表面,但我们概述了许多有趣的可能性,可以将这项工作扩展到计算机视觉、机器学习和可穿戴物联网等跨学科领域,从而实现手指运动跟踪的新应用。
无处不在的手指运动追踪使增强现实、体育分析、康复医疗保健等领域的许多激动人心的应用成为可能。虽然使用摄像头的手指运动追踪非常成熟,这很大程度上归功于大量训练数据集的可用性,但是对于为带有惯性测量单元 (IMU) 传感器的可穿戴物联网设备开发强大的机器学习 (ML) 模型来说,训练数据却十分匮乏。为了解决这个问题,本文提出了 ZeroNet,这是一个展示以零训练开销为 IMU 传感器开发 ML 模型的可行性的系统。ZeroNet 从公开的视频中收集训练数据以对 IMU 进行推理。由于传感器-摄像头坐标系、用户身体大小、手势过程中的速度/方向变化、传感器位置变化等差异,视频和 IMU 域之间的数据差异带来了许多挑战。ZeroNet 通过系统地从视频中提取运动数据并将其转换为 IMU 传感器测量的加速度和方向信息来解决这些挑战。此外,还利用数据增强技术在收集的训练数据中创建合成变化,以增强 ML 模型对用户多样性的通用性和鲁棒性。对 10 位用户的评估表明,对于 50 个手指手势的识别,top-1 准确率为 82.4%,top-3 准确率为 94.8%,这表明前景光明。虽然我们只是触及了表面,但我们概述了许多有趣的可能性,可以将这项工作扩展到计算机视觉、机器学习和可穿戴物联网等跨学科领域,从而实现手指运动跟踪的新应用。
集成惯性/相机系统的视轴校准 Mohamed M. R. Mostafa Applanix Corporation 85 Leek Cr., Richmond Hill Ontario, Canada L4B 3B3 电话:(905) 709-4600 分机 274 电子邮件:mmostafa@applanix.com 个人简介 Mohamed Mostafa 负责 Applanix Corporation 机载系统的研究和开发,并担任美国摄影测量和遥感学会直接地理参考委员会主席。他分别于 1991 年和 1994 年获得亚历山大大学理学学士学位和理学硕士学位,并于 1999 年获得卡尔加里大学博士学位。他的研究兴趣是使用多传感器系统进行地图绘制。摘要 集成成像/惯性系统的视轴校准是地图制作的关键因素,尤其是在数字成像传感器的情况下。因此,本文的重点是使用不同方法进行视轴校准。介绍了两种视轴校准方法,即机载和地面方法。传统的机载视轴校准已成功使用了几年,但它不能满足某些机载数字系统的某些操作参数。或者说,这里介绍的地面校准方法从未在典型的数字地图制作中使用过。在本文中,针对数字多传感器系统介绍了机载和地面视轴校准的概念。提供了数据结果和分析,以强调使用这两种方法实现的准确性。1.简介 过去几年,测绘行业一直致力于实施新技术先进的多传感器系统进行地图制作。这些系统目前正在取代传统的航空测绘系统,用于资源测绘和机载遥感等应用,并开始在工程和地籍测绘等其他应用中展开竞争。通常,多传感器数字系统由一个或多个用于图像采集的数字相机系统和 GPS 辅助惯性系统组成
摘要 — 环境辅助生活 (AAL) 旨在创建创新的技术解决方案和服务,以支持老年人的独立生活,改善他们的生活质量并降低与医疗和社会护理相关的成本。AAL 系统通过基于传感器的技术提供健康监测,以保持健康和功能能力并为老龄化人口提供社会支持。人类活动识别 (HAR) 是开发强大的 AAL 解决方案的推动因素,尤其是在安全关键环境中。因此,在此领域内应用的 HAR 模型(例如用于跌倒检测或向护理人员提供背景信息)需要准确,以协助开发可靠的支持系统。在本文中,我们评估了三种机器学习算法,即支持向量机 (SVM)、隐马尔可夫模型 (HMM) 和 SVM 的混合 (SVM-HMM) 以及应用于老年人和他们的护理人员之间收集的数据集的人工神经网络 (ANN)。检测到的活动稍后将作为双向活动意识系统的输入,以增加社会联系。结果显示这三种算法都具有很高的分类性能。具体来说,SVM-HMM 混合表现出最佳的分类性能。除此之外,我们还将我们的数据集公开供机器学习社区使用。
全球定位系统 (CPS) 和惯性导航系统 (JNS) 都可视为提供位置和速度信息的离散系统,它们曾被视为潜在的竞争技术。在本文中,我们探讨了当前更流行的观点,即 CPS 和 !NS 之间的互补或协同关系可以促成导航天堂的结合。我们的作者是 Marvin B. May,他是海军指挥和控制海洋监视中心(海军研究与发展 - NRaD);研究、开发和技术部;位于宾夕法尼亚州沃明斯特 1。这是 May 为“创新”撰写的第二篇文章。他的第一篇“使用 CPS 测量速度”发表在 1992 年 9 月的 GPS World 上。本文中表达的观点和事实仅代表作者,不代表海军部。
摘要 — 与传统的惯性传感器设置相比,惯性传感器阵列具有改进和扩展传感能力的可能性。自 20 世纪 60 年代以来,惯性传感器阵列一直在研究,最近又重新引起了人们的兴趣,这主要归功于无处不在的微机电 (MEMS) 惯性传感器。然而,惯性传感器阵列的变体和特征数量及其不同的应用使得文献分散。因此,在本文中,我们提供了有关惯性传感器阵列主题的简要摘要和文献综述。出版物以结构化的方式分类和呈现;提供了对 +300 份出版物的引用。最后,展望了与惯性传感器阵列相关的主要研究挑战和机遇。
NNSA 的 ICF 计划拥有三座独一无二的世界领先科学设施,即劳伦斯利弗莫尔国家实验室 (LLNL) 的国家点火装置 (NIF)、桑迪亚国家实验室的 Z 脉冲功率装置 (Z) 和罗彻斯特大学激光能量学实验室 (LLE) 的欧米茄激光装置 (OMEGA)。这三座互补的设施是美国唯一能够研究宏观高能密度 (HED) 科学的设施。此外,洛斯阿拉莫斯国家实验室为聚变点火贡献了新方法,而每个实验所需的复杂靶材均由通用原子公司开发和制造。靶材质量和创新继续成为三座主要 ICF 设施性能提升的重要推动力。
超流体是一种迷人而奇特的物质状态,源于极低温度下的量子效应。超流体是一种液体,与传统流体的区别在于没有分子粘性。因此,低速穿过它的物体不会受到任何阻力。超流体的例子有 3He 和 4He、由稀碱性气体制成的玻色-爱因斯坦凝聚体 (BEC)、光学非线性系统中的光以及中子星的核心。超流体的应用范围从冷却超导材料和红外探测器到冷原子和湍流的纯基础研究。超流体湍流中最明显的量子效应是量子涡旋的存在。这种涡旋就像原子龙卷风,具有量化的循环。在 3He 和 4He 以及原子 BEC 等系统中,量子涡旋表现为流体动力学涡旋,重新连接和重新排列其拓扑结构。
纳米置位在诸如扫描探针显微镜和光学等应用中起着非常重要的作用。我们报告了紧凑的惯性纳米置剂的开发,以及完全计算机的接口电子设备,其运行量低至2 K,并且在我们的全自动针 - Anvil类型点触点触点Andreeve Reflection(PCAR)设备中使用。我们还使用与家用电子设备的Labview接口介绍了完全自动化的操作程序。点接触光谱探针已成功用于在低温下对元素超导体进行PCAR测量。我们的纳米灵敏剂的小占地面积使其非常适合在低温扫描探针显微镜中掺入,并使该设计多功能用于各种研究和工业目的。