传感器

“人一生的成长过程中，也不总是只有一种必然性，很多时候，人生需要选择。请选择有尊严的活着，告别卑微！” 转一篇信息融合的结构概述： 多传感器信息融合的结构模型一般有四种基本形式： 集中式、分散式和分级式结构，分级式又分为有反馈结构和无反馈结构。 集中式结构 （使用卡尔曼滤波技术） F(k)为状态转移矩阵， X(k)是k时刻目标的状态向量，G(k)为噪声增益矩阵，ω(k)为输入噪声模型，H(k)为观测矩阵，V(k)为观测噪声模型。 在系统融合中心采用 集中卡尔曼滤波融合技术 ，可以得到系统的全局状态估计信息．在集中式结构中，各传感器信息的流向是自低层向融合中心单方向流动，各传感器之间缺乏必要的联系。 分散融合结构 分散融合结构没有中央处理单元，每个传感器都要求作出全局估计，采用分散Kalman滤波技术来实现多传感器信息的融合。为了简化算法，作以下三点假设： 当每个节点得到自己的局部估计后，就与其它相连的节点进行通信，接受其它节点传递来的信息后进行同化处理，同化包括状态同化和方差同化，经推导可得第 i 个节点的状态同化方程为： 从而，在每个节点都可以得到全局的状态估计和方差估计。 有n个节点组成的分散融合结构网络中，任一个节点都可以作出全局估计，某一节点的失效不会显著地影响系统正常工作，其它n一1个节点仍可以对全局作出估计，有效地提高了系统的鲁棒性。尽管每个节点都具有较大的通信量

Ŀ¼ Instantaneous Induction Loops Detectors 配置方法 输出内容 参考链接： http://sumo.dlr.de/wiki/Simulation/Output/Instantaneous_Induction_Loops_Detectors Instantaneous Induction Loops Detectors 配置方法 （1）新建.xml文件（例如instantE1.xml），并在其中输入： （2）在命令行启动sumo时输入如下命令： sumo-gui -c Crossing8.sumo.cfg --additional-files E1.xml 或者在cfg文件中添加相应语句，如下： <configuration> <input> <net-file value="Crossing8.net.xml"/> <route-files value="Crossing8.rou.xml"/> <step-length value="1"/> <additional-files value="E1.xml"/> </input> </configuration> 输出内容 <instantE1 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi

1 、【全部开源】两轮平衡小车（原理图、PCB 、程序源码、BOM 等） 同网上一般网友制作的平衡小车不一样，这个平衡小车最大的特点就是它的整体很小，PCB面积只有2.5cm*5.0cm，这个可能还没有网友制作的平衡小车的一个电机驱动板大，但是却已经实现了相同的功能。我在器件选型时尽可能用了小的元件，这样使得PCB面积大大减少。亮点概括为两个：1 PCB 面积非常小（2.5cm*5.0cm）；2 器件可以拆卸，方便开发调试和学习。 http://www.cirmall.com/circuit/4889/details?1 2 、基于新塘的M451 两轮自平衡小车设计 项目采用NuTiny-SDK-M451 开发板为核心，利用外加的MPU6050姿态传感器、L298N电机控制器、两轮电机和航模电池等核心模块构建两轮自平衡小车，利用M451的强大计算能力实时处理算法中的浮点数据运算，提高运算速度和精度，实现两轮小车的自动行走、加速、减速、转弯、静止等功能。 http://www.cirmall.com/circuit/4667/details?1 3 、【电赛作品、全套资料】基于STM32 的两轮平衡小车资料 分享的是一个电赛作品，刚无意在淘宝上看到还有人拿出来卖钱，而我们这免费开源出来。该两轮平衡小车附件内容超全，唯一遗憾的就是一篇设计论文了。要是有爱心的网友分享出来，那就更完美了。

对于虚拟翻书与空中翻书，大家如果去过博物馆或展览馆，就对它不陌生了。虚拟翻书系统—虚拟电子超媒体技术书，又叫虚拟翻书、感应翻书、电子翻书、互动翻书、魔幻书、空中翻书等。投影在虚拟的书籍模型上，然后挥动你的手臂，虚拟的局面就跟着魔 听从你手臂的指挥，并翻动着，是不是很是炫酷！这不是童话故事，它早在好多地方为大家服务着。它最大的优点就是好玩、神奇、虚幻化、展示容量大，效果逼真，所以在展览展示领域应用广泛。 虚拟电子书犹如一本打开的书籍，里面可以记载丰富的资料（动画、视频、图片等）。参观者可以挥动手臂“翻阅”书籍，自左向右或者自右向左，还可以选择书本和章节，快速找到想要翻阅的内容，就像翻阅一本本普通的杂志一样。电子翻书形式新颖，视觉冲击力强，展示信息量大，运用数字科技虚拟现实技术，通过液晶电视或投影成像方式将丰富的动画、视频、图片、文字等多媒体内容展示给参观者。电子翻书栩栩如生的动态翻页效果和逼真的音效，让观众在惊叹神奇的同时，对图书的内容产生更大兴趣。 说到种类基本上常见的有两种：摄像头交互式与光学传感器器交互式、触摸屏式。 摄像头交互式的系统由计算机、投影机、红外感应摄像头、红外补光灯、人机交互软件组成。这种系统交互体验比较好，但是造价最高，容易受到干扰，并失控。湖南韶山毛ZHUXI遗物馆有本人设计制作的案例。这种系统技术难点在交互软件系统的设计与抗干扰设计上。 摄像头交互式的系统

智能驾驶技术的迭代研发，需要多种传感器、海量数据、海量场景的支撑。而目前多种传感器Gbit/s级别的数据同步采集、海量数据的快速分析和评估、关键场景的切片和提取，是业界公认的棘手问题。 为了解决上述的棘手问题，经纬恒润推出了智能驾驶实车测试系统——VDAS。VDAS主要由数据采集设备、环境感知系统、数据分析软件VDA组成。 数据采集设备 数据采集设备由车载工控机、多种数据采集板卡、传感器、车载显示屏等组成。通过配套的数据采集软件，实现各类车载总线数据、感知数据的采集，适配CAN/CANFD、以太网、车载以太网、USB、串口等各类常用接口。 感知系统 通过激光雷达、高清网络摄像头、组合导航传感器，并结合先进的环境感知算法和传感器融合算法，可以精确地感知周围环境信息，包括周围交通参与者的类别、距离、速度、加速度、航向角等，以及周围交通标志的距离、类型、颜色等，对于车道线检测，还可以检测是否越线，以及统计压线次数等。 下面的动图为在城市快速路场景，激光雷达通过多目标跟踪、机器学习分类等算法输出的感知效果。 激光雷达感知 为了减少单个传感器的检测不确定度，系统采用激光雷达+摄像头的信息融合方案，结合激光雷达高精度与摄像头信息丰富的特点，最终融合效果如下图所示。 激光雷达+摄像头传感器融合 通过相机标定与图像特征提取，系统可以识别出车道线信息，具体包括车道线类型、与车道线距离

日本新竹光纤传感器，在对白底面上贴蓝胶的感应 ： 型号：TAKEX F80R（NPN型） FB142B 操作：L-D,拨码，拨到D侧（选择了感应模式而不是距离模式） 对准蓝色，按住中间绿色按键3秒左右，看到双灯闪烁， 然后松开手，2秒，再按一下即可。 在用颜色感应器对铜和铝极耳进行放反检测时，选择单色简易模式，把铜放在要感应处按住5S，然后确定。 记下此时的适配率A，然后把铝放在此处，看下及时栓测到的适配率B。按+ -，调节一个合适的标准适配率值C。 使得这个值满足：B<C<A即可。 来源： https://www.cnblogs.com/boboanhaoweiyuan/p/11757662.html

文章目录 【笔记】apollo无人驾驶 - 百度技术学院（只记录了高精地图+感知） 0. 视频链接： 1. 知识点 HD Map 高精地图（lidar 采集的） 定位 传感器 传感器融合 2. apollo 技术框架 3. 研发流程 4. 高精地图 5. 感知 【笔记】apollo无人驾驶 - 百度技术学院（只记录了高精地图+感知） 0. 视频链接： https://www.bilibili.com/video/av56529220/?p=43 1. 知识点 HD Map 高精地图（lidar 采集的） HD Map: 车道线级别，含红绿灯位置，交通标志位置类别信息。 Intensive Map: 含静态障碍物、电线杆、树。 定位 GPS: 全球定位系统，米级别； RTK：架基站一样的定位站，10cm 级别； IMU：惯性导航，提供加速度等信息； 几何定位：根据周围的环境信息类定位，如隧道场景中 传感器 lidar 激光雷达：波长是纳米级别的，发出的是激光束，基本沿实现传播，不能绕过雾霾，雨滴。感知和建地图都会用到激光雷达。 radar 雷达：全天候的， 摄像头： 毫米波雷达：波长毫米级别，检测距离不够远，倒车使用。 传感器融合 摄像头、激光雷达、毫米波雷达：不同传感器中的对同一个目标感知出的数据不同，最后融合做分割、分类、跟踪。 2. apollo 技术框架 框架分四层： 3.

AM2302 3.3V - 5.5V,建议供电电压为 5V单总线通信模式时，SDA 上拉后与微处理器的 I/O 端口相连。 单总线通信特殊说明： 1．典型应用电路中建议连接线长度短于 30米时用 5.1K 上拉电阻，大于 30 米时根据实际情况降低上拉电阻的阻值。 2．使用 3.3V 电压供电时连接线长度不得大于 100cm。否则线路压降会导致传感器供电不足，造成测量偏差。 3．读取传感器最小间隔时间为 2S；读取间隔时间小于 2S，可能导致温湿度不准或通信不成功等情况。 4．每次读出的温湿度数值是上一次测量的结果，欲获取实时数据，需连续读取两次，建议连续多次读取传感器，且每次读取传感器间隔大于 2 秒即可获得准确的数据。 来源： https://www.cnblogs.com/jieruishu/p/11750896.html

I2C （（Inter-Integrated Circuit（集成电路总线））） 它是一种串行总线，使用多主从架构，由飞利浦公司为了让主板、嵌入式系统或手机用以低速周边设备而发展 硬件结构：I2C串行总线一般有两根信号线，一根是双向的数据线SDA，另一根是时钟线SCL。所有接到I2C总线设备上的串行数据SDA都接到总线的SDA上，各设备的时钟线SCL接到总线的SCL上 总线运行（数据传输）由主机控制，所谓的主机是指启动数据的传送（发出启动信号）、发出时钟信号以及发送停止信号的设备，通常I2C的主机都是微处理器，被主机寻访的设备称为从设备，为了方便通讯，每个连接在I2C总线的设备都有一个唯一标识地址，便于主机的寻访 数据的传输方向可以是主机<===>从机，也可以是从机<==>主机 在I2C总线上发送信息的设备称为发送器，接收信息的设备称为接收器 I2C总线上允许连接多个微处理器以及各种外围设备，如存储器、LED以及LCD驱动器、A/D以及D/A转换器 为了保证数据可靠的传送，任意时刻总线只能由某一个主机控制总线，各个微处理器应当在总线空闲的时候发送启动数据，为了解决多个微处理器发送启动数据的传送冲突（总线控制权），I2C允许连接不同传输速率的设备 I2C连接的多台设备之间的时钟信号同步过程称为同步化 总线特点： I2C总线是各种总线中使用信号线最少，并具有自动寻址

视觉SLAM十四讲（1）——初识SLAM 初识SLAM 经典视觉SLAM框架 初识SLAM SLAM(simultaneous localization and mapping)，中文译作“ 同时定位与地图构建 ”。它是指搭载特定传感器的主体，在没有环境先验信息的情况下（不需要在环境中安装传感器），于 运动过程中 建立环境的模型，同时估计自己的运动。 如果这里的传感器主要为相机，以一定的速率拍摄周围的环境，形成一个连续的视频流，那么就称为“ 视觉SLAM ”。 SLAM的目的是解决“ 定位 ”与“ 地图构建 ”这两个问题。也就是说，一边要估计传感器自身的位置，一边要建立周围环境的模型。 在什么地方？——定位（自身的状态） 周围环境是什么样？——建图（外在的环境） 单目相机——照片（三维空间的二维投影）：无法通过单张照片来计算场景中物体与我们之间的距离，因此必须移动相机改变其视角才能估计它的运动。当相机移动时，相片中的物体在图像上的运动就形成了视差。通过视差就能知道物体的远近，但这只是一个相对值，无法确定真实尺度，称为“尺度不确定性”。 双目相机——通过两个相机之间的距离（基线）来估计每个像素的空间位置。通过左右眼的差异，判断场景中物体与相机的距离。缺点是计算量大，消耗计算资源，与基线关系大（基线距离越大，能够测量到的就越远）。优点是既可以用在室内，亦可应用与室外。 深度相机—