Tag: 加速度计

训练Android应用使用机器学习识别传感器模式: 我希望我的应用程序能够检测携带手机的用户何时下落，只使用加速计数据（因为它是所有智能手机上唯一可用的传感器）。我首先试图实现一种算法来检测自由落体（加速度计的总加速度接近于零，接着是由于地面打击引起的高加速度，以及当用户刚刚在楼下快速走动时短暂静止以消除误报），但是有一个很多方法下降，而且对于我的算法实现，我总是可以找到一个情况下，没有检测到跌倒，或者在哪里跌倒被错误地检测到。我认为机器学习可以帮助我解决这个问题，通过学习来自不同设备的很多传感器值，不同的采样率，什么是跌倒，什么不是。 Tensorflow似乎是我所需要的，因为它似乎可以在Android上运行，但是虽然我可以找到教程来使用它进行离线图像分类（在这里例如），但我没有找到任何帮助，使模型学习模式来自运动传感器的值。我试着学习如何使用入门页面使用Tensorflow，但未能，可能是因为我不太流利的Python，并没有机器学习的背景。（我在Java和Kotlin上流利，并习惯于Android API）。我正在从社区寻求帮助，帮助我使用Tensorflow（或机器学习中的其他东西）来训练我的应用程序，以识别跌倒和其他运动传感器模式。提醒一下，Android会以随机速率报告运动传感器值，但会为每个传感器事件提供纳秒级时间戳，可用于推断自上次传感器事件以来流逝的时间，并将传感器读数作为浮点数提供对于每个轴（x，y，z）都是32位）。

根据Kotlin的Android手机计算位置，依靠小动作来模拟蝴蝶网: 在Kotlin，我正在开发一个用户移动手机来控制虚拟蝴蝶网的程序。位置信息发送给MQTT broker ，UI应用程序将获取数据。我的问题是准确地显示的位置。如果手机是捕手的网络部分，那么理想情况下，当您移动手机时，使用加速度计，我应该知道您正在移动哪个方向，并且可以发送该数据。理论上很好，在实践中更难。为了减少代码，我只想知道手机上移了多少，意识到它至多会移动两三英尺，所以如果它移动六英寸，我想告诉用户界面它移动了六英寸。我正在尝试根据手机的方向在开始部分进行调整。我如何准确地跟踪位置信息？ override fun onSensorChanged(sensorEvent: SensorEvent?) { val mySensor = sensorEvent!!.sensor if (mySensor.type == Sensor.TYPE_ACCELEROMETER) { var mSensorZ: Float= 0F when (mDisplay?.getRotation()) { Surface.ROTATION_0 -> { mSensorZ = sensorEvent.values[2]; } Surface.ROTATION_90 -> { mSensorZ = sensorEvent.values[2]; } Surface.ROTATION_180 -> { mSensorZ = sensorEvent.values[2]; } Surface.ROTATION_270 -> { […]