Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja Nowa wersja | Poprzednia wersja | ||
|
pl:dydaktyka:aml:lab4 [2013/11/06 16:00] esimon |
pl:dydaktyka:aml:lab4 [2019/06/27 15:50] (aktualna) |
||
|---|---|---|---|
| Linia 2: | Linia 2: | ||
| ===== Sensor Manager ===== | ===== Sensor Manager ===== | ||
| - | //przetestowanie aplikacji kmopas | + | |
| + | Do **wybranego** projektu: | ||
| + | Przeanalizuj w jaki sposób realizowany jest dostęp do sensorów i ich przekształcenie w odpowiedni dla obrotu ekranu układ współrzędnych. | ||
| + | |||
| + | ==== Mindroid ==== | ||
| + | Sklonuj projekt: [[https://github.com/sbobek/mindroid|Mindroid.]] | ||
| + | Zbuduj 4-kołowego robota, przeczytaj tutorial dot tego jak sterować robotem za pomocą ruchów telefonu. | ||
| + | Przetestuj działanie aplikacji i wykonując kolejne ćwiczenia dotyczące filtrowania danych, spróbuj polepszyć działanie aplikacji, tak by szybciej reagowała na zmiany. | ||
| + | |||
| + | ==== Kompas ==== | ||
| + | |||
| + | {{:pl:dydaktyka:aml:compas.png?200 |}} | ||
| + | Pobierz aplikację kompas, z repozytorium [[https://sbobek@bitbucket.org/sbobek/aml_compas|Bitbucket]] i przetestuj jej działanie. | ||
| + | |||
| + | **Uwaga** Pobierz tylko wersje tagowaną jako **RAW**, filtrowanie będzie realizowane podczas tego ćwiczenia. | ||
| + | |||
| ===== Filtrowanie danych ===== | ===== Filtrowanie danych ===== | ||
| - | //filtr kalmana | ||
| - | ===== Analiza danych ===== | + | Dla danych pobieranych z sensorów urządzenia zaimplementuj filtr Kalmana. |
| - | //analiza danych z akcelerometru - pobranie, zapisanie do sqlite, analiza w octave (czestotliwosci maksymalnej i minimalnej, amplituda, srednie przyspieszenie, korelacja trzech osi , srednia - jakie?etc.) | + | Poszczególne parametry tego filtra powinny być aktualizowane zgodnie z formułami podanymi poniżej: |
| + | <code> | ||
| + | x = x | ||
| + | p = p + q; | ||
| + | |||
| + | k = p / (p + r); | ||
| + | x = x + k * (measurement – x); | ||
| + | p = (1 – k) * p; | ||
| + | </code> | ||
| + | |||
| + | Gdzie: | ||
| + | * x - filtrowana dana | ||
| + | * p - szacowany błąd | ||
| + | * k - wzmocnienie Kalmana (tzw. //Kalman Gain//) | ||
| + | * r - szum pomiaru | ||
| + | * q - szum przetwarzania | ||
| + | |||
| + | Wartości, które należy dobrać, w celu modyfikowania działania filtru to: **q, r** oraz **k**. Wartość **p** nie jest specjalnie istotna, ponieważ jej wartość jest dynamicznie ustalana w procesie filtrowania. | ||
| + | |||
| + | Poeksperymentuj z różnymi wartościami i zaobserwuj wyniki. Dla jakich wartości otrzymujesz najlepsze rezultaty? | ||
| + | |||
| + | **Uwaga** Dla ułatwienia, poniżej kod filtru kalmana w C: | ||
| + | <code c> | ||
| + | typedef struct { | ||
| + | double q; //process noise covariance | ||
| + | double r; //measurement noise covariance | ||
| + | double x; //value | ||
| + | double p; //estimation error covariance | ||
| + | double k; //kalman gain | ||
| + | } kalman_state; | ||
| + | |||
| + | kalman_state | ||
| + | kalman_init(double q, double r, double p, double intial_value) | ||
| + | { | ||
| + | kalman_state result; | ||
| + | result.q = q; | ||
| + | result.r = r; | ||
| + | result.p = p; | ||
| + | result.x = intial_value; | ||
| + | |||
| + | return result; | ||
| + | } | ||
| + | |||
| + | void | ||
| + | kalman_update(kalman_state* state, double measurement) | ||
| + | { | ||
| + | //prediction update | ||
| + | //omit x = x | ||
| + | state->p = state->p + state->q; | ||
| + | |||
| + | //measurement update | ||
| + | state->k = state->p / (state->p + state->r); | ||
| + | state->x = state->x + state->k * (measurement - state->x); | ||
| + | state->p = (1 - state->k) * state->p; | ||
| + | } | ||
| + | </code> | ||
| + | |||
| + | Przykładowe wyjście dla kodu z przykładu powyżej: | ||
| + | |||
| + | {{:pl:dydaktyka:aml:kalman-test.png?500|}} | ||
| + | |||
| + | //Kod żródłowy, oraz wykresy pochodzą ze strony// [[http://interactive-matter.eu/blog/2009/12/18/filtering-sensor-data-with-a-kalman-filter/|Interactive Matter Lab]] | ||
| + | |||
| + | ==== Gotowe do użycia zestawy filtrów ==== | ||
| + | Fajne repozytorium: https://github.com/berndporr/iirj | ||
| + | |||
| + | |||
| + | ===== Zapis danych do analizy ===== | ||
| + | Zacznij pracować nad zapisem danych z **akcelerometru** do bazy danych SQLite, odpowiednio modyfikując klasy z [[.:lab3#baza_danych|Lab 4]]. | ||
| + | |||
