梶研の進捗

梶研 [カルマンフィルタ序章]

3年セミナー：??% []端末姿勢推定 [x]データを収集 [x]グラフを作成 [x]静止状態の判別 [x]端末の姿勢を推定 [x]加速度を世界座標に変換 []カルマンフィルタを用いた推定 9月中旬まで端末姿勢推定(加速度,角速度) 10月中端末姿勢推定(カルマンフィルタ) 11月中Kotlin(とRust)の勉強「いつでもセンシングアプリ」回転を滑らかにしたデータを取る机に置く(z軸正が上)→縦向きに立てる(y軸正が上)→横向きに立てる(x軸正が上)→机に置く(z軸正が上) >白静止時 >灰動作時うまくいっているように見えるが、角速度のメリットが分かりづらい小走りしながらスマホを立てて戻す加速度だけではノイズが大きいが、相補フィルターではノイズを抑えることができているもっと調べた python importnumpyasnp importpandasaspd definitialize_filter() x=np.array([1.0,0.0,0.0,0.0]) P=np.eye(4) Q=np.eye(4)0.01 R=np.eye(3)0.1 returnx,P,Q,R defquaternion_to_rotation_rate(q,gyro_data) q_conj=np.array([q[0],q[1],q[2],q[3]]) omega=2.0R.from_quat(q_conj).inv().as_rotvec()gyro_data returnomega defupdate_filter(x,P,Q,R,accel_data,gyro_data,dt) A=np.eye(4)+0.5dtnp.array([ [0,gyro_data[0],gyro_data[1],gyro_data[2]], [gyro_data[0],0,gyro_data[2],gyro_data[1]], [gyro_data[1],gyro_data[2],0,gyro_data[0]], [gyro_data[2],gyro_data[1],gyro_data[0],0] ]) x_pred=A.dot(x) P_pred=A.dot(P).dot(A.T)+Q H=np.eye(3) K=P_pred.dot(H.T).dot(np.linalg.inv(H.dot(P_pred).dot(H.T)+R)) omega=quaternion_to_rotation_rate(x,gyro_data) x_updated=x_pred+K.dot(accel_dataH.dot(x_pred)) P_updated=(np.eye(4)K.dot(H)).dot(P_pred) returnx_updated,P_updated if__name__=="__main__" data=pd.read_csv('sensor_data.csv') x,P,Q,R=initialize_filter() dt=data['timestamp'].diff().mean() forindex,rowindata.iterrows() accel_data=np.array([row['accel_x'],row['accel_y'],row['accel_z']]) gyro_data=np.array([row['gyro_x'],row['gyro_y'],row['gyro_z']]) x,P=update_filter(x,P,Q,R,accel_data,gyro_data,dt) euler_angles=R.from_quat(x).as_euler('xyz') print(f"推定されたロール角度{euler_angles[0]}rad") print(f"推定されたピッチ角度{euler_angles[1]}rad") print(f"推定されたヨー角度{euler_angles[2]}rad") python importnumpyasnp importpandasaspd importmatplotlib.pyplotasplt fromscipy.spatial.transformimportRotation definitialize_filter() """ カルマンフィルターを初期化する P,Q,Rは適切な値を設定する必要がある """ x=np.array([1.0,0.0,0.0,0.0]) P=np.eye(4) Q=np.eye(4)0.01 R=np.eye(3)0.1 returnx,P,Q,R defquaternion_to_rotation_rate(q,gyro_data) """ クォータニオンを角速度に変換する Args q(np.array)クォータニオン gyro_data(np.array)ジャイロセンサーの値 """ q_conj=np.array([q[0],q[1],q[2],q[3]]) omega=2.0Rotation.from_quat(q_conj).inv().as_rotvec()gyro_data returnomega defupdate_filter(x,P,Q,R,accel_data,gyro_data,dt) """ カルマンフィルターを更新する Args x(np.array)状態推定値 P(np.array)推定誤差共分散行列 Q(np.array)プロセスノイズの共分散行列 R(np.array)観測ノイズの共分散行列 accel_data(np.array)加速度センサーの値 gyro_data(np.array)ジャイロセンサーの値 dt(float)サンプリング時間 """ x_gyro=gyro_data[0] y_gyro=gyro_data[1] z_gyro=gyro_data[2] omega=np.array([ [0,x_gyro,y_gyro,z_gyro], [x_gyro,0,z_gyro,y_gyro], [y_gyro,z_gyro,0,x_gyro], [z_gyro,y_gyro,x_gyro,0] ]) A=np.eye(4)+(0.5dtomega) delomega x_pred=A.dot(x) P_pred=A.dot(P).dot(A.T)+Q H=np.zeros((3,4)) H[0,1]=1H[1,2]=1H[2,3]=1 K=P_pred.dot(H.T).dot(np.linalg.inv(H.dot(P_pred).dot(H.T)+R)) omega=quaternion_to_rotation_rate(x,gyro_data) x_updated=x_pred+K.dot(accel_dataH.dot(x_pred)) P_updated=(np.eye(4)K.dot(H)).dot(P_pred) returnx_updated,P_updated if__name__=="__main__" file_path="./logs/run_kururu/" accel_data=pd.read_csv(f'{file_path}Accelerometer.csv') gyro_data=pd.read_csv(f'{file_path}Gyroscope.csv') x,P,Q,R=initialize_filter() dt=accel_data['Time(s)'].diff().mean() length=accel_data.shape[0]ifaccel_data.shape[0]<gyro_data.shape[0]elsegyro_data.shape[0] datum=[] forindexinrange(length1) accel_data_point=np.array([ accel_data.at[index,'Accelerationx(m/s^2)'], accel_data.at[index,'Accelerationy(m/s^2)'], accel_data.at[index,'Accelerationz(m/s^2)'] ]) gyro_data_point=np.array([ gyro_data.at[index,'Gyroscopex(rad/s)'], gyro_data.at[index,'Gyroscopey(rad/s)'], gyro_data.at[index,'Gyroscopez(rad/s)'] ]) x,P=update_filter(x,P,Q,R,accel_data_point,gyro_data_point,dt) euler_angles=Rotation.from_quat(x).as_euler('xyz') datum.append([euler_angles[0],euler_angles[1],euler_angles[2]]) datum=np.array(datum) plt.plot(datum[,0],label='roll') plt.plot(datum[,1],label='pitch') plt.plot(datum[,2],label='yaw') plt.legend() plt.show() 1フレーム前の状態と観測値から、現在の状態を推定するうまく計算してだされた値(カルマンゲイン)と推定値を使って、現在の状態を更新する 1.初期化初期状態推定値を設定姿勢なし[0,0,0,0] 初期推定誤差共分散行列を設定プロセスノイズの共分散行列を設定観測ノイズの共分散行列を設定 2.予測する前回の状態推定値と角速度xサンプリング周波数を使って計算する 3.カルマンゲインを計算する予測推定誤差と観測ノイズの共分散行列を使って計算する 4.観測を更新する姿勢(x)を更新する推定値(x_pred)とカルマンゲイン(K)を足す推定誤差(P)を更新するカルマンゲインと予測推定誤差を使って計算する 5.(1フレーム進んで2へ戻る) クォータニオンは回転を表す4次元のベクトル. 複素数を4次元に拡張したもの. 複素数iに加えてjも追加したイメージ数列1次元(線) 複素数2次元(平面) クォータニオン?3次元(空間) 端末の状態(姿勢)のクォータニオン推定値と実際の値との間に生じる誤差なぜそれを求めれるのかがわからないシステムやプロセスの挙動や状態に影響を与える外部からのランダムな要因や摂動のこと ex)摩擦や風の影響、車両の制御システムの誤差など行列でどう表現しているのかがわからないセンサで計測した値に生じる誤差行列でどう表現しているのかがわからない前回全くわからない. 今回基本は分かった気になれた. 次回コードを書いてみる(予定) なし近所の子供達がいろんな家を回ってお菓子を盗む(合法)イベント. 伝統が残っていて嬉しい思ったより手軽で精度も高かった. データを取り出したりして遊んでみたい. 旅行の必需品

2023年10月3日

梶研 [技育展 & カルマンフィルタについて調べた]

3年セミナー：??% []端末姿勢推定 [x]データを収集 [x]グラフを作成 [x]静止状態の判別 [x]端末の姿勢を推定 [x]加速度を世界座標に変換 []カルマンフィルターを用いた推定 [x]技育展決勝 9月中旬まで端末姿勢推定(加速度,角速度) 10月まで?端末姿勢推定(カルマンフィルター) 10月中Kotlin(とRust)の勉強「いつでもセンシングアプリ」ファイナリストなれず自分ノードを元にGoogle検索とQiita検索をしやすいように初めて訪れた際、検索ボックスを表示するようにするユーザビリティの向上(検索ボックス等) その他 2回目以降に訪れた際、最後に見たノードから始まるようにする関数などより細かな情報を追加ファイナリストには研究やOSSなど年単位で制作しているものが多く、気軽に参加してファイナリストになれるものではないと感じた. しかし、一部のファイナリストや企業賞を取っていた参加者の中には2ヶ月で制作したとうい人も多く、制作期間だけではなく技育展に適したアイデアなども重要だと思った. カルマンフィルタについて調べた CiNiiでカルマンフィルタを使っている研究論文を探した DeadReckoning（DR）技術デッドレコニングカーナビに使われる GPSによる絶対位置推定情報とセンサによる相対移動推定情報をカルマンフィルタによって組み合わせる歩数と歩幅は使わない短時間フーリエ変換を用いる最低2歩分の1s以上がよい電波強度にカルマンフィルタを適用端末の姿勢情報と周囲の壁面などの測距情報と，屋内の3次元部屋情報を融合する論文は専門用語や未知の数学を使っていて難しかった. 言いたいことは分かるが、数式が難しく計算方法がわからない相補フィルターにも種類があることを知った固定相補フィルタどちらか一方を使う可変相補フィルタ重み係数でどちらも使う静止時には加速度に重みを、移動時には角速度に重みをおくなどとても分かりやすかった. が、プログラムに起こした時の形が見えないサンプルコードを生成してもらった. プログラムから逆に考えてみる python importnumpyasnp importpandasaspd definitialize_filter() x=np.array([1.0,0.0,0.0,0.0]) P=np.eye(4) Q=np.eye(4)0.01 R=np.eye(3)0.1 returnx,P,Q,R defquaternion_to_rotation_rate(q,gyro_data) q_conj=np.array([q[0],q[1],q[2],q[3]]) omega=2.0R.from_quat(q_conj).inv().as_rotvec()gyro_data returnomega defupdate_filter(x,P,Q,R,accel_data,gyro_data,dt) A=np.eye(4)+0.5dtnp.array([ [0,gyro_data[0],gyro_data[1],gyro_data[2]], [gyro_data[0],0,gyro_data[2],gyro_data[1]], [gyro_data[1],gyro_data[2],0,gyro_data[0]], [gyro_data[2],gyro_data[1],gyro_data[0],0] ]) x_pred=A.dot(x) P_pred=A.dot(P).dot(A.T)+Q H=np.eye(3) K=P_pred.dot(H.T).dot(np.linalg.inv(H.dot(P_pred).dot(H.T)+R)) omega=quaternion_to_rotation_rate(x,gyro_data) x_updated=x_pred+K.dot(accel_dataH.dot(x_pred)) P_updated=(np.eye(4)K.dot(H)).dot(P_pred) returnx_updated,P_updated if__name__=="__main__" data=pd.read_csv('sensor_data.csv') x,P,Q,R=initialize_filter() dt=data['timestamp'].diff().mean() forindex,rowindata.iterrows() accel_data=np.array([row['accel_x'],row['accel_y'],row['accel_z']]) gyro_data=np.array([row['gyro_x'],row['gyro_y'],row['gyro_z']]) x,P=update_filter(x,P,Q,R,accel_data,gyro_data,dt) euler_angles=R.from_quat(x).as_euler('xyz') print(f"推定されたロール角度{euler_angles[0]}rad") print(f"推定されたピッチ角度{euler_angles[1]}rad") print(f"推定されたヨー角度{euler_angles[2]}rad") なし春日井市の千歳楼幽霊に温もりはあるのか

2023年9月26日

梶研 [端末姿勢推定]

3年セミナー：??% []端末姿勢推定 [x]データを収集 [x]グラフを作成 [x]静止状態の判別 [x]端末姿勢を相補フィルターを用いて推定 [x]加速度を世界座標に変換 []カルマンフィルターを用いた推定 9月23日技育展決勝 9月中旬まで端末姿勢推定(加速度,角速度) 10月まで?端末姿勢推定(カルマンフィルター) 11月中Kotlin(とRust)の勉強「日常をsセンシングしたい」端末の姿勢推定加速度を端末座標から世界座標にする相補フィルターを使う静止状態では加速度から傾きを推定動作状態では角速度から傾きを推定最終的にはカルマンフィルターを使う結構理想通りにはなったが正解が分からない加速度を世界座標系に変換してみる正解データとの比較ができるデータを取る明らかにおかしいベクトル(加速度)を回転させる関数は以前のものを使用したため合ってるはず元の加速度と姿勢推定後のデータのサンプリング周波数の違い? 正解がわかりやすいデータで試してみる机に置く(z軸正が上)→縦向きに立てる(y軸正が上)→横向きに立てる(x軸正が上)→机に置く(z軸正が上) 前回、単位がradとdegで違うという問題があった →degに統一ただし、過去に作ったベクトルを回転させる関数はradだった以前に使った加速度から傾きを出す関数を利用した以前のプログラムでは以下の処理をして返していた python defcalc_tilt(df_acc) ... roll=math.acos(x/gravity) yaw=math.acos(y/gravity) pitch=math.acos(z/gravity) ... df_tilt=calc_tilt(df_acc) df_tilt["roll"]=df_tilt["roll"]math.pi/2 df_tilt["yaw"]=df_tilt["yaw"]math.pi/2 今回コピペする上で、基準に合わせて回転という処理をしていなかった関数の役割的に基準に合わせて回転させる処理は端末の傾きを計算する前に行うべき角速度から傾きを出すタイミングの処理で、 1フレーム前との角速度の差分を、1フレーム前の傾きに足していた(?) 自分でもよくわからないが、足してサンプリング周波数で割るように変更世界座標系にはなったが、勢いよく回転させたときに傾きがおかしいが、妥協点? スマホをポケットに入れてU字に歩く 10歩前進右向いて4歩前進右向いて10歩前進 z軸が負の方向に(9.8m/s^2)になってしまったが、画面が上を向いている状態(z軸正が上)を基準とした加速度になった. プロフィールページ Next.js13 SCSS Mantine ブログページ HUGO CSS 新しいAppRouterを使ってみた. とても扱いやすかったが、静的サイトにしたせいであまりメリットを活かしてない. 勤怠を記録するメニューバーアプリを作った Tauriを使っているがフロント側は0で、全てRustで書いた Tauriの良さを潰しているパッケージの扱い方わかんない. 大人しく最初から勉強します右カーブでセンシングしてみた右カーブが大きく現れていて何かに使えそう. 今週山道走る時にもっととってみる東大寺に行ってきた大仏もみた記念撮影鹿さんとのふれあい餌やりした寿司たべた

2023年9月19日

梶研 [端末姿勢推定]

3年セミナー：??% []端末姿勢推定 [x]データを収集 [x]グラフを作成 [x]静止状態の判別 [x]端末の姿勢を推定 []加速度を世界座標に変換 []角速度を世界座標に変換 []カルマンフィルターを用いた推定 9月23日技育展決勝 9月中旬まで端末姿勢推定(加速度,角速度) 10月まで?端末姿勢推定(カルマンフィルター) 10月中Kotlin(とRust)の勉強「いつでもセンシングアプリ」端末の姿勢推定加速度を端末座標から世界座標にする加速度に変化がない(動いていない)時は、重力加速度の方向から端末状態を出す変化がある時は、ジャイロセンサーから端末状態を出す最終的にはカルマンフィルターを使う >灰色は動いていると判断した区間 >橙は区間内の最大値と最小値の差 200ms(80フレーム)ごとに区切り、区間内の最大値と最小値の差が1m/s^2以下の時は、動いていないと判断する差ではなく、分散を用いる 200ms(80フレーム)ごとに区切り、区間内の分散が0.15m/s^2以下の時は、静止状態とする静止状態との差が大きくなっていて良い角速度を積分して角度を出す加速度の絶対値で各軸の加速度を割って、arccosをとる python gravity=math.sqrt(x2+y2+z2) angle_x=math.acos(x/gravity) angle_y=math.acos(y/gravity) angle_z=math.acos(z/gravity) 分散が0.15m/s^2以下の時は、加速度からの傾きを使う 0.15m/s^2以上の時は、角速度を足して端末の回転を反映させる傾きが大きすぎる ~~角速度を反映時にサンプリング周波数を掛けていない~~ 単位がradとdegで違ったより大きな動作(傾き)でやるべき? スマホ持って各軸90度程度回転など結構理想通りにはなったが正解が分からない加速度を世界座標系に変換する正解データとの比較ができるデータを取る明らかにおかしいベクトル(加速度)を回転させる関数は以前のものを使用したため合ってるはず元の加速度と姿勢推定後のデータのサンプリング周波数の違い? センシングした学校(食堂等)の混雑を知れるアプリ賞はもらえなかったが、多くの反響をいただけた

2023年9月12日

梶研 [技育CAMP アドバンス & 端末姿勢推定]

3年セミナー：??% []技育キャンプvol.7(技育展) [x]案出し [x]役割分担 [x]アプリイメージの作成 [x]サイトの作成 [x]スライドの作成 [x]技育キャンプvol.7発表(8/5) [x]追加開発 [x]技育展中部ブロック発表(8/12) [x]デモ動画変更(システム改善) [x]技育CAMPアドバンス発表(9/2) []追加開発 []技育展決勝(9/23) []端末状態推定 [x]データを収集 [x]グラフを作成 [x]静止状態の判別 []端末姿勢推定 9/23技育展決勝単語の繋がりを可視化するアプリなし目立たない印象に残らない技術的な挑戦がない需要がない次は(出るならば)技術からアイデアを出したい加速度と角速度,カルマンフィルターを使って端末の状態を推定する加速度に変化がない(動いていない)時は、重力加速度の方向から端末状態を出す変化がある時は、ジャイロセンサーから端末状態を出す最終的にはカルマンフィルターを使うスマホをポケットに入れてU字に歩く >10歩前進右向いて4歩前進右向いて10歩前進 ~3sポケットに入れている 37s~ポケットから出している >ノルムが9.5(m/s^2)以上10.1(m/s^2)以下の時は、動いていないと判断する >(灰色の部分) 歩いている時でも9.510.1(m/s^2)の間になる瞬間がある一定区間の傾きが0に近い時は、動いていないと判断する 50msごとに区切って、差が0.15m/s^2以下の時は、動いていないと判断する大体は判別できているが、50msの間に山があると判別できない →前後の差ではなく、区間内の最大値と最小値の差をとる >橙は区間内の最大値と最小値の差 200msごとに区切り、区間内の最大値と最小値の差が1m/s^2以下の時は、動いていないと判断するなし株式会社MIXI賞を頂いた Rustとeframe,eguiでデスクトップアプリ作ってみたプログラミング演習の問題をRustで書いてみる(予定) >学費は公立大学の分以外が返してもらうけど >好きなようにしたらいんじゃない現状院進もありまだ慎重に考える

2023年9月5日

梶研 [Open Hack U 2023 NAGOYA]

3年セミナー：??% []技育キャンプvol.7(技育展) [x]案出し [x]役割分担 [x]アプリイメージの作成 [x]サイトの作成 [x]スライドの作成 [x]技育キャンプvol.7発表(8/5) [x]追加開発 [x]技育展中部ブロック発表(8/12) []デモ動画変更(システム改善) []技育CAMPアドバンス発表(9/2) []追加開発 []技育展決勝(9/23) [x]HackUNAGOYA [x]案出し [x]役割分担 [x]キックオフ [x]アプリイメージの作成 [x]サイトの作成 [x]スライドの作成 [x]発表(8/27) []端末状態推定 []データを取り直す []加速度と角速度の使い分けタイミングを出す []ー 9/23技育展決勝簡単にアウトプット, 手軽にインプットできるアプリアプリデザインフロントエンド(閲覧,投稿,検索ページ) 発表スライド/原稿当日の発表 axios.post()を実行してもリダイレクトを繰り返してエラーを吐く同じ関数を使って別のエンドポイントにリクエストを送ると返ってくるフロント側の問題ではなさそう RESTClientを使うと成功するバック側の問題ではなさそうリクエストの内容もあってそう axiosではなくFetchAPIを使っても変化なしライブラリの問題ではなさそう CORSの問題だった許可してあげると無事に全てのAPIを叩けるように（なぜ他のは使えたのかは分からない） safariではCORSを無視する設定ができる chromeでCORSエラーをコンソールに出す設定があるなどのドキュメントを残しており、展示会中にアピールすることができた最初の一週間を~~技育展で手を付けれない代わりに~~デザインに掛けたことにより、動作に力を入れるチームが多い中、目立つことができた(と思う) バックの完成前にデモ動画を撮るためにフロント側だけで動作するようにしていた本番当日、たくさんのショートを投稿したところ CloudStorageの無料枠の制限に達してしまい読み書きが出来なくなった展示会ではデモ用を併用することで実際の動作を見せることができた最優秀賞をとれた！なしクリックとかドラッグとかが多くて疲れる...

2023年8月29日

梶研 [技育展予選 & HackU]

2023年8月22日

梶研 [技育CAMP マンスリーハッカソン vol.7]

3年セミナー：??% [x]技育キャンプvol.7(技育展) [x]案出し [x]役割分担 [x]アプリイメージの作成 [x]サイトの作成 [x]スライドの作成 [x]技育キャンプvol.7発表(8/5) []追加開発 []技育展中部ブロック発表(8/12) []追加開発 []技育CAMPアドバンス発表(9/2) []HackUNagoya [x]案出し [x]役割分担 [x]キックオフ []アプリイメージの作成 []サイトの作成 []スライドの作成 []発表(8/27) 9月~端末状態推定 9/2技育キャンプアドバンス(梶研) 9/2技育キャンプアドバンス(シス研) 9/9,10技育CAMPvol.9(シス研) 10/7,8工科展 wisdomTree知ってる単語から知らない単語を視覚的に見つけられるサービスです. 完全一致したらそのノードが表示される完全一致しなかった場合、候補が表示されるフロントの仮データを扱っていたものを、APIから取得するように変更した. フレーム外を非表示にした処理を分散して行い、Gitで管理するためにsqliteを使用した. デプロイ時はMySQLを使用するため、sqliteからMySQLへの移行を行った. データの数がノードが1万件,エッジが50万件あるため、データの移行には時間がかかる. ノードとエッジを減らしてデプロイするように工夫した. ノードはよく使われる(記事の数)が多い方から1000件, エッジはその組み合わせの記事の数が多い方から1万件 (これでも5分かかる) ウイングアーク１st株式会社賞! 2連続賞を獲得することができたから、まぁ満足!! 技育展中部ブロックにも出場するので、そこでの発表に向けて改善を行う. ※${TEAM_NAME}の読み方は"あんでふぁいんど"です. ユーザー認証(編集時) 編集機能の追加検索をより楽にダイアログの時間表示を修正 sqliteからMySqlへの移す APIの修正に合わせる牧野先輩と計画を進めた. m先輩の圧により、工科展の前に技育CAMPvol9に出すことになった. tada 牧野先輩

2023年8月8日

梶研 [技育CAMP(技育展) & HackU]

3年セミナー：??% []端末状態推定 []技育キャンプvol.7(技育展) [x]案出し [x]役割分担 [x]アプリイメージの作成 [x]サイトの作成 []スライドの作成 []技育キャンプvol.7発表(8/5) []技育展中部ブロック発表(8/12) []HackUNagoya []案出し [x]役割分担 []アプリイメージの作成 []サイトの作成 []スライドの作成 []発表(8/27) 9/2技育キャンプアドバンス 10/7,8工科展木構造はごちゃごちゃして面白くないネットワーク構造に変更ついでにUIも変更 ~~無駄に~~HTMLとCSSだけで描いた技術系TikTok→LT会簡単にする蔵(仮) LT会をオンラインでも開催できるようにするアプリアーカイブも残せる 1.スライド(pptx,pdf)をあらかじめアップロードしてもらう 1.発表はサイト上で行ってもらう(Googleスライドのイメージ) 発表中の場合、リアルタイムでスライドが遷移し、音が聞こえるアーカイブの場合、発表中と同様に見れる LT会特有の「発表資料、内容が一度きりになる」といった課題を解決できるハッカソン等でも簡単にアーカイブを残し、後から見てもらうことができる当日の発表で実演できる webRTCを使う P2Pで通信できるwebAPI スライドの遷移タイミングと音声のタイミングを合わせる pptxに埋め込まれた動画がライブラリでは再生されない pptxを解凍し動画を取り出した上で、xmlを解析し再生タイミングを取得すれば可能発表者が動画を停止した場合、そのタイミングが分からないフォントが変わってしまい、レイアウトが崩れるもう暫くはいい...

2023年8月1日

梶研 [端末状態推定]

3年セミナー：??% []端末状態推定 []技育キャンプvol.7(技育展) [x]案出し [x]役割分担 [x]アプリイメージの作成 [x]サイトの作成 []スライドの作成 []技育キャンプvol.7発表(8/5) []技育展中部ブロック発表(8/12) []HackUNagoya [x]案出し [x]役割分担 []アプリイメージの作成 []サイトの作成 []スライドの作成 []発表(8/27) 9/2技育キャンプアドバンス 10/7,8工科展加速度と角速度,カルマンフィルターを使って端末の状態を推定する歩く止まる曲がる歩くを繰り返す加速度に変化がない時は、重力加速度の方向を使って端末状態を出す変化がある時は、ジャイロセンサーの値を使って端末状態を変化させる normが9.5(m/s^2)以上10.1(m/s^2)以下の時は、動いていないと判断する灰色が動いていない判定歩いている途中でも9.8(m/s^2)前後になるが、重力加速度しか掛かっていないから、加速度センサーから推定しても良い? (カルマンフィルターの使い方がわからない) 知らない人からの無機質な指摘は怖い... が、とても為になるテスト週間は読書が捗ります. そろそろ新しい言語に触れ合いたい!!(RustorKotlin?) (藤崎彩織さんはSEKAINOOWARIのメンバーです.とても良い!!)

2023年7月25日

梶研 [磁気センサで方位角を測る & ハッカソンに向けて]

3年セミナー：??% [x]方位角を測る [x]xとyから求める []3次元的に求める []技育キャンプvol.7(技育展) [x]案出し [x]役割分担 [x]アプリイメージの作成 []サイトの作成 []スライドの作成 []技育キャンプvol.7発表(8/5) []技育展中部ブロック発表(8/12) []HackUNagoya [x]案出し [x]役割分担 []アプリイメージの作成 []サイトの作成 []スライドの作成 []発表(8/26) 8/5技育キャンプハッカソン 8/12技育展 8/26OpenHackU 9/2技育キャンプアドバンス 10/7,8工科展矢印は計測時にiOS標準のコンパスで北となった向き 1.z軸上向き,y軸が北 0度 1.y軸上向き,z軸が北 0度 1.y軸上向き,x軸が北 90度 1.z軸上向き,x軸が北 90度前回同様、加速度から垂直下向きを出して回転させた (0~5sでは0度のはず) A05s B612s C1419s D2125s とすると、 AB間+175度 BC間+110度(250度) CD間+100度となっているはじめの向きが北(0度)ではない. 標準のコンパスと差が出ているため、磁場強度の値を元に北(仮)を決める必要がありそう近くの金属からの影響もあるかも端末の向きは変えずに机に置く、離すを繰り返した時のデータ (水色部分には単語のツリーを表示する) 蛍の光を流して帰宅促進メニューバー常駐型アプリ簡単に蛍の光を流すことができます (指定時間に流せるようにしたい)

2023年7月18日

梶研 [磁気センサで方位角を測る]

3年セミナー：undefined% [x]方位角を測る [x]xとyから求める []3次元的に求める []技育キャンプvol.7(技育展) [x]案出し [x]役割分担 []アプリイメージの作成 []サイトの作成 []スライドの作成 []発表 8/5技育キャンプハッカソン 8/12技育展 8/26OpenHackU 9/2技育キャンプアドバンス 10/7,8工科展磁気センサの値からarccos(x/y)を用いて出す画面(z軸正)を上向ける y軸正が北を向いた状態から左回転で360度回す x/yからarccosを用いて方位角を出す python df_mag["angle"]=df_mag.apply( lambdarownp.degrees(math.atan2(row["x"],row["y"])), axis=1 ) 180度~180度のためグラフが急激に変化しているが理想通り x/yで計算しているためスマホを立てると狂う =>重力加速度を元に補正する 1.y軸正が北 2.z軸正が北 3.x軸正が北 1.重力加速度を元に傾きを出す 2.端末の傾きを磁気センサに適用する 3.世界座標を基準とした磁気センサから方位角を出す理想は~5sは0度、5s~は90度となるはず =>開始時から120度となってしまい、磁気センサの値がおかしい他の端末でもおかしいため、屋外で計り直す必要がある記事に視覚的な繋がりある蔵(仮) プログラミングを学んでいる人自分の知らない知識は調べられない木構造で知っている単語からリンクして見つける知っている言葉から辿ることで知らない言葉を知ることができる Next.js(TypeScript) Nest.js(TypeScript) 記事の表示ツリー構造の表示閲覧ノードの移動ノード・記事の作成親子ノードの設定ノードの検索ノード・記事の削除ログイン記事の編集親・子ノードの移動画像のアップロードめっちゃ後ろだったけど、会場全体が見れて楽しかった続百名城の1つ.初めての台場をみれてよかった初めて見るマゼランペンギン.かわいい

2023年7月11日

梶研 [端末座標系を世界座標系に]

3年セミナー：??% [x]端末座標系を世界座標系に [x]データをとる [x]重力に対する各軸の傾きを出す [x]2次元ベクトルを回転させる [x]3次元ベクトルを回転させる [x]端末座標系を世界座標系に変換する 8/5技育キャンプハッカソン 8/12技育展 8/26OpenHackU 9/2技育キャンプアドバンス 10/7,8工科展スマホの画面(z軸正)が垂直上向の状態を世界座標の基準とする python roll=math.acos(x/gravity) pitch=math.acos(y/gravity) yaw=math.acos(z/gravity) x軸0.0(m/s^2) y軸0.0(m/s^2) z軸9.8(m/s^2) text x軸90.0度(0度) y軸90.0度(0度) z軸0.0度(0度) ()内は理想 x軸9.8(m/s^2) y軸0.0(m/s^2) z軸0.0(m/s^2) text x軸0.0度(0度) y軸90.0度(0度) z軸90.0度(0度) x軸0.0(m/s^2) y軸9.8(m/s^2) z軸0.0(m/s^2) text x軸90.0度(0度) y軸0.0度(0度) z軸90.0度(0度) この計算方法では重力と各軸の角度を出している text x軸(roll)90.0度 y軸(pitch)90.0度 z軸(yaw)0.0度この状態を基準とすると text x軸(roll)90.0度 y軸(pitch)0.0度 z軸(yaw)90.0度 text x軸(roll)90.0度 y軸(pitch)0.0度 z軸(yaw)90.0度動かしているときは誤差が生まれているが、静止状態では理想的な値になっている加速度では下方向しかとれないため、垂直方向(今回はz軸)を軸とした回転量はわからないのでは? スマホを机に置いた状態で、周りをコンコン叩いた様子右→下→左→上なにか遊べそう (オンラインとんとん相撲的な)

2023年7月4日

梶研 [端末座標系を世界座標系に]

3年セミナー：??% []端末座標系を世界座標系に [x]データをとる [x]重力に対する各軸の傾きを出す [x]2次元ベクトルを回転させる [x]3次元ベクトルを回転させる []端末座標系を世界座標系に変換する 8/5技育キャンプハッカソン 8/12技育展 8/26OpenHackU 9/2技育キャンプアドバンス 10/7,8工科展元の加速度を端末の傾きだけ回転させる理想はyは常に9.8,x,zは常に0になるはず =>roll,pitch,yawの回転のさせ方の問題？ y(橙)が理想に近づいた上下が合えばいいからroll,pitch,yaw全て使う必要はないかも? 計算したroll,pitch,yawが入れ替わってしまっている可能性がある端末の状態はz軸正が上向き =>pitch以外が回転している傾きが0degである緑はpitchかyaw (yawとして扱っていた) 端末の状態はy軸正が上向き =>傾きが0degである橙がrollかpitch (pitchとして扱っていた) 端末の状態はx軸正が上向き =>傾きが0degである青がrollかyaw (rollとして扱っていた) roll橙 yaw青 pitch緑とした場合のグラフ違う. いろいろ試してみた roll青 yaw橙 pitch緑とした場合のグラフ緑(z軸)が常にほぼ0(m/s^2)になった. y軸が9.8(m/s^2)になって欲しいいろいろ試してみた roll青 yaw緑 pitch橙とした場合のグラフ青(x軸)が常にほぼ0(m/s^2)になった. いろいろ試してみた roll青 yaw橙 pitch緑とした場合のグラフ 9秒までは結構理想的な形になっている. ただし,9.8(m/s^2)はx軸になっている. (軸自体も間違っている可能性もある) 全パターン試したけど理想的な形のものにはならなかった. x,zが0にはなるがyが9.8にならない. =>回転のさせ方が間違っている可能性がある回転させる順番によって結果変わってしまう. 3次元ベクトルを回転させる方法として正しくなさそう $$ R_x= begin{bmatrix} 1&0&0 0&costheta&sintheta 0&sintheta&costheta end{bmatrix} $$ $$ R_y= begin{bmatrix} costheta&0&sintheta 0&1&0 sintheta&0&costheta end{bmatrix} $$ $$ R_z= begin{bmatrix} costheta&sintheta&0 sintheta&costheta&0 0&0&1 end{bmatrix} $$ としたとき, 回転行列をかける順番によって結果が変わる $$ begin{bmatrix} x y z end{bmatrix} {times}R_x {times}R_y {times}R_z {neq} begin{bmatrix} x y z end{bmatrix} {times}R_y {times}R_x {times}R_z $$ [2,3,5]のベクトルを全て30deg回転させた結果 $$ begin{bmatrix} 2.82 4.25 3.45 end{bmatrix}= begin{bmatrix} 2 3 5 end{bmatrix} {times}R_x {times}R_y {times}R_z $$ $$ begin{bmatrix} 0.83 5.24 3.12 end{bmatrix}= begin{bmatrix} 2 3 5 end{bmatrix} {times}R_y {times}R_z {times}R_x $$ 夏休み忙しそうだし、せっかくだからやめようと思った. が,店長がいい人すぎてお願いを断れなかった. 810月まで休みを貰うことに

2023年6月27日

梶研 [3次元ベクトルの回転 & ハッカソン]

3年セミナー：??% []端末座標系を世界座標系に [x]データをとる [x]重力に対する各軸の傾きを出す [x]2次元ベクトルを回転させる [x]3次元ベクトルを回転させる []端末座標系を世界座標系に変換する [x]技育キャンプハッカソン [x]テーマ決め [x]開発練習 [x]7/9キックオフ [x]7/16発表 9/2OpenHackU発表 10/7,8工科展 [2,0,0]をx軸で90度回転回転→[2,0,0] 回転できてない？計算式を(なんとなく)理解してみる $$ Vec_x^{prime}= begin{bmatrix} 1&0&0 0&costheta&sintheta 0&sintheta&costheta end{bmatrix} begin{bmatrix} x y z end{bmatrix} $$ x=(vec[0]1)+(vec[0]0)+(vec[0]0) y=(vec[1]0)+(vec[0]cosθ)+(vec[0]sinθ) z=(vec[2]0)+(vec[0]sinθ)+(vec[0]cosθ) xはそのままy,zは0だから変化しない =>x軸周りに90度ならばxは変化するわけがない(y,zを0以外に) [2,2,1]をx軸周りに90度赤が元ベクトル緑が回転後ベクトル 90度回転している =>正しく回転させれている紙を破ることでPCを操作できるアプリ付箋をクリックすると内容が変わる紙を破ったと判断されるとログが追加されるバックエンド Tauri AppleScript フロントエンド HTML/CSS VanillaJS フレームワーク TensorFlow.js 1.TensorFlow.jsで紙を破ったかを判別する. 2.JSからTauriのshellを呼び出す 3.shellでAppleScript(osascript)を実行する 4.osascriptのkeystrokeなどで実行最優秀賞をととれた！ (チーム名かいてくれなかった) オフラインということで、実際にやってうけるようなネタにしたはじめのネタのような動画で惹きつけれた色んな先輩や友達に聞いたことで、簡潔で分かりやすいスライドにできた実際に行ったデモで面白さを伝えれた slackでダウンロードリンクを送ることで発表後に見てもらえたチーム名やお揃いのネタTシャツで覚えてもらいやすかった最後に"あるがとうございました"と言わなく、締めが微妙だったネタバレを防ぐためとは言え、メンターを頼らなさすぎた計画的に進めすぎて当日にやることがなかった宿を取らなかったこと

2023年6月19日

梶研 [端末座標を世界座標に]

3年セミナー：??% []端末座標系を世界座標系に [x]データをとる [x]重力に対する各軸の傾きを出す [x]2次元ベクトルを回転させる []3次元ベクトルを回転させる []技育キャンプハッカソン [x]テーマ決め [x]開発練習 [x]7/9キックオフ []7/16発表未定 1.各軸の加速度データから3次元ベクトルにする 2.回転行列を掛けて回転させる 3.3次元ベクトルから各軸の加速度にする pixel5(android) phyphox 加速度センサー角速度センサー 1.z軸正が上(約4秒) 2.y軸正が上(約4秒) 3.x軸正が上(約4秒) 移動平均フィルター(前後40サンプル)をかけている移動平均フィルター(前後40サンプル)をかけている移動平均フィルターをかけたものを積分したもの python gravity=math.sqrt(x2+y2+z2) tilt_angle_x=math.degrees(math.acos(x/gravity)) tilt_angle_y=math.degrees(math.acos(y/gravity)) tilt_angle_z=math.degrees(math.acos(z/gravity)) 回転行列外積の性質を利用クォータニオン回転行列はベクトルに対し始点を基準に回転させる =>始点は端末の中心とし、端末座標系を回転させれば世界座標系になるのでは (いきなり3次元は無理があった) θrad回転する場合 $$ Vec^{prime}= begin{bmatrix} costheta&sintheta sintheta&costheta end{bmatrix} begin{bmatrix} x y end{bmatrix} $$ 回転行列R python cos=np.cos(θ) sin=np.sin(θ) R=np.array( [[cos,sin],[sin,cos]] ) 元のベクトル python vec=[2,0] 回転後のベクトル python vec_dash=np.dot(R,vec) 青を120deg回転させた θrad回転する場合 $$ Vec_x^{prime}= begin{bmatrix} 1&0&0 0&costheta&sintheta 0&sintheta&costheta end{bmatrix} begin{bmatrix} x y z end{bmatrix} $$ $$ Vec_y^{prime}= begin{bmatrix} costheta&0&sintheta 0&1&0 sintheta&0&costheta end{bmatrix} begin{bmatrix} x y z end{bmatrix} $$ $$ Vec_z^{prime}= begin{bmatrix} costheta&sintheta&0 sintheta&costheta&0 0&0&1 end{bmatrix} begin{bmatrix} x y z end{bmatrix} $$ 名刺作った!!

2023年6月13日

梶研 [エレベーターと歩きを判別する(続き)]

3年セミナー：??% [x]エレベーターと歩きを判別する [x]データをとる [x]歩いているかを判別する [x]上り下りしているかを判別する [x]エレベーターと歩きを判別する [x]正解データと比較 [x]追加でデータとる []技育キャンプハッカソン [x]テーマ決め [x]開発練習 []7/9キックオフ []7/16本番未定 1秒ごとに区切り,回帰直線を求める. 参考傾きの絶対値が0.012以上の場合は上り下りしているとみなす(青色) 0.012未満の場合は止まっているとみなす(黄色) 移動平均フィルターではなくメディアンフィルターを使用した. 実際とのズレが縮まった灰元データ青移動平均フィルター(前後120サンプル) 黒メディアンフィルター(前後120+1サンプル) 青歩いている上り下りしている黄止まっている赤階段青エレベーター黄歩行緑待機気圧と正解データを見比べると,エレベータを降りた後も上り下りしている判定になっている =>傾いているから,プログラムではなくデータが悪い(?) =>エレベータを降りた時など,一度止まるとよい青歩いている上り下りしている黄止まっている赤階段青エレベーター黄歩行緑待機青歩いている上り下りしている黄止まっている赤階段青エレベーター黄歩行緑待機青歩いている上り下りしている黄止まっている赤階段青エレベーター黄歩行緑待機会員なれんかった...

2023年6月7日

梶研 [エレベーターと歩きを判別する]

3年セミナー：??% []エレベーターと歩きを判別する [x]データをとる [x]歩いているかを判別する [x]上り下りしているかを判別する [x]エレベーターと歩きを判別する [x]正解データと比較 []改善 []技育キャンプハッカソン []7/9キックオフ []7/16本番 1号館5階7階腰にポーチをつける Pixel5(Android) Pyphox 気圧センサー加速度センサー角速度センサー重力加速度を除いている >df["x"]=df["x"]df["x"].mean() >df["y"]=df["y"]df["y"].mean() >df["z"]=df["z"]df["z"].mean() 1秒ごとに区切り、それぞれの分散を計算する分散が0.1以上の場合は歩いているとみなす(青色) 0.1未満の場合は止まっているとみなす(黄色) 青元のデータ黒移動平均フィルター(前後20サンプル) 1秒ごとに区切り、現在と1秒前の平均の差を計算する差が0.015以上の場合は上り下りしているとみなす(青色) 0.015未満の場合は止まっているとみなす(黄色) それぞれの色分けしたグラフより、気圧が変化している&動いている =>(赤)階段気圧が変化している&動いない =>(黄)エレベーター気圧が変化してない&動いている =>(青)徒歩気圧が変化してない&動いてない =>(緑)停止 >赤階段を上る >黄平地を歩く >青エレベーターで移動 >緑待機できていそうに見えるが正解が分からない =>正解データを動画で残す >赤階段を上る >青平地を歩く >黄エレベーターで移動 >緑待機 >赤歩いている >青止まっている >赤上り下りしている >黄上り下りしていない動いているかは大体できているが、上り下りしているかは微妙 Tauriめちゃいい

2023年5月30日

梶研 [エレベーターと歩きの判別]

3年セミナー：??% [x]速度を変えてUnityでアニメーション [x]データをとる [x]アニメーションをつける [x]エレベーターと歩きを判別する [x]データをとる [x]グラフ化 [x]フーリエ変換 []判別する 6月17日技育キャンプハッカソン (実際の4倍速になっている) 速度差を再現したけど分からづらかった 1号館5階7階腰にポーチをつける Pixel5(Android) Pyphox 気圧センサー加速度センサー角速度センサー 56階歩く(1段ずつ) 67階走る(2段ずつ) 速度に応じて歩幅も変わっている =>加速度を元に歩幅を計算する >step=0.1norm0.5 いい感じ進行方向を計算から求める c# UnityEngine.Vector3current=positions[currentIndex];//現在の座標 UnityEngine.Vector3next=positions[currentIndex+1];//次の座標 UnityEngine.Vector3vector=nextcurrent; //進行方向 floatangleY=MathF.Atan2(vector.x,vector.z)180/Mathf.PI; (移動ツールの矢印を表示している) いずれオブジェクト自体を変形させて進行方向をわかりやすくしたい 1号館5階7階腰にポーチをつける Pixel5(Android) Pyphox 気圧センサー (加速度センサー) (角速度センサー) 前後40サンプル(0.1s)で移動平均フィルターをかけたフーリエ変換する >異なる波数の波がどれくらい含んでいるかがわかる =>徒歩の場合は歩きの振動の周波数が現れる? 0Hzで盛り上がっているが他はほぼ0 原因フーリエ変換のやり方の問題 =>間違ってはなさそうデータの問題 =>別のデータで試してみる (ハッカソンに向けて) =>プログラムは合ってた 0Hzが大きすぎて相対的に小さくなっている? 範囲0~800000=>0~10 (気圧グラフを平滑化>フーリエ変換>拡大) 前後40サンプル(0.1s)で移動平均フィルターをかけた特徴的だが、データが1つずつでは確定できない =>より多くのデータで比較する Hugoのテンプレートを作った紙でスライドを操作したい紙を破る音、くしゃくしゃにする音などでプレゼンのスライドを操作したい Tauri Rust/JavaScript React.js JavaScript HTML/CSS 周波数から紙かどうか取れないか =>(僕らには)厳しいモデルの作成はを使う紙を破くと1.00に近づく

2023年5月23日

梶研 [三次元の歩行軌跡]

3年セミナー：??% [x]Unityでアニメーション []直角,並行から歩行軌跡を綺麗にファイル名とクラス名を一致させなければならない (2時間無駄にした...) >this.transform.position=newVector3(x,y,z); 単純な移動はこれだけ使用したデータはのもの cs voidStart(){ ... while(!reader.EndOfStream){ string[]line=reader.ReadLine().Split(','); floatx=float.Parse(line[1]); floaty=float.Parse(line[2]); floatz=float.Parse(line[3]); positions.Add(newVector3(x,z,y)); } ... } voidUpdate(){ //アニメーションを実行する timer+=Time.deltaTime4; if(timer>=1f){ Debug.Log(timer); currentIndex++; if(currentIndex>=positions.Count)currentIndex=0; transform.position=positions[currentIndex]; timer=0; } } GIFアニメみたい =>動作をなめらかにした１歩進むごとの時間間隔が一定となっている =>測定時に合わせたい実際の4倍速にしてある次に移るまでの間隔を前の位置からの時間差に変更 cs voidStart(){ ... while(!reader.EndOfStream){ string[]line=reader.ReadLine().Split(','); floatx=float.Parse(line[1]); floaty=float.Parse(line[2]); floatz=float.Parse(line[3]); +positions.Add(newVector3(x,z,y)); +times.Add(float.Parse(line[0])); } ... } voidUpdate(){ //アニメーションを実行する timer+=Time.deltaTime4; +floatdiff_time; +if(currentIndex==0)diff_time=0; +elsediff_time=times[currentIndex]times[currentIndex1]; +if(timer>=diff_time){ currentIndex++; if(currentIndex>=positions.Count)currentIndex=0; transform.position=positions[currentIndex]; timer=0; } } 自分で実装するのは大変だからアセットDG.Tweeningを使用した cs +usingDG.Tweening; voidUpdate(){ //アニメーションを実行する timer+=Time.deltaTime4; floatdiff_time; if(currentIndex==0)diff_time=0; elsediff_time=times[currentIndex]times[currentIndex1]; if(timer>=diff_time){ currentIndex++; if(currentIndex>=positions.Count)currentIndex=0; transform.position=positions[currentIndex]; +this.transform.DOMove(positions[currentIndex],diff_time); timer=0; } } 速度差がわかりづらい =>速さを変えたデータでもやるべきだった自分たちで技術力を上げていきたい! css楽しい

2023年5月16日

梶研 [3次元歩行軌跡]

3年セミナー：??% [x]3次元の歩行軌跡 [x]計測 [x]二次元グラフ化 [x]三次元グラフ化(Python) [x]三次元グラフ化(Unity) 6月技育CAMPハッカソンに参加する 4号館別館の1階(階段前)から3階(トイレ前)へ Xperia(Android) Phyphox 加速度センサー角速度センサー気圧センサー角度は角速度を積分して求めた前後40サンプルの移動平均フィルターをかけてある加速度センサー±0.1s(400Hz) 角速度センサー±0.1s(400Hz) 気圧センサー±2.0s(20Hz) 高さ10.5m/s^2以上間隔0.3s以上(120サンプル) 1hPa下がると10m上があるとして計算階段を登っている様子はわかるが、上下にぶれている =>もっと平滑化すべき? 前後160サンプルで平滑化ぽくなったが、やりすぎた移動平均フィルター以外が必要? Pythonで座標をcsvに書き出して、c 少数16桁ある場合はSystem.Globalization.NumberStyles.Floatが必要となる c# x=float.Parse(line[0],System.Globalization.NumberStyles.Float); 動かせるようになった 3次元での誤差も出したいオンラインが良かったけど締め切ってた... =>福岡行こう!! (初心者歓迎されてなくね...)

2023年5月9日

梶研 [二乗平均誤差を出す]

3年セミナー：??% []二乗平均誤差(RMSE)を出す [x]計測 [x]グラフ化 [x]二乗平均誤差を出す []誤差を減らす未定ハッカソンに参加したい 5歩+90度左+8歩(大きく)+(3歩) 歩幅に合わせて合わせて目印をつけ、歩く単位はcm 1歩を赤丸でプロット角速度を積分して角度を出した高さ11m/s^2以上間隔0.3s以上(30サンプル) 顕著度(?)の閾値3.5以上 >signal.find_peaks(df_acc['low_norm'],height=11,distance=30,prominence=3.5) 90度左向いたはずが明らかに無い (先週の記録は約1.75rad) 角速度は先週の約10倍角度を0.1してみるぽくなったが、なぜ0.1する必要があるかは分からない =>反対にいくつ掛ければ90度になるかを考えてみるぐねぐねしてるけど理想はこんな感じ 0.26って何者... >1/0.26=3.84 3.14? =>弧度法と度数法の云々かと思ったけど違った積分&値が大きくなる=>サンプリング周波数? 計測時間13.312s サンプル数5445 >13.312/5445=0.002444811754 0.260.01に似ている... >5445/13.312=409.02944711538 サンプリング周波数約400Hz =>iPhoneの100Hzのまま計算していただいたい理想のグラフになった大きくずれているがひとまず置いておく各点同士の差の合計を点の数で割る >√((x1x2)^2+(y1y2)^2)/n (TeX書けるようになりたいな...) RMSE1.8939717262144389 =>平均で約1.89mの誤差大きすぎる加速度(ノルム)をx軸,実際の歩幅をy軸として散布図に描画全然きれいにならない(理想は一直線) =>あらかじめ付けた印に合わせて歩幅を変えたから? ひとまず無理やり一次関数にする >step=0.1norm0.5 この式を使って軌跡を描くまだ大きくずれている RMSE0.997 まだ大きくずれている軌跡はぽいが、歩幅が明らかにおかしい RMSE0.788 >step=0.269norm0.3.043 それでも0.788は大きすぎる... =>データの取り方の問題? 今回印を付ける→印に合わせて歩く変更普通に歩く→動画から歩幅を割り出すシス研にてピザとかホットケーキとかたませんとか食べたりetc. 4月から飛ばしすぎた... GCFでLINEBOT作ってあそんだ

2023年5月2日

梶研 [歩行軌跡の可視化]

3年セミナー：??% [x]歩行軌跡の可視化 [x]データを取得する [x]加速度,角速度をグラフ化 [x]歩行軌跡を表示する [x]加速度の大きさに合わせて歩幅を変えてみる未定ハッカソンに参加したい( iPhone12 phyphox 前回使用したphyphoxは2つ以上のデータの取得ができなさそうだった (やり方あった) charGPTに聞きながら作った結局使わなかった腰にポーチを付けてスマホを入れた画面(z軸)を正面に、ジャイロのx軸左回りを正 10歩+左90度+5歩 Python3.10.10 pandas matplotlib numpy signal itertools 1歩を赤丸でプロット角速度を積分して角度を出した高さ11m/s^2以上間隔0.3s以上(30サンプル) 0歩の時点を(0,0)とする 1歩70cmとする 1歩進んだ時の角度(α)を出す α度の方向に70cm進んだ位置にプロット形は想定通りだが、傾いているのが気になる →1歩踏み出した時点では腰が斜めになるから? 5歩(歩く)+5歩(早歩き)+6歩(小走り) 10m/s^260cm 25m/s^2100cm とし、一次関数として計算 >step=norm0.027+0.33 分かりづらい... >0.648 >0.658 >0.683 >0.689 >0.709 >0.707 >0.774 >0.882 >0.875 >0.906 >0.736 >0.904 >0.929 >0.983 >0.925 >0.991 >0.816 変化はしている (少数第4位以下切り捨て) 5歩軽く+7歩大きく大袈裟にしてみた。 >step=norm0.032+0.3 なんかすごいフェスに行くことになった

2023年4月25日

梶研 [センシングはじめました]

3年セミナー：??% [x]Androidアプリ開発お試し [x]AndroidStdioの設定 [x]加速度センサーを見るアプリをつくる [x]csv出力&PCに移す加速度から距離を出してみる [x]加速度センサーの値を取る(直線運動) [x]Pythonでグラフ化する [x]加速度グラフを距離グラフ歩数推定 [x]加速度センサーの値を取る(歩行) [x]グラフ化&フィルターをかける []歩数を取得する未定(歩行軌跡の可視化をしてみたい) バージョンに合わせたコードに修正 TextViewを行ごとに分割したスマホをx軸正の方向に30cm動かした環境端末 iPhone12 使用アプリ phyphox バージョン 3.10.10 使用ライブラリ pandas matplotlib numpy 加速度[m/s^2]を微分※すると速度[m/s]になる速度[m/s]を微分※すると距離[m]になる ※間違い速度,距離グラフの形がおかしい →微分と積分を逆に認識していた (気付くのに3時間掛かった...) 形はそれっぽくなった値が明らかに大きすぎる →サンプリング周波数を考慮していなかった面積分は1本1本の面積を足していくもの面積ではなく長さ(図で言う縦)を足していた →全ての値にx0.01(100Hz)するまっすぐ5歩 (スマホのz軸正が上向き、y軸正が左向きになるように腰の位置で手に持つ) >(N0+N1+N2+N3+N4)/5 (N0が現在の値) サンプリング周波数100Hzなので、5つの平均ではあまり意味がない? >(N0+N1+N2+...+N9)/10 だいぶ滑らかになったが、1歩に対し頂点が複数ある >(N0+N1+N2+...+N19)/20 1歩に対し1頂点になった。 (平滑化フィルターだけでいいのだろうか) 過去との平均の為、波が大きく後ろにずれた。より良いやり方があるらしい → >rolling_mean=data.rolling(window=10).mean() >normそのままのデータ >自作関数さっきまでのやり方 >pandas.rolling()良さそうなやり方 pandas.rolling()を上手く使ったほうが良い赤丸が6つ →6歩? 正しくは5歩 5歩ののちに立ち止まる時の足を揃える動作も含まれてしまったデータを取り直すなし

2023年4月18日

1 2