结合惯性测量单元(IMU)与深度学习演算法进行汽车 - 专题周记系统.PDF

1 結合慣性測量單元(IMU)與深度學 習演算法進行汽車姿態預估 (第4次週記) 電子三乙_黃俊穎_D0343302 專題生 電子三乙_黃正毓_D0343613 目前已做進度 2  對第一次測驗時的問題提出解決辦法，並且解決  第二次實測問題  發現有左右切換有些部分雷同  對此專題結論 三、實測上出現幾個問題 3 1. 系統會誤判像是右轉一開始判斷為右切換 2. 系統會讀到過去的資料，因為尚未洗掉 3. 系統只能在左轉的一開始做出判斷後面就無法 2.系統會誤判像是右切換一開始判斷為右轉 4 2.系統會誤判像是右切換一開始判斷為右轉 可能是以下這幾點: a. 資料擷取錯誤 由這兩圖可以發現此兩筆訓練資料前面 都為平整，導致一開始判斷時會出錯， 這也常導致汽車在開直線時被判斷為右 右轉波形圖 轉，因此推論出訓練資料相當嚴重。 結論:訓練資料很重要，解決辦法擷取波 行時前面不可以留太多平整的資料，所 以訓練資料已全部重新擷取，並以獲得 很大的改善。 右切波形圖 2.系統會誤判錯誤_ 尚未經由改善 5 此數據說明著未經改善的擷取資料之訓練結果 Train data window:80*6 (80*6 是指使用501*6的前80*6資料來做訓練) Test accuracy : 0.833 Test loss : 0.38 2.系統會誤判像是右切換一開始判斷為右轉 6 此圖說明著只用501筆的前80筆資料做訓練之意思 2.系統會誤判像是右切換一開始判斷為右轉 7 此數據說明著，經由改善號的數據，能以更少的資料量做出判斷 Train data window:20*6 (20*6 是指使用501*6的前20*6資料來做訓練) Test accuracy : 0.933 Test loss : 0.18 後面會說明著數據最低可以壓到多少並經精準度為多少 2.系統會誤判像是右切換一開始判斷為右轉 8 此圖說明著只用501筆的前20筆資料做訓練之意思 後面會說明著數據最低可以壓到多少並經精準度為多少 3.系統會讀到過去的資料，因為尚未洗掉 9 DATA往左邊一直過去 此問題說明:我數據一直進來，我建立一個80*6的window來掃描並判斷， 每一秒掃描一次，blue框框為第一次掃描，red框框為第二次掃描，而 orange部分將是重複的地方，因此過去的資料可能會導致現在動作的誤判。 3.系統會讀到過去的資料，因為尚未洗掉 10  目前已有想到些解決辦法，但是尚未正式在車上進 行 1. 使掃描的框框越小越好，一樣每一秒掃描一次但是重複 的地方會越少 2. 得探討多久掃描一次為最佳，最有效率 結論: 目前是已經可以小到20*6就可以做出判斷，以目前是 每20*6就判斷一次，意思是20/30sec判斷一次 3.系統會讀到過去的資料，因為尚未洗掉 11  miss IMU data data讀取 預估 data讀取 預估 結論: