G-sensor的抖动问题

G-sensor运动检测实战:从原理到源码解析 本文深入解析了G-sensor(重力传感器)的工作原理与运动检测算法,并通过实战源码示例,详细展示了如何从初始化、数据读取到实现晃动检测与姿态识别的完整开发流程。文章结合具体代码,探讨了轮询与中断两种数据获取方式的优劣,并提供了低功耗优化与常见问题排查的实用技巧,帮助开发者快速掌握G-sensor在智能设备中的应用开发。 阅读详情
20130108
G-sensor的抖动问题:
现象:当手机在桌面静止的时候,测试应用显示z轴报点为10左右,但会频繁出现-10。x和y轴也有这个现象。用测试应用绘制曲线图发现数据完全不平滑,高概率出现跳跃,跳跃到负方向!
调查描述:
1.硬件采样和报点数据确认正确!说明硬件和驱动没有问题。
2.检查event事件,getevent发现,虽然硬件报点每次都有xyz没有缺失,但是getevent的数据有消失一个点的现象。怀疑是这个引起的。便在驱动中注释掉xy的report动作,只report Z 的值,然后直接sync。问题依旧!
再试试,在common/libs/libsensors_xxxx/Acc_Lis3dh.cpp中修改event read的代码,因为怀疑是不是当get的数据缺失一个的时候,相关代码会自动填充一个随机值导致问题。那么我就将每次读到的数据临时保存下来,只有读到一个新的值后才会用新值取代旧值。每次读到sync的时候才一次性把三个值全部写入mPendingEvent.acceleration.*  这样便能保证其他位置不会乱写这个值!
但是测试结果依然失败!情况依旧!

int AccSensor::readEvents(sensors_event_t * data, int count)
{
if (count < 1)
return -EINVAL;


if (mHasPendingEvent) {
mHasPendingEvent = false;
mPendingEvent.timestamp = getTimestamp();
*data = mPendingEvent;
return mEnabled ? 1 : 0;
}


ssize_t n = mInputReader.fill(data_fd);
if (n < 0)
return n;


int numEventReceived = 0;
input_event const *event;


while (count && mInputReader.readEvent(&event)) {
int type = event->type;
if (type == EV_ABS) {
float value = event->value;
if (event->code == EVENT_TYPE_ACCEL_X) {
mPendingEvent.acceleration.x = ACC_UNIT_CONVERSION(value);
} else if (event->code == EVENT_TYPE_ACCEL_Y) {
mPendingEvent.acceleration.y = ACC_UNIT_CONVERSION(value);
} else if (event->code == EVENT_TYPE_ACCEL_Z) {
mPendingEvent.acceleration.z = ACC_UNIT_CONVERSION(value);
}
} else if (type == EV_SYN) {
mPendingEvent.timestamp = timevalToNano(event->time);
if (mEnabled) {
//mSensorCoordinate.coordinate_data_convert(
// mPendingEvent.acceleration.v, INSTALL_DIR);
*data++ = mPendingEvent;
count--;
numEventReceived++;
}
} else {
LOGE("AccSensor: unknown event (type=%d, code=%d)",
     type, event->code);
}
mInputReader.next();
}


return numEventReceived;
}


因为2.3.5中用同样的硬件,没有任何问题,现在只能采用比较代码的办法了!!!
比较路径:
/home/yasin/mywork/xxxxroid235/3rdparty/app/app6820/special/android/hardware/xxxx/libsensors/Lis3dhSensor.cpp
&
/home/yasin/mywork/xxxxroid403code/device/xxxx/common/libs/libsensors_xxxx/Acc_Lis3dh.cpp
发现异常!
2.3.5的代码中是没有
mSensorCoordinate.coordinate_data_convert(mPendingEvent.acceleration.v,INSTALL_DIR);
这个东西的。这就是用来对sensor的贴片进行算法转换的。因为我们不能要求硬件总是把芯片贴成Z轴朝天的样子把。这就是个转换方向的。但是,转换有这么复杂吗????竟然写了这么多??而且还写错了!因为我把这个注释掉,数据就正常了!只是方向错误而已,这个很好解决!
其实换方向本身是没有错误的。但是换方向的代码总是假设每次换方向之前,这个三个值,xyz都是新的。但问题是event事件会有漏掉的情况,如果漏掉了,那么被漏掉的那个轴的值就是随机的。这就出了问题。解决的办法就是每次都把值记录下来,假如这次漏了X,那么就用上次X的值去代替!
代码如下:
yasin@ubuntu:~/mywork/xxxxroid403code/device/xxxx/common/libs/libsensors_xxxx$ git diff
diff --git a/common/libs/libsensors_xxxx/Acc_Lis3dh.cpp b/common/libs/libsensors_xxxx/Acc_Lis3dh.cpp
index 79d625c..34509a6 100644
--- a/common/libs/libsensors_xxxx/Acc_Lis3dh.cpp
+++ b/common/libs/libsensors_xxxx/Acc_Lis3dh.cpp
@@ -188,21 +188,30 @@ int AccSensor::readEvents(sensors_event_t * data, int count)
 
        int numEventReceived = 0;
        input_event const *event;
+       static float temp_x;
+       static float temp_y;
+       static float temp_z;
 
        while (count && mInputReader.readEvent(&event)) {
                int type = event->type;
                if (type == EV_ABS) {
                        float value = event->value;
                        if (event->code == EVENT_TYPE_ACCEL_X) {
-                               mPendingEvent.acceleration.x = ACC_UNIT_CONVERSION(value);
+                               //mPendingEvent.acceleration.x = ACC_UNIT_CONVERSION(value);
+                               temp_x = ACC_UNIT_CONVERSION(value);
                        } else if (event->code == EVENT_TYPE_ACCEL_Y) {
-                               mPendingEvent.acceleration.y = ACC_UNIT_CONVERSION(value);
+                               //mPendingEvent.acceleration.y = ACC_UNIT_CONVERSION(value);
+                               temp_y = ACC_UNIT_CONVERSION(value);
                        } else if (event->code == EVENT_TYPE_ACCEL_Z) {
-                               mPendingEvent.acceleration.z = ACC_UNIT_CONVERSION(value);
+                               //mPendingEvent.acceleration.z = ACC_UNIT_CONVERSION(value);
+                               temp_z = ACC_UNIT_CONVERSION(value);
                        }
                } else if (type == EV_SYN) {
                        mPendingEvent.timestamp = timevalToNano(event->time);
                        if (mEnabled) {
+                               mPendingEvent.acceleration.x = temp_x;
+                               mPendingEvent.acceleration.y = temp_y;
+                               mPendingEvent.acceleration.z = temp_z;
                                mSensorCoordinate.coordinate_data_convert(
                                                mPendingEvent.acceleration.v, INSTALL_DIR);
                                *data++ = mPendingEvent;
yasin@ubuntu:~/mywork/xxxxroid403code/device/xxxx/common/libs/libsensors_xxxx$ 
yasin@ubuntu:~/mywork/xxxxroid403code/device/xxxx/common/libs/libsensors_xxxx$ 
yasin@ubuntu:~/mywork/xxxxroid403code/device/xxxx/common/libs/libsensors_xxxx$ 
yasin@ubuntu:~/mywork/xxxxroid403code/device/xxxx/common/libs/libsensors_xxxx$ 
yasin@ubuntu:~/mywork/xxxxroid403code/device/xxxx/common/libs/libsensors_xxxx$ 




但是为什么event系统会漏掉一些东西,我还没找到原因













高通sensor core培训笔记 1、目前采用了sensor core的芯片有 8960, 8064, 8974, 8x26, 8x62, 8084等,比较早的core采用的是ARM7, 后来的采用的是QDSP; 2、目前支持的sensor类型就只有 G-sensor, M-sensor,Gyro,接近和光感,将来会加入指纹,IR,化学传感器等; 3、有了sensor core,对于将来的系统,比如android5.0, 就不 阅读详情

相关推荐

基于G-Sensor的急转弯检测:从硬件选型到算法优化的嵌入式实践

加速度传感器(G-Sensor)作为测量物体运动状态的核心器件,其原理是通过感知惯性力来输出三轴加速度数据。在工程实践中,G-Sensor采集的原始信号需经过滤波、坐标变换等预处理,才能用于精准的行为识别。这一技术价值在于将物理信号转化为可计算的特征,为实时系统提供决策依据。其典型应用场景包括驾驶行为分析、姿态感知和物联网终端的数据采集。本文聚焦于急转弯检测这一具体场景,深入探讨了如何利用G-Sensor的横向加速度数据,结合低通滤波和状态机算法,构建鲁棒的识别系统,并分享了在硬件电路设计和抗干扰策略上的实

weixin_32447969的博客 343

gsensor即时数据的apk && 用gsensor来判断手机的静和动 && 手机摇一摇 &&气压计的测试应用

即时显示gsensor的数据,可以在调试重力感应器驱动和测试手机性能时起到很好的作用。类似的,SensorEventListener还可以用在其他感应器的场合,比如光感应、地磁感应。这里用两种方式来完成读取并显示gsensor数据的功能,一种是activity和SensorEventListener监听分离,在不同类中完成;另一种是在同一个activity中完成。 (1)activity和Sen

zhandoushi的专栏 1万+

L298N驱动+51单片机小车:3种常见循迹抖动问题分析与PWM调速优化

本文深入分析了L298N驱动与51单片机小车在循迹过程中常见的3种抖动问题,包括S形摆动、过冲冲出赛道和T型路口误判,并提供了PWM调速优化方案。通过引入PWM渐变算法、动态制动和传感器去抖算法,显著提升了智能送药小车的稳定性和循迹精度,适用于电赛和课设项目。

weixin_30892763的博客 362

android架构和原理分析(G-sensor即Gravity-sensor--重力传感器)

http://www.360doc.com/content/13/0503/00/9171956_282564746.shtml android架构和原理分析(G-sensor即Gravity-sensor--重力传感器) 1.系统架构 (Architecture) 1.1 Android体系架构图          

lxl584685501的专栏 2600

IPC sensor条纹问题终极排查指南:从示波器测量到layout优化

本文系统性地探讨了IPC sensor条纹问题的排查与解决方法。文章从条纹噪声的现象分类与根源分析入手,详细介绍了从基础电源测量、电容调试到噪声耦合路径分析的完整排查流程,并重点阐述了通过PCB layout优化(如物理隔离、星型接地、避免平行走线)来根治问题的设计原则。通过实战案例,揭示了PFM模式电源噪声与糟糕布局耦合是导致条纹问题的常见根本原因,为硬件工程师提供了从现象到本质的终极解决指南。

weixin_29159995的博客 86

双Sensor智能相机:从架构选型到量产落地的工程实战指南

在机器视觉工程中,单颗传感器的物理极限常常成为算法性能的天花板:可见光波段之外的光谱信息无法获取,动态范围在剧烈光照下捉襟见肘,单一视场也难以兼顾全局与细节。双Sensor方案通过两颗物理特性互补的传感器协同工作,分别采集可见光与近红外、广角与长焦或不同视角的图像,再经像素级融合与联合标定,补全单颗传感器缺失的信息维度。这种架构在农产品分选、工业质检、安防监控等场景中展现出显著优势,能同时识别表面缺陷与内部特征,兼顾全景感知与细节捕捉。不过,从双Sensor硬件同步、几何与波段标定,到嵌入式端融合推理与OE

weixin_34343000的博客 550

android震动测试,Android:抖动检测器太敏感了

我试图发现一个震动 – 我正在使用以下代码,它的工作非常好,但在某些设备(例如Galaxy Note 2)中,它会检测到抖动太快(在某些情况下 – 当我只是握住手机)main.java:ShakeListener mShaker = new ShakeListener(this);mShaker.setOnShakeListener(new ShakeListener.OnShakeListene...

weixin_27758233的博客 1033

海思Hi3519AV100平台ISP调试笔记:从Sensor对接到镜头标定的完整避坑指南

本文详细解析了海思Hi3519AV100平台ISP调试全流程,从Sensor对接到镜头标定的关键技术要点。以IMX290 Sensor为例,结合海思PQTools工具,深入探讨了黑电平标定、Shading校正、色彩优化等核心环节的实战技巧和避坑策略,助力开发者提升安防监控和工业视觉领域的图像质量。

weixin_30787531的博客 392

Gsensor左右摇晃方向判断,与敏感度

1.当摇晃手机时重力传感器的三轴(x,y,z)所搜集到的数据是高速变化的 2.当:从onSensorChanged()方法传入的参数中可以获取传感器时刻采集到的三轴值 3.加速度传感器又叫G-sensor,返回x、y、z三轴的加速度数值。 该数值包含地心引力的影响,单位是m/s^2。 将手机平放在桌面上,x轴默认为0,y轴默认0,z轴默认9.81。 将手机朝下放在桌面上,z轴为-9.81

u010949962的专栏 9772

面试官最爱问的Camera问题,从OTP到HAL3,我整理了12个真实案例和避坑指南

本文深度解析Android Camera开发中的12个高频面试问题,从OTP校准原理到HAL3兼容性问题,提供真实案例和避坑指南。涵盖Camera数据流、多平台差异、Sensor兼容性设计等核心内容,帮助开发者提升面试表现和实战能力。

weixin_30443747的博客 420

057、AWB 色温估算:从 Sensor 统计信息到 Planckian 轨迹的落点判断

本文探讨了AWB(自动白平衡)色温估算中的关键问题——从Sensor统计信息到Planckian轨迹的落点判断。作者通过实际案例指出,即使色温差仅100K,错误的落点判断仍会导致明显偏色。文章分析了Sensor统计信息的本质,强调必须进行灰卡标定和归一化处理。在Planckian轨迹应用中,揭示了工程实践中常见的三大陷阱:统计噪声、多光源干扰和Sensor非线性响应,并提供了优化建议和伪代码示例。最后给出四条实用建议:重视标定、动态调整容忍带、保留调试接口、不过度依赖Planckian轨迹。作者强调,AWB

sundong_81的博客 30

G-sensor工作原理

以下来源于简书 作者:WilliamChou 链接:https://www.jianshu.com/p/d471958189a0 一、G-sensor概述 什么是MEMS MEME(Micro-Electro-Mechanical System),微型电子机械系统,也叫微机电系统,是指可批量制作的,将微型机构、微型传感器、微型执行器以及信号处理和控制电路、直至接口、通信和电源等于一体的微型...

zhoumin090508的专栏 1万+

Android实现指南针

使用开发工具:Android Studio,这个代码实现指南针,功能比较简单,需要的可以在上面继续添加。

G-sensorDA380.pdf资源介绍:提供G-sensor DA380详细信息,助您深入了解与应用

G-sensorDA380.pdf资源介绍:提供G-sensor DA380详细信息,助您深入了解与应用 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在当今技术迅速发展的时代,传感器技术已成为各类智能设备不可或缺的组成部分。G-sensor DA380.pdf资源为此而生,它是一个详尽的资料库,包含关于G-sensor DA380的全面信息。无论是开发者、工程师还是...

gitblog_06761的博客 896

【实战指南】OpenClaw Telegram 群聊不响应完整解决方案:从获取群 ID 到关闭隐私模式全流程

将整个从“获取群组 ID → 配置 OpenClaw Telegram 通道 → 关闭隐私模式 → 测试”的全流程都整合进去。

hampeter的博客 3499

Pytorch学习笔记(III)——提取特征

目录一、引言二、具体步骤1、参数模型2、网络结构3、参数载入4、特征提取器5、读取图片三、完整代码 一、引言   深度学习在许多任务中主要充当着特征学习的作用,而学习完的特征才是后续应用的一个关键。本文将主要介绍,如何提取任意目标层的特征图。   本文以输入数据为图片为例。 二、具体步骤 1、参数模型 博主使用了ResNet50训练了一个人脸识别的网络   训练完成的深度学习模型,我们会保存一...

lockonlxf的博客 2645

G-Sensor搞定GNSS静态稳定性与低功耗能效双提升

单一依赖GNSS的定位系统在静止场景下易出现定位抖动与能源浪费。引入G-Sensor作为运动状态判别引擎,可实现对设备静止状态的高灵敏度检测,进而驱动GNSS模块进入低功耗待机模式,既消除无效定位更新带来的漂移,又显著延长设备续航时间,为智能终端提供更可靠的定位基础。

LuatOS的博客 427

Monocle2在R 4.3环境下的终极避坑指南:从安装到可视化全流程解析

本文提供了在R 4.3环境下安装和运行Monocle2的完整解决方案,重点解决了依赖包兼容性、源码修改及BEAM分析报错等关键问题。文章详细解析了从环境准备、依赖包处理、源码安装验证到从Seurat对象转换、拟时轨迹构建、高级可视化及性能优化的全流程,旨在帮助用户顺利完成单细胞拟时分析。

weixin_29206669的博客 1359

视程空间Holoscan Sensor Bridge:以超低延迟边缘AI,解锁实时感知新范式

随着AI大模型、具身智能、实时感知技术的快速发展,边缘AI对数据传输的实时性要求将越来越高。视程空间Holoscan Sensor Bridge系列的推出,不仅解决了当前场景的延迟痛点,更为未来技术落地奠定了基础。未来,视程空间将持续迭代产品,进一步降低传输延迟,拓展兼容更多传感器类型与AI平台,同时推出更轻量化、集成化的方案,适配穿戴式设备、微型机器人等新兴场景。

2509_93481914的博客 704

Uni-App推送踩坑实录:从云函数URL化到后台推送失效,我都经历了什么

本文详细记录了Uni-App开发者在接入uni-push 2.0时遇到的推送失效问题,从云函数URL化到后台推送失效的完整排查过程。通过系统化分析和与官方沟通,最终找到解决方案,并分享了预防措施与最佳实践,帮助开发者避免类似问题。

weixin_42552716的博客 487

EndNote全文检索实战:如何快速配置学校图书馆资源并精准查找文献

本文详细介绍了EndNote全文检索功能的实战配置方法,核心在于通过正确设置OpenURL链接解析器,无缝对接学校图书馆资源,实现一键精准获取文献全文。文章提供了从理解机制、四步配置法到进阶技巧的完整指南,帮助科研人员高效管理海量PDF,构建个人知识体系,大幅提升文献调研与写作效率。

weixin_29228781的博客 281

ROS中sensor_msgs::Imu消息详解:从数据解析到多传感器融合实践

在机器人感知与状态估计领域,惯性测量单元(IMU)作为核心传感器,提供了机器人的角速度和线加速度信息。其工作原理基于微机电系统(MEMS)陀螺仪和加速度计,通过测量科氏力和惯性力来感知运动。IMU的技术价值在于为机器人提供了高频、独立的姿态和运动信息,是弥补视觉、激光等传感器缺陷,实现鲁棒状态估计的关键。在机器人操作系统(ROS)中,sensor_msgs::Imu消息类型标准化了这些数据的传输格式,确保了不同模块间的互操作性。理解其数据结构、坐标系约定和协方差矩阵,是成功进行多传感器融合(如视觉惯性里程计

android_mylove的专栏 417

UE5导入MetaHuman虚拟头像后,连接live link face,面部表情捕捉出错修正

UE5 利用live link face 驱动meta human面部表情捕捉

m0_53122690的博客 6596
上一篇: ltr558 需要先开P sensor后,L sensor才能用的bug
下一篇: g-sensor调试之input子系统的FUZZ 和 FLAT。
YasinLeeX
博客等级 码龄19年 380粉丝 310原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

YasinLeeX

再来一杯西湖龙井。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值