Mozgásmodellezés. Lukovszki Csaba. Navigációs és helyalapú szolgáltatások és alkalmazások (VITMMA07)
|
|
- Léna Lukács
- 4 évvel ezelőtt
- Látták:
Átírás
1 TÁVKÖZLÉSI ÉS MÉDIAINFORMATIKAI TANSZÉK () BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM (BME) Mozgásmodellezés Lukovszki Csaba
2 Áttekintés» Probléma felvázolása» Szabadsági fokok» Diszkretizált» Hibát tartalmaz» Késleltetés» Interpoláció» Lineáris» Polinomiális» Spline» Extrapoláció»...» Konstans sebesség» Konstans késleltetés» Inerciális mérésekkel segített» IMU» EKF 2
3 Szabadság fokok» Milyen szolgáltatást szeretnénk megvalósítani» A vizsgált eszköz/személy mozgása» A technológiai lehetőségek» Az egyes helymeghatározási technológiák, módszerek milyen lehetőségeket hordoznak» Rádiós helymeghatározás» 3DoF» Autó a földön» 1DoF» Szabad mozgás kézben» 6DoF» Ember mozgás» 3DoF 3
4 Probléma felvázolása» A feladat» A megfigyelt objektum helyének és helyzetének pontos megállapítása bármikor» A helymeghatározás» Diszkrét időpontokban» Hibát hordoznak» Késleltetve jelennek meg p " = p $%&' t " + ε " helymeghatározás eredménye valós trajektória 4
5 Mozgás becslés» Interpoláció» A minták alapján összefüggő útvonalakat (helyeket és/vagy helyzeteket) keresünk» Lineáris» Polinomiális» Spline» Extrapoláció» Az eddigi minták alapján kitaláljuk milyen a várható hely és/vagy orientáció»...» Konstans sebesség/gyorsulás» Szenzor fúzió» Lehetséges bejárható útvonalak figyelembe vétele» Útvonalra illesztés» Előző helyek figyelembe vétele» A hibák figyelembe vétele szerint lehet» Determinisztikus» Valószínűségi alapú 5
6 Interpoláció» Adott értékpárok» t " p t ", k = [0,1 K]» Keressük a nem meghatározott p(t) hely értékeket tetszőleges t t " időpontokhoz p t <, p(t < ) t p(t) t 9, p(t 9 ) t ;, p(t ; ) t <=9, p(t <=9 ) t :, p(t : ) t 8, p(t 8 ) t 6
7 Lineáris interpoláció» Interpoláció szakaszonként» p t = p 8 t 8 + p >? > t t 8, t 8 t t 9» p t = p 9 t 9 + C D? D =C >? >? D =? > t t 9, t 9 t t :»... Slope, meredekség p t <, p(t < ) t 9, p(t 9 ) t ;, p(t ; ) t <=9, p(t <=9 ) t :, p(t : ) t 8, p(t 8 ) t 7
8 Polinomiális (másodfokú) interpoláció» Interpoláció szakaszonként» Másodfokú közelítés» p t = a 9 t : + b 9 t + c 9, t 8 t t 9»...» p t = a < t : + b < t + c <, t <=9 t t <» Peremfeltételek» a 9 t 8 : + b 9 t 8 + c 9 = p t 8, a 9 t 9 : + b 9 t 9 + c 9 = p t 9» :» a < t <=9 + b < t <=9 + c < = p t <=9, a < t : < + b < t < + c < = p t <» 2K egyenlet à aluldefiniált» Szomszédos minták figyelembe vétele» Folytonosság garantálása 8
9 Spline interpoláció» A szomszédos szakaszok első deriváltjának egyezése garantálja a folytonosságot» 1. szakasz: I I? a 9t : + b 9 t : + c 9 = 2a 9 t + b 9, t 8 t t 9» 2. szakasz: I I? a :t : + b : t : + c : = 2a : t + b :, t 9 t t :» A szakaszhatárokon t = t 9» 2a 9 t 9 + b 9 = 2a : t 9 + b :» 2 a 9 a : t 9 + (b 9 b : ) = 0» További K-1 egyenlet» Pl. az első szakasz lineáris 9
10 Extrapoláció konstans sebesség alapján» A legutóbbi állapot után nyugalomban marad:» Konstans sebesség» Következő állapot: p KL9 = p K + v K Δt K + ε KL9 v KL9 = v K + κ KL9» Állapotvektorral (x K ) felírva p = I Δt p + ε v KL9 0 I v K κ KL9» A sebesség számítása» Egy lépéses: v K = Sp T S? T = p? T =p(? TU> )? T =? TU>» Átlag: v K = 9 K Sp X V YZK=VL9 = 9 K p? X =p(? XU[ ) V YZK=VL9 S? X? X =? XU[ 10
11 Extrapoláció konstans gyorsulás alapján» A legutóbbi állapot után dinamikai állapot állandó:» Konstans gyorsulás» Következő állapot: p KL9 = p K + v K Δt + ε KL9 v KL9 = v K + a K Δt + κ KL9 a KL9 = a K + ξ KL9» Állapotvektorral (x K ) felírva p v a KL9 = I Δt 0 0 I Δt 0 0 I p v a K + ε κ ξ KL9 11
12 SZENZOR FÚZIÓ 12
13 Inerciális Szenzorok» Inerciális szenzorok» Mobil eszközökben széles körben elterjedt (MEMs)» Gyorsulásmérő» Giroszkóp» Mágneses szenzor» Modellezés» A matematikai modellek csak közelítik a valós működést» A pontos modell a működés megértésén alapul 13
14 Inertial Measurement Unit (IMU) Inertial Measurement Unit» Integrált megoldás I»Integrált megoldás (gyorsulás érzékelő, giroszkóp) Gyorsulás érzékelő, giroszkóp Pontos, jól» IPontos, jól modellezhető modellezhető Elterjedt megoldás» IElterjedt megoldás 14
15 Mobil vonatkoztatási rendszerek z y y Kamera frame IMU (Body) frame z y x I x G x Globális (Word) frame z 15
16 Vonatkoztatási rendszerek, jelölések» Pozíció» p ] : pozíció a globális koordináta rendszerben» p^,] : az I koordináta rendszer a globális koordináta rendszerben» Orientáció» q^, R^: az IMU koordináta rendszerében értelmezett orientáció, rotáció» q ]^, R ]^: passzív kvaternió, rotáció az IMU koordináta rendszerből a globális koordináta rendszerbe» Koordináta rendszerek közötti transzformáció» p ] = R ]^p c + p^,] : az IMU koordináta rendszerben értelmezett helyvektor értelmezése a globális térben» Az egyértelmű indexeket elhagyjuk 16
17 A gyorsulásmérő modellezése» A gyorsulásmérő az IMU-hoz rögzített koordináta rendszerben az eszköz aktuális gyorsulását méri 3D-ben (a R 3, g h )» Az eszköz relatív helyváltoztatásának mérésében van szerepe» A mért érték hibákkal terhelt» Zaj (Noise): modellezése fehér zajjal a K, a K ~N(0, σ &T )» Eltolódás (Bias): normális eloszlás szerinti véletlen bolyongás a m, a n ~N(0, σ &o ), ahol a ṁ = a n» Rossz helyzet és skála hiba (Missalignment and scale errors): modellezése átskálázással T &, T & = I + ε». a g,^ = T & R^] a ] g ] + a m,^ + a K,^ 17
18 A giroszkóp modellezése» A giroszkóp aktuális szögsebességet mér (ω R ;, $&I h ) az eszközhöz rendelt saját koordináta rendszerben» Az orientáció meghatározásában van szerepe» A mért érték hibákkal terhelt» Zaj (Noise): modellezése fehér zajjal ω K, ω K ~N(0, σ vt )» Eltolódás (Bias): normális eloszlás szerinti véletlen bolyongás ω m, ω n ~N(0, σ vo ), ahol ω m = ω n» Rossz helyzet és skála hiba (Missalignment and scale errors): modellezése átskálázással T v, T v = I + ε» Gyorsulás érzékenység (g-sensitivity): transzformáció T h, T h = ε». ω g,^ = T v ω^ + T h a^ + ω K,^ + ω m,^ 18
19 Kálmán szűrő (KF) Diszkrét, lineáris modell, normális eloszlás Vezérlés (Control) Aktuális állapottól független u " u "L9 Állapot (State) x " x "L9 x "L: Megfigyelés (Observation) Aktuális állapottól függő z " z "L9 z "L: 19
20 KF, vezérlés» Állapot átmenet x "L9 = A " x " + B " u "=9 + q ", q~n(0, Q " )» Jelölések» Diszkrét idejű állapot átmeneti mátrix: A " = e A(? )S?» Diszkrét idejű vezérlési mátrix: B "» Az x "L9 eloszlásának meghatározása» x " ~N xƒ, P "» p x ", x "L9 közös eloszlás, majd marginalizáció p x ", x "L9» Predikciós lépés: = N( xƒ " A " xƒ " + B " u "=9, x "L9 ~N(A " xƒ " + B " u "=9, A " P " A "ˆ + Q " )» xƒ "L9 A " xƒ " + B " u "=9» P "L9 A " P " A "ˆ + Q " P " P " A?ˆ A " P " A " P " A "ˆ + Q " ) 20
21 KF, megfigyelés» Megfigyelés z " = H " x " + r ", r " ~N(0, R " )» Jelölések» Megfigyelési mátrix: H "» Az x " eloszlásának meghatározása» p x ", z " közös eloszlás, majd feltétel bevezetés» p x ", z " = N( xƒ " H " xƒ ", P " P " H?ˆ H " P " H " P " H "ˆ + R " )» x " ~N(xƒ " + K " z 8 H " xƒ ", P " K " H " P "» K " = P " H "ˆ H " P " H "ˆ + R " =9» Frissítési lépés» xƒ " xƒ " + K (z H xƒ " )» P " P " K " H " P " residual Kalman nyereség 21
22 EKF» Nemlineáris modell, normális eloszlás» Állapotátmenet x "L9 = f x ", u " + q ", q~n(0, Q " )» Megfigyelés z " = h x " + r ", r " ~N(0, R " )» Linearizálás a munkapont körül» A " = x xƒ,u» H " = š x xƒ 22
23 Inerciális mérések integrálása» Vezérlő jelek» IMU mérésekből» Gyorsulásmérő» Giroszkóp» Mintha zajos vezérlés lenne» Mérés» GPS adat» Képi adatfeldolgozás» Távolság alapú helymeghatározás» WiFi lateráció» UWB lateráció 23
24 Belső állapotok (x " )» Azon paraméterek, melyek lehetővé teszik a rendszer pontos állapotának nyomonkövetését» Inerciális mérésekhez tartozó» Kinematika» q " : az eszköz orientációja (kvaternió)» p " : az eszköz becsült helyzete (helyvektor)» v " : az eszköz aktuálisan becsült sebessége» IMU modell» a m : gyorulásmérő nullponti eltolása» ω m : a giroszkóp nullponti eltolása»... Egyéb, a modell szerinti (torzítás, zaj)» Megfigyelésekhez tartozó» Milyen technológiát használunk a megfigyelések során 24
25 Propagáció IMU mérések alapján» A propagálás során a belső állapotok megváltoznak Δt idő alatt» Kinematikai egyenletek» q = 9 : q (ω g ω m )» p = v» v = R ]^ a g a m + g» A nominális állapotok megváltozása» q q q ω g ω m Δt» p p + vδt + 9 : R a g a m + g Δt :» v v + R a g a m + g Δt» a m a m» ω m ω m 25
26 IMU és Kamera» Valós képi elemek nyomonkövetése alapján» A projekció paramétere a kamera» Valós helye és» Helyzete» Megvalósítások» EKF» Az állapotvektor» A nyomon követett jellemző térbeli pontok» MSCKF» Az állapotvektor» A kamera megelőző m darab helye és helyzete 26
Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenMozgó jármű helyzetének és tájolásának meghatározása alacsony árú GNSS és inerciális érzékelők szoros csatolású integrációjával
Mozgó jármű helyzetének és tájolásának meghatározása alacsony árú GNSS és inerciális érzékelők szoros csatolású integrációjával Farkas Márton Rédey István Geodéziai Szeminárium 2019. április 2. Áttekintés
RészletesebbenVizuális helymeghatározás
Vizuális helymeghatározás Relatív helymeghatározás Lukovszki Csaba 1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Távközlési és Médiainformatikai Tanszék 2015 Lukovszki Csaba (BME TMIT) Navigációs
RészletesebbenVTOL UAV. Inerciális mérőrendszer kiválasztása vezetőnélküli repülőeszközök számára. Árvai László, Doktorandusz, ZMNE
Inerciális mérőrendszer kiválasztása vezetőnélküli repülőeszközök számára Árvai László, Doktorandusz, ZMNE Tartalom Fejezet Témakör 1. Vezető nélküli repülőeszközök 2. Inerciális mérőrendszerek feladata
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS Dr. Soumelidis Alexandros 2018.10.04. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mérés-feldolgozás
RészletesebbenDenavit-Hartenberg konvenció alkalmazása térbeli 3DoF nyílt kinematikai láncú hengerkoordinátás és gömbi koordinátás robotra
Budapesti M szaki És Gazdaságtudományi Egyetem Gépészmérnöki Kar M szaki Mechanikai Tanszék Denavit-Hartenberg konvenció alkalmazása térbeli 3DoF nyílt kinematikai láncú hengerkoordinátás és gömbi koordinátás
RészletesebbenSzenzorcsatolt robot: A szenzorcsatolás lépései:
1. Mi a szenzorcsatolt robot, hogyan épül fel? Ismertesse a szenzorcsatolás lépéseit röviden az Egységes szenzorplatform architektúra segítségével. Mikor beszélünk szenzorfúzióról? Milyen módszereket használhatunk?
RészletesebbenSZENZORFÚZIÓS ELJÁRÁSOK KIDOLGOZÁSA AUTONÓM JÁRMŰVEK PÁLYAKÖVETÉSÉRE ÉS IRÁNYÍTÁSÁRA
infokommunikációs technológiák SZENZORFÚZIÓS ELJÁRÁSOK KIDOLGOZÁSA AUTONÓM JÁRMŰVEK PÁLYAKÖVETÉSÉRE ÉS IRÁNYÍTÁSÁRA BEVEZETŐ A KUTATÁS CÉLJA Autonóm járművek és robotok esetén elsődleges feladat a robotok
RészletesebbenBeltéri autonóm négyrotoros helikopter szabályozó rendszerének kifejlesztése és hardware-in-the-loop tesztelése
Beltéri autonóm négyrotoros helikopter szabályozó rendszerének kifejlesztése és hardware-in-the-loop tesztelése Regula Gergely, Lantos Béla BME Villamosmérnöki és Informatikai Kar Irányítástechnika és
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenPONTFELHŐ REGISZTRÁCIÓ
PONTFELHŐ REGISZTRÁCIÓ ITERATIVE CLOSEST POINT Cserteg Tamás, URLGNI, 2018.11.22. TARTALOM Röviden Alakzatrekonstrukció áttekintés ICP algoritmusok Projektfeladat Demó FORRÁSOK Cikkek Efficient Variants
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenQuadkopter szimulációja LabVIEW környezetben Simulation of a Quadcopter with LabVIEW
Quadkopter szimulációja LabVIEW környezetben Simulation of a Quadcopter with LabVIEW T. KISS 1 P. T. SZEMES 2 1University of Debrecen, kiss.tamas93@gmail.com 2University of Debrecen, szemespeter@eng.unideb.hu
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenInfobionika ROBOTIKA. XI. Előadás. Robot manipulátorok III. Differenciális kinematika. Készült a HEFOP P /1.0 projekt keretében
Infobionika ROBOTIKA XI. Előadás Robot manipulátorok III. Differenciális kinematika Készült a HEFOP-3.3.1-P.-2004-06-0018/1.0 projekt keretében Tartalom A forgatási mátrix időbeli deriváltja A geometriai
RészletesebbenAutoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta
Autoregresszív és mozgóátlag folyamatok Géczi-Papp Renáta Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenAutoregresszív és mozgóátlag folyamatok
Géczi-Papp Renáta Autoregresszív és mozgóátlag folyamatok Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenPPP-RTK a hálózati RTK jövője?
1 PPP-RTK a hálózati RTK jövője? Horváth Tamás FÖMI Kozmikus Geodéziai Obszervatórium Penc Rédey Szeminárium, BME, 006. április 6., Budapest Tartalom Emlékeztető Mérés-tér, állapot-tér PPP PPP-RTK Emlékeztető
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenRobotika. Relatív helymeghatározás Odometria
Robotika Relatív helymeghatározás Odometria Differenciális hajtás c m =πd n /nc e c m D n C e n = hány mm-t tesz meg a robot egy jeladó impulzusra = névleges kerék átmérő = jeladó fölbontása (impulzus/ford.)
RészletesebbenV É G E S E L E M M Ó D S Z E R M É R N Ö K I M E C H A N I K A I A L K A LM A Z Á S A I
ALKALMAZOTT MECHANIKA TANSZÉK V É G E S E L E M M Ó D S Z E R M É R N Ö K I M E C H A N I K A I A L K A LM A Z Á S A I Előadásvázlat a Multidiszciplináris Műszaki Tudományi Doktori Iskola hallgatói számára
RészletesebbenPélda: Tartó lehajlásfüggvényének meghatározása végeselemes módszer segítségével
Példa: Tartó lehajlásfüggvényének meghatározása végeselemes módszer segítségével Készítette: Dr. Kossa Attila (kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék 213. október 8. Javítva: 213.1.13. Határozzuk
Részletesebben14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull
14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:
Részletesebben2. E L Ő A D Á S D R. H U S I G É Z A
Mechatronika alapjai 2. E L Ő A D Á S D R. H U S I G É Z A elmozdulás erő nyomaték elmozdulás erő nyomaték Mechanizmusok Mechanizmus: általánosságban: A gép mechanikus elven működő részei Definíció: A
RészletesebbenMatematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév
Matematika gyógyszerészhallgatók számára A kollokvium főtételei 2015-2016 tanév A1. Függvénytani alapfogalmak. Kölcsönösen egyértelmű függvények és inverzei. Alkalmazások. Alapfogalmak: függvény, kölcsönösen
RészletesebbenFourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz
Fourier térbeli analízis, inverz probléma Orvosi képdiagnosztika 5-7. ea. 2017 ősz 5. Előadás témái Fourier transzformációk és kapcsolataik: FS, FT, DTFT, DFT, DFS Mintavételezés, interpoláció Folytonos
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenSimított részecskedinamika Smoothed Particle Hydrodynamics (SPH)
Smoothed Particle Hydrodynamics (SPH) Áramlások numerikus modellezése II. Tóth Balázs BME-ÉMK Vízépítési és Vízgazdálkodási Tanszék Numerikus módszerek Osztályozás A numerikus sémák két csoportosítási
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
RészletesebbenInfobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében
Infobionika ROBOTIKA X. Előadás Robot manipulátorok II. Direkt és inverz kinematika Készült a HEFOP-3.3.1-P.-2004-06-0018/1.0 projekt keretében Tartalom Direkt kinematikai probléma Denavit-Hartenberg konvenció
RészletesebbenA talajok összenyomódásának vizsgálata
A talajok összenyomódásának vizsgálata Amit már tudni kellene Összenyomódás Konszolidáció Normálisan konszolidált talaj Túlkonszolidált talaj Túlkonszolidáltsági arányszám,ocr Konszolidáció az az időben
RészletesebbenIntelligens beágyazott rendszer üvegházak irányításában
P5-T6: Algoritmustervezési környezet kidolgozása intelligens autonóm rendszerekhez Intelligens beágyazott rendszer üvegházak irányításában Eredics Péter, Dobrowiecki P. Tadeusz, BME-MIT 1 Üvegházak Az
RészletesebbenNGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő
SZÉCHENYI ISTVÁN EGYETEM Műszaki Tudományi Kar Informatika Tanszék BSC FOKOZATÚ MÉRNÖK INFORMATIKUS SZAK NGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő Fejlesztői dokumentáció GROUP#6
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
RészletesebbenMozgáselemzés MEMS alapúgyorsulás mérőadatai alapján
Mozgáselemzés MEMS alapúgyorsulás mérőadatai alapján Nyers Szabina Konzulens: Tihanyi Attila Pázmány Péter Katolikus Egyetem Információs Technológia Kar Feladatok: Végezzen irodalom kutatást, mely tartalmazza
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenDiszkréten mintavételezett függvények
Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott
RészletesebbenLNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei
Legkisebb négyzetek módszere, folytonos eset Folytonos eset Legyen f C[a, b]és h(x) = a 1 φ 1 (x) + a 2 φ 2 (x) +... + a n φ n (x). Ekkor tehát az n 2 F (a 1,..., a n ) = f a i φ i = = b a i=1 f (x) 2
RészletesebbenDekoherencia Markovi Dinamika Diósi Lajos. Elméleti Fizikai Iskola Tihany, augusztus szeptember 3.
Dekoherencia Markovi Dinamika Diósi Lajos Elméleti Fizikai Iskola Tihany, 2010. augusztus 30. - szeptember 3. Tartalomjegyzék 1 Projektív dekoherencia 2 Nyitott rendszer - Lindblad egy. 3 Dekoherencia
RészletesebbenANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek.
Jelfeldolgozás 1. Sapientia - Erdélyi Magyar Tudományegyetem 2007 és jeleket generáló és jeleket generáló és jeleket generáló Gyakorlatok - MATLAB (OCTAVE) (50%) Írásbeli vizsga (50%) és jeleket generáló
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ Dr. Soumelidis Alexandros 2018.09.06. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG A tárgy célja
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenMODELLEZÉS - SZIMULÁCIÓ
Mechatronika = Mechanikai elemek+ elektromechanikai átalakítók+ villamos rendszerek+ számítógép elemek integrációja Eszközök, rendszerek, gépek és szerkezetek felügyeletére, vezérlésére (manapság miniatürizált)
RészletesebbenMérés és adatgyűjtés
Mérés és adatgyűjtés 4. óra Mingesz Róbert Szegedi Tudományegyetem 2012. február 27. MA - 4. óra Verzió: 2.1 Utolsó frissítés: 2012. március 12. 1/41 Tartalom I 1 Jelek 2 Mintavételezés 3 A/D konverterek
RészletesebbenRobotika. Kinematika. Magyar Attila
Robotika Kinematika Magyar Attila amagyar@almos.vein.hu Miről lesz szó? Bevezetés Merev test pozíciója és orientációja Rotáció Euler szögek Homogén transzformációk Direkt kinematika Nyílt kinematikai lánc
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenA Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a
a Matematika mérnököknek I. című tárgyhoz Függvények. Függvények A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a szabadon eső test sebessége az idő függvénye. Konstans hőmérsékleten
RészletesebbenNavigációs célú jelfeldolgozás
Mesterséges Intelligencia labor Navigációs célú jelfeldolgozás Mérési útmutató Összeállította: Kis László,doktorandusz lkis@iit.bme.hu Prohászka Zoltán,tanársegéd prohaszka@iit.bme.hu BME Irányítástechnika
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
RészletesebbenTovábblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,
Matematikai statisztika. elıadás, 9.5.. Továbblépés Ha nem fogadható el a reziduálisok korrelálatlansága: Lehetnek fel nem tárt periódusok De más kapcsolat is fennmaradhat az egymáshoz közeli megfigyelések
RészletesebbenMarkerek jól felismerhetőek, elkülöníthetők a környezettől Korlátos hiba
1. Ismertesse a relatív és abszolút pozíciómegatározás tulajdonságait, és lehetőségeit. Mit jelent a dead reckoning, és mi az odometria? Milyen hibalehetőségekre kell számítanunk odometria alkalmazásakor?
RészletesebbenFraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk
Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
RészletesebbenMerev testek mechanikája. Szécsi László
Merev testek mechanikája Szécsi László Animáció időfüggés a virtuális világmodellünkben bármely érték lehet időben változó legjellemzőbb: a modell transzformáció időfüggése mozgó tárgyak módszerek az időfüggés
RészletesebbenHíradástechikai jelfeldolgozás
Híradástechikai jelfeldolgozás 13. Előadás 015. 04. 4. Jeldigitalizálás és rekonstrukció 015. április 7. Budapest Dr. Gaál József docens BME Hálózati Rendszerek és SzolgáltatásokTanszék gaal@hit.bme.hu
Részletesebben3D Számítógépes Geometria II.
3D Számítógépes Geometria II. 1. Bevezetés http://cg.iit.bme.hu/portal/3dgeo2 https://www.vik.bme.hu/kepzes/targyak/viiiav16 Dr. Várady Tamás, Dr. Salvi Péter BME, Villamosmérnöki és Informatikai Kar Irányítástechnika
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenMeteorológiai Adatasszimiláció
Meteorológiai Adatasszimiláció 2017 November 17 összeállította: Bölöni Gergely Tartalom 1 2 3 4 Numerikus el rejelzés: a hidro-termodinamikai egyenletek (HTE) numerikus megoldása a HTE megoldása vegyes
RészletesebbenSTATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenIrányításelmélet és technika II.
Irányításelmélet és technika II. Legkisebb négyzetek módszere Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék amagyar@almos.vein.hu 200 november
RészletesebbenDigitális képek feldolgozása Előfeldolgozás Radiometriai korrekció Geometriai korrekció Képjavítás Szűrők Sávok közötti műveletek Képosztályozás Utófe
Távérzékelés Digitális felvételek előfeldolgozása (EENAFOTOTV, ETNATAVERV) Erdőmérnöki szak, Környezettudós szak Király Géza NyME, Erdőmérnöki Kar Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet Földmérési
RészletesebbenGeofizikai kutatómódszerek I.
Geofizikai kutatómódszerek I. A gravitációs és mágneses kutatómódszer Dr. Szabó Norbert Péter egyetemi docens Miskolci Egyetem Geofizikai Intézeti Tanszék e-mail: norbert.szabo.phd@gmail.com 1. A gravitációs
RészletesebbenAdatbányászati szemelvények MapReduce környezetben
Adatbányászati szemelvények MapReduce környezetben Salánki Ágnes salanki@mit.bme.hu 2014.11.10. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Felügyelt
Részletesebben4. Lokalizáció Magyar Attila
4. Lokalizáció Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2011. szeptember 23. 4. Lokalizáció 2 4. Tartalom
RészletesebbenMechanika. Kinematika
Mechanika Kinematika Alapfogalmak Anyagi pont Vonatkoztatási és koordináta rendszer Pálya, út, elmozdulás, Vektormennyiségek: elmozdulásvektor Helyvektor fogalma Sebesség Mozgások csoportosítása A mozgásokat
RészletesebbenMEMS eszközök redukált rendű modellezése a Smart Systems Integration mesterképzésben Dr. Ender Ferenc
MEMS eszközök redukált rendű modellezése a Smart Systems Integration mesterképzésben Dr. Ender Ferenc BME Elektronikus Eszközök Tanszéke Smart Systems Integration EMMC+ Az EU által támogatott 2 éves mesterképzési
RészletesebbenIdősorok elemzése. Salánki Ágnes
Idősorok elemzése Salánki Ágnes salanki.agnes@gmail.com 2012.04.13. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék 1 Idősorok analízise Alapfogalmak Komponenselemzés
RészletesebbenA mechanika alapjai. A pontszerű testek kinematikája. Horváth András SZE, Fizika és Kémia Tsz szeptember 29.
A mechanika alapjai A pontszerű testek kinematikája Horváth András SZE, Fizika és Kémia Tsz. 2006. szeptember 29. 2 / 35 Több alapfogalom ismerős lehet a középiskolából. Miért tanulunk erről mégis? 3 /
RészletesebbenDiagnosztika Petri háló modellek felhasználásával
Diagnosztika - Ea9. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Diagnosztika Petri háló modellek felhasználásával Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika
RészletesebbenBevezetés az állapottér-elméletbe Dinamikus rendszerek állapottér reprezentációi
Tartalom Bevezetés az állapottér-elméletbe Irányítható alak Megfigyelhetőségi alak Diagonális alak Állapottér transzformáció 2018 1 A szabályozáselmélet klasszikus, BODE, NICHOLS, NYQUIST nevéhez kötődő,
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 3. Hibaszámítás, lineáris regresszió Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Hibaszámítás Hibák fajtái, definíciók Abszolút, relatív, öröklött
RészletesebbenStatisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenLegkisebb négyzetek módszere, Spline interpoláció
Közelítő és szimbolikus számítások 10. gyakorlat Legkisebb négyzetek módszere, Spline interpoláció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján
RészletesebbenMechanika I-II. Példatár
Budapesti Műszaki és Gazdaságtudományi Egyetem Műszaki Mechanika Tanszék Mechanika I-II. Példatár 2012. május 24. Előszó A példatár célja, hogy támogassa a mechanika I. és mechanika II. tárgy oktatását
RészletesebbenExplicit hibabecslés Maxwell-egyenletek numerikus megoldásához
Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához Izsák Ferenc 2007. szeptember 17. Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához 1 Vázlat Bevezetés: a vizsgált egyenlet,
RészletesebbenA Mössbauer-effektus vizsgálata
A Mössbauer-effektus vizsgálata Tóth ence fizikus,. évfolyam 006.0.0. csütörtök beadva: 005.04.0. . A mérés célja három minta: lágyvas, nátrium-nitroprusszid és rozsdamentes acél Mössbauereffektusának
RészletesebbenFolyamatosan változó mennyiségek feldolgozása II. 7. előadás
Folyamatosan változó mennyiségek feldolgozása II. 7. előadás Tartalom sztochasztikus folyamatok mintavételezés (lásd Fizikai geod.) LKN kollokáció (lásd Fizikai geod.) geostatisztika, krigelés szűrések
Részletesebbenelőadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás
13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenLEVEGŐKÉMIAI MÉRÉSEK ÉS MODELLEZÉS LOKÁLISTÓL REGIONÁLIS SKLÁLÁIG
LEVEGŐKÉMIAI MÉRÉSEK ÉS MODELLEZÉS LOKÁLISTÓL REGIONÁLIS SKLÁLÁIG Mészáros Róbert 1, Leelőssy Ádám 1, Lagzi István 2, Kovács Attila 1 és Csapó Péter 1 1 Eötvös Loránd Tudományegyetem, Meteorológiai Tanszék,
RészletesebbenKamerakalibráció és pozícióbecslés érzékenységi analízissel, sík mintázatokból. Dabóczi Tamás (BME MIT), Fazekas Zoltán (MTA SZTAKI)
, 2008 feb. 4-5 Kamerakalibráció és pozícióbecslés érzékenységi Bódis-Szomorú András Dabóczi Tamás (BME MIT), Fazekas Zoltán (MTA SZTAKI) Méréstechnika- és Információs Rendszerek Tanszék BME Rendszer-
RészletesebbenTárgymutató. dinamika, 5 dinamikai rendszer, 4 végtelen sok állapotú, dinamikai törvény, 5 dinamikai törvények, 12 divergencia,
Tárgymutató állapottér, 3 10, 107 általánosított impulzusok, 143 147 általánosított koordináták, 143 147 áramlás, 194 197 Arisztotelész mozgástörvényei, 71 77 bázisvektorok, 30 centrifugális erő, 142 ciklikus
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenTartószerkezet-rekonstrukciós Szakmérnöki Képzés
1_5. Bevezetés Végeselem-módszer Végeselem-módszer 1. A geometriai tartomány (szerkezet) felosztása (véges)elemekre.. Lokális koordináta-rendszer felvétele, kapcsolat a lokális és globális koordinátarendszerek
RészletesebbenKépfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008
Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenAkusztikai tervezés a geometriai akusztika módszereivel
Akusztikai tervezés a geometriai akusztika módszereivel Fürjes Andor Tamás BME Híradástechnikai Tanszék Kép- és Hangtechnikai Laborcsoport, Rezgésakusztika Laboratórium 1 Tartalom A geometriai akusztika
RészletesebbenIpari matematika 2. gyakorlófeladatok
Ipari matematika. gyakorlófeladatok. december 5. A feladatok megoldása általában többféle úton is kiszámítató. Interpoláció a. Polinom-interpoláció segítségével adjunk közelítést sin π értékére a sin =,
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
RészletesebbenLineáris regressziós modellek 1
Lineáris regressziós modellek 1 Ispány Márton és Jeszenszky Péter 2016. szeptember 19. 1 Az ábrák C.M. Bishop: Pattern Recognition and Machine Learning c. könyvéből származnak. Tartalom Bevezető példák
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
Részletesebben