This thread has been locked.

If you have a related question, please click the "Ask a related question" button in the top right corner. The newly created question will be automatically linked to this question.

[参考译文] IWR1443BOOST:有关演示和手势软件中数据的问题

Guru**** 2611705 points
Other Parts Discussed in Thread: IWR1443

请注意,本文内容源自机器翻译,可能存在语法或其它翻译错误,仅供参考。如需获取准确内容,请参阅链接中的英语原文或自行翻译。

https://e2e.ti.com/support/sensors-group/sensors/f/sensors-forum/663137/iwr1443boost-question-about-the-data-from-demo-and-gesture-sofware

器件型号:IWR1443BOOST
主题中讨论的其他器件:IWR1443

您好!

我在一周前开始使用 IWR1443读取数据、我能够执行此操作、并按应有的方式读取所有内容。 我唯一的问题是数据来自正在发送的对象。 我想知道一些数据意味着什么。  

当您获得对象的数据包时、您会得到多个值、如果您能帮助我找出其余值、我知道其中一些值是什么、如果我遇到任何问题、请纠正错误。

RangeIndex -这是以米为单位的距离。
Dopplerindex -这是以 m/s 为单位的速度
peakvalue -我认为这是来自物体的 dB、如毫米波可视化工具上的距离剖面图所示。
x -这是以 m 为单位的距离还是角度?
Y -这与范围相同、因此是对象的实例。
z -这也是以 m 为单位还是仅以角度为单位?

那么、我的第二个问题是关于手势演示的、有一个文档解释了代码、它是什么? 我多次阅读代码、但很难弄清所有数据意味着什么、以及如何确定手势是轻扫还是扭曲?

  • 请注意,本文内容源自机器翻译,可能存在语法或其它翻译错误,仅供参考。如需获取准确内容,请参阅链接中的英语原文或自行翻译。
    您好 Vera、

    我可以回答第一个问题。 peakValue 实际上是一个无单位项、表示检测到的物体返回的信号强度。 您可以正确地看到、这用于在可视化工具上构造距离剖面。

    X、Y 和 Z 坐标都是以米为单位计算的距离。


    最后、我已要求我们的手势识别专家查看您的最终查询。 他们应该在接下来的几天内为您提供答案。


    谢谢、
    Akash
  • 请注意,本文内容源自机器翻译,可能存在语法或其它翻译错误,仅供参考。如需获取准确内容,请参阅链接中的英语原文或自行翻译。
    您好、Akash、

    感谢您的回答、我将耐心等待认证专家的回答。
    同时、您能否为我回答另一个问题?
    我一直在读取我放置在雷达前方的物体的点、它只是一个盒子。 但是、当我查看数据时、我注意到它看起来像是交换了 Y 和 X 方向。 那么、也许您可以为我验证 Y 方向是雷达到物体的距离、X 轴是左侧还是右侧位置、对吗? 或者它是不是另一个方向。

    谢谢、
    Vera
  • 请注意,本文内容源自机器翻译,可能存在语法或其它翻译错误,仅供参考。如需获取准确内容,请参阅链接中的英语原文或自行翻译。
    您好!

    一周过去了、我没有对我的问题的答案、我知道这需要一些时间才能得到答案、但也许我可以澄清我实际想要的东西。 我还在想知道手势演示代码是如何工作的、但我真正想知道的是手势_滑动.c 和手势_旋转.c 中的代码是什么。 它不需要非常精确地执行它的操作、而只需要数据的含义、如果我知道我可以弄清楚我需要执行哪些操作才能从 GUI 中获得一个手势、那么将要发送到 GUI 的数据。 那么、有人能不能简单地为我介绍一下这些文件?

    谢谢!
  • 请注意,本文内容源自机器翻译,可能存在语法或其它翻译错误,仅供参考。如需获取准确内容,请参阅链接中的英语原文或自行翻译。
    您好 Vera、

    关于手势识别在毫米波传感器上的工作原理:本实验利用雷达提供距离、多普勒和角度信息的能力。 当做出手势时、距离、多普勒和角度特征的组合关系到手是否存在、手的速度以及手的位置和方向。 手势处理链是标准开箱即用演示链的附加组件。 MODET_LLOW_c 和 MODET_Tirl.c 计算手势识别所需的其他签名。 在 main_wling.c 和 main_tirl.c 中、有一个变量 gestureMetrics、它是一个保存数据签名的数组。

    分类器使用这些签名来检测手势。 对于轻扫手势、通过多次执行手势并检查手势签名以确定阈值和有效范围、开发了手工分类器。 在 handcraftedclassifier.c 文件中实现了有效滑动手势的这些要求。 在扭转手势中、数据签名会传递到 MATLAB、由神经网络处理分类。

    最棒的
    Amanda