Cómo utilizar el radar para implementar el reconocimiento de gestos
Cómo utilizar el radar para lograr el reconocimiento de gestos
Radar, radar inglés (RadioDetection And Ranging), utiliza la emisión de "ondas radiomagnéticas" para obtener ondas reflejadas para detectar la distancia, el ángulo. y alcance de los objetos objetivo. Con la reducción extrema del tamaño de las antenas y los chips, en el futuro previsible habrá más dispositivos de radar disponibles como microdispositivos. Como se muestra en la figura, no solo podrán integrarse en dispositivos portátiles, sino que también podrán convertirse en un tipo importante de Internet. Cosas.
Imagínese el radar tradicional de detección y reconocimiento (izquierda) y el mini radar utilizado para el reconocimiento de gestos en el Proyecto Soli (derecha)
En comparación con otras tecnologías de operación aire-aire, como Como cámaras somatosensoriales, ultrasonidos, etc., el radar tiene algunas ventajas naturales: por ejemplo, puede funcionar normalmente sin importar el día o la noche, expuesto al viento frío y al viento, es menor en tamaño, costo y consumo de energía que Kinect y otros; las cámaras de detección de movimiento; el radar de alta frecuencia generalmente mide la distancia de los objetos con una precisión milimétrica, mientras que el radar de baja frecuencia puede "atravesar paredes" e ignorar por completo la existencia de obstrucciones. Estas características ofrecen al radar, especialmente al microradar, amplias perspectivas de aplicación en el futuro.
La composición del radar
El radar general consta de un transmisor, un receptor, una antena transmisora/receptora, una unidad de procesamiento de señales y un equipo terminal. El transmisor emite ondas electromagnéticas de frecuencia modulada o de amplitud modulada a través de la antena transmisora; parte de las ondas electromagnéticas se refleja de regreso al receptor después de tocar un objeto, al igual que el sonido se refleja cuando golpea una pared; la señal recibida y la extrae de ella. Información útil como la distancia, el ángulo y la velocidad de desplazamiento del objeto; estos resultados finalmente se muestran en el dispositivo terminal en tiempo real; Los radares militares tradicionales suelen estar equipados con dispositivos giratorios controlados mecánicamente para ajustar la orientación de la antena, mientras que es más probable que los radares más nuevos se ajusten electrónicamente.
Para ahorrar material y espacio, normalmente el transmisor y el receptor pueden compartir la misma antena encendiendo y apagando alternativamente el transmisor o el receptor para evitar conflictos. El dispositivo terminal suele ser una pantalla que puede mostrar la posición del objeto, pero en la aplicación del mini radar, la información física extraída por el radar se transmite como señal de entrada a un reloj u otro dispositivo electrónico. La unidad de procesamiento de señales es la verdadera creatividad y el alma del radar. Utiliza principalmente análisis matemáticos y físicos y algoritmos informáticos para filtrar las señales del radar y calcular la orientación de los objetos. Sobre esta base, también se pueden utilizar algoritmos de aprendizaje automático de última generación para realizar el reconocimiento de gestos somatosensoriales en señales capturadas, etc.
El radar realiza el reconocimiento de gestos
La medición de velocidad o alcance del radar imagina el objeto como un punto abstracto. Un objeto real como una mano puede considerarse como una colección de puntos tridimensionales. Por tanto, la onda reflejada ya contiene las señales de distancia y velocidad de muchos puntos. Una buena manera de presentar esta información simultáneamente se llama Mapa Range-Dopler, o RDM para abreviar (en la foto). El eje horizontal en RDM es la velocidad y el eje vertical es la distancia. Puede considerarse como un mapa de distribución de energía o un mapa de probabilidad de una onda reflejada. El valor de cada unidad representa la energía de la onda reflejada obtenida por la onda reflejada de un objeto a una distancia y velocidad específicas. Si miras con atención, ¡ya puedes ver la forma característica del objeto detectado desde el RDM! Basándonos en RDM y sus series de tiempo, podemos utilizar métodos de aprendizaje automático para identificar cambios de patrones de energía específicos y luego identificar gestos y acciones. Antes del lanzamiento de Soli, Nvidia había realizado una investigación similar.
Figura Ejemplo de representación de contorno de mapeo de rango Doppler (velocidad). Cada valor unitario representa la energía reflejada de un conjunto de puntos en la onda reflejada con su correspondiente distancia y velocidad. Este mapeo se puede utilizar como vector de características para que el aprendizaje automático reconozca acciones de gestos.