Download to read offline
![加速度センサについて
対象物が動いた時の加速度を計算する機械
3軸（x，y，z）の加速度が取得可能
→どの向きに動いたのかが分かる
様々な使い道
ゲームコントローラ
歩数計
カメラの手ブレ機能
車のエアバック
スマートフォン
9
[引用]秋月電子通商，Ｌ３ＧＤ２０Ｈ使用３軸ジャイロセンサーモジュールキット，
https://akizukidenshi.com/catalog/g/gK-15096/
実物はこんなの
縦持ち 横持ち
【担当 八重樫遼】](https://image.slidesharecdn.com/giyseiot-220215051727/85/IoT-GIYSE-9-320.jpg)
お掃除IoT実習@GIYSEクラスステージ
- 1.
- 2.
- 3.
- 4.
- 5. 目次 1. はじめに 2. 加速度とは？ 3.センサとは？ 4. 加速度センサについて 5 【担当 八重樫遼】
- 6.
- 7. 加速度とは？ 「どのくらい速度が変化したか」を表すもの （難しく言うと…単位時間当たりの速度の変化量） 7 速度 0 𝑚 𝑠10 𝑚 𝑠 10 𝑚 𝑠 0 𝑚 𝑠 加速度は… 1秒後 5秒後 10 5 = 2 𝑚 𝑠2 10 1 = 10 𝑚 𝑠2 > 加速度が大きい 【担当 八重樫遼】
- 8. センサとは？ 何かしらの情報を何らかの数値に変換する機械 例 体温計（温度センサ） 他にも様々なセンサが日常生活に使われています ・ジャイロセンサ →ゲームのジャイロ操作 ・音センサ → 通話，音声入力 ・指紋センサ → 指紋認証 8 体の温かさ 「37.5」という数値 変換 【担当 八重樫遼】
- 9.
- 10.
- 11. 目次 • 機械学習とは？ • 簡単な機械学習法 •機械学習が使われているもの • 機械学習の流れを決定木で考えてみる 11 【担当 深澤真愛】
- 12. 機械学習とは？ ・コンピュータに学習をさせるとそれ自身が判断を行えるようになる これ は犬 これ は猫 これは犬 これ は猫 ＜学習＞ ふむ ふむ これ はなに？ それは猫にゃ ん(=^・^=) ＜識別＞ 12 【担当 深澤真愛】
- 13. 学習データとテストデータ これ は犬 これ は猫 これは犬 これ は猫 ＜学習＞ ふむ ふむ これ はなに？ それは猫にゃ ん(=^・^=) ＜識別＞ 学習データ テストデータ 13 【担当 深澤真愛】
- 14. 簡単な機械学習① 決定木 ・簡単な質問を繰り返すことで識別を行う 気温は20℃以下 か？ 雪がふっている か？ アイスが食べた くなるか？ yes no yesno no yes 14 【担当 深澤真愛】
- 15.
- 16. 簡単な機械学習② k近傍法 ・学習データに近いものの多数決で識別を行う k=3 のとき，ClassB と識別される k=6 のとき，Class A と識別される 16 【担当 深澤真愛】
- 17.
- 18.
- 19.
- 20.
- 21.
- 22.
- 23. 機械学習の流れ【決定木で考えてみる】 気温は20℃以下 か？ 雪がふっているか？ アイスが食べたくな るか？ yes no yesno no yes 23 【担当 深澤真愛】 ２/１３ 季節：？ テストデータ
- 24.
- 25.
- 26.
- 27.
- 28. 識別動作 すいすい さっさっ ごしごしさしこみ そのほか 28 【担当 深澤真愛】
- 29. Google Colaboratory (Colab)とは ●Googleが無料で提供するサービス ● 機械学習の教育及び研究用 ● Pythonや機械学習・深層学習の環境を整えることができる ：プログラミング言語の一つ 29 【担当 深澤真愛】
- 30.
- 31.
- 32.
- 33.
- 34.
- 35.
- 36. 識別結果 ● 識別できたでしょうか？５つのテストデータは以下の清掃動作の 加速度データでした 36 csvファイル 識別動作 test1ごしごし test2 さしこみ test3 さっさっ test4 すいすい test5 そのほか 【担当 深澤真愛】
- 37.
- 38.
- 39.
- 40. 1. RGBとは？ 2. RGBカメラについて 3.RGBカメラの用途 4. RGBカメラのみの問題点 5. 深度とは？ 6. 深度情報がある場合 7. 深度カメラについて 目次 40 【担当 中島大輔】
- 41.
- 42.
- 43.
- 44.
- 45.
- 46.
- 47.
- 48.
- 49. 1. 学習用データ,テスト用データの取得 2. 使用する深度カメラ 3.RealSenseカメラで撮影した映像 4. RGBの映像から関節点の2D座標を抽出 5. OpenPoseで取得した関節点を描画,抽出した映像 6. 深度の映像から関節点の3D座標を作成 7. 最終的な学習データ 8. 機械学習モデルの作成 9. 識別 10.まとめ 目次 49 【担当 中島大輔】
- 50. データ処理 • 学習用の映像,テスト用の映像の撮影 • RGBと深度の映像から関節点の3D座標を作成 学習モデル 作成 •機械学習を実行して機械学習モデルの作成 識別 • 作成した機械学習モデルにテストデータを入力して行動を識別 深度カメラを用いた機械学習の流れ 50 【担当 中島大輔】
- 51. • 学習用の映像,テスト用の映像を撮影する 学習用データ,テスト用データの取得 データ処理 学習モデル作成識別 撮影 RGB,深度カメラ モップがけ 51 【担当 中島大輔】
- 52.
- 53. RealSenseカメラで撮影した映像 RGB映像 深度映像 遠い 近い データ処理学習モデル作成 識別 53 【担当 中島大輔】
- 54.
- 55.
- 56.
- 57.
- 58.
- 59. 識別 テストデータ 入力 出力 これは です ごしごし データ処理 学習モデル作成識別 ごしごし 59 【担当 中島大輔】
- 60.
- 61.
- 62.
- 63.
- 64.
- 65.
- 66.
- 67. 作成したフィードバックロボット Raspberry piというちっちゃいコンピュータを用いて行動認識してます スピーカをロボットの中に入れて，音声を流してます 67 Raspberry pi フィードバックロボット 【担当 八重樫遼】
- 68. 20秒ごとにフィードバック 2秒ごとに行動認識 きちんと掃除をしている割合を計算して，応じたフィードバックへ きちんと掃除しているのであれば，褒める 「いいよ！その調子！」 してなさそうだったら，掃除するよう促す 「全然掃除してないじゃん！早く掃除してよ！」 音声の決定方法 68 結果が10個出てくるはず！！ 時間 20秒 2秒 2秒 すいすい さっさっ そのほか 認識結果 フィードバック フィードバック フィードバック 【担当 八重樫遼】
- 69.
- 70.
- 71.
- 72.