TOF（Time of flight）直译为“飞行时间”。其测距原理是通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行（往返）时间来得到目标物距离。这种技术跟3D激光传感器原理基本类似，只不过3D激光传感器是逐点扫描，而TOF相机则是同时得到整幅图像的深度（距离）信息。
Grafana是一个开源指标分析和可视化套件。 它最常用于可视化基础设施和应用程序分析的时间序列数据，但许多应用于其他领域，包括工业传感器，家庭自动化，天气和过程控制。
Proteus软件是一款英国Lab Center Electronics公司出品的EDA工具软件，它不仅具有常规EDA工具软件的仿真、原理图设计等功能，而且能够模拟单片机和外围器件。相比其他EDA软件，Proteus的特点在于其对单片机和外围器件的仿真，因此在嵌入式系统的开发中有着广泛的应用。
物联网行业的应用场景虽然千差万别，但是解决的问题其实是类似的，都可以用 前端硬件<=>数据中台<=>应用 来做简单概括。腾讯云的物联网开发套件，等同于提供了前端硬件及数据中台两部分功能，并为应用开发提供了API及SDK，来加速整个开发链路。因此拿到腾讯的物联网开发套件之后，就想评估一下这样一套方案，能够在多大程度上改进实际的开发流程。
Apache IoTDB 已经在很多物联网系统中得到了应用。为了让大家理解工业物联网的时序数据是如何采集、存储、查询分析，并进行可视化。我们做了一个IoTDB展示台，这是一个 IoTDB 在实际应用中功能的缩小版，展示了 IoTDB 管理物联网时序数据的几种常见场景。
我必须承认，这篇文章只是与Grafana和InfluxDB一起玩的借口。InfluxDB是一个很酷的数据库，专门用于处理时间序列数据。Grafana是一个用于时间序列分析的开源工具。我想构建一个简单的原型。这个想法是：
上次我们介绍了如何通过腾讯的物联网开发平台实现将helium网络中LoRaWAN终端的数据推动到微信公众号和腾讯连连小程序，本篇文档介绍如何通过腾讯云的CVM主机部署Mosquitto MQTT + Telegraf + InfluxDB + Grafana 实现仪表盘监控温湿度数据以及历史数据的分析。
随着智能家居的深入拓展，智能窗帘凭借成熟的技术和产品，逐步成为了智能家居家庭中的标配，在家装智能化市场有很高的应用价值。目前智能窗帘的产品主要以电动窗帘产品为主，该产品主要通过电机驱动实现对窗帘的操控，从安装上讲，该产品更适合前装市场，因为需要结合用户户型、门窗大小预留安装空间和电源接口。对于后装市场，往往需要专业人员上门丈量确认是否符合改装要求，大大增加了安装成本，因此目前市场上，出现的小型的窗帘机器人，完美解决的后装市场的这个痛点，使得普通窗帘秒变智能窗帘。
焊接是制造业中的关键工艺，在自动化和机器人技术的推动下，焊接变得更加高效、精确和安全。自动化焊接的关键组成部分之一是焊接自动跟踪系统。焊接自动跟踪系统在焊接过程中确保正确的焊接定位和跟踪运动起着至关重要的作用。本文将讨论组成焊接自动跟踪系统的组件。
汽车电子控制系统主要由传感器（Sensor）、电子控制单元（Electronic Control Unit，ECU）和执行器（Actuator）组成，对被控对象（Controlled Object）进行控制。如下图所示：
ADAS（Advanced Driver Assistance Systems，高级驾驶辅助系统）是一系列集成在现代汽车中的技术系统，旨在提高驾驶员的安全性、舒适性和便利性。这些系统使用传感器、处理器、控制器和算法来监测车辆周围的环境并提供驾驶员辅助。
51单片是一种低功耗、高性能CMOS-8位微控制器，具有8K可编程Flash存储器，使得其为众多嵌入式控制应用系统提供高灵活、超有效的解决方案。
作者：刘少山，李文超，唐洁 责编：何永灿，欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件至heyc@csdn.net 本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅2017年《程序员》 目前针对无人车攻击的方法有许多，如何防御这些攻击以保证无人车的安全是个重要的课题。本文是无人驾驶技术系列的第九篇，详细介绍针对无人车传感器、操作系统、控制系统、车联网的攻击手段以及防御方法。 针对无人驾驶的安全威胁 对于无人驾驶系统来说，安全性至关重要。任何无人车如果达不到安全要求就上路是极其危险
整合物联网和云服务将能够建立一个超级的IT王国。凭借其无限的功能和增强的安全性，我们是很难发现它这位超人的氪气石的。 目前，大部分的人使用互联网还是为了获取信息和进行交流；但是，互联网的近期发展又让我们看到了另一种互联网模式。从家庭监控到车辆自动驾驶的各种应用都是基于包括传感器、控制器以及控制软件在内的机器对机器（M2M）网络的。这个物联网（IoT）是网络应用和云服务发展的下一个主要驱动因素。物联网云模型可以被分为三类：传感器云、控制云以及分析云。这些云模式都可以成为私有云设计和公共云服务的目标。 虽然一个
这是基于STC89C52单片机设计的灯光控制系统，实现对室内灯光的控制，采集光敏传感器，红外线热释电传感器，声音传感器，光照照度传感器等数据进行处理，完成室内灯光的智能控制。
个人认为自动驾驶的前期即为ADAS阶段： 1. 自适应巡航控制系统 Adaptive Cruise Control（ACC） 自适应巡航控制系统是一种智能化的自动控制系统，它是在早已存在的巡航
“自动泊车、公路巡航控制和自动紧急制动等自动驾驶汽车功能在很大程度上是依靠传感器来实现的。重要的不仅仅是传感器的数量或种类，它们的使用方式也同样重要。目前，大多数路面上行驶车辆内的ADAS都是独立工作的，这意味着它们彼此之间几乎不交换信息。只有把多个传感器信息融合起来，才是实现自动驾驶的关键。” 现在路面上的很多汽车，甚至是展厅内的很多新车，内部都配备有基于摄像头、雷达、超声波或LIDAR等不同传感器的先进驾驶员辅助系统（ADAS）。 这些系统的数量将会随着新法案的通过而不断增加，例如在美国，就有强制要求安
https://juejin.cn/post/7035645207278256165
大运汽车自2019年起逐步向自动化运维方向发展，毫无疑问要面临企业级监控软件的选择，凭着多年对自动化运维理解，最终确定了基于Zabbix+Grafana的数据中心监控系统。不仅满足了对Windows、Linux操作系统、Oracle数据库、Ceph存储、Nginx等软件的监控需要，也通过Snmp、IPMI实现了服务器、交换机、存储等硬件设备的监控，还有动环系统的监测。图为大运汽车数据中心监控系统建设历程。
近日，研究机构Upstream发布了《2023年全球汽车行业网络安全报告》，报告数据显示：在过去5年中，全球汽车行业因为网络化攻击造成的损失超过5000亿美元，而近70%的汽车安全威胁由远距离的网络攻击引发。攻击者不需要在车辆附近，只要能够连接到车辆的网络系统，就可以发起攻击。
原文地址：https://dzone.com/articles/the-internet-of-things-is-devices-and-services
一个类似Kibana的东西，也是对后端的数据进行实时展示，那么Grafana和Kibana有什么区别？在我看来区别不大，不过在大家的日常使用中Kibana是跟着Logstash、ElasticSearch等组件一起使用做日志展示、索引、分析的，造成了一种假象就是Kibana就只有这种用法了，Kibana也可以接入其他数据源的，不过大家最长用的还是展示日志。
ISP全称Image Signal Processing，即图像信号处理。主要用来对前端图像传感器输出信号处理的单元，以匹配不同厂商的图象传感器。
半导体设备例如涂胶机、显影机、清洗机等设备在做工艺时会使用多种液态化学品，机台设置各种电磁通断阀实现液路控制，为了防止管路出现漏液，在关键位置会布置漏液传感器，当出现漏液，必须立即关断阀体，切断液路。此外，机台设置有安全门开关和急停开关，当开关触发时，必须紧急停止运动部件或者切断对应单元电源。但正常执行安全动作的前提是软件控制平台能够正常工作，倘若发生漏液或者安全门被打开，控制平台出现异常未做出响应，未将阀体关断或将运动部件紧急停止，可能会引起严重后果。为了保证安全，引进一套独立于软件控制平台的安全系统，同时采集漏液、安全门以及急停信号，当意外发生，即使软件控制平台未做出保护动作，安全控制器也能及时做出安全动作，避免事态持续恶化。
在倒车入库，慢慢挪动车子的过程中，在驾驶室内能听到”滴滴滴“的声音，这些声音就是根据超声波雷达的检测距离给司机的反馈信息。
Grafana是一个开源的度量分析与可视化套件。经常被用作基础设施的时间序列数据和应用程序分析的可视化，它在其他领域也被广泛的使用包括工业传感器、家庭自动化、天气和过程控制等。
楼主基于自动驾驶应用场景分别从E/E架构、通讯方式、软件架构和流程标准等方面谈下与当前模式相比可能加强的方面和涉及的变化，当我扯淡，欢迎拍砖。
从马楠的上一篇文章中，我们已经了解到Prometheus的一大优势，是可以在应用内定义自己的指标做监控。我们在 SpringBoot 做微服务的生产环境中，使用自定义指标监控诸多物联网传感器，时序数据结构简单清晰，监控与统计反应迅捷，效果良好。
在问答社区看到有小伙伴在落地蓝鲸的过程中出现监控平台的grafana面板数据断点问题，往往出现这种问题，都比较的头疼。
计算和物联网是现在很热的话题，从目前很多用户的使用习惯来看，绝大多数用户还是在利用互联网进行信息的获取和交流，虽然一个充斥着数以十亿、百亿计可时刻供应用程序和用户使用的传感器的世界可能是非常有趣的，但是用户隐私、搜索规模以及如何解释传感器数据等问题都成为了物联网的发展瓶颈。 云模型成为用户访问关键 企业构建一个云模型可以非常有效的缓解用户访问带来的网络压力，同时让相关数据信息和控制选项能够成为更易于用户访问的服务。如果使用了无序的传感器云和公共的访问，那么物联网是无法获得成功的。 基于物联网的很多传感器都是
Grafana 是一个开箱即用的可视化工具，具有功能齐全的度量仪表盘和图形编辑器，有灵活丰富的图形化选项，可以混合多种风格，支持多个数据源特点。本文把这几天简单试用的情况做个小结。
参考文献 [1] 王爱元. 控制电机及其应用[M]. 第一版. 上海:上海交通大学出版社, 2013.
物联网数据采集涉及到大量设备接入、海量的数据传输，EMQ X 物联网消息中间件 与 ClickHouse 联机分析 (OLAP) 数据库的组合技术栈完全能够胜任物联网数据采集传输与存储、分析处理业务。
AWVS14.7.220228146更新于2022年3月1日，此次更新更新.NET IAST传感器(AcuSensor)现在可以安装在Windows上的.NET Core v3和v5上(使用 Kestrel 服务器)等等。
随着人口老龄化的到来和人民对提升生活品质的需要， 人们对在现实生活场景中取代人力的服务机器人有着迫切的需要。 同时， 机电、 自动控制、 计算机、 传感器等技术的发展也为制造服务机器人提供了技术支持。 扫地机器人是服务机器人中技术最成熟和最为广泛使用的机器人。 它可以自动的在室内行走， 通过刷扫和吸尘将地面上的碎屑吸收进垃圾收集装置中， 完成清洁地面的任务，有效的减少了人们清洁地面这种简单重复的家务劳动， 节约了劳动力， 提高了生活品质。 对于许多忙于工作和生的人来说，扫地机器人已经成为家庭必备的产品。
水循环系统是锅炉系统中的重要单元，用于对锅炉的用水供给和冷却。贮存在沉淀水池中的水，经过过滤器材杂质过滤后送入离心泵的入口，流经泵体进行循环，离心泵则由电机进行驱动。
近年来，互联网、IT技术正在带动整个汽车产业迎来深刻变革。在此之前，信息技术帮助汽车行业完成了设计、供应链、营销等体系的数字化和互联网化。在传统汽车厂商进行数字化转型的同时，新能源汽车、车联网、自动驾驶等新技术兴起，特斯拉、蔚来、理想、小鹏等新厂商涌入汽车制造行业，汽车行业竞争愈发激烈，十年内实现全自动或“无人驾驶”汽车，成为了传统汽车制造商、新兴汽车制造商、专业自动驾驶解决方案供应商共同争夺的新的技术制高点。
前不久，谷歌Waymo公司的CEO John Krafcik在一次大会上承认自动驾驶普及还需要很久的时间，因为要在任何天气和情况条件下都能实现自动驾驶，这种技术太难了。让全世界自动驾驶发展最快也相对最成熟的Waymo说出这样的话，自动驾驶的难度可见一斑。其中，首先要跨越的可能就是智能汽车芯片。
今天公司要求我进行传感器的开发,而且只给2天时间,反映下自己没做过这方面可能需要时间延长下,不管,就给你两天时间! 干不完就使劲加班…现在企业压榨劳动力太赤裸裸了,没办法,纵使心中万匹草泥马路过也得干活啊!
Hi，大家好，这里是丹成学长，今天向大家介绍一个超级炫酷的单片机项目，非常适合用于毕设
在上一期的文章中，我们对线性倒立摆在2D平面内的运动过程进行了分析，并给出了基于轨道能量的线性倒立摆控制过程。
过去，机器人制造是一个非常困难、容易出错且耗时的过程，因为采用由分立元件构成的装置实现对环境的感应，而这些装置中很多部件都不能有效地协同工作，处理器缺乏足够的能力从多个传感器收集信息并处理这些信息。下面我们以超声波距离传感器为例进行说明机器人设计制造的过程。 构建超声波传感器首先需要一个超声波换能器，然后搭建一些接口电路用来发送脉冲，以及记录返回信号的时间。连接机器人处理器的接口由指示测试起始时间的输出信号以及回声探测定时器计数值的输入信号组成。处理器获取所用的总时间并将这个时间转换成距离。如果需要处理多路
提到车载总线，我们会立马想到经济可靠的CAN、Lin以及成本过高的FlexRay或Ethernet总线。但随着车载传感器数量的增加和对测量精度要求的提升，需要一种相比CAN或Lin更便捷、可靠、经济的车载数据通讯解决方案。
InfluxDB是一个开源时序型数据库。它由Go写成，着力于高性能地查询与存储时序型数据。InfluxDB被广泛应用于存储系统的监控数据，IoT行业的实时数据等场景。
交通信号灯控制系统的Verilog实现 作为数字系统设计入门案例，下面简单介绍最简单的交通控制系统，说明设计思路。 首先给出要求：设计一个主干道和支干道十字路口的交通信号灯控制电路 （1）一般情况下保持主干道通畅，主干道绿灯亮、支干道红灯亮，并且主干道绿灯亮时间不少于60秒。 （2）主干道绿灯亮超过60秒，且支干道有车时，主干道红灯亮，支干道绿灯亮，但支干道亮灯时间不超过30秒。 （3）每次主干道或支干道绿灯变红灯时，黄灯先亮5秒。 1.逻辑抽象，明确输入输出。 主干道和支干道的十字路口交通灯系统求优先保证主干道的畅通。平时处于主干道绿灯、支干道红灯的状态。当支干道有车时，传感器发出信号S=1，主干道绿灯先转换成黄灯、再变成红灯，支干道由红灯变成绿灯。如果支干道继续有车通过时，则传感器继续有信号，使支干道保持绿灯亮，但支干道绿灯持续亮的时间不得超过30s，否则支干道绿灯先转换成黄灯再变成红灯，同时主干道由红灯变成绿灯。主干道每次通行时间不得短于60s，在此期间，即使支干道S有信号，也不能中止主干道的绿灯亮。 输入信号有时钟、复位、传感器信号；输出有主干道红黄绿灯和支干道红黄绿灯。 2.确定系统框图 首先用状态机作为主控制，状态机转换条件根据计时器信息判断转换条件，译码电路中根据所在状态输出对应干道信号灯状态。 控制单元根据时钟和传感信号向计数器发出信号，计时器向控制单元发出60s（t1）、30s(t2)、5s(t3)计时信号。主干道红黄绿用h_r,h_y,h_g表示，支干道红黄绿用f_r,f_y,f_g表示。
物联网+大数据+机器学习将会是以后的趋势，这里介绍一篇这方面的文章包含源码。 混合机器学习基础架构构建了一个场景，利用Apache Kafka作为可扩展的中枢神经系统。 公共云用于极大规模地训练分析模型（例如，通过Google ML Engine在Google Cloud Platform（GCP）上使用TensorFlow和TPU，预测（即模型推断）在本地Kafka基础设施的执行（ 例如，利用Kafka Streams或KSQL进行流分析）。 本文重点介绍内部部署。 创建了一个带有KSQL UDF的Github项目，用于传感器分析。 它利用KSQL的新API功能，使用Java轻松构建UDF / UDAF函数，对传入事件进行连续流处理。 使用案例：Connected Cars - 使用深度学习的实时流分析 从连接设备（本例中的汽车传感器）连续处理数百万个事件：
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/133636.html原文链接：https://javaforall.cn
文章：High-Definition Map Generation Technologies for Autonomous Driving
Telegraf 是实现 数据采集 的工具。Telegraf 具有内存占用小的特点，通过插件系统开发人员可轻松添加支持其他服务的扩展。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
