SLAM是移动机器人探索未知区域所依赖的一项重要技术，当前主流的SLAM方法主要有两种类型：视觉和激光。通过视觉特征的定位技术受光照和摄像机移动速度的影响很大，移动机器人在快速移动或在照明条件较差的场景中（比如煤矿隧道）往往会导致视觉特征跟踪的丢失。特别是在煤矿隧道环境中，地面往往是不平整的，导致机器人的移动非常颠簸，加上照明不均匀等条件，这就导致移动机器人在煤矿隧道环境下，难以实现精确的自主定位和地图构建。为解决类似于煤矿井下隧道环境下的定位和建图问题，西安科技大学Daixian Zhu团队改进了一种基于单目相机和IMU的定位和建图算法。他们设计了一种结合了点和线特征的特征匹配方法，以提高算法在恶劣场景及照明不足场景下的可靠性；紧耦合方法用于建立视觉特征约束和IMU预积分约束；采用基于滑动窗口的关键帧非线性优化算法完成状态估计。IMU与视觉传感器如何数据融合？浙江国产IMU传感器评测
意大利研究团队近期开发了一种创新的手部灵巧度评估方法，巧妙结合了惯性测量单元(IMU)和多种版本的敲击测试(TT)，旨在深入研究并有效评估手部的灵巧度、速度和协调性。实验中，科研团队采用了一款高性能的IMU传感器，将其嵌入到受试者的手指上，能够监测并记录敲击动作时手指的加速度变化情况。通过对比单指和双指敲击测试的结果，发现双指同时敲击产生的协调性和疲劳感知效果优于其他形式的练习。实验结果显示，无论是在单指还是双指敲击，IMU传感器都能显示出手指运动的变化情况，揭示了运动变化与手部灵巧度之间的内在关联，也证明IMU在评估和提升手部灵巧度方面扮演着重要角色。浙江IMU传感器性能角度传感器的工作温度范围是多少？
近日，由墨西哥研究者组成的一支团队研发了一种非侵入式的结构健康监测系统，该系统巧妙融合了IMU和信号处理技术，旨在连续监测结构在地震振动下的位移。研究团队将IMU传感器安装在结构的关键部位，实时监测并记录地震作用下结构的加速速度变化。通过实施一系列信号处理技术，有效地降低了噪声干扰，提高位移测量的精度。实验结果显示，特别是在高频地震波情况下，IMU传感器能明确显示出结构受加速度冲击及其位移，揭示了加速度变化与结构损伤风险的内在关联，证明IMU在评估结构健康风险方面扮演重要角色。
而国际足联宣布，在2022卡塔尔世界杯上使用半自动越位技术，为VAR官员和现场官员提供支持工具，帮助他们更快、更准确、在比较大的舞台上进行更多可重复的越位判定。本届世界比赛用球“ALRIHLA”，在阿拉伯语中意为“旅程”，是为卡塔尔2022世界杯设计的官方比赛用球，球内装有惯性测量单元(IMU)传感器，将为检测越位事件提供进一步的重要元素。这个传感器位于球的中心，每秒向视频操作室发送500次球数据，可以非常精确地检测出球点。同时比赛球场设有12个跟踪摄像头来跟踪球和每个球员的多达29个数据点，每秒50次，计算他们在球场上的确切位置。通过结合肢体和球跟踪数据并应用人工智能，每当队友接球时处于越位位置的攻击者接到球时，新技术就会向视频操作室内的视频比赛官员发出自动越位警报。IMU传感器可捕捉患者关节运动细节，通过 AI 算法生成三维步态报告，适用于术后恢复与运动损伤评估。
近期，来自美国的研究者们探索了如何利用惯性测量单元（IMU）和机器学习来准确预测人体关节活动，这在健康监测、外骨骼控制和工作相关肌肉骨骼疾病风险识别等领域具有广阔应用前景。研究小组运用随机森林算法，分析了不同数量和位置的IMU对预测踝、膝、髋关节角度的影响。为了验证IMU置于邻近身体部位会提高预测准确性，实验设置了非邻近的IMU对照组，结果证实使用关节角度信息就可获得比较好预测效果。这表明未来关节角度的预测主要依赖于其历史角度值，对于多种简单运动而言，这是实用且高效的输入信号。此研究表明，机器学习预测关节角度并不一定需要更多的IMU传感器。单一或少数几个精心布置的IMU就能提供准确的预测，这对于康复训练、穿戴式外骨骼控制等实际应用场景意义重大，减少了传感器的数量不仅简化了设备的使用，也保持了预测的准确性。Xsens IMU 在极端环境中仍能提供稳定数据，广泛应用于航空航天、海洋勘探及应急救援领域。上海IMU无线传感器品牌
IMU的采样率对实时性有何影响？浙江国产IMU传感器评测
帕金森病（PD）患者在美国约有100万人，而全球患者超过1000万人。帕金森病是一种慢性的疾病退化性疾病，需要临床医生特别是运动障碍方面对患者进行密切监测。医生经常使用标准的临床仪器，如统一帕金森病评分量表（UPDRS）。通常来说，每名帕金森患者每年需要到临床医生诊所进行多次的病情评估。对于帕金森患者来说，这是一个很大的负担。美国ShehjarSadhu团队设计了一套基于机器学习的远程健康设备，利用UPDRS任务，远程检测手部运动并进行分类。该系统包含EdgeNode和FogNode。其中EdgeNode使用一双智能手套记录手部的活动，其集成了手指弯曲传感器和惯性测量单元（IMU），并将数据无线传输到FogNode进行分类。FogNode运行基于机器学习（ML）的活动分类模型，以对基于UPDRS的手部运动任务进行分类。浙江国产IMU传感器评测
