Low-cost smoothness Messung

wegavision · 2015-06-16 08:30:23

Vielleicht ist der Bewegungssensor in den Smartphone doch ein guter Ansatz zumindest bei so einer groben Einteilung wie bei smoothness. Habe mir gerade die Bilder, die ich in einem Park für Mapillary gemacht habe angeschaut und je schlechter der Untergrund desto unschärfer die Fotos. Man bräuchte aber eine Kalibrierung die jeder vor Ort mit seinem Rad durchführen könnte, damit die Unterschiede in Reifendimension und Druck ausgeglichen werden. Vielleicht eine Messstrecke über Kopfsteipflaster, guten und schlechten Asphalt.

AlphaRay · 2015-06-16 09:21:32

wegavision wrote:

Vielleicht ist der Bewegungssensor in den Smartphone doch ein guter Ansatz zumindest bei so einer groben Einteilung wie bei smoothness. Habe mir gerade die Bilder, die ich in einem Park für Mapillary gemacht habe angeschaut und je schlechter der Untergrund desto unschärfer die Fotos

Handy ist schlecht, weil:

- die Halterung selbst wie verrückt wackeln kann. Auch nur ein wenig reicht, um aus einer Asphaltstrasse einen Schotterweg zu machen. Die Verwacklung kann auch mit der Zeit zunehmen, weshalb eine Kalibrierung nach Tagen odre Wochen hin wäre.
In einer Handy-Rahmen-Tasche ist es das selbe. Da kann das Handy sogar noch hin und her rutschen, wenn Gelände gröber wird

- das Handy das Wackeln des Fahrrads aufnimmt und nicht die Fahrbahn. Bei Fahrrädern mit Hinterradfederung wird zusätzlich bei langsamen Fahrten das Wackeln durch Treten mit aufgenommen und falsch intepretiert

- das Wackeln des Lenkrads verfälscht zusätzlich - vor allem wenn man langsam fährt, bewegt man den Lenker ständig immer ein Stück hin und her

Die sinnvollste Stelle am Fahrrad ist immernoch die Federgabel. Das untere Teil natürlich, welches dem Boden folgt. Dort misst man nur die senkrechte Achse

Im Auto ist das natürlich anders. Das ganze Auto wackelt "gleichmäßig". Das Handy kann nicht wie am Lenker wackeln, da die Federund des Autos schon gut ausbügelt und mehr Masse dahinter steckt.

Last edited by AlphaRay (2015-06-16 09:24:10)

curmet · 2015-06-16 10:18:13

Wenn man eine app hat ähnlich mapilary und halt einstellt ob man mit dem auto oder Citybike oder mountainbike unterwegs ist kann man das ja filtern und bei auswertungen berücksichtigen.

Ich denke wenn die sache zu komplitziert wird wird es keiner machen.

jotrak · 2015-06-16 14:01:06

Ich denke auch, dass es für eine Anwendung möglichst einfach sein muss.

Die Anmerkungen von AlphaRay kann ich nachvollziehen. Daran haben wir anfangs auch gedacht und dann einfach mal gemacht.

Wichtig ist, wie signifikant sich die Signale der einzelnen Oberflächen unterscheiden. Vieles kann man filtern.
Es kommt natürlich auf die Halterung an und auf die Hardware usw. . Die Frage ist hier aber eher, welches Ergebnis ist erstmal ausreichend.
Das Wackeln des Lenkers etc. kann man rausfiltern, so dass man die Beschleunigung orthogonal zum Boden als Richtwert nehmen kann
(s. das Paper, was ich beim letzten Post verlinkt habe).

AlphaRay wrote:

Die sinnvollste Stelle am Fahrrad ist immernoch die Federgabel. Das untere Teil natürlich, welches dem Boden folgt. Dort misst man nur die senkrechte Achse

Stimme ich zu. Ist aber eher unpraktikabel sein Smartphone dort zu befestigen.

Bei Fahrrädern mit Federung sind die Daten eher schlechter, da die Federung ja (gewollt)
die Unebenheiten ausgleicht (glättet). Beim Auto ist das übrigens auch so. Da kommt bspw. noch dazu, dass der Motor ein Rauschen verursacht
(abhängig von Drehzahl und Lage des Smartphones).

AlphaRay · 2015-06-16 14:55:28

Da fängts ja schon an: Mindestanforderung wäre eine "feste" Halterung. Handy in der Tasche, mit Gummi irgendwo befestigt oder in einer Handytasche am Rahmen befestigt geht schon mal gar nicht, da hier das Handy zusätzlich gefedert wird.

Dann müsste man eine gemischte Teststrecke fahren und einfach mal die Beschleunigung auf allen Achsen parallel zu GPS mit sagen wir 2 - 10 Messwerten pro Sekunde aufzeichnen. Die Messung selbst müsste hunderte male pro Sekund erfolgen und dann schon geglättet bzw. gemittelt werden.
Ich habe das ganze schon hinter mir, da ich vor einigen Jahren mittels 3-achsen-Beschleuniger einen Schlafphasenwecker programmiert habe, der in die Matratze eingebaut wurde. Da hatte ich noch etwas mehr Zeit und Langeweile als heute

Danach müsste man sich die Werte parallel zu Satbildern anschauen und versuchen den/die Unterschiede zwischen den Bodenbelägen festzustellen.

Das wäre nur die Vorarbeit bzw. Grobtest inwieweit man mit dem Handy die Bodenbeschaffenheit bestimmen kann.

Danach müsste man einen Lernmodus einbauen. D.h. User X fährt mit Handy Y mit Halterung Z durch die Gegend, wobei er bei "?" auf dem Display + akustische Meldung dann den Bodenbelag auswählt. Die App könne hier absteigend nach Wahrscheinlichkeit schon die Böden auflisten.
Nachdem er den gewählt hat, versucht die Software einen Min/Max Wert der Vibrationen zu ermitteln und lernt dadurch. Weicht der Belag länger als 1...3 Sekunden um xx Prozent ab, dann wird geschaut, ob der Belag bereits bekannt ist. Ansonsten wieder Fragezeichen anzeigen und User auswählen lassen. Bis dann die App alle Bodenbelänge gelernt hat.

Optimalste App dafür: OSM Tracker

Last edited by AlphaRay (2015-06-16 14:55:47)

gormo · 2015-06-16 15:19:06

jotrak wrote:

Die Anmerkungen von AlphaRay kann ich nachvollziehen. Daran haben wir anfangs auch gedacht und dann einfach mal gemacht.

Das ist für die ganzen Low-Cost-Sachen sowieso immer Der Richtige Weg(tm).

jlcod · 2015-06-19 02:21:33

Hallo,

war in letzter Zeit etwas verhindert aber würde als Threadersteller nochmal die Idee mit dem Beschleunigungssensor aufgreifen und zusammenfassen. Mit den ganzen Ideen bin ich nun auch der Meinung dass das vernünftig funktionieren kann.

pro:
- im Smartphone verbaut, keine externen Aufbauten notwendig, cost=0
- Daten können während dem GPS-Loggen aufgenommen werden und sind daher automatisch georeferenziert
- theoretisch auch auf Inline-Skates möglich, damit könnte man Zwischenstufen zwischen smoothness=good und smoothness=excellent bestimmen, falls es dafür einen tag gäbe

contra:
- Kalibrierung nötig, je nach Montage
- besser als smoothness=good kann man prinzipbedingt nicht messen, da Unebenheiten << Raddurchmesser nicht auffallen werden.
- grobe Zustandsfehler (Schlaglöcher) werden nicht erfasst
- Vergleichbarkeit zwischen Werten im Auto und auf dem Rad ist schwierig

den GPX-Track könnte man mit dem gemessenen Wert (z.B. 1s-RMS-Wert des Wechselanteils der Beschleunigung in die Richtung der Erdanziehungskraft) einfärben. Damit lässt sich dann später beim Nachbereiten besser einordnen wo die Strecken mit unterschiedlicher Beschaffenheit beginnen oder Enden.

Weitere Idee: Messung des Wechselanteils des Reifendrucks (am Rad). Es gibt ja fürs Auto Funk-Reifendrucksensoren. eventuell könnte man die modifizieren und die Messbandbreite auf ca. 100Hz erhöhen.
Vorteile: Federgabel stört nicht mehr, Smartphone kann am Lenker montiert sein
Nachteile: MTB-Profil bringt wohl geschwindigkeitsabhängige Störungen auf das Signal, niedriger Reifendruck senkt die obere Grenzfrequenz.

oder: externer Beschleunigungssensor mit Bluetooth-Schnittstelle für Rohdaten oder per Mikrocontroller bereits aufbereitete Daten, die ans Smartphone gesendet werden. Mechanisch kann das dann starr an der Gabel befestigt werden.

Stereometrie mit zwei Kameras klingt interessant, vor allem auch für Mapillary. Es müssen ja auch keine 25fps sein, ein Bild mit hoher Auflösung mit Berechnung alle 2s würde schon gut reichen. Reicht da echt schon ein Raspberry und 2x die Raspberry-Kamera?

GUFSZ · 2015-06-19 07:50:17

jlcod wrote:

Weitere Idee: Messung des Wechselanteils des Reifendrucks (am Rad). Es gibt ja fürs Auto Funk-Reifendrucksensoren. eventuell könnte man die modifizieren und die Messbandbreite auf ca. 100Hz erhöhen.
Vorteile: Federgabel stört nicht mehr, Smartphone kann am Lenker montiert sein
Nachteile: MTB-Profil bringt wohl geschwindigkeitsabhängige Störungen auf das Signal, niedriger Reifendruck senkt die obere Grenzfrequenz.
Stereometrie mit zwei Kameras klingt interessant, vor allem auch für Mapillary. Es müssen ja auch keine 25fps sein, ein Bild mit hoher Auflösung mit Berechnung alle 2s würde schon gut reichen. Reicht da echt schon ein Raspberry und 2x die Raspberry-Kamera?

Diese zwei Ideen machen den Kostenfaktor 0 zunichte. Der Sensor ist klar. Eine mitlaufende Kamera zieht Strom. Totz Nabendynamoladegerät würde ich so etwas nicht benutzen.

Bei musikalischen Wellen kann man durch die Fourieranalyse die Gesamtwelle in ihre Einzelschwingungen zerlegen. Das Rütteln durch Schotter dürfte deutlich hochfrequenter, aber mit einer deutlich geringeren Amplitude sein als das einer Federgabelschwinge, also müsste man das rausrechnenfiltern können

Die Frage der Kalibirierung wird vermutlich auch zu viel Bedeutung beigemessen. Der Smoothness Tag umfasst 8 Stufen, von denen vier bis fünf Stufen bei solchen Messungen relevant sind. Also wenn jemand vor seiner Haustür losfährt hat er normalerweise Asphalt, also good oder excellent.

Aus meiner langjährigen Hinternerfahrung auf Fahrradsättel, würde ich sagen, dass sich Frequenz, Amplitude und Regelmäßigkeit der Vibration sich merklich ändern. Das machen sie auch in bestimmten Bereichen. Wenn sich Werte im Verhältnis zu den vorigen merklich ändern, ist von einem Belagwechsel auszugehen.

Wenn sich die Rüttelfrequen/Streckenabschnitt um z.B Faktor 20 und die Amplitude der Frequenz um 5 verglichen zum Asphalt erhöht erhöht, dann handelt es sich um Kopfsteinpflaster. Ist der Faktor der Frequenzänderung 100 und die Amplitude bei 3 dann ist es eher Schotter.

Mich bitte nicht auf die Werte festlegen, aber das wäre die Grundidee. Man wertet die Veränderung des Signals aus, statt einen absoluten Wert für eine bestimmte Stufe herauszufinden.

GUFSZ · 2015-06-19 07:56:00

GUFSZ wrote:

jlcod wrote:
Weitere Idee: Messung des Wechselanteils des Reifendrucks (am Rad). Es gibt ja fürs Auto Funk-Reifendrucksensoren. eventuell könnte man die modifizieren und die Messbandbreite auf ca. 100Hz erhöhen.
Vorteile: Federgabel stört nicht mehr, Smartphone kann am Lenker montiert sein
Nachteile: MTB-Profil bringt wohl geschwindigkeitsabhängige Störungen auf das Signal, niedriger Reifendruck senkt die obere Grenzfrequenz.
Stereometrie mit zwei Kameras klingt interessant, vor allem auch für Mapillary. Es müssen ja auch keine 25fps sein, ein Bild mit hoher Auflösung mit Berechnung alle 2s würde schon gut reichen. Reicht da echt schon ein Raspberry und 2x die Raspberry-Kamera?
Diese zwei Ideen machen den Kostenfaktor 0 zunichte. Der Sensor ist klar. Eine mitlaufende Kamera zieht Strom. Totz Nabendynamoladegerät würde ich so etwas nicht benutzen.
Bei musikalischen Wellen kann man durch die Fourieranalyse die Gesamtwelle in ihre Einzelschwingungen zerlegen. Das Rütteln durch Schotter dürfte deutlich hochfrequenter, aber mit einer deutlich geringeren Amplitude sein als das einer Federgabelschwinge, also müsste man das rausrechnen/filtern können
Die Frage der Kalibirierung wird vermutlich auch zu viel Bedeutung beigemessen. Der Smoothness Tag umfasst 8 Stufen, von denen vier bis fünf Stufen bei solchen Messungen relevant sind. Also wenn jemand vor seiner Haustür losfährt hat er normalerweise Asphalt, also good oder excellent.
Aus meiner langjährigen Hinternerfahrung auf Fahrradsättel, würde ich sagen, dass sich Frequenz, Amplitude und Regelmäßigkeit der Vibration sich merklich ändern. Das machen sie auch in bestimmten Bereichen. Wenn sich Werte im Verhältnis zu den vorigen merklich ändern, ist von einem Belagwechsel auszugehen.
Wenn sich die Rüttelfrequen/Streckenabschnitt um z.B Faktor 20 und die Amplitude der Frequenz um 5 verglichen zum Asphalt erhöht erhöht, dann handelt es sich um Kopfsteinpflaster. Ist der Faktor der Frequenzänderung 100 und die Amplitude bei 3 dann ist es eher Schotter.
Mich bitte nicht auf die Werte festlegen, aber das wäre die Grundidee. Man wertet die Veränderung des Signals aus, statt einen absoluten Wert für eine bestimmte Stufe herauszufinden.

AlphaRay · 2015-06-19 08:26:08

GUFSZ wrote:

Wenn sich die Rüttelfrequen/Streckenabschnitt um z.B Faktor 20 und die Amplitude der Frequenz um 5 verglichen zum Asphalt erhöht erhöht, dann handelt es sich um Kopfsteinpflaster. Ist der Faktor der Frequenzänderung 100 und die Amplitude bei 3 dann ist es eher Schotter.
Mich bitte nicht auf die Werte festlegen, aber das wäre die Grundidee. Man wertet die Veränderung des Signals aus, statt einen absoluten Wert für eine bestimmte Stufe herauszufinden.

Sooo einfach ist das nu auch nicht! Frequenzänderung?` -> Schon an die Geschwindigkeit gedacht? Dann wäre ja 5 Kmh auf Schotter selbe Frequenz wie Kopfsteinpflaster bei 15 Kmh... z.B.

Die müsste nämlich auch noch mitspielen. Frequenz würde ich nicht beachten. Man muss nur, wie ich schon oben beschrieben habe, eine Kalibrierfunktion für Bodenbeläge einbauen, welche jeeeder Fahrer für sein Handy + Handyhalterung + Fahrrad (Federung, Luftdruck! usw.) ausführen muss. Dabei wird ja schon die Geschwindigkeit getracked. Man könnte natürlich das ganze wiederholen: ein mal bei etwa 5 kmh + ein mal bei 15...und aus den Daten wird dann für andere Geschwindigkeiten interpoliert.
Sonst würde man beim beschleunigen auf Kopfsteinpflaster (sagen wir von 5 auf 30 in 10 sekunden) zwischenzeitig "Schotter" erkennen, weil der Beschleunigersensor "schneller" rüttelt

Kalibrierung könnte so optimal laufen: man stellt sich hin. Tippt auf "Neuer Bodenbelag" -> Display: "Bitte auf etwa mind. 50 Meter gleichmäßig auf mind 15 Kmh beschleunigen" -> Messung stoppt nach erreichen der Geschwindigkeit und Handy gibt nen Ton von sich -> User wählt Bodenbelag -> gespeichert.

Und bitte Beitrag #34 löschen - hast irgendwie den kompletten #33 zitiert

Bzgl. Raspberry und Kameras: eine Kamera kann drauf. Folien-Flachbandkabel. Aaber es gibt die Möglichkeit Webcam(s) anzuschließen. Diese kosten keine 26 € das Stück wie die Raspi-Kamera. Die gibs schon für 5-15 €.

Thema Luftdrucksensoren: die kosten mehr, als bei manchen das Fahrrad (300-400 €!)..zudem kann man da nicht einfach so drauf zugreifen. Spezielles Funksystem uswusw... das war etwas zu hoch gegriffen

Last edited by AlphaRay (2015-06-19 08:32:50)

GUFSZ · 2015-06-19 08:31:12

AlphaRay wrote:

GUFSZ wrote:
Wenn sich die Rüttelfrequen/Streckenabschnitt um z.B Faktor 20 und die Amplitude der Frequenz um 5 verglichen zum Asphalt erhöht erhöht, dann handelt es sich um Kopfsteinpflaster. Ist der Faktor der Frequenzänderung 100 und die Amplitude bei 3 dann ist es eher Schotter.
Mich bitte nicht auf die Werte festlegen, aber das wäre die Grundidee. Man wertet die Veränderung des Signals aus, statt einen absoluten Wert für eine bestimmte Stufe herauszufinden.
Sooo einfach ist das nu auch nicht! Frequenzänderung?` -> Schon an die Geschwindigkeit gedacht? Dann wäre ja 5 Kmh auf Schotter selbe Frequenz wie Kopfsteinpflaster bei 15 Kmh... z.B.

Was hältst du von Impulse pro Streckenabschnitt oder Frequenz bezogen auf Geschwindigkeit?

AlphaRay · 2015-06-19 08:42:25

Es sind ja nicht nur impulse. Man müsste eigentlich nur die positive/negative senkrechte Beschleunigung (egal wie das Handy liegt) je Geschwindigkeit und Bodenbelag aufzeichnen.
Grober Schotter könnte genau die selbe Anzahl impulse verursachen wie Kopfsteinpflaster bei der selben Geschwindigkeit.
Und pro Streckenabschnitt: welches Handy hat mehr als ein GPS Signal pro Sekunde? Und das mit hoher Genauigkeit? Das wird nichts...
Über GPS kommt sekündlich die aktuelle Geschwindigkeit. Und in dieser Sekunde werden die minimalen und maximalen Beschleunigungen ermitelt und gespeichert - mit der Durchschnittslänge! (Kopfsteinpflaster ist ja mehr "positiv" als "negativ" -> Fuge; Schotter dürfte regelmäßiger verteilt sein, da es ständig hoch und runter geht). Das immer zu der aktuellen geschwindigkeit der aktuellen Sekunde speichern.

Würde dann etwa so aussehen (Werte für Beschleunigung sind hier Blödsinn - nur zum Verständnis):
Kopfsteinpflaster: 5 Kmh - 70 % positiv 10mm/sek, 30 % negativ 3mm/sek
15 Kmh - 60 % positiv 7mm/sek, 40 % negativ 2,5mm/sek -> wenn schneller, dann wird durch Frontfederung mehr abgefangen und Fahrrad "wackelt" nicht so stark wie bei langsamer Fahrt bei jedem Stein)

Schotter: 5 Kmh - 50% positiv 2mm/sek, 50% negativ 1,5mm/sek
usw...

Eine Frequenz müsste man dann trotzdem irgendwie mitspeichern zu der Dauer der jeweiligen Pulse. Naürlich zur aktuellen Geschwindigkeit.
Wenns optimal läuft, müsste man sogar den Unterschied Kopfsteinpflaster <> getrocknete Traktorspuren Feldweg unterscheiden können (die rütteln auch ganz gut und sehr regelmäßig ). Hierfür bräuchte man die Frequenz der "Rüttelung". Die Reifenspuren sind etwa 50:50 (ca. 4 cm erhöht + 4 cm eingedrückt). Kopfsteinpflaster ca. 90:10 (10 % = Fuge)

Last edited by AlphaRay (2015-06-19 08:45:22)

GUFSZ · 2015-06-19 09:01:32

AlphaRay wrote:

hoher Genauigkeit?

Die Frage ist, ob es die wirklich braucht, um fünf Stufen zu unterscheiden.

AlphaRay · 2015-06-19 10:05:59

Gehen wir von etwa 20 Kmh aus = 5,55 m/sek
Jetzt spuckt das ungenaue GPS aus - trotz gleichbleibender Geschwindigkeit - an Metern Strecke zwischen zwei GPS-Signalen im A bstand von einer Sekunde:
5,1
5,6
5,2
5,8

...wenn nicht sogar noch ungenauer....

Sind bei einer Frequenz von z.B. 100 Hz:
0,051 m/Hz
0,056 m/Hz
0,052 m/Hz
0,058 m/Hz

Fährst du 20 Kmh, dann kriegst du werte, bei Pflastersteinen (niedrige Frequenz, da diese ca. 10x10 cm sind) die sich mit grobem Schotter (2-6 cm) bei 15 Kmh überschneiden könnten..

Die zurückgelegte Strecke würde ich nicht beachten. Die Frequenz pro Sekunde reicht doch aus. 100 Hz = 100 Schwingungen innerhalb einer Sekunde. Dazu hat man ja die Geschwindigkeit. Die am besten als Durchschnitt der letzten 2..5 Sekunden nehmen, damit es etwas geglättet wird. Strecke ist ja an sich Geschwindigkeit (km/h -> m/1sek)..nur dass diese eher gemittelt wird und man sich besser an dieser orientieren kann als an Metern die man in der letzen Sekunde gefahren hat.

Last edited by AlphaRay (2015-06-19 10:07:02)

GUFSZ · 2015-06-19 12:31:28

AlphaRay wrote:

Fährst du 20 Kmh, dann kriegst du werte, bei Pflastersteinen (niedrige Frequenz, da diese ca. 10x10 cm sind) die sich mit grobem Schotter (2-6 cm) bei 15 Kmh überschneiden könnten..

Ich frage mich, ob das schlimm wäre unterdem Aspekt Smoothnees, käme vielleicht auf das gleiche heraus.

Man könnte einen weiteren Faktor hinzunehmen. Die highway-Tags. Durch den Highway-tag geht implizit der Straßenbelag hervor. (Das ist aber eine sehr deutsche Sicht auf die Dinge).

Also bei highway=primary geht um schlechten- guten Asphalt. Dürfte nach http://wiki.openstreetmap.org/wiki/Key:smoothness zwischen excellent und intermediate schwanken.

Bei grade=tracktype2 zwischen good und bad.

Die meisten Straßentypen schwanken zwischen zwei/drei Smoothness-Stufen. Der einzige schwierige Kandidat ist grade=tracktype1, weil zwischen den Möglichkeiten frischer Asphalt und denkmalgeschütztes Kopfsteinpflaster liegen Welten.

jlcod · 2015-06-19 16:07:18

GUFZ wrote:

Wenn sich die Rüttelfrequen/Streckenabschnitt um z.B Faktor 20 und die Amplitude der Frequenz um 5 verglichen zum Asphalt erhöht erhöht, dann handelt es sich um Kopfsteinpflaster. Ist der Faktor der Frequenzänderung 100 und die Amplitude bei 3 dann ist es eher Schotter.

Bin mir nicht sicher ob die Frequenz des Beschleunigungssignals hier überhaupt eine große Rolle spielt, man müsste das mal in echt messen und sich das Spektrum ansehen.

Was sicher eine Rolle spielt, ist dass sich die Amplitude abhängig von der Geschwindigkeit ändert. Hier kann man sich aber bestimmt irgendwie einer gemittelten Geschwindigkeit aus dem GPX-Track behelfen. Bei Geschwindigkeiten <10km/h lässt sich auch kaum etwas messen, danach wird es eine irgendwie geartete Kurve Signallleistung zu Geschwindigkeit geben die bei verschiedenen Fahrrädern ähnlich aussehen sollte.

AlphaRay wrote:

Kalibrierung könnte so optimal laufen: man stellt sich hin. Tippt auf "Neuer Bodenbelag" -> Display: "Bitte auf etwa mind. 50 Meter gleichmäßig auf mind 15 Kmh beschleunigen" -> Messung stoppt nach erreichen der Geschwindigkeit und Handy gibt nen Ton von sich -> User wählt Bodenbelag -> gespeichert.

ja so etwa hätte ich mir das auch gedacht. es müsste eben verschiedene "Referenzbodenbeläge" geben für die man dann kalibrieren kann.

bezüglich Preis zu Funksystemen, da muss man ja nichts gekauftes nehmen, mit Elektronik kenne ich mich schon aus, in der Not lässt sich da auch was basteln. Was daran aber blöd ist, ist dass Benutzer generell irgendwas als Hardware brauchen. Ob es nun wenige Euro kostet oder nicht, alleine etwas zu bestellen und zusätzlich mitzunehmen ist eine Hürde.

Bezüglich positiver / negatiger Impulse der Beschleunigung: so einfach dürfte es nicht sein. Das mechanische System "Bodenunebenheit zu Smartphonesensor" hat eine nicht-lineare Phase, damit sind Fugen auf dem Boden bestimmt nicht mehr als Fugenartiges Artefakt auf dem Signal erkennbar, das wird alles sehr verwischt sein. Außerdem werden Fugen sowieso schwer zu messen sein, da wie bereits beschrieben der Raddurchmesser viel größer als die Fugenbreite ist.

AlphaRay wrote:

Fährst du 20 Kmh, dann kriegst du werte, bei Pflastersteinen (niedrige Frequenz, da diese ca. 10x10 cm sind) die sich mit grobem Schotter (2-6 cm) bei 15 Kmh überschneiden könnten.

Finde ich auch nicht so schlimm. Dafür gibt es ja den surface-tag, und die Geschwindigkeit würde ja dann wie oben beschrieben wieder rausgerechnet.

GUFSZ · 2015-06-20 18:42:03

Ich war heute mit dem Rad unterwegs, dabei sind mir ein paar Sachen aufgefallen.

1. Ob ich auf dem Radweg mit Kopfsteinpflaster oder der Straaße mit Asphalt gefahren bin, ist schwer automatisiert feststellbar.
2. Ungleiche Beschaffenheit von Wegen. Linke Spur ist total im Eimer, rechte ist gut. Bzw. durch manche Schlaglochpiste lässt sich doch mit wenig Gerumple durchschlängeeln.
3. Vibration ist nicht alles. Wie geht man mit weichen Böden um?
4. Der Smoothness-Tag müsste vielleicht für fahrzugabhängig eingetragen werden. Eine wassergebundene Decke, die total glatt ist, ist für den Radfahrer gut, für den Skater schon mittelmäßig bis schlecht.

jlcod · 2015-06-20 19:46:23

Danke für den Test!

GUFSZ wrote:

1. Ob ich auf dem Radweg mit Kopfsteinpflaster oder der Straaße mit Asphalt gefahren bin, ist schwer automatisiert feststellbar.

Ja, das würde aber zum surface-tag gehören, das ist wirklich schwer feststellbar (außer vielleicht durch irgendwelche computer-vision) und muss manuell nachgetragen werden.

GUFSZ wrote:

2. Ungleiche Beschaffenheit von Wegen. Linke Spur ist total im Eimer, rechte ist gut. Bzw. durch manche Schlaglochpiste lässt sich doch mit wenig Gerumple durchschlängeeln.

Hier vielleicht manuell herunterstufen?

GUFSZ wrote:

3. Vibration ist nicht alles. Wie geht man mit weichen Böden um?

surface=dirt/earth/mud/sand?

GUFSZ wrote:

4. Der Smoothness-Tag müsste vielleicht für fahrzugabhängig eingetragen werden. Eine wassergebundene Decke, die total glatt ist, ist für den Radfahrer gut, für den Skater schon mittelmäßig bis schlecht.

das hatte ich auch mal überlegt, mir ist aber kein Beispiel aufgefallen bei dem das wirklich nötig wäre, daher habe ich das verworfen. auch bei der wassergebundenen Decke wäre es eben surface=fine_gravel oder ähnliches und schließt daher von vornherein Inline-Skater aus. Dennoch kann es für Autofahrer und Radfahrer angenehm zu befahren sein.

Fazit:
Eine weniger automatisierte Variante wäre dann, dass man auf dem Smartphone Buttons hat zum wählen von surface und smoothness. surface geht sowieso nicht automatisch, smoothness wohl halbautomatisch. lohnt es sich dann überhaupt zu automatisieren?

GUFSZ · 2015-06-21 09:49:38

jlcod wrote:

Fazit:
Eine weniger automatisierte Variante wäre dann, dass man auf dem Smartphone Buttons hat zum wählen von surface und smoothness. surface geht sowieso nicht automatisch, smoothness wohl halbautomatisch. lohnt es sich dann überhaupt zu automatisieren?

Was mir dann zu blöd wäre, ich will radfahren, nicht auf der Straße rumstehen.

Ich habee gestern mal ein so ein Sensorrecordingprogramm mitlaufen lassen: https://www.dropbox.com/s/xf4ic78g1rpop … n.zip?dl=0

Vielleicht kann jemand damit was anfangen.

GUFSZ · 2015-06-21 09:55:59

jlcod wrote:

Fazit:
Eine weniger automatisierte Variante wäre dann, dass man auf dem Smartphone Buttons hat zum wählen von surface und smoothness. surface geht sowieso nicht automatisch, smoothness wohl halbautomatisch. lohnt es sich dann überhaupt zu automatisieren?

Was mir dann zu blöd wäre, ich will radfahren, nicht auf der Straße rumstehen.

Ich habe gestern mal ein so ein Sensorrecordingprogramm mitlaufen lassen: https://www.dropbox.com/s/xf4ic78g1rpop … n.zip?dl=0

Vielleicht kann jemand damit was anfangen.

Last edited by GUFSZ (2015-06-21 09:57:20)

jlcod · 2015-06-21 15:48:12

Hier ein Diagramm zu deinen Daten. momentan noch nicht georeferenziert, aber kann das etwa hinkommen?
Die Absolutwerte von Sensor Nr. 10 (Linear Acceleration, Erdbeschleunigung ist hier schon herausgerechnet) wurden je über 10 Sekunden integriert.

zur Georeferenzierung, sind zwei Dateien (eine mit Zeit und Koordinaten, eine mit Zeit und Wert) besser oder eine mit Zeit, Koordinaten und Wert? Die Werte liegen ja eher zwischen den gemessenen Kooordinaten.

Das python-Skript gibts hier: https://github.com/kolg/acceleration_se … ate_rms.py
Das Diagramm wurde aus der Ausgabedatei des Skripts in LibreOffice Calc erstellt.

GUFSZ · 2015-06-21 16:01:42

jlcod wrote:

zur Georeferenzierung, sind zwei Dateien (eine mit Zeit und Koordinaten, eine mit Zeit und Wert) besser oder eine mit Zeit, Koordinaten und Wert? Die Werte liegen ja eher zwischen den gemessenen Kooordinaten.

Da ist doch eine KML-Datei dabei? 2015-06-20_SensorPosGPS.kml.

Last edited by GUFSZ (2015-06-21 16:02:47)

jlcod · 2015-06-21 16:06:26

ja schon, aber ich bin nicht grade geo-experte und hab ehrlich gesagt keine ahnung wie man das in ner Karte darstellt.

edit: Datei gibts hier: http://pastebin.com/sWHcSF3M

Last edited by jlcod (2015-06-21 16:08:47)

Announcement

#26 2015-06-16 08:30:23

Re: Low-cost smoothness Messung

#27 2015-06-16 09:21:32

Re: Low-cost smoothness Messung

#28 2015-06-16 10:18:13

Re: Low-cost smoothness Messung

#29 2015-06-16 14:01:06

Re: Low-cost smoothness Messung

#30 2015-06-16 14:55:28

Re: Low-cost smoothness Messung

#31 2015-06-16 15:19:06

Re: Low-cost smoothness Messung

#32 2015-06-19 02:21:33

Re: Low-cost smoothness Messung

#33 2015-06-19 07:50:17

Re: Low-cost smoothness Messung

#34 2015-06-19 07:56:00

Re: Low-cost smoothness Messung

#35 2015-06-19 08:26:08

Re: Low-cost smoothness Messung

#36 2015-06-19 08:31:12

Re: Low-cost smoothness Messung

#37 2015-06-19 08:42:25

Re: Low-cost smoothness Messung

#38 2015-06-19 09:01:32

Re: Low-cost smoothness Messung

#39 2015-06-19 10:05:59

Re: Low-cost smoothness Messung

#40 2015-06-19 12:31:28

Re: Low-cost smoothness Messung

#41 2015-06-19 16:07:18

Re: Low-cost smoothness Messung

#42 2015-06-20 18:42:03

Re: Low-cost smoothness Messung

#43 2015-06-20 19:46:23

Re: Low-cost smoothness Messung

#44 2015-06-21 09:49:38

Re: Low-cost smoothness Messung

#45 2015-06-21 09:55:59

Re: Low-cost smoothness Messung

#46 2015-06-21 15:48:12

Re: Low-cost smoothness Messung

#47 2015-06-21 16:01:42

Re: Low-cost smoothness Messung

#48 2015-06-21 16:06:26

Re: Low-cost smoothness Messung

Board footer