物联网

卡尔曼滤波在九轴姿态解算中的C语言实现与参数整定

在无人机、机器人等智能设备中，九轴IMU（惯性测量单元）是姿态解算的核心传感器，但其原始数据受噪声和零偏影响严重。卡尔曼滤波作为一种基于概率的最优估计方法，通过融合加速度计、陀螺仪和磁力计数据，可显著提升姿态解算的精度与稳定性。本文将结合C语言实现，解析卡尔曼滤波在九轴姿态解算中的关键技术与参数整定方法。

面向复杂家居的扫地机器人鲁棒导航框架优化设计

系统工程化适配与家庭场景专项优化

大模型轻量化的核心技术：原理与适配路径

面向用户体验的扫地机器人智能交互设计核心原则

自监督学习在扫地机器人地图构建中的应用路径

扫地机器人运动控制与底盘驱动系统优化设计

面向全自主扫地机器人的多相机与IMU联合标定方法（一）

面向全自主扫地机器人的联合标定关键技术

面向未来的全自主扫地机器人：感知、决策、控制一体化（一）

在线自适应标定与传感器漂移补偿的核心内涵与技术框架

扫地机器人量产关键技术：标定、测试与可靠性

传感器在智能电网中的应用研究

随着能源转型加速和物联网技术的迭代，智能电网已成为保障能源安全、提升利用效率、推动绿色发展的核心载体。作为智能电网的“神经末梢”，传感器通过实时采集电网全环节运行数据，为电网调度、设备运维、安全防控和能源优化提供精准支撑，其应用水平直接决定了智能电网的智能化、自动化和精细化程度。

不止是跑分：基于FPGA的RISC-V软核定制与硬件加速器（HLS）协同设计实战——以AI边缘检测算法为例

在AI边缘计算领域，传统处理器架构常面临算力与能效的双重挑战。基于FPGA的RISC-V软核定制与硬件加速器（HLS）协同设计，为边缘AI算法落地提供了新范式。本文以Sobel边缘检测算法为例，解析如何通过软核定制与HLS加速实现20倍性能提升。

边缘AI部署：TensorFlow Lite Micro在MCU上的模型量化与推理加速

在智能家居、工业物联网等场景中，边缘AI正以“低延迟、高隐私、低功耗”的优势重塑设备智能化范式。以STM32H7为代表的MCU（微控制器）凭借低至16KB的内存占用和毫秒级响应，成为边缘推理的核心载体。而TensorFlow Lite Micro（TFLM）作为专为裸机环境设计的轻量级框架，通过模型量化与推理加速技术，让CNN、RNN等复杂模型得以在资源受限的MCU上高效运行。