基于STM32的老人跌倒检测智能家居系统设计

目前,智能家居设备主要以家庭住房为平台,以物联网技术为工具,连接家电、灯光及空气质量检测设备等。我国正处于人口老龄化趋势,老年人群的特点是反应力迟缓、平衡感降低且身体机能老化,因此高龄人群对智能家居有个性化的需求。基于上述目的,该文提出了一种面向高龄人群的智能家居系统方案,该系统分为老人穿戴部分与集成了Kinect体感器的家居系统;阐述了Kinect模块的跌倒姿态检测原理与算法。系统硬件部分使用STM32F4x作为主控芯片,穿戴部分包含心率、体温和血氧数据采集模块、OLED显示屏及按键,通过ESP8266EX模块与手机相连。系统软件使用C语言在Keil5平台编程,再用软件FlyMCU将程序导入STM32芯片。

基于FDM技术的阶梯效应弱化及特征保留自适应分层算法

当FDM 3D打印在模型细节特征较多、外轮廓曲率变化较大时,阶梯误差明显且无法有效保留细节特征.以列表排序法去除STL模型冗余数据并重新建立其三角面片拓扑关系,并提出一种基于FDM技术的自适应分层算法.该算法将3D打印自适应层厚计算问题分解为弱化阶梯效应与保留细节特征两部分,将阶梯误差分别描述为体积误差与尖端高度,模型特征以点、线、面的形式分别计算,得出4个自适应层厚分量并加权结合,以防止特征遗漏为目的,确定下一个分层扫描面高度.与常规等厚分层算法相比,该算法试验模型成型时间缩短30%、分层数减少27%、体积误差缩小34%,且表面质量更佳,在保证3D打印成型质量的前提下,能够最大程度地减少分层数.