Angewandte Informatik: Entfernungsmessung mit dem Sharp IR Sensor

Abb. 1: IR Abstandssensor GP2Y0A21YK0F

Autor:	Prof. Dr.-Ing. Schneider
Modul	Business and Systems Engineering, Angewandte Mathematik und Informatik, Übung, Sommersemester
Modulbezeichnung:	BSE-M-2-1.09
Lektion:	6

Inhalt

• Entfernungmessung via Lichttriangulation mit MATLAB^®
• Messwertanalyse mit MATLAB^®
• Auslegung und Anwendung eines rekursiven Medianfilters
• Messwertfilterung in Echtzeit
• Regressionsanalyse
• Ergebnisdarstellung
• Berechnung von Sensorkennwerten

Lernziele

Nach Durchführung dieser Lektion können Sie

• die Funktion eines Sharp IR-Entfernungssensors erläutern.
• die Vor- und Nachteile der Entfernungsmessung mit Lichttriangulation erläutern.
• mit einem Sharp IR-Entfernungssensors Entfernungen messen.
• mittels Regression eine Sensorkennlinien hinterlegen.
• das Ergebnis der Messdatenverarbeitung charakterisieren und anzeigen.
• ein rekursives Medianfilter programmiert und parametrieren.
• eine Funktion in MATLAB^® programmieren und aufrufen.

Vorbereitung

Erlernen Sie die Funktion des Infrarotsensors und eines rekursiven Medianfilters anhand der verlinkten Fachartikeln und Literatur.

Tutorial

• HSHL-Wiki: Sharp IR GP2Y0A41SK0F
• HSHL-Wiki: Rekursive Filter
• [YouTube: Median - einfach erklärt | Mathematik | Lehrerschmidt]

Aufgabe: Entfernungsmessung mit dem Sharp IR Sensor

1. Lesen Sie die Messwerte des Sharp IR mit maximaler Abtastrate mit dem Skript messeIREntfernung.m auf das weiße Ziel ein.
2. Analysieren Sie das Messsignal und entstören Sie die Messwerte mittels Medianfilter.
3. Dokumentieren Sie die Filterauslegung im Quelltext.
4. Zeichnen Sie nach der Filterung den Mittelwert aus >50 Messungen pro konstanter Entfernung [3 4 5 6 7 8 10 12 14 16 18 20 22 24 26 28] in cm auf und speichern Sie Entfernung in cm und Spannung in V der Datei IR_Messung.mat (2x16 Werte).
5. Stellen Sie mit dem Skript analysiereIREntfernung.m die Messwerte und den gefilterten Werten im Vergleich in einer Grafik gegenüber (Abb. 1).
6. Rechnen Sie die Spannung in V mittels nichtlinearer Regression in eine Entfernung in cm um.
7. Geben Sie das Bestimmtheitsmaß der Regression R² an.
8. Zeichnen Sie Entfernung in cm, Regressionskurve und 95 % Konfidenzintervall in einen Graph (Abb. 2).
9. Bestimmen Sie für Ihren Sensor die Sensorkennwerte:
   1. Messbereich: MB in cm
   2. zeitliche Auflösung: at in s
   3. Entfernungsauflösung: ad in cm für den Messbereich (MB)
   4. Empfindlichkeit: E in $\frac{cm}{V}$
10. Stellen Sie die Sensorkennwerte in einer Figur in 2x2 Subplots dar (Abb. 3).
11. Beschriften Sie alle Graphen wissenschaftlich mit Achsenbeschriftung und >2 Kurven einer Legende.

Arbeitsergebnisse: IR_Messung.mat, messeIREntfernung.m, analysiereIREntfernung.m

Tipps 

• Den Messbereich beschreibt der kleinste und größte Messwert.
• Die Auflösung ist der kleinstmögliche Werteschritt.
• Die Empfindlichkeit berechnet sich aus $E=\frac{\mathrm{\Delta }y}{\mathrm{\Delta }x}$. Im nichtlinearen Fall entsprich dies der 1. Ableitung.

---

→ zurück zum Hauptartikel: BSE Angewandte Informatik - SoSe26