Evaluation of data driven sensor fusion for activity detection and localization with accelerometers

Abstract

This bachelor’s thesis evaluates the use of inertia sensors for turning the desktop surface into a detector for user activity or input. Combined accelerometer and gyroscope data from multiple inertia mesurement units is used to dertermine the location of the user interaction. Two approaches are evaluated, triangulation using the relative bearing of the input location relative to the sensors and machine learning strategies.

Diese Arbeit untersucht die Verwendbarkeit von Inertialsensoren für Benutzerinteraktionen auf einer Schreibtischplatte. Kombinierte Beschleunigungs- und Drehsensordaten mehrerer inertialer Messeinheiten werden verwendet, um die Position einer Benutzereingabe zu ermitteln. Dazu wird zunächst versucht mittels Triangulation die Peilung der Quelle zu ermitteln, dann werden Machine-Learning Algorithmen angewendet.