博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
重力感应器
阅读量:2237 次
发布时间:2019-05-09

本文共 1281 字,大约阅读时间需要 4 分钟。

以屏幕的左下方为原点(2d编程的时候,是以屏幕左上方为原点的,这个值得注意一下),箭头指向的方向为正。从-10到10,以浮点数为等级单位,想象一下以下情形:

手机屏幕向上(z轴朝天)水平放置的时侯,(x,y,z)的值分别为(0,0,10);
手机屏幕向下(z轴朝地)水平放置的时侯,(x,y,z)的值分别为(0,0,-10);
手机屏幕向左侧放(x轴朝天)的时候,(x,y,z)的值分别为(10,0,0);
手机竖直(y轴朝天)向上的时候,(x,y,z)的值分别为(0,10,0);
其他的如此类推,规律就是:朝天的就是正数,朝地的就是负数。利用x,y,z三个值求三角函数,就可以精确检测手机的运动状态了。

 

 

 

package com.ray.test;    

  import android.app.Activity;    
  import android.os.Bundle;    
  import android.hardware.SensorManager;    
  import android.hardware.Sensor;    
  import android.hardware.SensorEventListener;    
  import android.hardware.SensorEvent;    
      
      
  public class SensorTest extends Activity {    
     private SensorManager sensorMgr;    
     Sensor sensor = sensorMgr.getDefaultSensor(Sensor.TYPE_ACCELEROMETER);    
     private float x, y, z;    
     protected void onCreate(Bundle savedInstanceState) {    
     super.onCreate(savedInstanceState);    
     sensorMgr = (SensorManager) getSystemService(SENSOR_SERVICE);    
         SensorEventListener lsn = new SensorEventListener() {    
             public void onSensorChanged(SensorEvent e) {    
               x = e.values[SensorManager.DATA_X];       
               y = e.values[SensorManager.DATA_Y];       
               z = e.values[SensorManager.DATA_Z];    
               setTitle("x="+(int)x+","+"y="+(int)y+","+"z="+(int)z);    
            }    
                
             public void onAccuracyChanged(Sensor s, int accuracy) {    
             }    
         };    
        //注册listener,第三个参数是检测的精确度    
         sensorMgr.registerListener(lsn, sensor, SensorManager.SENSOR_DELAY_GAME);    
     }   

转载地址:http://nwefb.baihongyu.com/

你可能感兴趣的文章
按时间轴简述九大卷积神经网络
查看>>
详解循环神经网络(Recurrent Neural Network)
查看>>
为什么要用交叉验证
查看>>
用学习曲线 learning curve 来判别过拟合问题
查看>>
用验证曲线 validation curve 选择超参数
查看>>
用 Grid Search 对 SVM 进行调参
查看>>
用 Pipeline 将训练集参数重复应用到测试集
查看>>
PCA 的数学原理和可视化效果
查看>>
机器学习中常用评估指标汇总
查看>>
什么是 ROC AUC
查看>>
Bagging 简述
查看>>
详解 Stacking 的 python 实现
查看>>
简述极大似然估计
查看>>
用线性判别分析 LDA 降维
查看>>
用 Doc2Vec 得到文档/段落/句子的向量表达
查看>>
使聊天机器人具有个性
查看>>
使聊天机器人的对话更有营养
查看>>
一个 tflearn 情感分析小例子
查看>>
attention 机制入门
查看>>
手把手用 IntelliJ IDEA 和 SBT 创建 scala 项目
查看>>