Tiny ML für Fahrbahntyp-Erkennung
Dieses Projekt implementiert ein eingebettetes System zur automatischen Klassifikation von Fahrbahntypen mithilfe von Inertialsensordaten. Das System ist an einem Fahrrad montiert und führt die Inferenz lokal auf einem ATOM S3 (ESP32-S3) ohne Cloud-Anbindung aus.
ATOM S3 (ESP32-S3)
6-Achsen-IMU (Beschleunigung und Gyroskop)
3D-gedruckte Halterung am Fahrrad
Erfassung von IMU-Zeitreihen
Fensterbasierte Vorverarbeitung und Normalisierung
Klassifikation mit Embedded Machine Learning
Echtzeit-Inferenz auf dem Mikrocontroller
Integrierter Webserver
Anzeige des aktuellen Fahrbahntyps und der Klassifikationswahrscheinlichkeit
Live-Visualisierung der IMU-Signale
This project implements an embedded system for automatic road surface classification using inertial sensor data. The system is mounted on a bicycle and performs local inference on an ATOM S3 (ESP32-S3) without cloud connectivity.
ATOM S3 (ESP32-S3)
6-axis IMU (accelerometer and gyroscope)
Custom 3D-printed bicycle mount
IMU time series acquisition
Window-based preprocessing and normalization
Embedded machine learning classification
Real-time on-device inference
Integrated web server
Display of current road surface type and confidence
Live IMU signal visualization