Lap Timer

Android -Appanalys Och Granskning: Lap Timer, Utvecklad Av Timo Rantalainen. Listad I Verktyg -Kategorin. Den Nuvarande Versionen Är 1.0.3, Uppdaterad 02/01/2022 . Enligt Användare Recensioner På Google Play: Lap Timer. Uppnått Över 114 Installationer. Lap Timer Har För Närvarande 1 Recensioner, Genomsnittlig Betyg 5.0 Stjärnor

---

---

Appen använder en av dina telefonkameror för att mäta varvdelar. Efter initialisering av cirka 1 s övervakas videoströmmen för förändringar, och varaktigheten mellan betydande förändringar i fodret visas på skärmen.

har
- Välj vilken kamera, upplösning och ram för att använda
- visar de sista 10 spliterna på skärmen
- Visar bildprocess i MilliseConds på skärmen (så att du väljer en Slower-upplösning. Tiden måste vara mindre än 1 dividerad med den valda bildhastigheten, t.ex. bildhastighet 30 -> Bearbetningstiden måste vara mindre än 33 ms).

Använd
Ställ in din kamera för att peka på ett begränsat område som varvet kommer att passera utan rörelse i sikte (t.ex. positionskamera högt, peka på marken eller peka på kameran på en vägg på ett begränsat område som varvet kommer att passera utan rörelse i sikt (t.

Jag använder appen till Time Radio Controllable Car Lap Times, och strömmar telefonvyn på min TV med Google Home för att ha god vy över varvtiderna i realtid.

Obs
förändringar i ljus, skuggor, flyttar telefonen etc kommer att trigga splits på grund av förändringsdetektering algoritm. Subtraktion genom att använda en förenklad version av tekniken jag utvecklade för https://doi.org/10.1016/j.jneumeth.2011.02.010 Studie. Bakgrundsmodellen är byggd genom att starta från en ram med alla 0 och uppdatera bakgrundspixelvärdena med 1/bildhastighet från den aktuella ramen (och 1-1/bildhastighet från bakgrundsmodellen). Förenklingen från studien är att endast en enda bakgrundskandidat upprätthålls (i motsats till fem). Pixlar som är mer än 20 värden bort från bakgrunden flaggas som icke-background (dvs. en förändring). Antalet icke-background-pixlar räknas för varje ram och ett basvärde upprätthålls med samma inlärningsprocess som används för bakgrundsmodellen (dvs. 1/bildhastighet från det aktuella antalet förändrade pixlar), och en split är flaggad om det aktuella antalet är mer än två gånger baslinjen.

endast luminositet betraktas (lum-räkning [y], blå] och rödvärde. YUV422_8888 begärs från kameran) och endast varje 4: e pixel både i kolumner och rader övervägs. Detta resulterar i att endast en av var 16 pixlar övervägs (15 av 16 pixlar, och alla U och V -komponenter ignoreras helt enkelt). Med denna nedsampling av videobeedningen kunde min telefon (Honor 20 Lite [HRY-LX1T]) bearbeta cirka 30 (1536 x 864 pixel) ramar per sekund, dvs. den upprätthöll konsekvent realtidsoperation. Bearbetning av varje pixel bromsade bearbetningen till cirka 12 bilder per sekund och varje fjärde pixel till 25 bilder per sekund. För att uppnå denna bildhastighet skrev jag Renderscript-kärnor för att förkalkas pixelindex för bakgrundsdetektering, och all bakgrundsdetektering, och pixelräkning utförs med Renderscript-kärnor. Detta resulterade i mellan 4 till 10 gånger förbättringar i beräkningstiden jämfört med att använda CPU för samma beräkningar.