CN111857369A - 校准移动终端的接近传感器的方法、装置、终端和存储介质 - Google Patents

校准移动终端的接近传感器的方法、装置、终端和存储介质 Download PDF

Info

Publication number
CN111857369A
CN111857369A CN202010727791.3A CN202010727791A CN111857369A CN 111857369 A CN111857369 A CN 111857369A CN 202010727791 A CN202010727791 A CN 202010727791A CN 111857369 A CN111857369 A CN 111857369A
Authority
CN
China
Prior art keywords
proximity sensor
mobile terminal
calibrating
sensor
terminal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010727791.3A
Other languages
English (en)
Other versions
CN111857369B (zh
Inventor
丛国华
韩冰天
李腾飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010727791.3A priority Critical patent/CN111857369B/zh
Publication of CN111857369A publication Critical patent/CN111857369A/zh
Application granted granted Critical
Publication of CN111857369B publication Critical patent/CN111857369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G01S2007/4975—Means for monitoring or calibrating of sensor obstruction by, e.g. dirt- or ice-coating, e.g. by reflection measurement on front-screen

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephone Function (AREA)

Abstract

本公开涉及计算机技术领域，具体涉及一种校准移动终端的接近传感器的方法、装置、终端和存储介质。本公开提供的校准移动终端的接近传感器的方法包括：获取移动终端的运动传感器检测的传感器信息；根据传感器信息确定移动终端所处的姿态；当确定姿态符合预设的姿态条件时，获取接近传感器的检测信息；根据检测信息校准接近传感器的底噪值。根据本公开实施例提供的校准移动终端的接近传感器的方法，通过在判断当前移动终端处于被遮挡概率低的预设姿态时，根据接近传感器当前的检测信息校准接近传感器的底噪值，可以实现在移动终端使用过程中对接近传感器的底噪值进行精确校准，从而提高接近传感器的检测准确度。

Description

校准移动终端的接近传感器的方法、装置、终端和存储介质
技术领域
本公开涉及计算机技术领域，具体涉及一种校准移动终端的接近传感器的方法、装置、终端和存储介质。
背景技术
接近传感器(Proximity Sensor)用于近距离测距工作，其可以不断向外发射红外光，当有近距离遮挡物遮挡住其所发射的红外光时，可以根据遮挡物反射的红外光的能量信号检测距离信息。手机屏幕的顶部通常安装有接近传感器，当手机处于通话状态时，用户脸部贴近屏幕时，接近传感器自动感应手机与人脸的距离，并可以使手机屏幕熄灭，防止通话过程产生误触。
手机上的接近传感器的校准工作一般都是在手机出厂时进行的，一旦校准完毕，使用期间不易进行二次校准。但是手机在使用过程中不可避免地会出现一些干扰接近传感器底噪值的情形，其中，底噪值是指在移动终端上没有遮挡的情况下接近传感器的检测信号值，该值由红外光在终端内部绕射产生。手机贴膜、手机屏幕上的污渍、手机磕碰导致接近传感器位置发生变化等情形均会导致接近传感器的实际底噪值发生变化。当接近传感器的底噪值发生变化后，就会导致接近传感器测距不准确，因此需要在手机使用过程中对接近传感器的底噪值进行校准。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供了一种校准移动终端的接近传感器的方法，包括：
获取所述移动终端的运动传感器检测的传感器信息；
根据所述传感器信息确定所述移动终端所处的姿态；
当确定所述姿态符合预设的姿态条件时，获取所述接近传感器的检测信息；
根据所述检测信息校准所述接近传感器的底噪值。
第二方面，本公开提供了一种校准移动终端的接近传感器的装置，包括：
传感器信息获取单元，用于获取所述移动终端的运动传感器检测的传感器信息；
终端姿态确定单元，用于根据所述传感器信息确定所述移动终端所处的姿态；
检测信息确定单元，用于当确定所述姿态符合预设的姿态条件时，获取所述接近传感器的检测信息；
校准单元，用于根据所述检测信息校准所述接近传感器的底噪值。
第三方面，本公开提供了一种终端，所述终端包括：
至少一个存储器和至少一个处理器；
其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行根据本公开实施例提供的校准移动终端的接近传感器的方法。
第四方面，一种非暂态计算机存储介质，所述非暂态计算机存储介质存储有程序代码，所述程序代码用于执行根据本公开实施例提供的校准移动终端的接近传感器的方法。
根据本公开实施例提供的校准移动终端的接近传感器的方法，通过在判断当前移动终端处于被遮挡概率低的预设姿态时，根据接近传感器的检测信息校准接近传感器的底噪值，可以实现在移动终端使用过程中对接近传感器的底噪值进行精确校准，从而提高接近传感器的检测准确度。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为根据本公开一实施例提供的校准移动终端的接近传感器的方法的流程图；
图2为根据本公开另一实施例提供的校准移动终端的接近传感器的方法的流程图；
图3为根据本公开一实施例提供的机器学习模型的训练方式的流程图；
图4为根据本公开一实施例提供的校准移动终端的接近传感器的装置的结构示意图；
图5为用来实现本公开实施例的终端设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的装置实施方式中记载的步骤可以按照不同的顺序执行，和/或并行执行。此外，装置实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
需要注意，本公开中提及的“响应于”，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟。
为了本公开的目的，短语“A和/或B”意为(A)、(B)或(A和B)。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
参考图1，图1示出了本公开实施例提供的校准移动终端的接近传感器的方法100的流程图。本公开实施例中的移动终端可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、智能可穿戴设备等。该方法100包括步骤S101-步骤S104：
步骤S101：获取移动终端的运动传感器检测的传感器信息。
在本实施例中，运动传感器可以包括但不限于加速度传感器、重力传感器、陀螺仪传感器、磁力传感器、方向传感器等可以用于检测终端运动状态和姿态的传感器。
步骤S102：根据传感器信息确定移动终端所处的姿态。
根据运动传感器检测的传感器信息确定移动终端当前的姿态可以采取本领域相关的技术方案，本实施例不做此限制。在一些实施例中，可以预先为特定的一种或多种目标姿态设定预设相应的传感器阈值或条件，当运动传感器检测的传感器信息满足相应的阈值和条件时，则可确定当前移动终端所处的目标姿态。
步骤S103：当确定姿态符合预设的姿态条件时，获取接近传感器的检测信息。
其中，预设的姿态条件被设定为移动终端的姿态符合该预设的姿态条件限定的姿态时，接近传感器被近距离遮挡的概率较低，例如竖屏、屏幕向上平放等姿态。
在一些实施中，所述预设的姿态条件为竖屏姿态，即当确定移动终端为竖屏姿态时，获取接近传感器的检测信息。经发明人实验研究发现，当用户竖屏持握移动终端时，接近传感器几乎不会被近距离遮挡。
在本实施例中，当确定移动终端处于符合预设的姿态条件时，接近传感器可以检测一次或获取一个检测信息，也可以连续检测或在预设时长内检测多次以获取多个检测信息。
步骤S104：根据检测信息校准该接近传感器的底噪值。
在本实施例中，用于校准接近传感器的底噪值的检测信息可以是一个或多个，其中，可以通过重复步骤S101-S103获取多个用于校准接近传感器的底噪值的检测信息。
在一些实施例中，可以将步骤S103获取的检测信息直接作为接近传感器校准后的底噪值。当用于校准接近传感器的检测信息为两个以上时，可以采取求平均值、中位数等相关数据处理方法获得校准后的底噪值。
校准接近传感器的底噪值时，要求移动终端特别是移动终端上的接近传感器，不被遮挡。因此，根据本公开实施例提供的校准移动终端的接近传感器的方法，通过在判断当前移动终端处于被遮挡概率低的预设姿态时，根据接近传感器的检测信息校准接近传感器的底噪值，可以实现在移动终端使用过程中对接近传感器的底噪值进行精确校准，从而提高接近传感器的检测准确度。
参考图2，图2示出了根据本公开实施例提供的校准移动终端的接近传感器的方法200的流程图，该方法200包括步骤S201-步骤S205：
步骤S201：接收移动终端的用户操作事件。
步骤S202：响应于用户操作事件，获取移动终端的运动传感器检测的传感器信息。
步骤S203：根据传感器信息确定移动终端所处的姿态。
步骤S204：当确定姿态为竖屏姿态时，获取接近传感器当前的检测信息。
步骤S205：根据检测信息校准接近传感器的底噪值。
其中，用户操作事件是指用户对移动终端进行操作的事件，例如对home键、电源键等实体按键的触发操作，屏幕触控操作、屏幕点亮操作、通过指纹、触控、人脸识别等屏幕解锁操作等。
根据本公开实施例提供的校准移动终端的接近传感器的方法，通过将接收到的用户操作事件作为接近传感器底噪值的校准触发条件，可以进一步确保当前呈竖屏状态的移动终端系被用户持握操作中，而非意外事件导致移动终端呈竖屏状态，保证接近传感器当前不被其他物体遮挡，从而实现对接近传感器的底噪值进行精确校准。
在一些实施例中，用户操作事件包括屏幕点亮事件和/或屏幕解锁事件。其中，屏幕点亮事件包括抬起亮屏、触控亮屏或触发电源键亮屏的事件；屏幕解锁事件包括触控解锁、人脸识别解锁或触发电源键解锁的事件。经发明人实验研究发现，当接收到屏幕点亮事件或屏幕解锁事件时，接近传感器被遮挡的概率极低，因此，通过将用户操作事件进一步设置为屏幕点亮事件和/或屏幕解锁事件，可以确保接近传感器当前不被其他物体遮挡，从而实现对接近传感器的底噪值进行精确校准。
在一些情况下，终端屏幕可能被非人为因素点亮，例如，终端可能在用户的口袋或包中因信息推送或抬起亮屏而点亮屏幕，此时终端的接近传感器处于近距离遮挡状态。对于这类情况，在一些实施例中，步骤S104进一步包括：若所述检测信息符合预设的条件，则确定所述检测信息不能用于校准所述接近传感器的底噪值。其中，预设的条件被设定为检测信息符合该预设条件时，接近传感器被近距离遮挡的概率较高。例如，若根据检测信息确定当前接近传感器存在近距离遮挡，则该检测信息不能用于校准接近传感器的底噪值。示例性地，预设条件可以为“大于0.5cm”。例如，当检测信息为1cm，则表明接近传感器1cm附近处存在遮挡，则该检测信息不能用于校准接近传感器的底噪值。
在一些实施例中，移动终端预先存储有接近传感器的当前底噪值；步骤S104进一步包括：将检测信息和当前底噪值进行比较；根据比较结果校准接近传感器的底噪值。可选地，当检测信息与当前底噪值不同，或获得的多个检测信息与当前底噪值不同，或检测信息与当前底噪值的差值大于预设的范围时，将检测信息作为接近传感器校准后的底噪值，从而可以更加准确地校准底噪值。
进一步地，在一些实施例中，可以将校准后的底噪值作为新的当前底噪值存储于移动终端中，用于下次校准底噪值。
在一些实施例中，步骤S102包括：
将传感器信息输入至预先训练的机器学习模型以确定移动终端所处的姿态。
虽然对于同一个人每次使用同一个姿势持握移动终端，或不同的人使用同一个姿势移动终端，运动传感器测得的传感器信息会有一定的差异，但根据人体结构和移动终端的使用常识，这些差异一定处于在某个范围内，这个范围不易用固定的数值或条件表示。因此，根据本公开实施例提供的校准移动终端的接近传感器的方法，通过利用机器学习方法识别把不同终端姿态的边界，用于检测终端姿态可以具备更高的准确率。
参考图3，图3示出了本公开实施例提供的机器学习模型的训练方式300的流程图，包括步骤S301-步骤S302：
步骤S301：获取多组训练数据，其中，每组训练数据包括当测试终端处于预设的终端姿态时测试终端的运动传感器检测的两个以上的测试信息；
步骤S302：将多组训练数据中包括的测试信息作为输入、与测试信息对应的终端姿态作为期望输出，对机器学习模型进行训练。
在本实施例中，通过使用于训练机器学习模型的每组训练数据包括两个以上的测试信息，可以消除异常测试信息产生的干扰，提高机器学习模型的识别准确率。
在一些实施例中，可以将竖屏姿态定义为移动终端屏幕的长边所在的直线与水平面之间夹角超过45度。测试人员可以多次持握测试终端使其处于竖屏或横屏姿态，记录测试终端的终端姿态并保存测试终端在该终端姿态下测试终端的运动传感器检测到的一个或多个传感数据，这样，可以得到多组训练数据。为了尽可能消除测试人员的个体性差异，可以采用多个的测试人员产生的训练数据。
在一些实施例中，可以将竖屏姿态定义为移动终端屏幕的长边所在的直线与用户双眼的连线之间的夹角超过45度。测试人员可以多次以直立、平躺、侧躺等姿势竖屏持握或横屏持握测试终端，记录测试终端的终端姿态并保存测试终端在该终端姿态下测试终端的运动传感器检测到的一个或多个传感数据，这样，可以得到多组训练数据。
在一些实施例中，可以以竖屏姿态对应的训练数据作为正例、横屏姿态对应的训练数据作为负例，训练机器学习模型，训练后的机器学习模型可以用于确定移动终端是否处于竖屏姿态。
在一些实施例中，测试信息包括至少两个方向上的数值；训练方式300还包括：对每组训练数据所包括的测试信息进行合并处理得到处理后的训练数据，其中，训练数据所包括的测试信息的对应同一方向的数值在处理后的训练数据中按时间顺序生成数组。在本实施例中，可以对每组训练数据所包括的全部测试信息进行合并处理，也可以仅对每组训练数据所包括的部分测试信息进行上述合并处理，例如删除训练数据中的缺失值、异常值后，对余下的测试信息进行上述合并处理。在本实施例中，处理后的训练数据用于作为机器学习模型的输入对机器学习模型进行训练。
在本公开实施例中，坐标数据包括但不限于平面直角坐标数据、空间直角坐标数据等，坐标数据由坐标轴对应的坐标值构成。示例性地，每组训练数据所包括的测试信息可以为空间直角坐标数据，例如(x1,y1,z1),(x2,y2,z2),…,(xn,yn,zn)，其中n≥2，根据本公开实施例，将上述n个空间直角坐标数据合并处理得到处理后的训练数据(x1,x2,…,xn,y1,y2,…yn,z1,z2,…,zn)，其中，对应同一方向的数值(例如，x1,x2,…,xn)在处理后的训练数据中按时间顺序生成数组，即把训练数据由[xyz,xyz,xyz,…]处理成[x,x,x,…,y,y,y,…,z,z,z,…]的形式。在本公开实施例中，通过将每组训练数据所包括的测试信息的对应同一方向的数值按时间顺序生成数组，可以使机器学习模型更容易地理解哪些位置(坐标轴)的数据变化会产生分类结果的变化，从而提高机器学习模型的训练效率，减少训练所需的样本量。
在一些实施例中，机器学习模型为神经网络模型。因神经网络模型对分类函数具有较佳的拟合性，本公开实施例通过采用神经网络模型作为机器学习模型，训练后的机器学习模型具有较高的分类准确率。
在一些实施例中，步骤S104进一步包括：根据两个以上所述检测信息，校准所述接近传感器的底噪值。在本实施例中，可以采取求平均值、中位数、数据拟合等相关数据处理方法处理所获取的多个检测信息用来校准底噪值，从而可以更加准确地校准底噪值。
如图4所示，根据本公开一实施例提供了一种终端姿态的检测装置400，包括：传感器信息获取单元401、终端姿态确定单元402、终端姿态确定单元403和校准单元404，其中：
传感器信息获取单元401，用于获取移动终端的运动传感器检测的传感器信息；
终端姿态确定单元402，用于根据传感器信息确定移动终端所处的姿态；
检测信息确定单元403，用于当确定姿态符合预设的姿态条件时，获取接近传感器的检测信息；
校准单元404，用于根据检测信息校准接近传感器的底噪值。
对于装置的实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离模块说明的模块可以是或者也可以不是分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
在一些实施例中，检测装置400还包括接收单元，用于接收移动终端的用户操作事件；传感器信息获取单元401进一步用于响应于所述用户操作事件，获取移动终端的运动传感器检测的传感器信息。
在一些实施例中，用户操作事件包括屏幕点亮事件和/或屏幕解锁事件。其中，屏幕点亮事件包括抬起亮屏、触控亮屏或触发电源键亮屏的事件；屏幕解锁事件包括触控解锁、人脸识别解锁或触发电源键解锁的事件。经发明人实验研究发现，当接收到屏幕点亮事件或屏幕解锁事件时，接近传感器被遮挡的概率极低，因此，通过将用户操作事件进一步设置为屏幕点亮事件和/或屏幕解锁事件，可以确保接近传感器当前不被其他物体遮挡，从而实现对接近传感器的底噪值进行精确校准。
在一些情况下，终端屏幕可能被非人为因素点亮，例如，终端可能在用户的口袋或包中因信息推送或抬起亮屏而点亮屏幕，此时终端的接近传感器处于近距离遮挡状态。对于这类情况，在一些实施例中，校准单元404进一步用于若所述检测信息符合预设的条件，则确定所述检测信息不能用于校准所述接近传感器的底噪值。其中，预设的条件被设定为检测信息符合该预设条件时，接近传感器被近距离遮挡的概率较高。例如，若根据检测信息确定当前接近传感器存在近距离遮挡，则该检测信息不能用于校准接近传感器的底噪值。示例性地，预设条件可以为“大于0.5cm”。例如，当检测信息为1cm，则表明接近传感器1cm附近处存在遮挡，则该检测信息不能用于校准接近传感器的底噪值。
在一些实施例中，移动终端预先存储有接近传感器的当前底噪值；校准单元404进一步用于将检测信息和当前底噪值进行比较；根据比较结果校准接近传感器的底噪值。可选地，当检测信息与当前底噪值不同，或获得的多个检测信息与当前底噪值不同，或检测信息与当前底噪值的差值大于预设的范围时，将检测信息作为接近传感器校准后的底噪值，从而可以更加准确地校准底噪值。
在一些实施例中，校准单元404进一步用于根据两个以上所述检测信息，校准所述接近传感器的底噪值。在本实施例中，可以采取求平均值、中位数、数据拟合等相关数据处理方法处理所获取的多个检测信息用来校准底噪值，从而可以更加准确地校准底噪值。
进一步地，在一些实施例中，装置400还包括存储单元，用于将校准后的底噪值作为新的当前底噪值存储于移动终端中，用于下次校准底噪值。
在一些实施例中，终端姿态确定单元402用于将传感器信息输入至预先训练的机器学习模型以确定移动终端所处的姿态。
虽然对于同一个人每次使用同一个姿势持握移动终端，或不同的人使用同一个姿势移动终端，运动传感器测得的传感器信息会有一定的差异，但根据人体结构和移动终端的使用常识，这些差异一定处于在某个范围内，这个范围不易用固定的数值或条件表示。因此，根据本公开实施例提供的校准移动终端的接近传感器的方法，通过利用机器学习方法识别把不同终端姿态的边界，用于检测终端姿态可以具备更高的准确率。
根据本公开的一个或多个实施例，提供了一种机器学习模型的训练装置，包括：
训练数据获取单元，用于获取多组训练数据，其中，每组训练数据包括当测试终端处于预设的终端姿态时测试终端的运动传感器检测的两个以上的测试信息；
训练单元，用于将多组训练数据中包括的测试信息作为输入、与测试信息对应的终端姿态作为期望输出，对机器学习模型进行训练。
在一些实施例中，可以将竖屏姿态定义为移动终端屏幕的长边所在的直线与水平面之间夹角超过45度。测试人员可以多次持握测试终端使其处于竖屏或横屏姿态，记录测试终端的终端姿态并保存测试终端在该终端姿态下测试终端的运动传感器检测到的一个或多个传感数据，这样，可以得到多组训练数据。为了尽可能消除测试人员的个体性差异，可以采用多个的测试人员产生的训练数据。
在一些实施例中，可以将竖屏姿态定义为移动终端屏幕的长边所在的直线与用户双眼的连线之间的夹角超过45度。测试人员可以多次以直立、平躺、侧躺等姿势竖屏持握或横屏持握测试终端，记录测试终端的终端姿态并保存测试终端在该终端姿态下测试终端的运动传感器检测到的一个或多个传感数据，这样，可以得到多组训练数据。
在一些实施例中，可以以竖屏姿态对应的训练数据作为正例、横屏姿态对应的训练数据作为负例，训练机器学习模型，训练后的机器学习模型可以用于确定移动终端是否处于竖屏姿态。
在一些实施例中，测试信息包括至少两个方向上的数值；训练装置还包括：训练数据处理单元，用于对每组训练数据所包括的测试信息进行合并处理得到处理后的训练数据，其中，训练数据所包括的测试信息的对应同一方向的数值在处理后的训练数据中按时间顺序生成数组。在本实施例中，可以对每组训练数据所包括的全部测试信息进行合并处理，也可以仅对每组训练数据所包括的部分测试信息进行上述合并处理，例如删除训练数据中的缺失值、异常值后，对余下的测试信息进行上述合并处理。在本实施例中，处理后的训练数据用于作为机器学习模型的输入对机器学习模型进行训练。
在本公开实施例中，坐标数据包括但不限于平面直角坐标数据、空间直角坐标数据等，坐标数据由坐标轴对应的坐标值构成。示例性地，每组训练数据所包括的测试信息可以为空间直角坐标数据，例如(x1,y1,z1),(x2,y2,z2),…,(xn,yn,zn)，其中n≥2，根据本公开实施例，将上述n个空间直角坐标数据合并处理得到处理后的训练数据(x1,x2,…,xn,y1,y2,…yn,z1,z2,…,zn)，其中，对应同一方向的数值(例如，x1,x2,…,xn)在处理后的训练数据中按时间顺序生成数组，即把训练数据由[xyz,xyz,xyz,…]处理成[x,x,x,…,y,y,y,…,z,z,z,…]的形式。在本公开实施例中，通过将每组训练数据所包括的测试信息的对应同一方向的数值按时间顺序生成数组，可以使机器学习模型更容易地理解哪些位置(坐标轴)的数据变化会产生分类结果的变化，从而提高机器学习模型的训练效率，减少训练所需的样本量。
在一些实施例中，机器学习模型为神经网络模型。因神经网络模型对分类函数具有较佳的拟合性，本公开实施例通过采用神经网络模型作为机器学习模型，训练后的机器学习模型具有较高的分类准确率。
下面参考图5，其示出了适于用来实现本公开实施例的终端设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的终端设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，终端设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有终端设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许终端设备600与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的终端设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：获取所述移动终端的运动传感器检测的传感器信息；根据所述传感器信息确定所述移动终端所处的姿态；当确定所述姿态符合预设的姿态条件时，获取所述接近传感器的检测信息；根据所述检测信息校准所述接近传感器的底噪值。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：获取多组训练数据，其中，每组所述训练数据包括当测试终端处于预设的终端姿态时所述测试终端的运动传感器检测的两个以上的测试信息；将所述多组训练数据中包括的测试信息作为输入、与所述测试信息对应的终端姿态作为期望输出，对机器学习模型进行训练。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如传感器信息获取单元还可以被描述为“用于获取所述移动终端的运动传感器检测的传感器信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了一种校准移动终端的接近传感器的方法，包括：获取所述移动终端的运动传感器检测的传感器信息；根据所述传感器信息确定所述移动终端所处的姿态；当确定所述姿态符合预设的姿态条件时，获取所述接近传感器的检测信息；根据所述检测信息校准所述接近传感器的底噪值。
根据本公开的一个或多个实施例，还包括：接收所述移动终端的用户操作事件；所述获取所述移动终端的运动传感器检测的传感器信息，包括：响应于所述用户操作事件，获取所述移动终端的运动传感器检测的传感器信息。
根据本公开的一个或多个实施例，所述用户操作事件包括屏幕点亮事件和/或屏幕解锁事件。
根据本公开的一个或多个实施例，所述根据所述检测信息校准所述接近传感器的底噪值，包括：若所述检测信息符合预设的条件，则确定所述检测信息不能用于校准所述接近传感器的底噪值。
根据本公开的一个或多个实施例，所述移动终端预先存储有所述接近传感器的当前底噪值；所述根据所述检测信息校准所述接近传感器的底噪值，包括：将所述检测信息和所述当前底噪值进行比较；根据比较结果校准所述接近传感器的底噪值。
根据本公开的一个或多个实施例，所述根据所述传感器信息确定所述移动终端所处的姿态，包括：将所述传感器信息输入至预先训练的机器学习模型以确定所述移动终端所处的姿态。
根据本公开的一个或多个实施例，所述机器学习模型的训练方式包括：获取多组训练数据，其中，每组所述训练数据包括当测试终端处于预设的终端姿态时所述测试终端的运动传感器检测的两个以上的测试信息；将所述多组训练数据中包括的测试信息作为输入、与所述测试信息对应的终端姿态作为期望输出，对机器学习模型进行训练。
根据本公开的一个或多个实施例，所述测试信息包括至少两个方向上的数值；所述机器学习模型的训练方式还包括：对每组所述训练数据所包括的测试信息进行合并处理得到处理后的训练数据，其中，所述训练数据所包括的测试信息的对应同一方向的数值在所述处理后的训练数据中按时间顺序生成数组。
根据本公开的一个或多个实施例，所述机器学习模型为神经网络模型。
根据本公开的一个或多个实施例，所述根据所述检测信息校准所述接近传感器的底噪值，包括：根据两个以上所述检测信息，校准所述接近传感器的底噪值。
根据本公开的一个或多个实施例，提供了一种校准移动终端的接近传感器的装置，包括：传感器信息获取单元，用于获取所述移动终端的运动传感器检测的传感器信息；终端姿态确定单元，用于根据所述传感器信息确定所述移动终端所处的姿态；检测信息确定单元，用于当确定所述姿态符合预设的姿态条件时，获取所述接近传感器的检测信息；校准单元，用于根据所述检测信息校准所述接近传感器的底噪值。
根据本公开的一个或多个实施例，提供了一种终端，所述终端包括：至少一个存储器和至少一个处理器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行根据本公开的一个或多个实施例提供的校准移动终端的接近传感器的方法。
根据本公开的一个或多个实施例，提供了一种非暂态计算机存储介质，所述非暂态计算机存储介质存储有程序代码，所述程序代码用于执行根据本公开的一个或多个实施例提供的校准移动终端的接近传感器的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (13)

1.一种校准移动终端的接近传感器的方法，其特征在于，包括：
获取所述移动终端的运动传感器检测的传感器信息；
根据所述传感器信息确定所述移动终端所处的姿态；
当确定所述姿态符合预设的姿态条件时，获取所述接近传感器的检测信息；
根据所述检测信息校准所述接近传感器的底噪值。
2.如权利要求1所述的校准移动终端的接近传感器的方法，其特征在于，还包括：
接收所述移动终端的用户操作事件；
所述获取所述移动终端的运动传感器检测的传感器信息，包括：响应于所述用户操作事件，获取所述移动终端的运动传感器检测的传感器信息。
3.如权利要求2所述的校准移动终端的接近传感器的方法，其特征在于，
所述用户操作事件包括屏幕点亮事件和/或屏幕解锁事件。
4.如权利要求1所述的校准移动终端的接近传感器的方法，其特征在于，所述根据所述检测信息校准所述接近传感器的底噪值，包括：
若所述检测信息符合预设的条件，则确定所述检测信息不能用于校准所述接近传感器的底噪值。
5.如权利要求1所述的校准移动终端的接近传感器的方法，其特征在于，
所述移动终端预先存储有所述接近传感器的当前底噪值；
所述根据所述检测信息校准所述接近传感器的底噪值，包括：将所述检测信息和所述当前底噪值进行比较；根据比较结果校准所述接近传感器的底噪值。
6.如权利要求1所述的校准移动终端的接近传感器的方法，其特征在于，所述根据所述传感器信息确定所述移动终端所处的姿态，包括：
将所述传感器信息输入至预先训练的机器学习模型以确定所述移动终端所处的姿态。
7.如权利要求6所述的校准移动终端的接近传感器的方法，其特征在于，所述机器学习模型的训练方式包括：
获取多组训练数据，其中，每组所述训练数据包括当测试终端处于预设的终端姿态时所述测试终端的运动传感器检测的两个以上的测试信息；
将所述多组训练数据中包括的测试信息作为输入、与所述测试信息对应的终端姿态作为期望输出，对机器学习模型进行训练。
8.如权利要求7所述的校准移动终端的接近传感器的方法，其特征在于，
所述测试信息包括至少两个方向上的数值；
所述机器学习模型的训练方式还包括：
对每组所述训练数据所包括的测试信息进行合并处理得到处理后的训练数据，其中，所述训练数据所包括的测试信息的对应同一方向的数值在所述处理后的训练数据中按时间顺序生成数组。
9.如权利要求6所述的校准移动终端的接近传感器的方法，其特征在于，
所述机器学习模型为神经网络模型。
10.如权利要求1所述的校准移动终端的接近传感器的方法，其特征在于，所述根据所述检测信息校准所述接近传感器的底噪值，包括：
根据两个以上所述检测信息，校准所述接近传感器的底噪值。
11.一种校准移动终端的接近传感器的装置，其特征在于，包括：
传感器信息获取单元，用于获取所述移动终端的运动传感器检测的传感器信息；
终端姿态确定单元，用于根据所述传感器信息确定所述移动终端所处的姿态；
检测信息确定单元，用于当确定所述姿态符合预设的姿态条件时，获取所述接近传感器的检测信息；
校准单元，用于根据所述检测信息校准所述接近传感器的底噪值。
12.一种终端，其特征在于，所述终端包括：
至少一个存储器和至少一个处理器；
其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码以执行权利要求1至10中任一项所述的方法。
13.一种非暂态计算机存储介质，其特征在于，所述非暂态计算机存储介质存储有程序代码，所述程序代码用于执行权利要求1至10中任一项所述的方法。
CN202010727791.3A 2020-07-23 2020-07-23 校准移动终端的接近传感器的方法、装置、终端和存储介质 Active CN111857369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010727791.3A CN111857369B (zh) 2020-07-23 2020-07-23 校准移动终端的接近传感器的方法、装置、终端和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010727791.3A CN111857369B (zh) 2020-07-23 2020-07-23 校准移动终端的接近传感器的方法、装置、终端和存储介质

Publications (2)

Publication Number Publication Date
CN111857369A true CN111857369A (zh) 2020-10-30
CN111857369B CN111857369B (zh) 2024-05-07

Family

ID=72950227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010727791.3A Active CN111857369B (zh) 2020-07-23 2020-07-23 校准移动终端的接近传感器的方法、装置、终端和存储介质

Country Status (1)

Country Link
CN (1) CN111857369B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116734903A (zh) * 2022-10-20 2023-09-12 荣耀终端有限公司 测试方法及装置
CN117665958A (zh) * 2024-01-31 2024-03-08 荣耀终端有限公司 接近光传感器的校准方法及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002211312A (ja) * 2001-01-15 2002-07-31 Mazda Motor Corp 車両用照明装置
JP2003064921A (ja) * 2001-06-18 2003-03-05 Roorando Products:Kk 車両用施解錠状態判別方法及び該判別方法を用いた制御方法，並びに車両用施解錠状態判別装置及び該装置を用いた制御装置
CN106094055A (zh) * 2016-06-21 2016-11-09 广东欧珀移动通信有限公司 一种接近传感器的校准方法及终端
CN106500751A (zh) * 2016-10-20 2017-03-15 广东欧珀移动通信有限公司 接近传感器的校准方法及移动终端
CN108415024A (zh) * 2018-01-24 2018-08-17 广东欧珀移动通信有限公司 接近传感器校准方法、装置、移动终端及计算机可读介质
CN111262986A (zh) * 2020-01-16 2020-06-09 Oppo（重庆）智能科技有限公司 接近传感器的校准方法、校准装置及移动终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002211312A (ja) * 2001-01-15 2002-07-31 Mazda Motor Corp 車両用照明装置
JP2003064921A (ja) * 2001-06-18 2003-03-05 Roorando Products:Kk 車両用施解錠状態判別方法及び該判別方法を用いた制御方法，並びに車両用施解錠状態判別装置及び該装置を用いた制御装置
CN106094055A (zh) * 2016-06-21 2016-11-09 广东欧珀移动通信有限公司 一种接近传感器的校准方法及终端
CN106500751A (zh) * 2016-10-20 2017-03-15 广东欧珀移动通信有限公司 接近传感器的校准方法及移动终端
CN108415024A (zh) * 2018-01-24 2018-08-17 广东欧珀移动通信有限公司 接近传感器校准方法、装置、移动终端及计算机可读介质
CN111262986A (zh) * 2020-01-16 2020-06-09 Oppo（重庆）智能科技有限公司 接近传感器的校准方法、校准装置及移动终端

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116734903A (zh) * 2022-10-20 2023-09-12 荣耀终端有限公司 测试方法及装置
CN116734903B (zh) * 2022-10-20 2024-05-14 荣耀终端有限公司 测试方法及装置
CN117665958A (zh) * 2024-01-31 2024-03-08 荣耀终端有限公司 接近光传感器的校准方法及电子设备
CN117665958B (zh) * 2024-01-31 2024-05-24 荣耀终端有限公司 接近光传感器的校准方法及电子设备

Also Published As

Publication number Publication date
CN111857369B (zh) 2024-05-07

Similar Documents

Publication Publication Date Title
US11048983B2 (en) Method, terminal, and computer storage medium for image classification
CN107818288B (zh) 标志牌信息获取方法及装置
CN104956236B (zh) 用于生成位置指纹数据的调查技术
CN111835916B (zh) 姿态检测模型的训练方法及装置、终端姿态的检测方法及装置
RU2597524C2 (ru) Способ и аппаратура для классификации множества состояний устройства
US9076256B2 (en) Information processing device, information processing method, and program
US9301097B2 (en) Correlating wireless signals to a location on an image using mobile sensor technologies
CN106941561A (zh) 移动终端的跌落检测方法、跌落防护方法以及移动终端
CN111983635A (zh) 位姿确定方法及装置、电子设备和存储介质
CN109190648B (zh) 模拟环境生成方法、装置、移动终端及计算机可读取存储介质
CN107645702B (zh) 位置标定方法、装置和***
CN111857369B (zh) 校准移动终端的接近传感器的方法、装置、终端和存储介质
CN111986250A (zh) 物体体积测量方法、装置、测量设备及存储介质
CN106667450B (zh) 一种测温方法及装置
CN109813300B (zh) 一种定位方法及终端设备
CN110148167B (zh) 一种距离测量方法及终端设备
CN116449396A (zh) Gnss欺骗信号的检测方法、装置、设备及产品
CN114187509B (zh) 对象定位方法、装置、电子设备以及存储介质
CN112882094B (zh) 初至波的获取方法、装置、计算机设备及存储介质
CN115097379A (zh) 一种定位追踪方法、装置、设备及存储介质
US11282178B2 (en) Electronic device and method of identifying false image of object attributable to reflection in indoor environment thereof
CN113111692B (zh) 目标检测方法、装置、计算机可读存储介质及电子设备
CN114264365A (zh) 风噪检测方法、装置、终端设备及存储介质
CN111741165B (zh) 移动终端控制的方法、装置、移动终端及存储介质
CN109375232B (zh) 一种距离测量方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant