HC-SR505人体感应灯

2024-06-09 23:12
文章标签 人体 感应 hc sr505

本文主要是介绍HC-SR505人体感应灯,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1硬件

1.1硬件组成

1.正点原子探索者开发板
2 HC-SR505迷你小型人体感应模块
3 继电器+5V小灯

HC-SR505迷你小型人体感应模块介绍
在这里插入图片描述

1.2 硬件连接

1.HC-SR505(连接在PE0)
2.继电器(连接在PE1)

2.主要代码

int main(void)
{ NVIC_PriorityGroupConfig(NVIC_PriorityGroup_2);//设置系统中断优先级分组2delay_init(168);    //初始化延时函数LED_Init();				  //初始化LED端口 delay_ms(2000);	while(1){if (GPIO_ReadInputDataBit(GPIOE, GPIO_Pin_0) == 1)//判断{LED = 1;										  //人体靠近标志位}if (GPIO_ReadInputDataBit(GPIOE, GPIO_Pin_0) == 0){LED = 0;			               //人体离开标志位}}
}

3.演示效果

感应灯

这篇关于HC-SR505人体感应灯的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1046568

相关文章

数据集 3DPW-开源户外三维人体建模-姿态估计-人体关键点-人体mesh建模 >> DataBall

3DPW 3DPW-开源户外三维人体建模数据集-姿态估计-人体关键点-人体mesh建模 开源户外三维人体数据集 @inproceedings{vonMarcard2018, title = {Recovering Accurate 3D Human Pose in The Wild Using IMUs and a Moving Camera}, author = {von Marc

数据集 Ubody人体smplx三维建模mesh-姿态估计 >> DataBall

Ubody开源人体三维源数据集-smplx-三维建模-姿态估计 UBody:一个连接全身网格恢复和真实生活场景的上半身数据集,旨在拟合全身网格恢复任务与现实场景之间的差距。 UBody包含来自多人的现实场景的1051k张高质量图像,这些图像拥有2D全身关键点、3D SMPLX模型。 UBody由国际数字经济学院(IDEA)提供。 (UBody was used for mesh r

人体红外传感器简介

人体红外传感器的工作原理是利用热释电效应,将人体发出的特定波长的红外线转化为电信号,从而实现对人体的检测和感知。               具体来说,人体红外传感器主要由滤光片、热释电探测元和前置放大器组成。滤光片的作用是使特定波长的红外辐射选择性地通过,到达热释电探测元,而在其截止范围外的红外辐射则不能通过。热释电探测元是传感器的核心元件,当它受到非恒定强度的红外光照射时,会产生

基于PI控制算法的异步感应电机转速控制系统simulink建模与仿真

目录 1.课题概述 2.系统仿真结果 3.核心程序与模型 4.系统原理简介 5.完整工程文件 1.课题概述        基于PI控制算法的异步感应电机转速控制系统simulink建模与仿真。PI控制器是一种经典的线性控制器,它通过将控制量的比例部分和积分部分相结合来实现对系统输出的调节。比例部分用于快速响应偏差,而积分部分则用于消除稳态误差。 2.系统仿真结果 (完整程

cocos2d-x 重力感应

本文没你想象的那么,,复杂。其实就是通过重力感应控制个小球移动而已。 先看头文件: [cpp] view plain copy #ifndef __HELLOWORLD_SCENE_H__  #define __HELLOWORLD_SCENE_H__    #include "cocos2d.h"  USING_NS_CC;    class HelloWorld : public

基于STM32设计的ECG+PPG人体参数测量系统(华为云IOT)(217)

文章目录 一、前言1.1 项目介绍【1】开发背景【2】项目实现的功能【3】项目硬件模块组成 1.2 设计思路【1】整体设计思路【2】整体构架【3】上位机开发思路【4】ESP8266工作模式配置 1.3 项目开发背景【1】选题的意义【2】可行性分析【3】参考文献【4】摘要【5】项目背景 1.4 开发工具的选择【1】设备端开发【2】上位机开发 1.5 系统框架图1.6 系统功能总结1.7 设备原

【AIGC】MimicMotion:姿态引导的高质量人体运动视频生成技术

资源 论文:https://arxiv.org/pdf/2406.19680 github:https://github.com/Tencent/MimicMotion comfyui:https://github.com/kijai/ComfyUI-MimicMotionWrapper 核心要点 1. confidence-aware pose guidance可以确保高质量视频和时间

使用Moco工具生成人体蹲起运动并分析辅助器械作用

1. 思路和解释 2. 代码逻辑 3. 代码注释 4. 关节扭矩驱动与肌肉驱动的模型处理方法 1. 思路和解释 Moco可以通过轨迹优化生成预测的运动,并用来进行优化模型参数。本篇文章以蹲起运动为例子进行说明。优化目标为最小化肌肉激活度平方和(权重:1.0)与动作持续时间(权重:1.0)。初始状态被设定为蹲姿[74],最终状态被设定为直立站姿。没有使用动捕的运动数据。该模型包含了躯干和9

人体行走步态周期转换为不同相位描述

目录 一、步行周期 二、相关论文描述 三、参考文献 一、步行周期         人体行走时的步态状态通常采用传感器进行判断,比如Dong Jin Hyun等[1]通过嵌入两个力感应电阻的鞋垫来估计的步行状态,其中一个检测脚趾接触,另一个检测脚后跟接触[5]。Conor James Walsh[3]基于外骨骼的角度和力传感器读数,实现了状态机控制策略。上述论文都是将连续步态离散化

Egret:重力感应

class MotionExample extends egret.DisplayObjectContainer {label: egret.TextField;motion: egret.Motion;constructor() {super();//文本框this.label = new egret.TextField();this.label.y = 400;this.label.