# multisensor_fusion_bupt_s

**Repository Path**: grit-666/multisensor_fusion_bupt_s

## Basic Information

- **Project Name**: multisensor_fusion_bupt_s
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 9
- **Created**: 2026-10-15
- **Last Updated**: 2026-10-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 《具身智能感知与多模态融合》· 课程作业仓库

> Multisensor Fusion & Embodied AI Perception（BUPT）
>
> AI 时代的作业改革：**与其考核"知识本身"（问 AI 即得），不如考核"能否用真实数据把方法走通、把发现讲清"。**
> 采得出真数据、跑得通全链、看得懂图表——理解必然已经发生。

---

## 一、这是什么

本仓库是课程作业与实验作品总库。每位同学（或小组）在这里完成自己的**真实数据实验**（采集 → 分析 → 报告），通过 Pull Request 提交。全部作品汇聚成课程资产，一届一届滚动积累。

**课程主线**：用你自己的手机，从零做出一套**多源融合位置感知系统**——采集 → 特征 → PDR → 融合，每次作业往前进一大步。

## 年级目录登记（一届一行）

| 届次 | 目录 |
|---|---|
| 2024 级（首届） | students/2024级/ |
| 2025 级 | students/2024级/ |

## 学期作业一览

| 次序 | 主题 | 内容 |
|---|---|---|
| HW1 | 采集与特征分析 | 手机采样 App（全传感器）→ 20 分钟真实通勤数据 → 切窗四件套 FFT 步频 → 简单分类器 |
| HW2 | PDR 定位 | 步态检测 → 步长估计 → 航向 → 轨迹 |
| HW3 | 多源融合 | GNSS+IMU 融合 → 定位精度对比 |
| 期末 | 实验论文 | 完整系统 + 实测 + 论文 + 答辩 |

## 三、怎么交作业（就四步）

1. **Fork 本仓库**（右上角 Fork 按钮）
2. **clone 你的 fork**，在 `students/` 下建自己的目录 `学号-姓名拼音/`
3. 按当次作业要求把材料放进去，**commit（小步多次，过程分就看这个）然后 push**
4. 在 Gitee 上发一个 **Pull Request**（从你的分支合到本仓库 master）——交作业完成

就这么简单：fork → 建目录 → commit/push → Pull Request。老师按你目录里的材料和 commit 记录评分。

> **过程要求**：小步 commit（做出一点就 commit 一次，message 写清楚做了什么）——commit 历史就是你的过程分。一次性狂 push 全部文件，过程分打折。

## 四、目录结构

```
├── README.md                        ← 本文件
├── docs/
│   ├── assignment1_practice.md      ← HW1 完整要求（先读这个）
│   ├── anchor/                      ← 教师锚数据样例与分析参考
│   └── sample/                      ← AI_LOG / self_test 模板
├── rubric/grading_rubric.md         ← 评分量规（版本化，公示）
└── students/
    └── 2024级/                       ← 每届一个目录（届次＝入学年份）
        ├── groups.md                 ← 本届小组登记表
        └── g<组号>_<组长拼音>/
            └── <学号_拼音>/hw1/
                ├── app/  data/  analysis/
                ├── report.pdf  AI_LOG.md  self_test.json
```

## 五、学术诚信

- AI 辅助开发**允许且鼓励**，但你必须能当场解释代码每一行在做什么——答辩抽问；
- 数据**必须本人现场采集**，禁止伪造、拼接或使用他人数据（时间戳连续性会被检查）；
- 报告引用他人图表或文字须标注出处，related work 不得编造。