電子羅盤的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

MakeCode Blocks程式設計最佳範本 -使用micro:bit - 最新版 - 附MOSME行動學習一點通：影音.加值

為了解決電子羅盤的問題，作者李春雄 這樣論述：

　　1. 循序漸進介紹 micro:bit 開發板，引導讀者輕鬆控制硬體，增加學習成就感。 　　2. 利用「圖塊程式積木」控制開發板，不用「寫」程式，也能輕鬆訓練邏輯思維。 　　3. 完整的程式設計範例，讓讀者從「邏輯思維」能力提昇至「解決問題」能力。

電子羅盤進入發燒排行的影片

利用結構資訊實現跨時間之戶外場景辨識技術

為了解決電子羅盤的問題，作者梁紘瑋 這樣論述：

隨著移動式設備的運算能力提升、消費級相機的普及與網路與衛星通訊技術的成熟，人們早已捨去傳統的紙本地圖。而在自駕車、機器人相關技術的蓬勃發展下，導航與定位技術的重要性與需求大幅提升。目前最廣泛被使用於定位的是全球衛星定位系統(Global Positioning System, GPS)，例如Google Map以及Apple Map均是採用GPS技術結合手機的電子羅盤，獲得目前的方位並指引未來的方向。但此種技術依然有不足之處，高樓林立的都會區、橋樑、地下道和氣候都可能干擾到衛星訊號而造成定位的錯亂。移動速度緩慢時會突顯電子羅盤的穩定性不佳、易受磁場干擾的問題，也因此未經校正的初始定位

方向常不準確。 視覺式定位技術是目前熱門的解決方案，可細分為全局匹配以及局部匹配。全局匹配的任務是場景定位，藉由拍攝影像並記錄拍攝時的GPS座標以建立資料庫。查詢自身所在位置時，將移動式設備拍攝的影像與資料庫影像匹配，判斷自身所在位置。而局部匹配是對前述步驟找出的數十張資料庫影像以及提取描述符，算出查詢影像精確的位置及面對的方向。此類基於影像的定位方式，在衛星訊號被遮蔽或電子羅盤受磁場干擾的情況下依然可照常運作。但視覺式定位技術的缺點在於資料庫缺乏各種光照條件下的影像，光照條件的變化可能導致移動式設備拍攝的查詢影像與資料庫影像特性差異甚大，導致定位失敗的情況。 本論文目標即是克服拍

攝時間差異，導致查詢影像與資料庫影像光照條件不同而導致匹配失敗的問題。本論文將光照條件差異甚大的影像，視為是不同的領域(domain)，開發具有領域適應性的系統，主要針對視覺式定位中的全局匹配(場景定位)系統作改進。影像內容可分成結構資訊以及紋理資訊，而同一場景在不同光照條件下的影像內容，其結構資訊是較不受影響的。本論文提出的方法，在查詢影像有白天與夜晚影像的Tokyo 24/7 dataset上，選取十張匹配的資料庫影像，可達到場景定位的成功率為87.62%，超越現有state-of-the-art的方法。

地圖會說謊：AI世代一定要了解的地圖判讀與空間認知能力

為了解決電子羅盤的問題，作者若林芳樹 這樣論述：

從岩壁地圖到麥卡倫投影法，從GPS到Google Maps，從心智圖到Uber, 地圖的歷史演化、數位革命、將開啟人類的無限未來！ 　　我們每天都在不知不覺中使用地圖，不論是用Google Maps找路、用語音導航開車、還是透過訂房網站以地圖尋找民宿、用熊貓外送叫餐點、或者用Zenly查看家人在何方。甚至在新冠肺炎期間，我們用地圖來看各國案例增長，用「口罩地圖」來尋找哪裡買得到口罩……。 　　地圖已深入了眾人的日常生活，它影響了我們對空間的認知，也改變了我們的世界觀。就在我們對地圖依賴越深的今日，越是需要知道關於地圖的種種迷思： 　　地圖怎麼說謊？地圖如何展現特定政治目的？如何不被地圖

欺騙？ 　　女人會想把地圖顛倒過來？空間認知真的男女不同？女性路痴比較多？ 　　地圖的數位化革命是什麼？數位地圖和紙本地圖的差異？ 　　GIS地理資訊系統是什麼？UGC使用者創作內容的地圖又是什麼？ 　　Google地圖反而限制了人們的眼界？AI時代最缺乏哪種地理資訊人員？ 　　深入解析在數位革命後，地圖與其利用有了什麼改變，又有哪些不變。 　　以人類的空間認知為主軸，數位化進展的技術背景為輔，重新解讀地圖與人類關係的變化。 　　專業剖析 　　有關地圖之內容面面俱到，介紹平易近人，且內涵科學思辯精神。 　　1. 本書兼具了地圖的發展歷史、演進、地圖的製作理論介紹、技術、人類空間概念的形成

，並介紹了近代電子地圖的技術與運用，如GIS（地理資運系統的運用），及從生活化的角度來認識、利用電子地圖。 　　2. 本書內容取材生活化，容易引起讀者共鳴，例如寄信不寫地址而改用座標會如何、精靈寶可夢、地鐵地圖、GIS、GPS 定位導航、google map等，同時也兼具了地圖的理論與技術層面的介紹，並導入生活化的地圖運用。 　　3. 第１部從刻鑿在岩石上的線條開始，帶領讀者窺探地圖的各種演進。第２部闡述人類的空間認知能力有一部分屬於與生俱來，但是也會受到當代或當地的地圖繪製方式或流通方式的影響，所以社會與文化對於地圖的作用也不容忽視。第３部則是檢討地圖與人類的關係受到數位科技的何種影響。

　　4. 本書嘗試以人類的空間認知為主軸，以數位技術之發展為背景，重新捕捉地圖與人類之間的關係變化。換句話說，本書企圖帶領讀者明白地圖與地圖之應用因數位科技而出現哪些改變，又有哪些方面並未隨之而改變。 　　5. 「心智圖（mental map）與空間認知」、「數位科技與地圖利用之變化」、「參與型地理資訊系統GIS／地圖製作」在既有地圖學中屬於邊緣的題目，在筆者的連結之下成為地圖學的最佳跨領域切入點。 　　6.作者以科學辯證（實驗資料、文獻，並加入自己的觀點提供對照）的方式，帶領讀者思考、判斷生活中與地圖有關的成見，例如「女生往往是路痴或男生天生具有方向感的說法」是真的嗎？令眾人擔憂悲觀

的AI對於人類職業的威脅，例如「AI科技終將取代地圖學者的工作嗎？」……等，其科學思辨的精神非常值得學習，有益於培養個人在資訊爆炸時代中不為輿論或危言所惑的自在自處能力。

基於多模深度學習的交通警察指揮智慧辨識系統

為了解決電子羅盤的問題，作者沈俊辰 這樣論述：

隨著大數據、物聯網的崛起，機器學習、深度學習等人工智慧辨識系統已經能夠完成比過往更加龐大的運算、能夠學習比過往更加複雜的運算，同時也創造了許多現代創新的科技，本文採用機器學習與模型辨識的技術讓自駕車能夠自行辨識交通警察指揮的手勢動作，一方面考量到影像辨識鏡頭容易受到前車阻擋、天氣影像等外在因素干擾，哨音辨識容易受到外在噪音干擾，而感測器採用無線網路傳輸，相對於影像與哨音，較不容易受到外在因素而影響辨識準確度，另一方面，融合多種模型能夠使辨識結果更為準確、更為穩定，結合以上因素我們提出一套融合三種單源模型的方法來實現多模交通警察指揮動作辨識系統。整體辨識流程可以區分為兩階段，第一階段為使用影像

、哨音、感測器三種單源模型進行交通警察指揮動作辨識，第二階段將第一階段三種模型的辨識結果進行融合、分類，並得到最終的判斷結果。影像辨識部份我們以OpenPose來抓取影像中交通警察指揮時的人體骨架點，作為影像辨識的特徵值，哨音辨識部分我們採用抓取不同長短哨音中的梅爾倒頻譜係數作為哨音辨識的特徵值，感測器部份我們透過抓取交通警察揮動時所產生的不同三軸加速值作為感測器辨識的特徵值，以上三種單源模型均使用交叉訓練的方法來進行模型訓練，同時生成第二階段的模型訓練資料，並且進行「資料集融合法」與「特徵融合法」兩種不同融合方法的預測結果分析與比較，最後得到最終的預測結果。為了能夠使自駕車辨識出交通警察所指

揮的動作是否適用於此自駕車，我們於蒐集感測器三軸加速值時，一併抓取感測器(手機)內的電子羅盤數值，並透過我們所設計的方位判斷式進行自駕車與交通警察的方位判斷，便可讓自駕車判斷交通警察目前所指揮的動作是否適用於此自駕車。實驗結果顯示採用兩階段多模架構的方式進行辨識，不僅能夠有效地融合三種單元的模型，準確度方面相較於各種單源模型，皆有助於提升預測準確度。