Syftet med studien var att undersöka och beskriva patienters upplevelse av telerehabilitering, närmare bestämt fysioterapeutisk intervention genom distanskontakt via videolänk. Den valda metoden var en kvalitativ litteraturstudie. Studiernas evidens graderades med metod beskriven av SBU. En beskrivande innehållsanalys av de inkluderade studiernas resultat gjordes, enligt anvisningar av Friberg. Som resultat framträdde ett övergripande tema med fem kategorier. Temat var Videomöte en möjlighet när den utgår från individens behov. Kategorierna var: Kompetent och erfaren fysioterapeut tillgänglig, Behandling tillgänglig i hemmet, Egen resursökning ger ökad empowerment, Relationer på distans, Teknisk utrustning. Slutsatsen visar att både positiva och negativa upplevelser finns beskrivna. Telerehabilitering möjliggör en professionell behandling där patientens empowerment kan öka. Individuellt anpassat stöd är viktigt, både vad det gäller den fysioterapeutiska behandlingen och hur tekniken används. Teknik som fallerar kan ge en negativ upplevelse. Telerehabilitatering har begränsningar både i fysioterapeutens möjligheter till undersökning och begränsningar i vad som syns på videon. Det är viktigt att ta hänsyn till aspekter gällande personlig integritet. / The aim of this study was to explore and describe patients experiences of telerehabilitation, more specific physical therapy modalities by distance in real-time video communication. The chosen method was performing a qualitative literature study. The studies were graded regarding evidens with a method described by Swedish Agency for Health Technology Assessment and Assessment of Social Services. A descriptive content analysis of the included studies result was performed, according to instructions by Friberg. In the result one theme with five underlying categories emerged. The theme was: Videomeeting is a possibility when it takes ground from the individuals needs. The five categories were: Competent and experienced physical therapist is available, Treatment available at home, Increased personal resources leads to increased empowerment, Relations at distance, Technical equipment. Conclusion shows that both positive and negative experiences are described. Telerehabilitation can make it possible to give a professional treatment where the patients empowerment may increase. Individual support is important, both according to the physical therapy modality and to the usage of technology. Technology that fails can give a negative experience. Telerehabilitation has its limitations both in the physiotherapist’s possibilities for examination and in what is visible in the video. It is important to take notice to personal integrity aspects.

Smarttelefoner med applikationer har öppnat upp för nya kommunikationsmöjligheter. Denna studie undersöker den kontaktskapande applikationen Tinder, utifrån användarnas upplevelse av applikationen. Tinder är en positionsbaserad kontaktskapande realtidsapplikation som har flera miljoner användare världen över. Varje användare måste koppla upp sin profil mot Facebook, varifrån profilbilder, namn, ålder och gemensamma vänner hämtas. I studien undersöktes hur unga vuxna i åldern 18-30år, bosatta i Stockholm förhåller sig till hur Tinders funktioner och gränssnitt bidragit till applikationens genomslag. Studien baseras på Normans sex designprinciper, enkätsvar från 120 personer samt intervjuer med användare inom målgruppen. Resultatet visade att anledningen till Tinders framgång är en kombination av tre faktorer. Den första är att applikationen förhåller sig till Normans designprinciper. Den andra är att det skapas en trygghetskänsla hos användarna genom att i Tinders fall koppla varje användare till dennes Facebook-konto, samt att marknadsföra applikationen på rätt sätt. Tinder lyckades med det sistnämnda genom att marknadsföra och utforma applikationen som en kontaktskapande applikation snarare än en dejtingapplikation, vilket lockar en något annorlunda målgrupp. / Smartphones with applications have created new communication opportunities. This study explores the application Tinder by examining the user experience. Tinder is a location-based application which has millions of users worldwide. Each user has to connect their profile to Facebook, from which Tinder gets the users' profile pictures, names, age and mutual friends. In the thesis, we examine how young adults of age 18 to 30, living in Stockholm, relate to how Tinder's functions and interface have contributed to the success of the application. The study is based on the six design principles created by Norman, a survey with 120 respondants that has used the application and interviews. The results show that the reason for Tinder's success is a combination of three factors. The first is that the application relates to Norman's six design principles. The second reason is that a sense of security created for the users of the profile's connection to Facebook. The third is that Tinder has been marketing their application not as a datingapplication, but as a way for people to meet others, which attracts a slightly different target group.

DICE, a Swedish game company, wanted a more realistic water simulation. Currently, most large scale water simulations used in games are based upon ocean simulation technology. These techniques falter when used in other scenarios, such as coastlines. In order to produce a more realistic simulation, a new one was created based upon the water simulation technique "Wavefront Parameter Interpolation". This technique involves a rather extensive preprocess that enables ocean simulations to have interactions with the terrain. This paper is about optimizing the current implementation of DICE's water simulation. The goal is to achieve better runtime GPU performance. After implementing various optimizations, a speedup of roughly 4-6x was achieved. Performance was evaluated on the PlayStation 4 gaming console. / DICE, ett svenskt spelföretag, ville ha en mer realistisk vattensimulering. Det flesta storskalna vattensimuleringar som används i spel idag är baserade på havsvattensimuleringstekniker. Dessa tekniker fungerar inte lika bra i andra scenarier, som t.ex. kustlinjer. För att kunna få en mer realistisk simulation, skapades en ny simulation baserad på vattensimuleringstekniken Wavefront Parameter Interpolation. Denna simuleringsteknik involverar en lång förprocess som ger havsvattensimuleringar möjligheten att interagera med terräng. Denna uppsats handlar om att optimera den nuvarande implementationen av DICEs vattensimulering. Målet är att få bättre grafikprestanda under körtid. Efter att olika optimiseringar hade implementerats, blev programmet 4-6x gånger snabbare. Prestandan utvärderades på spelkonsolen PlayStation 4.

With the continuous progress on autonomous vehicle and remote drivingtechniques, connection quality demands are changing compared withconventional quality of service. Vehicle to everything communication, asthe connectivity basis for these applications, has been built up on LongTerm Evolution basis, but due to various ethical and environmental issues,few implementations have been made in reality. Therefore simulation approachesare believed to provide valuable insights.To fully model an LTE vehicular network, in this work we first providea comparison study to select the preferable LTE simulator. Aimingto integrate communication nodes with mobility, a solution for simulationframework is developed based on a state-of-art comparison study on theexisting simulator frameworks. We then further develop the network simulator,and complement it with hybrid wireless channel modeling, channeland quality of service aware scheduler, and admission control strategies. Interms of instant optimization of the network, real-time access is emulatedfor external devices to communicate with the simulator. In this thesis,the evaluation of the framework performance considers two aspects: theperformance of the simulator in LTE V2X use case and the feasibility ofthe service, specifically, remote driving, under realistic network capacity.For our framework, the results indicate that it is feasible to realize remotedriving in an LTE urban scenario, but, as an example, we show that foran area of Kista, five vehicles could be hold by a base-station with guaranteedservice at most. / Med kontinuerliga framstegen p°a autonomt fordon och fj¨arrkontrollteknikf¨or¨andras kravet p°a anslutningskvalitet i j¨amf¨orelse med konventionell servicekvalitet.Fordon till allting (V2X) kommunikation, som anslutningsgrundf¨or dessa applikationer, har byggts upp p°a basis av Long TermEvolution (LTE) system, men p°a grund av olika etiska och milj¨om¨assigaproblem har f°a implementeringar gjorts i verkligheten. D¨arf¨or antas simuleringsmetoderge v¨ardefulla insikter.Att fullt ut modellera ett LTE-fordon n¨atverk, i det h¨ar arbetet ger vif¨orst en j¨amf¨orelsestudie f¨or att v¨alja den f¨oredragna LTE-simulatorn.I syfte att integrera kommunikationsnoder med r¨orlighet utvecklas enl¨osning f¨or ett simuleringsramverk baserat p°a en j¨amf¨orelsestudie p°a befintligasimulatorramar. Vi utvecklar sedan n¨atverkssimulatorn ytterligare,och kompletterar den med hybrid tr°adl¨os kanalmodellering, kanal ochservicekvalitetmedvetna schemal¨aggning och antagningskontrollstrategier.N¨ar det g¨aller direkt n¨atverksoptimering, emuleras realtidsanslutningav externa enheter f¨or att kommunicera med simulatorn. I denna avhandlingutv¨arderas ramverken i tv°a aspekter: simulatorns prestanda i LTEV2X-anv¨andningsomr°adet och genomf¨orbarheten av tj¨ansten, s¨arskilt fj¨arrk¨orning,under realistisk n¨atkapacitet. In v°ara ramverk visar resultaten att det ¨arm¨ojligt att realisera fj¨arrk¨orning i ett LTE-urbana scenario, men som exempelvisar vi att f¨or ett omr°ade i Kista skulle som mest fem fordon kunnask¨otas av en basstation med garanterad service.

Domestic chores are one of the most tedious and time consuming tasks in a person’s life. A lot of time can be saved and put to better use if these tasks can be automated. One such chore is the routine task of vacuuming the house every day. Robotic vacuum cleaners that clean the house are thus one of the most widely used domestic robots. These robots have the ability to clean the entire house almost autonomously with little or no human intervention. However, most of these robots do not have a system to report the real-time pick up of dirt which can be useful to the user in knowing which parts of his house are dirty and maybe investigate the reason behind it. This information can be useful to the robot as well in determining efficient cleaning patterns based on the dirt localization in the house. In this thesis a prototype was developed to measure the real-time pick-up of dirt by a robotic vacuum cleaner. It uses light sensing technology to measure the amount of dirt picked up and can thus be used to glean which parts of the house are dirtier than the others. The signals can also potentially be used to understand the size of the dirt picked up by the robotic vacuum cleaner. Research was done to investigate the different sensing technologies that can be used and to select the appropriate one. The system was tested and conclusions were made regarding its performance. Additional functions that can be implemented and improvements that can be made have also been suggested as future work. / Att städa hemmet är en av de mest tråkiga och tidskrävande uppgifterna i en persons liv. Mycket tid kan sparas och användas bättre om dessa uppgifter kan automatiseras. Robotdammsugare som städar golvet i hemmet är en av de mest använda inhemska robotarna, då dessa robotar har möjlighet att rengöra hela huset nästan autonomt med liten eller ingen mänsklig intervention. De flesta av dessa robotar har dock inte ett system för att rapportera realtidsupphämtning av smuts som kan vara användbart, då användaren kan få reda på vilka delar av huset som är smutsiga och då ha möjlighet att undersöka orsaken bakom. Denna information kan också vara användbart för roboten för att bestämma effektiva rengöringsmönster baserat på lokalisering av smuts i huset. I denna avhandling utvecklades en prototyp för att mäta upptagning av smuts i realtid av en robotdammsugare. Den använder IR-teknik för att mäta mängden smuts som hämtas upp och kan därmed använda informationen för att avgöra vilka delar av huset som är smutsigare än andra. Signalerna kan också potentiellt användas för att förstå storleken på smuts som tas upp. Forskning av olika tekniker utfördes för att kunna välja den mest lämpliga. Systemet testades därefter och slutsatser gjordes avseende dess prestanda. Ytterligare utredningar och förbättringar som kan genomföras har också föreslagits som framtida arbete.

Infrared images could highlight the semantic areas like pedestrians and be robust to luminance changes, while visible images provide abundant background details and good visual effects. Multi-modal image fusion for surveillance application aims to generate an informative fused images from two source images real-time, so as to facilitate surveillance observatory or object detection tasks. In this work, we firstly investigate conventional methods like multi-scale transform-based methods and subspace-based methods, and deep learning-based methods like AE, CNN and GAN in details. After fully discussion of their advantages and disadvantages, CNN-based methods are chosen due to their robustness and end-to-end feature. A novel real-time CNN-based model is proposed with optimized model architecture and loss functions. The model is based on Dense net structure to reuse the previous features, but the number of layers and the depth are extremely optimized, so as to improve the fusion efficiency. The size of the feature maps keeps the same to avoid information losses. The loss function includes pixel intensity loss, gradient loss and decompose loss. The intensity and gradient loss use the maximum strategy to keep the highlighted semantic areas, and the decompose loss is to compare the reconstructed images and source images, so as to push the fusion model maintain more features. The model is trained on MSRS dataset, and evaluate on the LLVIP, MSRS and TNO datasets with other 9 state-of-the-art algorithms qualitatively and quantitatively. The good visual effect of our proposed model and the outstanding comparison results on 10 evaluation metrics comprehensively and objectively proves its good fusion ability. / Infraröda bilder kan markera semantiska områden så som fotgängare och vara robusta för ljusförändringar, medan synliga bilder ger rikliga bakgrundsdetaljer och goda visuella effekter. Multimodal bildfusion för övervakningsapplikation syftar till att generera en informativ samansatt bild från två källbilder i realtid, för att underlätta övervakningsobservatorium eller objektdetekteringsuppgifter. I detta arbete undersöker vi först konventionella metoder som flerskaliga transformbaserade metoder och subspace-baserade metoder, och djupinlärningsbaserade metoder som AE, CNN och GAN i detalj. Efter fullständig diskussion om deras fördelar och nackdelar väljs CNN-baserade metoder på grund av deras robusthet och end-to-end-funktion. En ny CNN-baserad modell i realtid föreslås med optimerad modellarkitektur och förlustfunktioner. Modellen är baserad på tät nätstruktur för att återanvända de tidigare funktionerna, men antalet lager och djupet är extremt optimerade för att förbättra fusionseffektiviteten. Storleken på funktionskartorna förblir densamma för att undvika informationsförluster. Förlustfunktionen inkluderar pixelintensitetsförlust, gradientförlust och sönderdelningsförlust. Intensitets- och gradientförlusten använder den maximala strategin för att behålla de markerade semantiska områdena, och nedbrytningsförlusten är att jämföra de rekonstruerade bilderna och källbilderna för att driva fusionsmodellen med fler funktioner. Modellen tränas på MSRS-datauppsättning och utvärderas på LLVIP-, MSRS- och TNO-dataset med andra 9 toppmoderna algoritmer kvalitativt och kvantitativt. Den goda visuella effekten av vår föreslagna modell och de enastående jämförelseresultaten på 10 utvärderingsmått bevisar omfattande och objektivt dess goda fusionsförmåga.

Replicating a real-world environment is crucial for creating simulations, computer vision, global and local path planning, and localization. While computer-aided design software is a standard tool for such a task, it may not always be practical or effective. An alternative approach is mapping, which uses sensory input and computer vision technologies to reconstruct the environment. However, developing such software requires knowledge of various fields, making it a challenging task. This thesis deep-dives into a state-of-the-art mapping framework and explores potential improvements, providing a foundation for an open-source project. The resulting software can replicate a real-world environment while storing panoptic classification data on a voxel level. Through 3D object matching and probability theory, the mapping software is resilient to object misclassifications and retains consistency in the different instances of observed objects. The final software is designed to make it easy to use in a different project by substituting the simulation data with a semantic, instance, or panoptic segmentation model. Additionally, the software integrates certain functionalities that facilitate the visualization of diverse classes or a particular class instance. / Att replikera en verklig miljö är avgörande för att skapa simuleringar, datorseende, global och lokal vägplanering samt lokalisering. Trots att ett datorstött designprogram är ett standardverktyg för sådana uppgifter kanske det inte alltid är praktiskt eller effektivt. Ett alternativt tillvägagångssätt är kartläggning, som använder sensorisk input och datorseendeteknik för att uppnå reskonstruering av omgivningar. Att utveckla sådan programvara kräver dock kunskap inom olika områden, vilket gör det till en utmanande uppgift. Den här avhandlingen fördjupar sig i ett toppmodernt kartläggningsramverk och utforskar potentiella förbättringar, vilket ger en grund för ett öppet källkodsprojekt. Resultatet av denna avhandling är en programvara som kan replikera en verklig miljö samtidigt som den lagrar panoptisk klassificeringsdata på en voxelnivå. Genom 3D-objektmatchning och sannolikhetsteori är kartläggningsprogramvaran motståndskraftig mot felaktiga objektklassificeringar och är koncekvent avseende förekomsten av olika observerade objekt. Den slutliga programvaran är utformad med fokus på att göra den enkel att använda i andra projekt genom att ersätta simuleringsdata med en semantisk, instans eller panoptisk segmenteringsmodell. Dessutom integrerar programvaran funktioner som underlättar visualiseringen av antingen olika klasser eller en specifik instans av en klass.

Multi-core processors have emerged as an effective solution for handling complex tasks that cannot be efficiently processed by unicore processors. Their usage is driven by the potential to achieve high processing power while minimizing power consumption. However, the conventional multi-core hardware design poses a major challenge in the real-time community due to its inability to provide strict timing guarantees. Customized hardware platforms can be utilized to achieve timing predictability, but they are expensive and difficult to obtain. A cost-effective alternative to customized platforms is commercial-off-the-shelf (COTS) products, which are universal and easily accessible, but they still suffer from timing unpredictability. To address this, memory-centric scheduling can be employed by partitioning the total task execution into distinct memory and computation phases and restricting shared memory access to be exclusive. This study presents a 3-phase task execution framework on the RP2040 multi-core platform to eliminate memory contention and ensure predictable application development. The framework uses custom memory management for each core, specified by the linker script, and a template is provided to create tasks compliant with the phased execution. Four kernel benchmarks, created from the TACLeBench benchmark suite, are used to evaluate the framework. The tasks are statically scheduled and run for ten hyperperiods. The results indicate that the custom memory configuration achieves a setup where no contested accesses occur, resulting in no unexpected variations in total task execution timing, thereby achieving timing predictability on an RP2040. / Flerkärniga processorer har visat sig vara en effektiv lösning för att hantera komplexa uppgifter som inte kan behandlas effektivt av enkärniga processorer. Användningen av dem drivs av möjligheten att uppnå hög bearbetningskapacitet samtidigt som strömförbrukningen minimeras. Den konventionella hårdvarudesignen för flerkärniga processorer utgör dock en stor utmaning för realtidssamhället på grund av dess oförmåga att ge strikta tidsgarantier. Anpassade hårdvaruplattformar kan användas för att uppnå förutsägbarhet i fråga om tidtabell, men de är dyra och svåra att få tag på. Ett kostnadseffektivt alternativ till skräddarsydda plattformar är COTSprodukter (Commercial-off-the-shelf), som är universella och lättillgängliga, men som fortfarande lider av oförutsägbarhet i fråga om timing. För att lösa detta kan man använda minnescentrerad schemaläggning genom att dela upp den totala utförandet av uppgiften i olika minnes- och beräkningsfaser och begränsa åtkomsten till delat minne till att vara exklusiv. I den här avhandlingen presenteras ett ramverk för trefasigt uppgiftsutförande på RP2040-plattformen med flera kärnor för att eliminera minneskonflikter och säkerställa förutsägbar programutveckling. Ramverket använder anpassad minneshantering för varje kärna, som specificeras av länkningsskriptet, och en mall tillhandahålls för att skapa uppgifter som är förenliga med den fasvisa utförandet. Fyra kärnreferensmärken (benchmarks), som skapats från TACLeBench benchmark suite, används för att utvärdera ramverket. Uppgifterna är statiskt schemalagda och körs under tio hyperperioder. Resultaten visar att den anpassade minneskonfigurationen ger en inställning där inga ifrågasatta åtkomster förekommer, vilket resulterar i inga oväntade variationer i den totala tidsåtgången för utförandet av uppgifterna, vilket gör att tidsåtgången är förutsägbar på en RP2040.

Super-resolution is a subfield of computer vision centered around upsampling low-resolution images to a corresponding high-resolution counterpart. This degree project investigates the suitability of a deep learning method for real-time video super-resolution. Following earlier work in the field, we use bicubic interpolation as a baseline for comparison. The deep learning method selected is specifically suited towards real-time super-resolution and consists of a motion compensation network and an upsampling network. The deep learning method and bicubic interpolation are compared by quantitatively evaluating the methods against each other in quality metrics and performance metrics. Suitable quality metrics are selected from earlier works to provide increased comparability of results, namely peak signal-to-noise ratio and structure similarity index. The performance metrics are: number of operations for a single upsampled frame, latency, throughput, and memory requirements. We apply the methods to a highly challenging publicly available dataset specifically engineered towards video super-resolution research. To further investigate the deep learning method, we propose a few modifications and study the effect on the metrics. Our findings show that the deep learning models outperform bicubic interpolation in the quality metrics, while bicubic interpolation outperformed the deep learning models in the performance metrics. We also find no significant quality metric improvement associated with having a motion compensation network for this dataset, suggesting that the dataset might be too complex for the motion compensation network. We conclude that the deep learning method exhibits real-time capabilities as the method has a throughput of around 500 frames per second for full HD super-resolution. Additionally, we show that by modifying the deep learning method, we achieve similar latency as bicubic interpolation without sacrificing throughput or quality. / Superupplösning är ett område inom datorseende centrerat kring att uppsampla lågupplösta bilder till högupplösta motsvarigheter. Detta examensarbete undersöker hur lämplig en specifik djupinlärningsmetod är för superupplösning i realtid. Enligt tidigare forskning använder vi oss av bikubisk interpolering som grund för jämförelse. Den valda djupinlärningsmetoden är speciellt anpassad till superupplösning i realtid och består av ett rörelsekompensationsnätverk och ett uppsamplingsnätverk. Djupainlärningsmetoden och interpoleringsmetoden jämförs genom att kvantitativt utvärdera metoderna mot varandra i kvalitetsmått och prestandamått. Lämpliga kvalitetsmått väljs från tidigare forskning för att ge ökad jämförbarhet mellan resultaten, nämligen maximalt signaltill- brusförhållande och strukturlikhetsindex. Prestandamätvärdena är: antal operationer för en uppsamplad bild, latens, genomströmning och minnesbehov. Vi utvärderar metoderna på ett utmanande allmänt tillgängligt dataset speciellt konstruerat för superupplösningsforskning inom video. För att ytterligare undersöka den djupa inlärningsmetoden föreslår vi några modifieringar och studerar effekten på mätvärdena. Våra resultat visar att djupinlärningsmodellerna överträffar bikubisk interpolering i kvalitetsmåtten, medan bikubisk interpolering överträffar djupinlärningsmodellerna i prestandamåtten. Vi finner inte heller någon signifikant kvalitetsmässig förbättring förknippad med att ha ett rörelsekompensationsnätverk för detta dataset, vilket kan betyda att datasetet är för komplext för rörelsekompensationnätverket. Vi drar slutsatsen att djupainlärningsmetoden uppvisar realtidsfunktioner eftersom metoden har en genomströmning på cirka 500 bilder per sekund för full HD superupplösning. Dessutom visar vi att genom att modifiera djupainlärningsmetoden uppnår vi liknande latens som bikubisk interpolering utan att offra genomströmning eller kvalitet.

Denna studie utforskar möjligheterna och utmaningarna som är förknippade med implementeringen av AI-drivet ansiktsigenkänningssystem i realtid inom svensk brottsbekämpning, i kontexten av den nya EU-lagstiftningen. Viktiga möjligheter inkluderar förbättrad effektivitet i brottsbekämpande verksamheter genom mer effektiva övervaknings- och identifieringsprocesser. Utmaningar såsom övertro till teknologi, black box-effekter och etiska dilemman utgör dock kritiska problem.  Metodiken för denna studie innefattar kvalitativa semistrukturerade intervjuer med både polisofficerare och AI-forskare, vilket ger en mer heltäckande bild av användningen av ansiktsigenkänningssystem. Resultaten indikerar en komplexitet där tekniska framsteg kan avsevärt förbättra brottsförebyggande och allmän säkerhet, men även medföra betydande risker för integritet och rättvisa. Studien avslutas med en diskussion om behovet av en balans mellan att förbättra brottsbekämpningens kapacitet och skydda grundläggande mänskliga rättigheter, samt rekommenderar starka riktlinjer och transparens för att säkerställa etisk användning av ansiktsigenkänningsteknologier. / This study explores the opportunities and challenges associated with the implementation of AI-driven real-time facial recognition technology within Swedish law enforcement, in the context of the new EU legislation. Key opportunities include enhanced efficiency in law enforcement practices through more effective surveillance and identification processes. However, challenges such as overreliance on technology, black box-effects, and ethical dilemmas are critical concerns.  The methodology for this study involves qualitative semi-structured interviews with both police officers and AI researchers, providing a comprehensive view of the deployment of facial recognition systems. Findings indicate a complex landscape where technological advances can significantly boost crime prevention and public security, yet pose substantial risks to privacy and fairness. The thesis concludes by discussing the need for a delicate balance between enhancing law enforcement  capabilities and safeguarding fundamental human rights, recommending strong guidelines and continuous oversight to ensure ethical usage of facial recognition technologies.