BetaFlight深入传感设计之三：IMU传感模块

已于 2022-10-15 12:57:07 修改
阅读量4.2k 收藏 12
点赞数 2
分类专栏： xFlight 文章标签： 嵌入式硬件 stm32 betaflight
于 2022-10-10 16:55:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lida2003/article/details/127224056
版权

BetaFlight深入传感设计之三：IMU传感模块

IMU传感器内部集成3个16bit ADC gyroscope数据和3个16bit ADC accelerometer数据，主要用于运动姿态和加速度检测。

  • gyro检测范围：°/sec (dps)
  1. ±250
  2. ±500
  3. ±1000
  4. ±2000
  • acc检测范围：g
  1. ±2
  2. ±4
  3. ±8
  4. ±16

注：上述规格主要来自MPU60X0系列传感器，笔者这里主要介绍的是MPU6000（经典款）。

Chip & Physical characteristics

根据BetaFlight深入传感设计：传感模块设计框架，我们针对如下几个阶段进行分析。

1. HwPreInit/HwInit阶段

1.1 【业务HwPreInit】gyroPreInit

该阶段对SPI片选信号脚进行了硬件配置(仅当代码宏定义支持SPI的情况下)。

gyroPreInit
 ├──> gyroPreInitSensor(gyroDeviceConfig(0))
 └──> <USE_MULTI_GYRO>
     └──> gyroPreInitSensor(gyroDeviceConfig(1))

gyroPreInitSensor
 └──> <USE_SPI_GYRO>
     └──> spiPreinitRegister(config->csnTag, IOCFG_IPU, 1)

1.2 【业务HwInit】gyroInit & accInit

1.2.1 gyroInit

业务初始化阶段主要涉及：

  1. gyroInitSensor //初始化(类似个打包函数)
  2. gyroDetect //传感芯片侦测
  3. buildRotationMatrixFromAlignment //传感芯片方向对齐
  4. gyroInitSensorFilters //传感滤波器初始化
gyroInit
 ├──> [外围参数初始化]
 ├──> gyroDetectSensor                  //调用gyroDetect自动侦测gyro芯片
 ├──> [gyro应用配置：1)gyro1; 2)gyro2; 3)gyro1 + gyro2, 仅当两颗gyro硬件类型一致的情况(类型不一致的时候采用gyro1)]
 ├──> gyroInitSensor                    //根据gyro应用配置进行初始化
 └──> [gyro & acc 采样频率设置]

gyroInitSensor
 ├──> buildRotationMatrixFromAlignment  //构建一个传感芯片的方向对齐矩阵
 ├──> gyroSensor->gyroDev.initFn        //传感芯片初始化
 └──> gyroInitSensorFilters             //传感滤波器初始化

1.2.2 accInit

业务初始化阶段主要涉及：

  1. buildRotationMatrixFromAlignment //传感芯片方向对齐
  2. accDetect //传感芯片侦测
  3. accInitFilters //传感滤波器初始化
accInit
 ├──> buildRotationMatrixFromAlignment  //构建一个传感芯片的方向对齐矩阵
 ├──> accDetect                         //自动侦测acc芯片
 ├──> acc.dev.initFn                    //传感芯片初始化
 └──> accInitFilters                    //传感滤波器初始化

1.2.3 gyroDetect

目前，支持以下硬件规格gyro传感器：

  1. GYRO_MPU6050
  2. GYRO_L3G4200D
  3. GYRO_MPU3050
  4. GYRO_L3GD20
  5. GYRO_MPU6000
  6. GYRO_MPU6500
  7. GYRO_MPU9250
  8. GYRO_ICM20601
  9. GYRO_ICM20602
  10. GYRO_ICM20608G
  11. GYRO_ICM20649
  12. GYRO_ICM20689
  13. GYRO_ICM42605
  14. GYRO_ICM42688P
  15. GYRO_BMI160
  16. GYRO_BMI270
  17. GYRO_LSM6DSO

根据BetaFlight深入传感设计：传感模块设计框架，下面以MPU6000为例：

  • mpu6000SpiGyroInit
  • mpuGyroReadSPI
bool mpu6000SpiGyroDetect(gyroDev_t *gyro)
{
    if (gyro->mpuDetectionResult.sensor != MPU_60x0_SPI) {
        return false;
    }

    gyro->initFn = mpu6000SpiGyroInit;
    gyro->readFn = mpuGyroReadSPI;
    gyro->scale = GYRO_SCALE_2000DPS;
#ifdef USE_GYRO_EXTI
    gyro->gyroShortPeriod = clockMicrosToCycles(MPU6000_SHORT_THRESHOLD);
#endif
    return true;
}

1.2.4 accDetect

目前，支持以下硬件规格acc传感器：

  1. ACC_ADXL345
  2. ACC_MPU6050
  3. ACC_MMA8452
  4. ACC_BMA280
  5. ACC_LSM303DLHC
  6. ACC_MPU6000
  7. ACC_MPU6500
  8. ACC_MPU9250
  9. ACC_ICM20601
  10. ACC_ICM20602
  11. ACC_ICM20608G
  12. ACC_ICM20649
  13. ACC_ICM20689
  14. ACC_ICM42605
  15. ACC_ICM42688P
  16. ACC_BMI160
  17. ACC_BMI270
  18. ACC_LSM6DSO

根据BetaFlight深入传感设计：传感模块设计框架，下面以MPU6000为例：

  • mpu6000SpiAccInit
  • mpuAccReadSPI
bool mpu6000SpiAccDetect(accDev_t *acc)
{
    if (acc->mpuDetectionResult.sensor != MPU_60x0_SPI) {
        return false;
    }

    acc->initFn = mpu6000SpiAccInit;
    acc->readFn = mpuAccReadSPI;

    return true;
}

1.2.5 buildRotationMatrixFromAlignment

根据配置页面 或者 cli配置参数，建立旋转矩阵，将芯片检测到的姿态和加速度方向旋转到与飞机一致的方向。

注：gyro和acc采用同样的cli配置参数，gyro和acc通常是同一颗芯片。

Gyro alignment

或者 从cli获取相关gyro_1_align参数。

gyro_1_sensor_align = CW270
Allowed values: DEFAULT, CW0, CW90, CW180, CW270, CW0FLIP, CW90FLIP, CW180FLIP, CW270FLIP, CUSTOM
Default value: CW0FLIP

gyro_1_align_roll = 0
Allowed range: -3600 - 3600

gyro_1_align_pitch = 0
Allowed range: -3600 - 3600
Default value: 1800

gyro_1_align_yaw = 2700
Allowed range: -3600 - 3600
Default value: 0

void buildRotationMatrixFromAlignment(const sensorAlignment_t* sensorAlignment, fp_rotationMatrix_t* rm)
 ├──> rotationAngles.angles.roll  = DECIDEGREES_TO_RADIANS(sensorAlignment->roll)
 ├──> rotationAngles.angles.pitch = DECIDEGREES_TO_RADIANS(sensorAlignment->pitch)
 ├──> rotationAngles.angles.yaw   = DECIDEGREES_TO_RADIANS(sensorAlignment->yaw)
 └──> buildRotationMatrix(&rotationAngles, rm)
 
void buildRotationMatrix(fp_angles_t *delta, fp_rotationMatrix_t *rotation)
{
    float cosx, sinx, cosy, siny, cosz, sinz
    float coszcosx, sinzcosx, coszsinx, sinzsinx

    cosx = cos_approx(delta->angles.roll)
    sinx = sin_approx(delta->angles.roll)
    cosy = cos_approx(delta->angles.pitch)
    siny = sin_approx(delta->angles.pitch)
    cosz = cos_approx(delta->angles.yaw)
    sinz = sin_approx(delta->angles.yaw)

    coszcosx = cosz * cosx
    sinzcosx = sinz * cosx
    coszsinx = sinx * cosz
    sinzsinx = sinx * sinz

    rotation->m[0][X] = cosz * cosy
    rotation->m[0][Y] = -cosy * sinz
    rotation->m[0][Z] = siny
    rotation->m[1][X] = sinzcosx + (coszsinx * siny)
    rotation->m[1][Y] = coszcosx - (sinzsinx * siny)
    rotation->m[1][Z] = -sinx * cosy
    rotation->m[2][X] = (sinzsinx) - (coszcosx * siny)
    rotation->m[2][Y] = (coszsinx) + (sinzcosx * siny)
    rotation->m[2][Z] = cosy * cosx
}

typedef union sensorAlignment_u {
    // value order is the same as axis_e

    // values are in DECIDEGREES, and should be limited to +/- 3600

    int16_t raw[XYZ_AXIS_COUNT]
    struct {
        int16_t roll
        int16_t pitch
        int16_t yaw
    }
} sensorAlignment_t

#define SENSOR_ALIGNMENT(ROLL, PITCH, YAW) ((sensorAlignment_t){\
    .roll = DEGREES_TO_DECIDEGREES(ROLL), \
    .pitch = DEGREES_TO_DECIDEGREES(PITCH), \
    .yaw = DEGREES_TO_DECIDEGREES(YAW), \
})

1.3 MPU6000 芯片驱动

MPU Introduction
MPU-60X0 capability
MPU & FIFO

1.3.1 mpu6000SpiGyroInit & mpu6000SpiAccInit

其实MPU6000物理上是同一个芯片，虽然逻辑概念上是两个初始化，但实际上芯片频率等设置在mpu6000SpiGyroInit 都已经完成。

mpu6000SpiGyroInit
 ├──> mpuGyroInit(gyro)   //外部中断初始化中断函数mpuIntExtiHandler
 ├──> mpu6000AccAndGyroInit(gyro) //时钟、通信口、频率、采样范围设置
 ├──> spiSetClkDivisor(&gyro->dev, spiCalculateDivider(MPU6000_MAX_SPI_INIT_CLK_HZ))
 ├──> spiWriteReg(&gyro->dev, MPU6000_CONFIG, mpuGyroDLPF(gyro)) // Accel and Gyro DLPF Setting, 目前都是0 for 8K
 ├──> delayMicroseconds(1)
 ├──> spiSetClkDivisor(&gyro->dev, spiCalculateDivider(MPU6000_MAX_SPI_CLK_HZ))
 ├──> mpuGyroRead(gyro)
 └──> <((int8_t)gyro->gyroADCRaw[1]) == -1 && ((int8_t)gyro->gyroADCRaw[0]) == -1>
     └──> failureMode(FAILURE_GYRO_INIT_FAILED)

mpu6000SpiAccInit
 └──> acc->acc_1G = 512 * 4

芯片手册图片需要补充

1.3.2 mpuGyroReadSPI

bool mpuGyroReadSPI(gyroDev_t *gyro)
{
    uint16_t *gyroData = (uint16_t *)gyro->dev.rxBuf;
    switch (gyro->gyroModeSPI) {
    case GYRO_EXTI_INIT:
    {
        // Initialise the tx buffer to all 0xff
        memset(gyro->dev.txBuf, 0xff, 16);
#ifdef USE_GYRO_EXTI
        // Check that minimum number of interrupts have been detected

        // We need some offset from the gyro interrupts to ensure sampling after the interrupt
        gyro->gyroDmaMaxDuration = 5;
        if (gyro->detectedEXTI > GYRO_EXTI_DETECT_THRESHOLD) {
            if (spiUseDMA(&gyro->dev)) {
                gyro->dev.callbackArg = (uint32_t)gyro;
                gyro->dev.txBuf[0] = gyro->accDataReg | 0x80;
                gyro->segments[0].len = gyro->gyroDataReg - gyro->accDataReg + 7;
                gyro->segments[0].callback = mpuIntcallback;
                gyro->segments[0].u.buffers.txData = gyro->dev.txBuf;
                gyro->segments[0].u.buffers.rxData = &gyro->dev.rxBuf[1];
                gyro->segments[0].negateCS = true;
                gyro->gyroModeSPI = GYRO_EXTI_INT_DMA;
            } else {
                // Interrupts are present, but no DMA
                gyro->gyroModeSPI = GYRO_EXTI_INT;
            }
        } else
#endif
        {
            gyro->gyroModeSPI = GYRO_EXTI_NO_INT;
        }
        break;
    }

    case GYRO_EXTI_INT:
    case GYRO_EXTI_NO_INT:
    {
        gyro->dev.txBuf[0] = gyro->gyroDataReg | 0x80;

        busSegment_t segments[] = {
                {.u.buffers = {NULL, NULL}, 7, true, NULL},
                {.u.link = {NULL, NULL}, 0, true, NULL},
        };
        segments[0].u.buffers.txData = gyro->dev.txBuf;
        segments[0].u.buffers.rxData = &gyro->dev.rxBuf[1];

        spiSequence(&gyro->dev, &segments[0]);

        // Wait for completion
        spiWait(&gyro->dev);

        gyro->gyroADCRaw[X] = __builtin_bswap16(gyroData[1]);
        gyro->gyroADCRaw[Y] = __builtin_bswap16(gyroData[2]);
        gyro->gyroADCRaw[Z] = __builtin_bswap16(gyroData[3]);
        break;
    }

    case GYRO_EXTI_INT_DMA:
    {
        // Acc and gyro data may not be continuous (MPU6xxx has temperature in between)
        const uint8_t gyroDataIndex = ((gyro->gyroDataReg - gyro->accDataReg) >> 1) + 1;

        // If read was triggered in interrupt don't bother waiting. The worst that could happen is that we pick
        // up an old value.
        gyro->gyroADCRaw[X] = __builtin_bswap16(gyroData[gyroDataIndex]);
        gyro->gyroADCRaw[Y] = __builtin_bswap16(gyroData[gyroDataIndex + 1]);
        gyro->gyroADCRaw[Z] = __builtin_bswap16(gyroData[gyroDataIndex + 2]);
        break;
    }

    default:
        break;
    }

    return true;
}

43

1.3.3 mpuAccReadSPI

bool mpuAccReadSPI(accDev_t *acc)
{
    switch (acc->gyro->gyroModeSPI) {
    case GYRO_EXTI_INT:
    case GYRO_EXTI_NO_INT:
    {
        acc->gyro->dev.txBuf[0] = acc->gyro->accDataReg | 0x80;

        busSegment_t segments[] = {
                {.u.buffers = {NULL, NULL}, 7, true, NULL},
                {.u.link = {NULL, NULL}, 0, true, NULL},
        };
        segments[0].u.buffers.txData = acc->gyro->dev.txBuf;
        segments[0].u.buffers.rxData = &acc->gyro->dev.rxBuf[1];

        spiSequence(&acc->gyro->dev, &segments[0]);

        // Wait for completion
        spiWait(&acc->gyro->dev);

        // Fall through
        FALLTHROUGH;
    }

    case GYRO_EXTI_INT_DMA:
    {
        // If read was triggered in interrupt don't bother waiting. The worst that could happen is that we pick
        // up an old value.

        // This data was read from the gyro, which is the same SPI device as the acc
        uint16_t *accData = (uint16_t *)acc->gyro->dev.rxBuf;
        acc->ADCRaw[X] = __builtin_bswap16(accData[1]);
        acc->ADCRaw[Y] = __builtin_bswap16(accData[2]);
        acc->ADCRaw[Z] = __builtin_bswap16(accData[3]);
        break;
    }

    case GYRO_EXTI_INIT:
    default:
        break;
    }

    return true;
}

3B

2. HwIo阶段

详见：BetaFlight模块设计之十一：Gyro&Acc任务分析

taskGyroSample
 └──> gyroUpdate
     └──> gyroUpdateSensor

taskUpdateAccelerometer
 └──> accUpdate

3. HwDataAnalysis阶段

3.1 Calibration

【决策】isGyroSensorCalibrationComplete

processRcStickPositions
 └──> 【业务】gyroStartCalibration
     └──> gyroSetCalibrationCycles

init
 └──> 【业务】gyroStartCalibration
     └──> gyroSetCalibrationCycles

taskGyroSample
 └──> gyroUpdate
     └──> gyroUpdateSensor
         └──> 【业务】performGyroCalibration

3.2 Attitude Caclulation

详见：BetaFlight模块设计之二十七：姿态更新任务分析

imuUpdateAttitude
 └──> imuCalculateEstimatedAttitude
     ├──> [Gyro & Acc update]
     ├──> [Mag update]
     ├──> imuMahonyAHRSupdate
     └──> imuUpdateEulerAngles

最终的问题还是和BetaFlight深入传感设计之二：Mag传感模块类似，归结到Mahony算法，对飞控的姿态进行更新。

注：看来有必要学习下该理论，否则会在原理方面被卡住。

补充：BetaFlight深入传感设计之五：MahonyAHRS & 方向余弦矩阵理论

4. 总结

gyro & acc的传感器更多涉及航模飞行姿态问题，gps/mag/baro涉及的是位置及导航问题，这些是飞控必要的基本传感器。

  1. BetaFlight深入传感设计之一：Baro传感模块
  2. BetaFlight深入传感设计之二：Mag传感模块
  3. BetaFlight深入传感设计之三：IMU传感模块
  4. BetaFlight深入传感设计之四：GPS传感模块

关于其他更多辅助传感器，无非是为了更多智能化功能，比如：避障(动态，静态)等等。

从技术的角度，飞控姿态逻辑是控制面非常重要的一环，后续我们将重点突破这一环节，以期望在飞控控制面逻辑能够更进一步。

5. 参考资料

【1】BetaFlight深入传感设计：传感模块设计框架
【2】BetaFlight模块设计之十一：Gyro&Acc任务分析
【3】BetaFlight模块设计之二十七：姿态更新任务分析

lida2003
关注
专栏目录
陀螺仪IMU模块
weixin_45453572的博客
06-27 2368
扫地机的IMU定位导航参考使用
姿态传感器IMU模块 附源码和上位机-电路方案
04-22
该姿态传感器模块功能介绍: 模块的硬件组成很简单 STM32103FC8 + MPU6050 + HMC5883， 模块还加了无线蓝牙...该姿态传感器IMU模块原理图PDF档； 源代码； 上位机（编译器为MDK，编译环境:MDK-Lite Version: 4.23）；
移动机器人传感器---IMU
LoongEmbedded的专栏
03-16 3949
文章目录1. IMU概念2. IMU模块概述2.1 MEMS传感器2.2 三轴陀螺仪3. IMU输出数据在移动机器人算法中的应用 1. IMU概念 惯性测量模块（IMU，Inertial Measurement Unit）组成。IMU提供飞行器在空间姿态的传感器原始数据，一般由陀螺仪传感器/加速度传感器/电子罗盘提供飞行器9DOF数据。 IMU中使用的传感器基本上都是微机电系统（MEMS），是半导体工业中非常重要的一个分支。 微机电系统（MEMS, Micro-Electro-Mechanical Syst
125-基于STM32单片机的身高体重BMI指数人体健康检测仪
最新发布
gitblog_06545的博客
09-20 836
125-基于STM32单片机的身高体重BMI指数人体健康检测仪 125-基于stm32单片机身高体重BMI指数人体健康检测仪Proteus仿真源程序 项目地址: https://gitcode.com/Resource-Bund...
APM/PX4/betaflight/inav开源飞控之IMU方向
lida2003的专栏
11-16 2808
飞控硬件厂商在设计飞控的时候，在开发、测试阶段已经将IMU方向配置在硬件定义文件中了。目前，相对来说，国内比较主流的飞控代码可以分为两大类：两者坐标系有差别，尤其在硬件配置文件中定义的角度，更是出现非常离奇的情况。这里做一个整体应用级别的分析，希望能够帮助后续定位底层差异。 3.2 betaflight/inav 4. 实例 注：始终采用Y轴方向朝前进行变换。相关映射，后续会补充，其主要原因，会随着底层分析深入，给出答案！正常旋转获得结果，XYZ轴重叠。非正常旋转，Y变成X、X变成Y、Z反向，需要驱动底层
传感器（一） ：IMU / 陀螺仪模块
藏镜人
12-10 3708
IMU全称为惯性测量单元，可以通过测量物体在三维空间内的加速度和角速度，来获取物体的运动姿态和位置信息。IMU模块通常由三个部分组成：加速度计、陀螺仪和磁力计。这些传感器可以通过处理器进行数据处理和滤波，从而获得更加准确的数据。加速度计是一种测量物体加速度的传感器，它基于牛顿力学定律中的质量和力的关系。它可以测量物体在三个轴向上的加速度，包括x、y和z轴。在IMU中，加速度计用于测量设备的线性加速度和位置变化。陀螺仪是一种测量物体角速度的传感器。它可以测量物体在三个轴向上的旋转速率，包括x、y和z轴。
十轴IMU惯导模块及其应用
weixin_74157522的博客
06-09 2238
IMU惯导模块学习笔记
高精度IMU传感器怎么实现
u014694105的博客
05-10 402
IMU模块目前应用在机器人、无人机、云台、吊舱、手机、导弹等各种领域
实验16：IMU姿态解算_IMU_陀螺仪_IMU姿态解算_STM32F103_姿态解算_
10-03
实验16：IMU姿态解算，主要涉及的是利用惯性测量单元（IMU）进行三维空间中的姿态估计。IMU通常包含一个陀螺仪和一个加速度计，两者...通过这个实验，你将能够深入理解IMU工作原理，提高嵌入式系统设计和调试的能力。
imu-analysis:IMU传感器数据分析的应用程序
04-17
IMU数据分析 IMU传感器数据分析的应用程序。 语境 在越野滑雪训练中，可穿戴式放置在运动员的杆子和靴子上，以捕获运动数据。 这些IMU传感器测量三轴线性加速度，三轴角速度和三轴磁力，并将它们记录为时间序列数据...
航向标与指南针：IMU在VINS系统中的关键作用
07-13
1. **多传感器融合**：结合了相机（单目或双目）和IMU的数据，提高了系统的鲁棒性和精度。 2. **实时性能**：能够实时处理视觉和惯性数据，适用于动态环境。 3. **高精度定位**：即使在视觉信息不足的情况下也能保持...
UWB+IMU融合电路图（电源模块+mcu模块+IMU模块+DWM模块原理图）
07-13
UWB+IMU超宽带和惯导融合定位项目的模块原理图，包括了电源模块（3.0、3.3、5.0）+mcu模块（nrf52832）+加速度计模块（LIS3DH）+DWM1000模块原理图
ICM42688芯片开发参考资料
03-14
TDK的6轴IMU芯片ICM42688,稳定性秒杀MPU6050 MPU9250 IC20948. 包含全部资源：芯片手册，设计参考，运动模型参考设计
MEMS器件常见的四大分类
01-19
MEMS器件体积小，重量轻，耗能低，惯性小，谐振频率高，响应时间短。MEMS系统与一般的机械系统相比，不仅体积缩小，而且在力学原理和运动学原理，材料特性、加工、测量和控制等方面都将发生变化。在MEMS系统中，所有的几何变形是如此之小(分子级)，以至于结构内应力与应变之间的线性关系(虎克定律)已不存在。MEMS器件中摩擦表面的摩擦力主要是由于表面之间的分子相互作用力引起的，而不是由于载荷压力引起。 　　MEMS器件以硅为主要材料。硅的强度、硬度和杨氏模量与铁相当。密度类似于铝，热传导率接近铜和钨，因此MEMS器件机械电气性能优良。它集中了当今科学技术发展的许多成果。
ICM-42688-P-6轴姿态传感器 STM32F103VET6 示例代码
10-24
本工程实现了ICM-42688-P的陀螺仪、加速度计、温度计数据的获取，并显示在了OLED屏幕上。并未加入APEX、FIFO寄存器的使用，请按需获取本资源。代码中具体参数的更改，请参照放在Hareware/ICM-42688中的手册（还有翻译版本），希望能本资源能帮到各位程序猿
STM32F0使用SPI读取MPU6000
04-12
STM32F0使用SPI读取MPU6000，请注意SPI的配置，还有使能位一定要按照时序使用，读写数据前使能，完成过后关闭，测试时一直使能数据会错。
matlab集成c代码-IMU_EKF:IMU_EKF
05-22
Matlab集成的c代码IMU_EKF 该代码通过Matlab代码复制了论文“用于IMU.pdf的双级卡尔曼滤波器”或“用于9D IMU集成处理器的定向跟踪的双级卡尔曼滤波器”中介绍的工作。 然后使用Matlab C Coder将matlab代码转换为C...
孚心科技（FOHEART）推出具有高低动态性能的IMU/AHRS模组MP1
FOHEART 探索未知的美好
05-05 832
近日，北京孚心科技有限公司推出了消费级IMU/AHRS模组FOHEART·MotionPro-1（简称：MP1）。孚心科技（FOHEART）一直致力于惯性动作捕捉系统的研发，在IMU/AHRS方面有极深的技术积累。MP1使用业界先进的MEMS六轴加速度/角速度传感器及三轴磁力计，模组内置的EKF融合算法，能够输出最大220Hz的姿态数据。模组可以持续追踪高动态运动而不产生累积误差；同时也能在低动态...
MEMS惯性器件选型笔记
slowdownbabe的博客
06-12 3724
IMU选型
sensor_msgs::imu数据结构
09-12
sensor_msgs::Imu是ROS中定义的一种消息类型，用于表示惯性测量单元（Inertial Measurement Unit，IMU）的输出数据。IMU通常包含加速度计和陀螺仪，用于测量物体的线性加速度和角速度。 sensor_msgs::Imu消息结构包含以下字段： - header：消息头，包含时间戳和坐标系信息。 - orientation：物体的姿态信息，通常使用四元数表示。 - orientation_covariance：姿态信息的协方差矩阵。 - angular_velocity：角速度信息，通常以三维向量形式表示。 - angular_velocity_covariance：角速度信息的协方差矩阵。 - linear_acceleration：线性加速度信息，通常以三维向量形式表示。 - linear_acceleration_covariance：线性加速度信息的协方差矩阵。 这些字段用于描述IMU传感器测量到的物体姿态、角速度和线性加速度等信息。在ROS中，可以使用sensor_msgs::Imu消息类型来传递和处理IMU数据。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值