姿态解算篇——mahony互补滤波算法

最新推荐文章于 2024-05-17 03:59:48 发布
最新推荐文章于 2024-05-17 03:59:48 发布
阅读量2.1k 收藏
点赞数
原文链接：https://blog.csdn.net/weixin_40599145/article/details/99937264?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-15.control&dist_request_id=35b7d4ac-c28b-4228-b2a1-a3fa1b99579d&depth_1-utm_source=distribute.pc_relevant.none-
版权
IMU姿态滤波算法——Mahony算法：原理与代码
计算机视觉工坊
03-31 1704
Mahony算法常见的姿态融合算法，根据加速度计、陀螺仪、以及磁力计，融合计算机体四元数，计算速度快、精度较高。本文介绍六轴融合，即根据加速度计和陀螺仪数据，计算姿态。我们需要计算的是机体的姿态。计算角度可以通过角速度积分，也可以通过加速度正交分解，但这两种方法都存在缺陷。角速度的误差会随着积分不断增大，而加速度存在高频噪声，因此希望融合两种数据。
IMU姿态滤波算法——Madgwick算法：原理与代码
3D视觉工坊
05-31 1962
前言之前的一次推送介绍了Mahony姿态解算算法（IMU姿态滤波算法——Mahony算法：原理与代码），这次介绍另一个经典的滤波算法：Madgwick滤波。Madgwick滤波算法根据加速度计、陀螺仪、以及磁力计，融合计算机体四元数，计算速度快、精度较高。本文详细介绍六轴融合，即根据加速度计和陀螺仪数据，计算IMU的姿态。算法2.1 重力方向对齐优化首先要指出的是，Madgwick算法假设加速度计...
互补滤波算法
11-28
关于互补滤波算法的英文版的文献，主要讲述互补滤波算法的公式的推导和一些基本的概念
mahony 互补滤波器
热门推荐
luoshi006的博客
05-27 4万+
px4 中 mahony 滤波算法的分析与源码
Pixhawk代码分析-姿态解算篇B
csshuke的专栏
05-27 2398
姿态解算篇B前言本篇博文主要是以mahony的算法为基础理解姿态解算的过程，主要参考的论文就是William Premerlani and Paul Bizard的关于DCM的一篇经典论文《Direction Cosine Matrix IMU_Theory》，一定要搞透这篇论文，没看过它都不敢称自己研究过飞控算法；然后接下来还有madgwick和mahony的论文需要研究...
多旋翼姿态解算之Mahony互补滤波
Aromash的博客
06-05 4061
Mahony互补滤波器是多旋翼姿态解算中常用的一种简单又高效的方法。 在介绍之前，首先来看一些关于传感器的基础知识： 陀螺仪 用于测量角速度，具有高动态特性，它是一个间接测量角度的器件其中一个关键参数就是gyro sensitivity（其单位是millivolts per degree per-second，把转速转换到电压值），测量范围越小灵敏度越好。也就是说测量的是角度的导数，即角速度，要将...
MPU6050姿态解算——Mahony互补滤波_mahony互补滤波 kp和ki
2401_85015152的博客
05-17 741
陀螺仪得到的角速度数据短期内可信，长期由于积分误差不可信。加速度计得到的加速度数据，短期内由于高频抖动干扰不可信，长期可信。拿出我们的中学二年级知识，地球上一切物体的重力加速度都是9.8m/s^2，我们用地理坐标系的重力加速度g，乘以一个从地理坐标系n到机体坐标系b的姿态转换矩阵，可以推导出机体坐标系的理论重力加速度v。
MPU6050姿态解算——Mahony互补滤波_mahony互补滤波 kp和ki(1)
2401_85015097的博客
05-17 858
在概述中我们分析了陀螺仪中角速度测量可能存在一个误差，这个误差在短时间内可以忽略，但是随着时间的累积，误差会越来越大。陀螺仪中的加速度计对高频信号敏感，在振动环境中高频干扰大。陀螺仪得到的角速度数据短期内可信，长期由于积分误差不可信。加速度计得到的加速度数据，短期内由于高频抖动干扰不可信，长期可信。拿出我们的中学二年级知识，地球上一切物体的重力加速度都是9.8m/s^2，我们用地理坐标系的重力加速度g，乘以一个从地理坐标系n到机体坐标系b的姿态转换矩阵，可以推导出机体坐标系的理论重力加速度v。
IMU 姿态解算博文汇总
nicole088的专栏
02-23 3610
IMU 资料汇总
STM32F103C8T6下位机程序（mahony互补滤波）-基于惯性测量单元的可穿戴人体运动分析模块设计
09-02
本设计是一种基于微机电（Micro-Electro-Mechanical System, MEMS）惯性测量单元（Inertial Measurement Unit, IMU）和低功耗单片机的可穿戴人体运动分析模块，可用来解决消防员火灾现场室内定位的问题。该模块通过MEMS惯性传感器测量消防员足部运动的角速度和加速度，利用Mahony互补滤波算法进行姿态解算，并将载体坐标系加速度转化成世界坐标系加速度，对世界坐标系加速度进行二重积分计算，得出消防员在火灾现场中运动的方向和步长用于定位，并通过蓝牙将消防员运动方向和位置信息发送给上位机，上位机记录消防员运动的轨迹，从而达到火灾现场消防员室内定位的目的。
互补滤波法
02-24
这是我在网上找的说明互补滤波法的框图，很不错。流程图很清楚地阐释了整个互补滤波的流程。
mahony互补滤波(带磁力计).7z
08-19
基于RflySim平台开发的mahony互补滤波，仿真及实物代码、数据、simulink模型。
互补滤波（Mahony滤波器）
jcsm__的博客
03-19 1514
*实验室组会上的一次分享，图源网络，侵删。
stm32 MPU6050 姿态解算 Mahony互补滤波算法
杀手的博客
05-17 1万+
文章目录1，理论分析1.1 MPU60501.2 Mahony算法原理2，代码实现1.1 MPU6050初始化及数据读取1.2 Mahony算法c语言实现1.3 将代码移植到你的工程3，补充 1，理论分析 1.1 MPU6050 MPU6050是一个集成了陀螺仪和加速度计的传感器，它能输出在直角坐标系下的x，y，z轴的角速度和加速度数据。 陀螺仪输出的格式为：绕x轴的旋转角速度，绕y轴的角速度，绕z轴的角速度（分别称为roll角速度，pitch角速度和yaw角速度）。 加速度计输出的格式为：x轴的加速度，y
MPU6050实现Mahony互补滤波（程序使用江协科技模板）
m0_73885374的博客
04-14 2182
STM32最小系统板+MPU6050使用Mahony互补滤波进行姿态解算，获取稳定准确的欧拉角，附源码，程序使用江协科技风格，规范易懂。
融合磁力计的Mahony互补滤波算法
Yohaoa
04-06 6723
...
四旋翼飞行器姿态解算
最新发布
02-27
### 四旋翼飞行器姿态解算算法实现 四旋翼飞行器的姿态解算是指通过对传感器数据的处理，获取飞行器相对于地面坐标系的姿态信息。这一过程通常依赖于IMU（惯性测量单元）提供的三轴加速度、角速度以及可能来自磁力计的数据。 #### 数据采集与预处理 MPU9250作为常用的IMU模块，能够提供16位精度的三维陀螺仪值、加速度值和磁力计值。这些原始数据需要经过初步校准去除偏置误差和其他干扰因素[^2]。 ```python import numpy as np def preprocess_data(raw_gyro, raw_accel): """ 对原始IMU数据进行预处理 """ # 这里假设已经完成了硬件级别的零点漂移补偿 gyro_calibrated = raw_gyro * GYRO_SENSITIVITY # 将ADC码转换为实际角度变化率(rad/s) accel_calibrated = (raw_accel - ACCEL_BIAS) * ACCEL_SENSITIVITY # 减去静态偏差并缩放至物理单位(m/s²) return gyro_calibrated, accel_calibrated ``` #### Mahony互补滤波算法详解 Mahony互补滤波是一种简单有效的姿态估计方法，它结合了低频响应良好的加速度计读数和高频特性优秀的陀螺仪信号。该算法的核心在于动态调整比例因子k_p来权衡两者之间的贡献： - 当仅依靠积分后的陀螺仪输出时，虽然短期稳定但长期存在累积误差； - 加入重力矢量辅助修正可以有效抑制这种趋势，不过容易受到外界振动影响而引入瞬态错误； 因此，在每次迭代过程中都会计算预测姿态q_pred与观测到的地垂线方向差异e，并据此更新最终的姿态表示形式——四元数Q。 ```python class ComplementaryFilter: def __init__(self, kp=0.5): self.q = np.array([1., 0., 0., 0.]) # 初始化为无旋转状态 self.kp = kp def update(self, wxyz, acc_xyz): q_pred = ... # 使用wxyz增量更新上一时刻的状态 e = compute_gravity_error(q_pred, acc_xyz) # 计算当前估算下的重力分量偏离程度 dq = correct_with_kinematic_model(e*self.kp*dt) # 应用动力学模型得出矫正项dq self.q += dq # 更新全局姿态变量 normalize_quaternion(self.q) # 归一化保持数值稳定性 ``` 上述代码片段展示了如何利用Mahony互补滤波完成一次完整的姿态更新操作。其中`compute_gravity_error()`函数负责评估理论重力投影同实测加速度间的差距大小；而`correct_with_kinematic_model()`则基于此差值构建相应的微调指令传递给核心姿态表达式。 值得注意的是，尽管这里采用了较为直观易懂的方式呈现整个流程，但在实际工程应用当中还需要考虑更多细节问题比如温度效应引起的灵敏度变化、多源异构传感设备同步采样机制等等。 #### 输出结果转换 为了便于后续控制逻辑的理解与实施，往往还需进一步把内部存储着的四元数形态转译回更贴近人类直觉认知习惯的形式—欧拉角。这一步骤涉及到复杂的三角变换关系，具体可参见相关文献说明[^3]。 ```python def quaternion_to_euler_angle(w, x, y, z): ysqr = y*y t0 = +2.0 * (w*x + y*z) t1 = +1.0 - 2.0*(x*x + ysqr) X = math.atan2(t0,t1) t2 = +2.0 * (w*y - z*x) t2 = max(-1,min(+1,t2)) Y = math.asin(t2) t3 = +2.0 * (w*z + x*y) t4 = +1.0 - 2.0 *(ysqr+z*z) Z = math.atan2(t3,t4) return X*rad2deg(),Y*rad2deg(),Z*rad2deg() ``` 通过以上步骤，实现了从原始IMU数据到可用于PID控制器输入端的标准欧拉角序列的转变，从而支持了更加精准可靠的飞行操控体验。
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