IMU自动校准框架IMUCalibration-Gesture测试,结果与rikirobot校正进行对比分析

本文分两个部分介绍IMU自动校准框架IMUCalibration-Gesture的测试。第一部分是IMUCalibration-Gesture的校准,第二部分则是校准结果与rikirobot的对比。校准分三个阶段,IMU硬件配置,IMUCalibration-Gesture数据采样,校准参数及结果展示。

IMUCalibration-Gesture框架源码

https://github.com/shenshikexmu/IMUCalibration-Gesture

part1 MPU9250的IMUCalibration-Gesture校准

1.1 MPU9250硬件参数设置

源码中MPU9250的原始数据采样的加速度和陀螺仪量程分别为16g,2000dps。

采样频率为100HZ

    MPU_Set_Gyro_Fsr(3);					        	//陀螺仪量程2000dps
    MPU_Set_Accel_Fsr(3);					       	 	//加速度量程16g
    MPU_Set_Rate(100);						       	 	//采样频率

2.2 数据采样

数据格式为 时间 加速度 角速度 磁力计

根据论文分析得到数据采样规律

采集规则,每秒100次采样
步骤一:初始数据采集
数据格式:0.0110000000000000    781    1385    2865    -11    -5    -17    -100    33    -105
时间段:0-56.81s
步骤二:旋转IMU改变姿态
数据格式:56.8210000000000    955    1305    3079    59    -17    -72    -94    27    -108
时间段:56.81-58s
步骤三:静态放置tw时间
数据格式:63.7410000000000    1145    604    -592    -6    36    -63    188    308    -418
时间段:58-63.74s
步骤四:回到步骤二重新开始,重复采样N次

阅读数据采集部分源码发现,角速度为0的阈值,源码设置为30,由于传感器的偏差不一样,此处使用60为阈值

FindFixData(data,30)-》FindFixData(data,60)

采样300s,由于控制板数据传输代码的性能限制,此处频率50HZ采样

 

1.3 MPU校准

在MATLAB中运行校准函数ImuCalibration_Gesture(name)后获取校准参数

校准后姿态图

线速度参数

陀螺仪参数

磁力计参数

PART2 校准结果对比

2.1 IMUCalibration-Gesture校准结果

校准公式如下

% data :time accelerometer  gyroscope   magnetometer 
%  cal_acc=Ta*Ka*(raw_acc+Ba)
%  cal_gyro=Tg*Kg*(raw_gyro+Bg)
%  cal_mag=Tm2a*(raw_mag+Bm)

结果如图所示

线速度结果较差不进行展示

此处只显示角速度校准结果

2.2 rikirobot校准结果

rikirobot中源码只对角速度进行了零偏校准,加速度校准结果偏差也比较大

2.3 结果对比

从角速度校准结果来说,只进行零偏校准效果比IMUCalibration-Gesture效果好,加速度校准结果也是如此,因此工程中不进行采用,在IMUCalibration-Gesture进一步探究后再进行测试。

 

 

  • 3
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
自动驾驶是指通过计算机系统和传感器技术,使汽车能够独立地在道路上行驶和遵守交通规则。多传感器融合是自动驾驶技术中重要的一部分,它通过将多个传感器的数据进行融合,提高了汽车系统对环境的感知和理解能力。 相机和惯性测量单元(IMU)是常用的传感器之一。相机可以获取道路上的图像信息,例如道路标志、交通信号灯、行人和车辆等。然而,仅仅依靠相机数据是不够的,因为图像可能受到光照、天气和道路状况等因素的影响,导致图像质量变差。这就需要通过融合IMU数据来提高数据的准确性和可靠性。 IMU包含加速度计和陀螺仪,可以测量车辆的加速度和角速度。通过计算加速度和角速度的变化,可以获得车辆的位置、速度和姿态信息。与相机数据相结合,可以更准确地推测车辆的位置和运动,提高自动驾驶系统的感知能力。 实现相机和IMU的同步很重要。相机的图像帧和IMU的数据都是以不同的频率生成的,因此需要将它们进行时间戳同步。通过高精度的时间戳标记,可以确保相机和IMU的数据能够在正确的时间点进行匹配。这样,相机图像的每一帧都可以与IMU数据的特定时间点相对应,从而实现数据的融合和处理。 通过相机和IMU的同步,自动驾驶系统可以更准确地感知道路上的环境,并作出更准确的决策和控制。例如,当相机检测到红灯时,结合IMU数据可以更准确地判断车辆的速度和行驶方向,从而及时停车。因此,相机和IMU的同步是实现自动驾驶技术的重要环节。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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