低精度惯导(MEMS IMU)几种对准方法的介绍

引言

高精度惯导可以感知地球地球自转来完成粗对准,但是MEMS IMU精度较低无法感知地球自转,所以只能通过其它额外信息辅助其完成粗对准。

方法

下面简单介绍几种MEMS IMU对准方法:

磁力计

原理:
特点:便宜,简单,但需要提前校准,需要考虑磁异常情况,需要知道当地磁偏角(根据算法需求可能还需要知道当地磁场强度)

基于速度/轨迹的动态对准

原理:可以通过速度/轨迹矢量计算出航向

在这里插入图片描述
(轨迹矢量类似)

特点:简单,但精度取决于速度大小,速度越小精度越差,不适用于低速场景

传递对准

原理:
特点:精度较高,但是需要高精度主惯导

GNSS双/多天线

原理:
特点:对机动没有要求,静态动态都适用;精度取决于天线间的基线长度;对周围环境要求,适用于室外开阔环境

参考

[1] Zhang Quan. Velocity-Based Optimization-Based Alignment (VBOBA) of Low-End MEMS IMU/GNSS for Low Dynamic Applications

MEMS(Micro-Electro-Mechanical Systems)IMU(Inertial Measurement Unit)是一种能够测量物体在空间中的加速度和角速度的传感器。由于其小巧、轻便、功耗等优点,MEMS IMU在航空航天、汽车、机器人等领域得到了广泛应用。然而,由于MEMS IMU存在着一些误差,如漂移、非线性、温度效应等,需要经过校准才能得到准确的测量结果。本文将综述MEMS IMU校准方法的研究现状和进展。 一、MEMS IMU误差模型 MEMS IMU存在着多种误差,如零偏、比例因子误差、尺度因子误差、非正交性误差、非线性误差、温度漂移等。其中,最常见的误差是零偏误差和尺度因子误差。 零偏误差是指在没有外部力作用下,MEMS IMU仍然会输出一个非零值。这种误差通常由于传感器制造过程中的不完美造成。零偏误差可以表示为: b = [bax bay baz bgx bgy bgz]T 其中,bax、bay、baz分别表示X、Y、Z轴的加速度零偏,bgx、bgy、bgz分别表示X、Y、Z轴的陀螺零偏。 尺度因子误差是指MEMS IMU输出的信号与实际值之间存在一定的比例误差。这种误差通常由于传感器制造过程中的不精确造成。尺度因子误差可以表示为: s = [sax say saz sgx sgy sgz]T 其中,sax、say、saz分别表示X、Y、Z轴的加速度尺度因子,sgx、sgy、sgz分别表示X、Y、Z轴的陀螺尺度因子。 二、MEMS IMU校准方法 MEMS IMU的校准方法通常分为静态校准和动态校准两种。静态校准是指在没有运动的情况下对MEMS IMU进行校准,动态校准是指在运动的情况下对MEMS IMU进行校准。下面将分别介绍静态校准和动态校准的方法。 2.1 静态校准 静态校准是指在没有运动的情况下对MEMS IMU进行校准。静态校准通常包括以下步骤: (1)放置MEMS IMU:将MEMS IMU放置在水平面上,并保持不动。 (2)采集数据:采集MEMS IMU的输出数据,包括加速度计和陀螺仪的输出。 (3)计算零偏误差:根据采集到的数据,计算出MEMS IMU的零偏误差,即b向量。 (4)计算尺度因子误差:根据采集到的数据,计算出MEMS IMU的尺度因子误差,即s向量。 常用的静态校准方法有: (1)方差法:方差法是一种简单有效的校准方法。该方法基于MEMS IMU没有被外部力作用时输出的信号应该是一个零均值的高斯白噪声的假设。具体步骤如下: ① 将MEMS IMU放置在水平面上,保持不动。 ② 采集N组数据,计算出加速度计和陀螺仪的方差。 ③ 根据方差计算出MEMS IMU的零偏误差和尺度因子误差。 方差法的优点是简单易行,但其缺点是精度,受到环境干扰较大。 (2)最小二乘法:最小二乘法是一种基于最小化误差平方和的校准方法。该方法可以同时估计出MEMS IMU的零偏误差和尺度因子误差。具体步骤如下: ① 将MEMS IMU放置在水平面上,保持不动。 ② 采集N组数据,计算出加速度计和陀螺仪的输出。 ③ 根据采集到的数据,建立误差模型,并利用最小二乘法求解出MEMS IMU的零偏误差和尺度因子误差。 最小二乘法的优点是精度较高,但其缺点是计算量较大,需要较长的计算时间。 2.2 动态校准 动态校准是指在运动的情况下对MEMS IMU进行校准。动态校准通常包括以下步骤: (1)运动模型:建立MEMS IMU的运动模型,包括MEMS IMU的运动方程和传感器输出方程。 (2)运动测量:利用MEMS IMU测量物体在空间中的运动,包括加速度和角速度。 (3)误差估计:基于MEMS IMU的运动模型和运动测量结果,估计MEMS IMU的误差模型,包括零偏误差和尺度因子误差。 (4)校准估计:利用误差模型和运动测量结果,对MEMS IMU进行校准。 常用的动态校准方法有: (1)卡尔曼滤波:卡尔曼滤波是一种基于状态估计的校准方法。该方法通过建立MEMS IMU的状态空间模型和观测模型,利用卡尔曼滤波算法对MEMS IMU进行校准。具体步骤如下: ① 建立MEMS IMU的状态空间模型和观测模型。 ② 利用MEMS IMU测量到的加速度和角速度,利用卡尔曼滤波算法估计MEMS IMU的状态。 ③ 根据估计出的状态,计算出MEMS IMU的零偏误差和尺度因子误差。 卡尔曼滤波的优点是精度较高,但其缺点是计算量较大,需要较长的计算时间。 (2)扩展卡尔曼滤波:扩展卡尔曼滤波是一种基于非线性状态估计的校准方法。该方法通过将MEMS IMU的状态空间模型和观测模型线性化,利用扩展卡尔曼滤波算法对MEMS IMU进行校准。具体步骤如下: ① 建立MEMS IMU的状态空间模型和观测模型,并将其线性化。 ② 利用MEMS IMU测量到的加速度和角速度,利用扩展卡尔曼滤波算法估计MEMS IMU的状态。 ③ 根据估计出的状态,计算出MEMS IMU的零偏误差和尺度因子误差。 扩展卡尔曼滤波的优点是可以处理非线性问题,但其缺点是需要对状态空间模型和观测模型进行线性化处理。 三、总结 MEMS IMU是一种常用的测量物体运动的传感器,在航空航天、汽车、机器人等领域得到了广泛应用。由于MEMS IMU存在着多种误差,如零偏、比例因子误差、尺度因子误差、非正交性误差、非线性误差、温度漂移等,需要经过校准才能得到准确的测量结果。MEMS IMU的校准方法通常分为静态校准和动态校准两种。静态校准是指在没有运动的情况下对MEMS IMU进行校准,常用的静态校准方法有方差法和最小二乘法。动态校准是指在运动的情况下对MEMS IMU进行校准,常用的动态校准方法有卡尔曼滤波和扩展卡尔曼滤波。不同的校准方法适用于不同的应用场景,需要根据具体情况选择合适的方法
评论
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