姿态解算是每一个无人机都需要解决的问题,目前常用的姿态解算方法有三种:卡尔曼滤波、互补滤波、梯度下降。为了研究每种算法的误差大小及解算出来的数据情况,特别拿出了我的(其实是公司的)珍藏多年Xsens公司的Mti-3模块(3000软妹币,原来有Mti-G-710的,但是在无人机上)进行数据的采集,以模块输出的姿态角为准,进行比较。
传感器数据及MATLAB处理脚本下载地址:https://github.com/mansky/ImuFusion
俯仰角比较
局部数据放大
从数据可以看出,梯度下降(gradientDescent)的误差与Mti-3的误差是最小的,从第一张图可以看出,梯度下降算法的数据会有许多的毛刺。互补滤波相对误差比梯度下降大,但是效果仍算可以。至于卡尔曼滤波,本人使用的算法构造应该是有问题的,使用加速度来修正陀螺仪,确实可以得到精度更高的陀螺仪数据,但是进行姿态解算的时候,如果只使用陀螺仪数据进行积分,仍然会引入累积误差,导致角度误差越来越大。
kalman角速度与原始角速度的比较
kalman的角速度与mti-3原始角速度相比,曲线更为平滑。
横滚角比较
航向角比较
可以看到,由于没有加入磁罗盘进行航向角的校准,故算法对航向角的解算都不好
综上所述:互补滤波其实已经可以满足基本的需求,如果需要更精确的数据,可以使用梯度下降算法,但梯度下降算法运算量大一点,本人的卡尔曼滤波的算法的设计与实现差了一点 ,导致解算出来的姿态有问题,只能当作给大家提供的一种实现的思路