飞控学习笔记-姿态角解算(MPU6050 加速度计加陀螺仪)

本文持续更新…
I2C通信
AHRS是自动航向基准系统(Automatic Heading Reference System)的简称。目前,使用四元数来进行AHRS姿态解算的算法被广泛采用于四轴飞行器上。

IMU部分:
IMU是惯性测量装置(Inertial Measurement Unit)的简称,通常包含陀螺仪和加速度计

1.陀螺仪:测量的是角速度,即物体转动的速度,把速度和时间相乘,即可以得到某一时间段内物体转过的角度。(但是积分运算得来的角度本身就存在误差,随着时间的累加,误差会加剧,此时就需要加速度计辅助计算出姿态角度)
2.加速度计:测量的是物体的加速度,我们知道,重力加速度是一个物体受重力作用的情况下所具有的加速度。当物体处于静止状态时,加速度计测量出来的值就等于重力加速度1g, 约等于9.8米每平方秒。重力加速度g的方向总是竖直向下的,通过获得重力加速度在其X轴,Y轴上的分量,我们可以计算出物体相对于水平面的倾斜角度。典型的IMU惯性测量芯片为MPU6050,它被广泛采用在四轴飞行器上。
mpu6050便是这两种传感器结合测出姿态角,通常运用卡尔曼滤波得出最终角度

根据加速度计和地磁计的数据,转换到地理坐标系后,与对应参考的重力向量和地磁向量进行求误差,这个误差用来校正陀螺仪的输出,然后用陀螺仪数据进行四元数更新,再转换到欧拉角

陀螺仪的角速度测量:假如他的速度是1度没秒,那么通过速度乘以时间,我们就可以知道他距离起点走了多少度。

加速度计来测量倾角:一个简单的例子如下: 一个单轴的加速计位于重力水平面上的时候,它在垂直方向上受到的加速度为1g,在水平方向上受到的加速度为0。当我们把它旋转一个角度的时候,就会在水平轴上产生一个加速度分量。通过它们的关系,就可以计算出该单轴加速计的倾角。

1.通过陀螺仪的积分来获得四轴的旋转角度
2.然后通过加速度计的比例和积分运算来修正陀螺仪的积分结果。
下面代码中的gx,gy,gz分别代表陀螺仪在X轴,Y轴和Z轴三个轴上的分量
ax,ay,az分别代表加速度计在在X轴,Y轴和Z轴三个轴上的分量。

MPU6050(陀螺仪 加速度计)

MPU6050只包含陀螺仪和加速计共六个轴,
而MPU9150还包含磁力计,共九个轴。

陀螺仪

陀螺仪是测试角速度的传感器,也有人把角速度说成角速率,说的是一样的物理量。拿电 机做例子,当我们说一个电机10转每秒。一转是360度,那么它的主轴在一秒内转过3600 度。也就是说这个电机在转动时的角速度是3600dps.dps 就是dergee per second 度每秒 (或者写成 deg/s).
MPU6050 集成了三轴的陀螺仪.角速度全格感测范围为±250、±500、±1000与± 2000°/sec (dps)(度/秒).当选择量程为±250dps(度/秒)的时候,将会得到分辩率为131LSB/(º/s).也就 是当载体在X+轴转动1dps时,ADC将输出131.
在这里插入图片描述
上述的说明,已经知道
陀螺仪测量角度的变化率
.为了解释这一点,
让我们假设,我们已经测量围绕Y轴的旋转角(这将是Axz角)在时刻t0,我们将其定义为Axz0,接下来,我们测量这个角度是在稍后的时间t1是Axz1。
变化率将被计算如下: RateAxz =(Axz1 - Axz0)/(t1 - t0)
如果Axz单位是度,并以秒为时间单位,那么RateAxz将以度 / s表示。 MPU6050并不会以 度/ s 单位输出,我们需要在读完后进行转换。先来看看各个量程对 应的灵敏度

在这里插入图片描述在这里插入图片描述

从ADC值到 dps
通过I2C接口读出来的转换结果ADC值,并不是以度每秒为单位。一般按以下公式进行转 换:Anglerate = ADCrate /灵敏度 以量程为±1000º/s为例,说明如何转换。假设读取x轴的ADC值为200,从上表中得知在 ±1000º/s下的灵敏度为32.8LSB/(º/s) 。根据上面的公式: Anglerate = 200/32.8 = 6.09756º/s 这就是说,MPU6050检测到模块正在以约6度每秒的速度绕X轴(或者叫在YZ平面上)旋转.
ADC值并不都是正的,请注意,当出现负数时,意味着该设备从现有的正方向相反的方向旋转.
如下:=顺时针为正

在这里插入图片描述
最后,还要将角度换算成弧度制,便于计算

在这里插入图片描述综上做个陀螺仪的总结:
首先 传感器测量出当前姿态角,并且将数据寄存在一个16位的寄存器中
其次我们要选择精度,便于将16位的数据换算成角度
最终将角度转化为弧度制
输出姿态角=寄存器ADC的值/(灵敏度+2PI/360)

加速度计:

加速度计

全球首例整合性6轴运动处理组件
3轴陀螺仪+3轴加速度计
IIC接口,可用于扩展外部传感器
数据格式:旋转矩阵、四元数(quaternion)、欧拉角格式
体积小

在这里插入图片描述

无人机传感器
MPU6050:3轴陀螺仪+3轴加速度(姿态)
HMC5883:3轴数字罗盘(精确方向控制)
MS5611:气压计(高度计)

Pitch:俯仰角(抬头低头)
Roll:滚转角(翻身)
Yaw:偏航角(转弯)

三个角度组合,可唯一确定一个姿态
(MPU6050带有三个陀螺仪,每个陀螺仪各自负责检测相应轴的转动速度,也就是检测围绕 各个轴转动的速度。像三轴的陀螺仪将同时检测 X Y Z轴的旋转。 由上面这个模型图,首先我们定义:
Rxz - 是R向量在XZ平面上的投影
Ryz - 是R向量在XY平面上的投影
Rxz和Rz所形成的直角三角形,
利用勾股定理,我们得到: Rxz ^ 2 = RX ^ 2 + RZ ^ 2,
和同样: Ryz ^ 2 = RY ^ 2 + RZ ^ 2
还要注意的是:
R ^ 2 = RXZ ^ 2 + Ry^ 2,这可以来自从公式1和上面的等式,或它可以是来自于由R和Ryz
R ^ 2 = Ryz ^ 2 + Rx^ 2 形成的直角三角 我们不会在本文中使用这些公式,只是让读者认识到所有值之间的关系。 同时我们将定义Z轴和Rxz 、RyZ之间的夹角。 Axz - Rxz和Z轴间的夹角 Ayz - Ryz和Z轴间的夹角 现在看看,从这个模型中,陀螺仪测量什么?)

  • 75
    点赞
  • 518
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
### 回答1: MPU6050是一种六轴陀螺仪,同时具有三轴加速度计和三轴陀螺仪,用于测量物体的姿态。但是,由于测量误差和噪声的存在,仅使用原始数据进行姿态解算会产生不稳定和误差较大的结果。 为了解决这个问题,可以使用卡尔曼滤波算法对MPU6050采集的数据进行滤波和优化。卡尔曼滤波算法通过对多个方面的信息进行综合分析,以最小化系统误差。在姿态解算中,卡尔曼滤波算法将结合MPU6050传感器测量值、机体模型和先验估计值等信息,对姿态进行更新和优化,提高解算精度和稳定性。 具体来说,卡尔曼滤波姿态解算的过程是这样的:首先,根据MPU6050测量到的角速度和速度,使用欧拉角公式计算当前姿态的初值。然后,将初值作为先验估计值输入到卡尔曼滤波模型中,和机体模型以及测量噪声进行卡尔曼滤波,得到最终的姿态解算结果。 总之,卡尔曼滤波算法可以提高MPU6050姿态解算的精度和稳定性,是解决传感器误差和噪声问题的重要方法。 ### 回答2: MPU6050是一种带有3轴陀螺仪和3轴加速度计的惯性测量单元(IMU),可以用于姿态解算姿态解算是确定物体相对于惯性参考系的方向的过程。卡尔曼滤波是姿态解算中最常用的算法之一,能够从传感器数据中提取最精确的姿态信息。 卡尔曼滤波的基本思想是通过将先验估计与测量数据权平均来提高估计精度。在姿态解算中,卡尔曼滤波需要模型来描述系统的状态,该模型由IMU的运动学方程以及测量方差构成。IMU的运动学方程可以描述IMU的速度、角速度和姿态变化之间的关系。测量方差可由IMU内部噪声和传感器误差估计得到。 卡尔曼滤波的主要步骤包括预测和更新。在预测步骤中,利用IMU的运动学方程计算出先验估计的姿态信息。在更新步骤中,将测量数据与先验估计之间的误差通过卡尔曼增益权,计算出最终姿态信息。随着时间的推移,先验估计会逐渐趋向于真实姿态,同时卡尔曼滤波也会对传感器的误差进行动态校正,从而提高姿态解算的精度。 在实际应用中,卡尔曼滤波可以与其他算法相结合,如互补滤波或自适应滤波,以进一步提高精度和鲁棒性。同时,需要注意的是IMU的校准和姿态初始化也对姿态解算的精度有着重要影响。因此,对于姿态解算的实现,还需要考虑IMU的选择、校准和环境因素等多个方面。 ### 回答3: mpu6050是一种常用的惯性测量单元(Inertial Measurement Unit, IMU),它可以通过测量三轴加速度计和三轴陀螺仪的数据来计算设备的姿态。当直接使用这些传感器数据时,由于传感器存在一定的噪声和误差,会导致姿态计算的不稳定性和不准确性。为了解决这个问题,可以采用卡尔曼滤波算法进行姿态解算。 卡尔曼滤波是一种基于贝叶斯概率理论的滤波算法,通过预测和更新两个步骤,将传感器数据进行滤波和处理,得到更准确和稳定的姿态信息。 在使用mpu6050进行姿态解算时,需要按照以下步骤进行: 1.读取传感器数据 使用mpu6050读取三轴加速度计和三轴陀螺仪的测量数据,并对数据进行归一化和校准,以保证更准确和稳定的数据。 2.预测 根据传感器数据进行预测,利用数学模型计算物体在下一个时间步的状态和误差协方差矩阵。 3.更新 将预测值和传感器测量数据进行比较,根据误差协方差矩阵计算卡尔曼增益,更新估计值和误差协方差矩阵。 4.姿态解算 根据更新后的姿态数据,计算设备的三个欧拉角(俯仰角、偏航角、横滚角),从而得到设备的姿态信息。 卡尔曼滤波算法可以有效地处理传感器的噪声和误差,提高姿态解算的准确性和稳定性,适用于各种移动设备、机器人等需要姿态信息的场合。

“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 10
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