IMU/电子罗盘/轮式编码器的多传感器融合(非线性卡尔曼滤波)

传感器分析

电子罗盘(Compass/magnetometer)

对于平面运动机器人而言,只需要xy平面上的数据即可求出来绝对角度,这里电子罗盘需要做椭圆->圆的传感器标定。

电子罗盘上车的标定方法参考:

轮式移动机器人惯性定位系统的研发.pdf_人人文库网分类号 U D C 密级 学校代号 118 4 5 学号 2 1111 0 4 0 7 9 广东工业大学硕士学位论文 工学硕士 轮式移动机器人惯性定位系统的研发 张唐烁 学科 专业 或领域名称 控剑堡途量控剑王猩 AD i s s e r ,人人文库,renrendoc.comhttps://www.renrendoc.com/p-34579555.html具体如下:

真北角的校正(要地球的准确方位)、罗盘倾斜的校正(是否水平)、补偿其他磁场干扰的校正。用在扫地机上主要是给出旋转角度的变化量。作者只做磁场补偿,需要两个定标因数Xsf,Ysf,这两个定标因数是将椭圆补偿为圆,还需要两个偏移值Xoff,Yoif,这两个偏移值是将圆心移回原点。

磁场补偿

 

 

 

RTIMULib2/Calibration.pdf at master · HongshiTan/RTIMULib2 · GitHub9-dof, 10-dof and 11-dof IMU fusion library for Linux systems (development version) - RTIMULib2/Calibration.pdf at master · HongshiTan/RTIMULib2https://github.com/HongshiTan/RTIMULib2/blob/master/Calibration.pdf

粗犷标定:

细致标定(跟陀螺仪加速度计标定差不多):

Magnetometer Calibration- MATLAB & Simulink

GitHub - pcdangio/ros-calibration_imu: ROS GUI utility for IMU calibration

标定环境要求:

The magnetic calibration procedure should be held in a non magnetic area (outside of buildings) 

查询真北磁场与电子罗盘指示的偏离: 

Magnetic Declinationicon-default.png?t=M276http://www.compassdude.com/compass-declination.phpMagnetic Declinationicon-default.png?t=M276https://www.magnetic-declination.com/

罗盘倾斜校正

使用加速度计校正:

https://github.com/visakhanc/eCompass/blob/master/source/main.chttps://github.com/visakhanc/eCompass/blob/master/source/main.c使用陀螺仪校正:

https://github.com/clearpathrobotics/imu_compasshttps://github.com/clearpathrobotics/imu_compass

其他的传感器分析

IMU/光电鼠标/轮式编码器的多传感器融合(非线性卡尔曼滤波)_z15f34的博客-CSDN博客各传感器分析imu对于平面移动机器人(如扫地机器人),IMU只需要一般只需要使用陀螺仪的偏航角(YAW),陀螺仪的偏航角有时间漂移的误差存在,一般分为系统漂移误差(offset)和随机时间漂移误差。轮式编码器没啥好说的,两轮差分机器人有对应的运动模型,累计误差随着打滑等因素逐步变大。需要把轮径和两轮中心距标定出来,标定的方法比较多(todo:更新三种标定方法)。光电鼠标传感器可以测出来xy偏移量的,放在机器人不同的位置和放法是有讲究的。卡尔曼融合滤波预测模型模型就是两轮差https://blog.csdn.net/z15f34/article/details/122912817

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
IMU是惯性测量单元(Inertial Measurement Unit)的缩写,UWB是超宽带(Ultra-Wideband)的缩写。卡尔曼滤波是一种用于状态估计的算法。 IMU/UWB卡尔曼滤波是将IMU和UWB两种传感器的数据融合起来,以提高姿态、位置和速度等信息的估计精度。 IMU主要通过测量加速度计和陀螺仪的输出来估计物体的姿态和加速度。然而,IMU测量存在漂移等误差,特别是在长时间使用过程中,精度会逐渐降低。 为了改善IMU的精度问题,可以通过融合UWB传感器的数据来进行校正。UWB技术以其高精度的测距能力而闻名,可以用于测量物体之间的距离。通过与参考点之间的距离差异,可以获得准确的位置和速度信息,并用于修正IMU的误差。 在IMU/UWB卡尔曼滤波中,卡尔曼滤波算法被用于融合IMU和UWB的数据。卡尔曼滤波算法通过以最小均方误差为目标,综合考虑IMU和UWB的测量值和噪声特性,来进行状态估计和预测。 具体而言,IMU/UWB卡尔曼滤波根据IMU和UWB的测量数据,通过矩阵计算来估计物体的姿态、位置和速度等关键信息。通过迭代更新和校正,可以实现高精度的姿态和位置估计。 总之,IMU/UWB卡尔曼滤波是一种融合IMU和UWB传感器数据的算法,用于提高姿态、位置和速度等信息的估计精度。这种方法通过校正IMU的误差,并利用UWB的高精度测距能力,能够获得更准确的测量结果。

“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
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