MEMS惯性传感器ADIS16355在姿态测量中应用研究

为了实现惯性导航控制,需获取控制对象的姿态角信息,设计了基于MEMS惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程,基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验,测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在?1?左右。     

MEMS惯性传感器ADIS16355在姿态测量中的应用

设计了基于微电子机械系统(Microelectro mechanical system,MEMS)惯性传感器集成模块ADIS16355的姿态测量系统。该姿态测量系统采用ADIS16355作为惯性测量单元,利用加速度计对重力向量的观测来修正陀螺给出的姿态信息,卡尔曼滤波实现传感器信息融合以计算运动载体的姿态角。介绍了ADIS16355的基本功能模块,阐述了两种传感器融合测量实时姿态角的方法并给出了卡尔曼滤波算法迭代过程。基于ARMv7架构的Cotex-M3微处理器设计了姿态测量系统硬件。采用AHRS500GA对该姿态测量系统性能进行了测量姿态角的验证实验。测试结果表明,该姿态测量系统能在动态条件下准确地测定运动物体实时姿态角,其误差一般在±1°左右。     

基于ARM的四旋翼姿态控制器设计

四旋翼姿态控制器采用集成了加速度计和陀螺仪的惯性测量单元,实时采集姿态数据,传输给Cortex-M4内核的处理芯片,利用四元数姿态解算方法,对加速度和角速度数据融合解算处理;采用位置式PID控制算法,控制4个无刷电机的转速,实现控制四旋翼飞行器的飞行姿态;建立万向云台调试系统,通过实践调试验证该控制器能实现控制四旋翼姿态的稳定性;稳定飞行时,姿态角的平均振荡范围为5°。     

ADIS16405 IMU在四旋翼飞行器姿态测量的应用

本文针对四旋翼飞行器的姿态测量,利用ADI公司的ADIS16405惯性测量单元(IMU,Inertial measurement unit)测量飞行器的惯性量,然后解算姿态角。本文利用IMU采集数据,由嵌入式系统读取并通过串口发送到PC机上,在MATLAB软件上绘制出采集数据并解算姿态角图像。使用ADIS16405,使系统具有操作方便,精度高,电路简单的优点。     

遥操作护理机器人系统的操作者姿态解算方法研究

设计了一种遥操作护理机器人系统,为实现从端同构式机器人的随动运动控制,对主端操作者人体姿态解算方法进行了研究.首先,构建由惯性传感单元构成的动作捕捉系统,对用作从端机器人动作指令的操作者人体姿态信息进行采集,采用四元数法对人体运动原始数据进行初步求解.其次,将四元数法得到的姿态数据解算成依据仿人结构设计的护理机器人各关节运动的目标姿态角,实现人体姿态到机器人动作的同构性映射.最后,为验证本文所提姿态解算方法的性能,设计了操作者控制护理机器人完成递送和拿取药瓶动作的实验.结果表明,本文姿态解算方法的解算性能与参考系统基本相同;在操作者动作姿态快速变化的时间段,系统仍可获得较高精度的目标姿态数据,其误差在动态条件下依旧能保持在2%以下;护理机器人可较好地实时复现操作者的人体动作.本文方法能满足机器人进行一般护理作业时对人体姿态数据处理的快速性和准确性要求.     

一种微惯性测量单元标定补偿方法

在介绍微惯性测量单元组成与结构的基础上,根据MEMS惯性器件的输出特性,建立了微惯性测量单元中加速度计和陀螺仪的数学标定模型,提出并推导了一种适用于微惯性测量单元的标定方法,该方法可以得到微惯性测量单元中惯性传感器的零位、标度因数、安装误差系数及g值敏感项等33个参数;然后,具体介绍了通过加速度计重力场静态翻滚试验和陀螺仪恒角速率试验对MIMU中参数标定的方法和步骤,并对实验室自研的MIMU进行了标定;最后利用得到的标定参数对测试结果进行了误差分析与补偿;实验结果表明,该方法使MIMU的测量精度提高了1～2个数量级,能够满足姿态解算及导航计算的精度要求。     

基于自回归模型的汽车姿态角在线预测系统

针对汽车姿态角在线预测问题,利用微惯性测量单元以捷联方式测量汽车6自由度运动参数,通过四元数法解算汽车的姿态角,应用卡尔曼滤波器对姿态角进行最优估计处理,在此基础上建立自回归模型对未来1 s~3 s的姿态角进行实时预测,使用Visual Basic 2005、NI Measurement Studio开发汽车姿态角在线预测软件,并对其进行实车道路试验,结果证明该软件具有较高的预测准确性。     

基于互补滤波器的四旋翼飞行器姿态解算

针对小型四旋翼飞行器姿态解算这一基本问题,详细分析了姿态解算的过程,提出了其中的难点问题.应用低成本捷联惯性测量单元,设计了一种基于互补滤波器算法的姿态求解器.经过实验验证表明:与目前常用的卡尔曼滤波算法相比,采用互补滤波器算法的求解器能显著降低对处理器速度和精度的要求,有效融合了捷联惯性测量单元的传感器数据,实现了小...     

基于VR设备中IMU的无手交互方法研究

随着头戴式显示设备的发展,在基于虚拟现实(VR,virtual reality)的教育培训中,存在用户与设备间进行交互的场景;针对用户与VR视频中对象的模拟靠近与躲避问题,提出了姿态感知与步态识别相结合的方法;通过姿态感知算法解算用户头部姿态,通过步态识别算法识别出人体的静止与行走状态,进而在行走状态时,将计算所得航向角和固定步长代入三角函数公式进行位置更新,在静止状态时,保持位置不变;实验证明,提出的姿态感知算法可以有效的计算出使用者头部的姿态,与商用惯性测量单元提供的姿态角相比具有1.1×10-2的平均姿态偏差;提出的步态识别算法可以有效地识别出人体的静止与行走状态;所提出的两者结合的交互方法,可以有效地实现虚拟的靠近与躲避.     

互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

基于惯性/磁力传感器与单目视觉融合的SLAM方法

针对单目视觉SLAM（同时定位与地图构建）算法没有尺度信息以及在相机移动过快时无法使用的问题,提出了一种IMU（惯性测量单元）!!/磁力传感器与单目视觉融合的SLAM方法．首先,提出了一种模糊自适应的九轴姿态融合算法,对IMU的航向角进行高精度估计．然后,采用单目ORB-SLAM2（oriented FAST and rotated BRIEF SLAM2）算法,通过IMU估计其尺度因子,并对其输出的位姿信息进行尺度转换．最后,采用松耦合方式,对IMU估计的位姿和ORB-SLAM2算法经过尺度转换后的位姿,进行卡尔曼滤波融合．在公开数据集EuRoC上进行了测试,测试结果表明本文方法总的位置均方根误差为5.73 cm．为了进一步在实际环境中验证,设计了全向移动平台,以平台上激光雷达所测的位姿数据为基准,测试结果表明本文方法的旋转角度误差小于5°,总的位置均方根误差为9.76 cm．     

两轮自平衡小车的系统设计与实现

两轮自平衡小车是以倒立摆模型为基础的动态平衡系统,针对系统设计中的车身结构、姿态检测与动态平衡控制等关键问题进行研究.采用一体化轮毂电机作为自平衡小车的驱动单元,设计轻量化车身结构以降低车身重量和能量损耗.控制系统采用含有加速度计、陀螺仪、电子罗盘的9轴姿态检测传感器检测车身姿态角度,利用卡尔曼滤波算法进行数据融合,获得姿态角度的最优估计,借助PID运动控制算法驱动轮毂电机运动,实现自平衡小车车身的动态平衡.通过参数优化,提升了系统的响应速度,将姿态角度估计的误差降低到0.5°以内,实现了两轮小车自主动态平衡功能,为两轮自平衡小车的设计提供了一种简单、可行、低成本的设计方案.     

基于弹载IMU/GPS组合导航系统的动基座对准研究与仿真

对基于弹载IMU／GPS组合导航系统的动基座对准问题进行了研究与仿真；首先，分析了弹载IMU与GPS的系统误差，建市获得了其系统误差模型；然后，利用卡尔曼滤波技术，设计了弹载IMU／GPS组合导航系统的动基座对准算法；仿真结果表明，在初始误差较大的情况下，经过360秒的动基座对准，IMU的姿态角误差可降至10个角秒，同时位置和速度误差也得到了有效修正，从而证明该动基座对准算法是行之有效的。     

基于STM32的四旋翼飞行器姿态解算的研究

分析了四旋翼飞行器的姿态解算原理,提出了一种基于 STM32的姿态测量系统。系统由 STM32F407微控制器和捷联惯性测量组件(IMU)组成。利用四元数描述姿态进行坐标换算,采用多传感器数据融合方案,通过互补滤波算法进行数据融合,获取精确的姿态角,并完成姿态解算。实验结果表明,采用互补滤波算法有效融合了捷联惯性测量组件的传感器数据,实现了四旋翼飞行器的高精度姿态解算。     

基于VR设备中IMU的头部姿态感知算法研究

随着头戴式显示设备的发展,基于虚拟现实(Virtual Reality,VR)的教育培训随之流行开来。在基于VR设备的教育培训中,存在用户与设备间进行交互的场景。在这些场景中,VR设备对使用者头部姿态的感知尤为重要。为了保证较高的姿态解算精度,同时降低系统的计算量,设计了四种基于头戴式惯性测量单元(Inertial Measurement Unit,IMU)的姿态解算方法,并对比了这四种算法的姿态解算精度和运算效率。实验结果表明,相比于其他三种算法,使用四元数微分方程的三阶泰勒展开递推式更新四元数,同时利用间接扩展卡尔曼滤波器融合地磁信息进行修正的姿态解算方法保证了较高的解算精度和较少的运算时间。该基于地磁修正+三阶泰勒展开法的头部姿态感知算法计算所得欧拉角与SBG公司生产的IG-500N型号IMU中提供的姿态角具有1.1×10-2度的总体平均偏差,且该算法使用MATLAB R2013a平台计算14000组数据的耗时为5.1秒。     

基于IMU阵列的标定方法

微电子机械系统(MEMS)技术的发展使惯性传感器行业发生了革命性的变化,这使得生产惯性传感器阵列成为可能。然而,低成本的惯性测量系统会受到比例因子和轴失准误差的影响,从而造成位置和姿态估计的精度降低。在单个IMU校正的基础上,设计了一套基于IMU阵列的标定方法,该标定方法为了解决传统六面法在标定IMU阵列过程中方向激励不足的问题,设计了正20面的校正装置,该标定方法不仅能够估计出IMU阵列中单个IMU的比例因子、轴失准误差和偏置,还能估计出阵列中不同IMU之间的坐标轴对齐误差。通过把标定结果和官方所给的校正参数进行对比,可以得到经过本文所提的IMU阵列标定方法得到的标定结果能够达到工厂标定结果的百分之五十到百分之九十。     

基于IMU的主动伴舞机器人人机协作控制算法

提出了基于惯性测量单元IMU的主动型伴舞机器人人机协作控制算法。机器人腰部安装具有一定刚度的弹簧,利用Kalman滤波将三轴加速度计数据与三轴陀螺仪数据进行融合,得到机器人在人类舞伴作用下的姿态角变化,采用阈值法滤除相对姿态角抖动误差,再结合当前机器人状态,综合判断得到相对姿态角到速度矢量的映射。将期望轨迹速度与人力产生的轨迹修正速度融合,得到人机协作下机器人的运动轨迹和剩余目标点的坐标修正值。将算法应用于华尔兹CCL舞步轨迹测试,实验结果表明算法效果良好。     

An Inertial and Visual Sensing System for a Small Autonomous Helicopter

This paper describes the design and architecture of a low-cost and light-weight inertial and visual sensing system for a small-scale autonomous helicopter. A custom 6-axis IMU and a stereo vision system provide vehicle attitude, height, and velocity information. We discuss issues such as robust visual processing, motion resolution, dynamic range, and sensitivity. © 2004 Wiley Periodicals, Inc.     

基于自适应互补滤波的四旋翼飞行器姿态解算

在四旋翼无人机中,姿态传感器采用捷联式惯导惯性检测单元(IMU),其中包括加速度计、陀螺仪、电子罗盘和空气压力高度计.这些传感器在工作过程中存在温度漂移以及噪声干扰,为了得到准确的姿态数据,首先建立了传感器四元数模型,在频域中设计互补滤波器,并设计了PI自适应补偿系数,对传感器数据进行融合、补偿和修正,有效地避免了系统模型误差对姿态估计的影响.修正后的角速度通过一阶龙格-库塔法、四元数算法完成飞行器的姿态解算.传统互补滤波器在噪声大时滤波效果不理想,故加入PI控制,形成一种效果更好的自适应滤波算法,根据仿真结果,该算法滤波后的信号比传统互补滤波的结果更加平滑,更接近理想波形.