คำถามติดแท็ก imu

1
ความแตกต่างระหว่างไจโรสโคป, accelerometer และ magnetometer คืออะไร?
อะไรคือความแตกต่างระหว่างไจโรสโคปแบบ 3 แกน, ตัวเร่งความเร็วแบบ 3 แกนและแมกนิโทมิเตอร์แบบสามแกน? เซ็นเซอร์เหล่านี้ทำงานอย่างไร เหตุใดจึงมีการใช้ทั้ง 3 อย่างในอุปกรณ์บางอย่างเช่นสมาร์ทโฟนแท็บเล็ตควอดคอปเตอร์ ฯลฯ

5
วิธีการกำหนดตำแหน่งจากไจโรสโคปและอินพุต accelerometer?
ฉันมี accelerometer 3 แกนและไจโรสโคป 2 แกน ฉันตั้งใจจะวัดสิ่งที่เคลื่อนที่ในแกน X และ Z เท่านั้น ฉันได้ยินว่าใช้ตัวกรองคาลมานเพื่อกำจัดเวกเตอร์การเร่งความเร็ว แต่ฉันไม่สามารถหาบทแนะนำที่ดีสำหรับผู้เริ่มต้นที่สมบูรณ์ในหัวข้อ นอกจากนี้ฉันรู้ว่าฉันสามารถรวมการเร่งความเร็วเป็นสองเท่าเพื่อให้ได้ตำแหน่ง แต่ฉันจะทำเช่นนี้อย่างไรกับเวกเตอร์การเร่งความเร็วตัวอย่างที่ จำกัด ? ฉันขอขอบคุณลิงก์ไปยังบทเรียนที่ดีสำหรับผู้เริ่มต้นในหัวข้อเหล่านี้

2
การสอบเทียบแบบไดนามิก Magnetometer
ฉันกำลังทำงานกับ Magnetometer AK8975 ซึ่งเป็นส่วนหนึ่งของ IMU ซึ่งดูเหมือนจะยุ่งยากมากสำหรับฉัน ชิปนี้ให้เวกเตอร์ 3 มิติเป็นเอาต์พุตที่อธิบายสนามแม่เหล็กของโลกได้ทุกที่บนโลกหรือใกล้กับมัน ฉันลองใช้อัลกอริธึมการคำนวณหัวเรื่องสองประเภท: แบบง่ายarctan(-y/x)และแบบอื่นคือความเอียง (พิทช์) และการยกเลิกทางคณิตศาสตร์ของธนาคาร (ม้วน) ดังที่กล่าวไว้ด้านล่าง ทั้งเรื่องความชอบและเรื่องของธนาคารให้ผลผลิตผิด ฉันสามารถได้รับหัวเรื่องที่ถูกต้องของโลก (โดยใช้แหล่งข้อมูลการศึกษาแบบเปิดที่มีอยู่อย่างง่าย) เมื่อมีการหมุนเพื่อรักษาแผนพื้นราบโดยใช้ algos ใด ๆ ของทั้งสอง ฉันลองปรับเทียบเพื่อหาข้อผิดพลาดที่อ่อนและแข็ง ฉันสามารถพล็อตมันในรูปแบบ 3 มิติและแสดงรูปทรงกลม 3 มิติที่สมบูรณ์แบบ ยังคงไม่ทำงานกับความชอบหรือการปฏิเสธ ตัวชี้ใด ๆ จะเป็นประโยชน์ รหัสและการใช้งานมีดังนี้: void Compass_Heading() { double MAG_X; double MAG_Y; double cos_roll; double sin_roll; double cos_pitch; double sin_pitch; cos_roll …

1
การสอบเทียบรูป Magnetometer
ในโทรศัพท์มือถือและอุปกรณ์อื่น ๆ ที่ใช้ 3 แกนเข็มทิศอิเล็กทรอนิกส์∞ / 8 / S เคลื่อนไหวรูปถูกนำมาใช้ในการสอบเทียบ magnetometer ดังแสดงในวิดีโอเหล่านี้ เหตุใดการเคลื่อนไหวนี้จึงเกิดขึ้นทฤษฎีคืออะไรและทุกคนสามารถให้ตัวอย่างรหัส C เพื่อนำมาใช้ คุณต้องผ่านคำถามอื่นที่คล้ายกันซึ่งมีข้อมูลเพิ่มเติม ข้อมูลเพิ่มเติมสำหรับคำถามนี้: แพลตฟอร์ม AtMega32 8 บิตโดยใช้ AVR Studio 5 จนถึงตอนนี้ฉันได้ลองแล้ว: ฉันพยายามหารค่าเฉลี่ยด้วย 2ของค่าเวกเตอร์ของ Magnetometer เพื่อสร้างรูปร่าง การคิดอาจช่วยในการคำนวณออฟเซ็ต ฉันคิดว่าชิ้นส่วน / ด้านที่เหมือนกันสองชิ้นของรูปร่างกำลังยกเลิกสนามแม่เหล็กของโลกและให้ค่าออฟเซ็ต ฉันอาจจะผิด. แต่โดยเฉพาะอย่างยิ่งสำหรับการปรับเทียบตามรูปร่างนี่คือที่ฉันอยู่ในขณะนี้ ฉันคิดว่าการสอบเทียบใช้วิธีนี้ได้ แนวคิดคือการค้นหาว่าวิธีนี้ใช้ได้ผลหรือไม่ ตกลงรหัสที่ฉันสามารถคำนวณออฟเซ็ตและต่อมาก็แค่ลบพวกมันออกจากเวกเตอร์ Raw Magnetic 3D ฉันอาจจะผิดทั้งหมดและไม่มีคำอธิบายวิธีการทำงาน หลังจากดูวิดีโอและข้อมูลที่ถูกวางลงบนทรงกลมก็ทำให้ความคิดของฉันเร่งขึ้นและฉันก็ใช้ความคิดนั้นในรูปของสมการ B) รหัส: Read_accl();และRead_magnato(1);ฟังก์ชั่นการอ่านข้อมูลเซ็นเซอร์ ฉันหวังว่ารหัสจะอธิบายตนเอง หวังว่าคนฉลาดจะใช้สิ่งนี้ในวิธีที่ดีกว่ามากอย่างแน่นอน : \ …
15 calibration  imu 

4
ข้อ จำกัด ของการคำนวณที่ตายโดยใช้เซ็นเซอร์ MEMS
ฉันพยายามติดตามส่วนต่าง ๆ ของร่างกายที่สัมพันธ์กับเนื้อตัวของบุคคล ฉันเห็นคำถามสองสามข้อเกี่ยวกับการใช้ MEMS accelerometers และ gyros สำหรับการคำนวณที่ตายแล้วและพวกเขายืนยันความสงสัยของฉันว่ามีหลายปัจจัยที่ จำกัด การใช้ประโยชน์ของแอปพลิเคชันเหล่านี้อย่างมาก แต่ฉันต้องการคำจำกัดความเหล่านี้: ข้อ จำกัด เหล่านี้คืออะไร? คำตอบอื่น ๆ ได้กล่าวถึงสาเหตุข้อ จำกัด เหล่านี้ โดยปกติแล้วข้อมูลจำเพาะของชิ้นส่วนในระบบและคำถามที่ว่า "ข้อผิดพลาดที่ยอมรับได้" สำหรับทั้งระบบจะเปลี่ยนขีด จำกัด ที่แน่นอน แต่มีลำดับความสำคัญในเวลาเดียวหรือระยะทางที่ฉันคาดว่าจะสามารถใช้งานได้ ฉันทราบดีว่าในระยะทางไกล (ไม่กี่หลาหรือมากกว่านั้น) ข้อผิดพลาดจะใหญ่เกินไปสำหรับการใช้งานส่วนใหญ่ แต่สิ่งที่เกี่ยวกับภายในไม่กี่ฟุต? ฉันจะทำอย่างไรเพื่อปรับปรุงข้อ จำกัด เหล่านี้ ฉันกำลังดูการใช้ accelerometer และ gyro ฉันสามารถเพิ่มเซ็นเซอร์ตัวอื่นในระบบเพื่อปรับปรุงอัตราความผิดพลาดได้อย่างไร ฉันรู้ว่าสามารถใช้ GPS ได้ในระยะยาว แต่ฉันสงสัยว่าอุปกรณ์ GPS สำหรับผู้บริโภคระดับใดก็ตามมีความละเอียดพอที่จะช่วยในกรณีของฉันได้ นอกจากนี้ฉันทามติทั่วไปดูเหมือนจะเป็นวิธีเดียวที่จะปรับปรุงข้อ จำกัด เหล่านี้ได้ผ่านจุดที่เซ็นเซอร์ได้รับการปรับปรุงให้ดีขึ้นคือการให้การอ้างอิงโดยไม่เกิดข้อผิดพลาด บางระบบแก้ปัญหานี้โดยใช้กล้องและเครื่องหมาย จุดอ้างอิงชนิดใดที่อุปกรณ์พกพา / …

4
การคำนวณบัญชีด้วย accelerometer & gyro ไปได้หรือไม่
ฉันมี accelerometer 3 แกนและไจโรสโคป 3 แกน ฉันได้รับมอบหมายให้พัฒนาระบบการคำนวณโดยใช้ฮาร์ดแวร์นี้ โดยพื้นฐานแล้วสิ่งที่จำเป็นสำหรับฉันคือการพัฒนาโค้ดบางอย่างเพื่อติดตามตำแหน่งในพื้นที่ 3 มิติของบอร์ดแบบเรียลไทม์ ดังนั้นถ้าฉันเริ่มต้นด้วยกระดานบนโต๊ะและยกมันขึ้น 1 เมตรขึ้นไปฉันควรจะเห็นการเคลื่อนไหวนั้นบนหน้าจอ การหมุนจะต้องนำมาพิจารณาด้วยเช่นกันดังนั้นหากฉันพลิกกระดานให้กลับครึ่งทางผ่านการเคลื่อนไหวเดียวกันก็ควรจะแสดงผลที่สูงขึ้น 1 เมตรเหมือนเดิม สิ่งเดียวกันควรมีไว้สำหรับการเคลื่อนไหวที่ซับซ้อนในช่วงเวลาไม่กี่วินาที ไม่สนใจคณิตศาสตร์ที่ต้องใช้ในการคำนวณและหมุนเวคเตอร์ ฯลฯ เป็นไปได้ไหมที่จะมีอุปกรณ์ราคาต่ำเช่นนี้? เท่าที่ฉันสามารถบอกได้ฉันจะไม่สามารถกำจัดแรงโน้มถ่วงได้ด้วยความแม่นยำ 100% ซึ่งหมายความว่ามุมของฉันที่สัมพันธ์กับพื้นดินจะดับซึ่งหมายความว่าการหมุนเวกเตอร์ของฉันจะดับซึ่งนำไปสู่การวัดตำแหน่งที่ไม่ถูกต้อง ฉันยังมีเสียงรบกวนจาก accelerometer และ gyro bias เพื่อการบัญชี สามารถทำได้หรือไม่

1
อัลกอริทึม AHRS ภายใต้การเร่งความเร็วเชิงเส้นอย่างต่อเนื่อง
ฉันได้ลองอัลกอริธึมหลายอย่างเพื่อให้ได้พิตช์ม้วนและหันเหภายใต้การเร่งความเร็วเชิงเส้นและการสั่นสะเทือนอย่างต่อเนื่อง (เล็กกว่า 0.4g, ความถี่ต่ำกว่า 10HZ) ไม่มีใครให้ผลลัพธ์ที่ดีเพราะการอ่านอย่างใดอย่างหนึ่งลอยหรือได้รับผลกระทบมากเกินไปจากการเร่งเชิงเส้น สิ่งที่ฉันต้องการบรรลุคือเมื่อการเร่งความเร็วภายนอกมีขนาดเล็กกว่า + -0.4g ข้อผิดพลาดของระยะพิทซ์แอนด์โรลควรเล็กกว่า + -1deg ฉันได้ลองอัลกอริทึมเหล่านี้แล้ว: อัลกอริทึมของ Madgwick เมื่อการตั้งค่า Beta ได้สูงมากการลู่เข้าจะเร็ว แต่มุมจะไวต่อการเร่งความเร็วเชิงเส้นมากกว่า ฉันปรับมันลงและลดข้อผิดพลาดภายใต้การเร่งความเร็วเชิงเส้นลงไปที่ + -0.5deg อย่างไรก็ตามหากการสั่นสะเทือนเป็นแบบต่อเนื่องการอ่านจะดริฟท์และใช้เวลานานในการรวมกันเป็นค่าจริง มันสมเหตุสมผลเนื่องจากภายใต้การเร่งเชิงเส้นไจโรได้รับความเชื่อถือมากขึ้น ขั้นตอนวิธีของมาโฮนีย์ ในทางตรงกันข้ามกับของ Madgwick มันไม่ได้ลอยไปเลยไม่ว่าจะใช้ค่าใดสำหรับ Ki และ Kp อย่างไรก็ตามจะได้รับผลกระทบจากการเร่งความเร็วเชิงเส้นเสมอ (ข้อผิดพลาดใหญ่กว่า + -6deg) กรองคาลมานแบบดั้งเดิม ใช้เวลามากมายในการปรับเวกเตอร์ R และ Q ขนาดใหญ่เหล่านั้น จนถึงตอนนี้ก็มีการแสดงเช่นเดียวกับมาโฮนีย์ ฉันใช้มีดโกน IMU ฉันรู้ว่ามีเซนเซอร์ราคาถูกมันเป็นไปไม่ได้ที่จะบรรลุผลเช่นเดียวกับคนนี้ มีตัวเลือกเพิ่มเติมสองสามอย่างเช่น UKF แต่เป็นความเจ็บปวดที่จะเข้าใจหรือนำไปใช้ ยินดีรับข้อเสนอแนะใด ๆ
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.