摘要

本文介紹了我們使用模擬設(shè)備的慣性測(cè)量單元（IMU）傳感器ADIS16470和PNI的地磁傳感器RM3100構(gòu)建的捷聯(lián)慣性導(dǎo)航系統(tǒng)（SINS）。實(shí)現(xiàn)了基于磁力，角速率和重力（MARG）的SINS的一些基本過(guò)程，包括電磁羅盤(pán)校準(zhǔn)，使用擴(kuò)展卡爾曼濾波器（EKF）的姿態(tài)和航向參考系統(tǒng)（AHRS）以及跟蹤跟蹤。還實(shí)現(xiàn)了使用最小平方誤差（MSE）方法松散耦合傳感器融合。顯示了每個(gè)過(guò)程步驟中的算法和實(shí)驗(yàn)設(shè)置。本文最后討論了結(jié)果分析和提高精度的方法。

簡(jiǎn)介

隨著服務(wù)機(jī)器人市場(chǎng)和技術(shù)的發(fā)展，導(dǎo)航成為一項(xiàng)熱門(mén)研究和應(yīng)用點(diǎn)。與車(chē)輛，船舶或飛機(jī)相比，服務(wù)機(jī)器人體積小，成本低，因此它們的導(dǎo)航系統(tǒng)應(yīng)該是捷聯(lián)和低成本的。傳統(tǒng)的穩(wěn)定平臺(tái)導(dǎo)航系統(tǒng)通常涉及單獨(dú)的加速器和光纖或基于激光的陀螺儀，所有部件都機(jī)械且剛性地安裝在與移動(dòng)車(chē)輛隔離的穩(wěn)定平臺(tái)上。這導(dǎo)致尺寸大，可靠性差和成本高的缺點(diǎn)。相反，在捷聯(lián)導(dǎo)航系統(tǒng)中，慣性傳感器直接固定在車(chē)輛的車(chē)身上，這意味著傳感器與車(chē)輛一起旋轉(zhuǎn)。這種捆綁方法消除了穩(wěn)定平臺(tái)導(dǎo)航的缺點(diǎn)。但是，平臺(tái)導(dǎo)航的準(zhǔn)確性通常高于SINS。平臺(tái)導(dǎo)航通常可以達(dá)到戰(zhàn)略等級(jí)（0.0001°/小時(shí)陀螺儀偏差，1μ g 加速器偏壓）或軍用級(jí)（0.005°/ hr陀螺儀偏差，30μ g 加速器偏差），而大多數(shù)SINS只能達(dá)到導(dǎo)航等級(jí)（0.01°/ hr陀螺儀偏差，50μ g 加速器偏壓）或戰(zhàn)術(shù)等級(jí)（10°/ hr陀螺儀偏差，1 m g < / em>加速器偏差）。對(duì)于大多數(shù)服務(wù)機(jī)器人或AGV導(dǎo)航應(yīng)用來(lái)說(shuō)，這已足夠。

有多種導(dǎo)航方法，包括機(jī)器視覺(jué)，GPS，UWB，帶SLAM的激光雷達(dá)等。慣性導(dǎo)航始終是導(dǎo)航的重要組成部分，使用IMU的地方。然而，由于這種傳感器的限制 - 例如偏置誤差，橫軸誤差，噪聲，特別是偏置不穩(wěn)定性 - 慣性導(dǎo)航通常需要伙伴傳感器定期給它一個(gè)參考或校準(zhǔn)，這稱為傳感器融合這里。有許多傳感器可以與IMU融合，例如攝像機(jī)和里程表，但在這些傳感器中，地磁傳感器是與IMU一起獲得態(tài)度的低成本方式。

在本文中，我們使用ADI的IMU，ADIS16470和地磁傳感器，用于開(kāi)發(fā)平臺(tái)和算法，以實(shí)現(xiàn)捷聯(lián)慣性導(dǎo)航系統(tǒng)。但是，傳感器只能提供姿態(tài)信息。對(duì)于航位推算或距離測(cè)量，我們只能使用IMU中的加速度傳感器。

ADIS16470 IMU簡(jiǎn)介

ADI公司的ADIS16470是一款集成了3軸陀螺儀的微型MEMS IMU和一個(gè)3軸加速度計(jì)。它為陀螺儀提供8°/ hr的偏置穩(wěn)定性，為加速度計(jì)提供13μ g 偏置穩(wěn)定性，同時(shí)其關(guān)鍵參數(shù)經(jīng)過(guò)工廠校準(zhǔn)。此外，ADIS16470的低成本價(jià)格在同級(jí)產(chǎn)品中具有吸引力，并被許多客戶廣泛使用。在本文中，我們使用微控制器與ADIS16470通過(guò)SPI接口進(jìn)行通信。

地磁傳感器介紹

地磁傳感器是一種用于測(cè)量羅盤(pán)體內(nèi)地磁場(chǎng)的傳感器坐標(biāo)（即框架），它為標(biāo)題提供絕對(duì)參考。其x，y和z分量值從本地地磁場(chǎng)投射。這種傳感器有兩個(gè)主要缺點(diǎn) - 一個(gè)是它的精度和分辨率不高 - 例如，霍尼韋爾常用的羅盤(pán)傳感器HMC5883L只有12位分辨率。另一個(gè)缺點(diǎn)是傳感器容易受到周?chē)h(huán)境的干擾，因?yàn)榈卮艌?chǎng)非常弱，從毫高斯到8高斯。

盡管有這些缺點(diǎn)，它仍然可以在許多情況下使用，例如開(kāi)放場(chǎng)，低EMI環(huán)境等。通過(guò)將地磁傳感器松散地耦合到IMU，我們可以在大多數(shù)環(huán)境中使用它。

< p>在本文中，我們使用高性能羅盤(pán)傳感器，PNI傳感器公司的RM3100，提供24位分辨率。 PNI使用主動(dòng)激勵(lì)方法來(lái)提高抗噪聲能力。

羅盤(pán)傳感器的校準(zhǔn)

在使用羅盤(pán)傳感器之前，需要對(duì)其進(jìn)行校準(zhǔn)以消除兩個(gè)主要誤差。一個(gè)是偏移誤差，這最初是由傳感器和電路的偏移誤差引起的。另一個(gè)是比例誤差。這兩種誤差都容易受到周?chē)怒h(huán)境的干擾。例如，如果向傳感器施加x軸方向外部磁場(chǎng)，則會(huì)發(fā)出外部x軸偏移誤差。同時(shí)，x軸刻度也將與y軸和z軸不同。

通常用于校準(zhǔn)磁傳感器的方法是將傳感器旋轉(zhuǎn)為xy平面中的圓，然后提取數(shù)據(jù)。一個(gè)地方的地磁場(chǎng)強(qiáng)度是一個(gè)常數(shù)值，因此繪制的數(shù)據(jù)應(yīng)該是一個(gè)圓;然而，事實(shí)上，我們將看到一個(gè)橢圓形，這意味著我們需要將橢圓移動(dòng)并重新縮放到以零為中心的圓。

上面提到的2D校準(zhǔn)方法有一些缺點(diǎn)，需要一個(gè)加速器衡量它的傾向。我們使用3D球面擬合方法來(lái)校準(zhǔn)羅盤(pán)傳感器。首先，我們需要將傳感器旋轉(zhuǎn)到x-y-z空間中的每個(gè)方向，并在3D坐標(biāo)中繪制其值。然后我們需要使用最小平方誤差（MSE）方法將數(shù)據(jù)擬合為橢圓體。

橢球方程可以表示為

其中X，Y和Z是羅盤(pán)輸出三個(gè)方向的地磁分量。將這些值擬合為橢圓體意味著我們需要獲得系數(shù)的最佳值集。我們將系數(shù)定義為：

在擬合時(shí)，我們將向量定義為：

所以我們需要計(jì)算最佳σ，并使用公式2來(lái)找到最小值：

這樣我們就可以得到如圖1所示的擬合結(jié)果。

要校準(zhǔn)傳感器，我們需要拉伸和將擬合的橢球移動(dòng)到以零為中心的球體。我們使用矩陣奇異值分解（SVD）方法進(jìn)行校準(zhǔn)。后校準(zhǔn)球如圖2所示。 1,2

校準(zhǔn)后，我們可以看出測(cè)得的磁場(chǎng)強(qiáng)度（球半徑）將保持幾乎恒定的值，如圖3所示。

使用ADIS16470和指南針的姿態(tài)和航向參考系統(tǒng)

AHRS由三個(gè)軸上的傳感器組成，提供姿態(tài)信息，包括滾轉(zhuǎn)，俯仰和偏航。 AHRS是飛機(jī)導(dǎo)航的概念。我們用它來(lái)描述方向;也就是說(shuō)，態(tài)度。

在介紹我們的方法之前，有必要首先解釋融合的原因。實(shí)際上，我們現(xiàn)在的系統(tǒng)中有三種傳感器：陀螺儀，加速器和羅盤(pán)。

陀螺儀給出了圍繞每個(gè)軸的旋轉(zhuǎn)角速度。通過(guò)積分角速率，我們可以找到旋轉(zhuǎn)角度。如果我們知道最初的標(biāo)題，我們將始終獲得標(biāo)題態(tài)度。由于積分，陀螺儀的不穩(wěn)定偏差將被累積，這將導(dǎo)致角度誤差。此外，來(lái)自陀螺儀的高斯分布噪聲將被整合到布朗運(yùn)動(dòng)過(guò)程中并導(dǎo)致隨機(jī)行走誤差。因此，我們很難長(zhǎng)時(shí)間使用陀螺儀，并且陀螺儀需要定期校準(zhǔn)。

加速器提供每個(gè)軸方向的加速度。在靜態(tài)狀態(tài)下，我們可以得到每個(gè)軸與重力加速度之間的角度。由于重力加速度在方向和值上是恒定的，我們可以獲得相對(duì)于重力方向的航向姿態(tài)。然而，這種方法使用重力加速度作為參考，因此無(wú)法解決圍繞重力加速度旋轉(zhuǎn)的角度。

羅盤(pán)提供從地磁場(chǎng)投射的每個(gè)軸的值。我們可以從每個(gè)軸與地磁場(chǎng)方向之間的關(guān)系推導(dǎo)出角度值，地磁場(chǎng)方向也是一個(gè)常數(shù)向量。如前一節(jié)所述，由于對(duì)外部磁場(chǎng)的抗擾性較差，羅盤(pán)需要一個(gè)低干擾環(huán)境。

從這個(gè)解釋中，我們可以看到很難依靠只有一個(gè)傳感器來(lái)尋找態(tài)度，我們需要結(jié)合使用兩個(gè)或三個(gè)傳感器并融合信息。本文涉及加速器，陀螺儀和地磁羅盤(pán)以找到態(tài)度。這種融合稱為磁，角速率和重力（MARG）系統(tǒng)。

擴(kuò)展卡爾曼濾波器設(shè)計(jì)和傳感器融合

將IMU和羅盤(pán)數(shù)據(jù)融合在一起有多種方法，例如互補(bǔ)濾波器，統(tǒng)計(jì)ARMA濾波器，卡爾曼濾波器等。我們?cè)诒疚闹惺褂脭U(kuò)展卡爾曼濾波器。

首先，我們需要介紹本文中使用的一些定義。

坐標(biāo)定義

標(biāo)題或方向是兩個(gè)坐標(biāo)之間的關(guān)系（是，框架）。一個(gè)坐標(biāo)總是在變化，另一個(gè)坐標(biāo)保持不變。對(duì)于坐標(biāo)定義方法，我們使用導(dǎo)航坐標(biāo)和身體坐標(biāo)。與東北向下（NED）或地理方法相反，我們將測(cè)量的初始身體坐標(biāo)值定義為導(dǎo)航坐標(biāo)，之后是恒定坐標(biāo)。從主體坐標(biāo)到導(dǎo)航坐標(biāo)的映射（投影）矩陣定義為

姿態(tài)定義

與歐拉角或方向余弦矩陣（DCM）矩陣不同，我們?cè)谶@里使用四元數(shù)，定義為

，它通常用于導(dǎo)航以避免參數(shù)。 3

使用卡爾曼濾波器更新姿態(tài)< / h3>

運(yùn)動(dòng)學(xué)方程，即狀態(tài)轉(zhuǎn)移方程，我們?cè)诒疚闹惺褂玫氖瞧罡袷剑皇蔷€性的，因此我們需要使用EKF和偏差方程的一階線性逼近。對(duì)于EKF設(shè)計(jì)，我們定義

1×7向量作為狀態(tài)變量，其中

是角速率，

是態(tài)度四元數(shù)。

一個(gè)1×7向量，是觀察變量，它與狀態(tài)變量具有相同的成分。

一個(gè)7×7矩陣，是狀態(tài)轉(zhuǎn)移矩陣，其中 A 中的第一部分是角速率的數(shù)字化微分方程，第二部分是數(shù)字化四元數(shù)更新方程，它是從運(yùn)動(dòng)學(xué)方程導(dǎo)出的。

7×7矩陣，是觀察矩陣。

是誤差協(xié)方差矩陣，一個(gè)7×7矩陣，其中

是估計(jì)的誤差向量， x ，來(lái)自真實(shí)， X 。我們?cè)跍y(cè)試中將初始誤差設(shè)置為相對(duì)較小的值。它將自動(dòng)收斂到一個(gè)小值。

被設(shè)置為狀態(tài)轉(zhuǎn)換噪聲和觀察噪聲的噪聲協(xié)方差。我們通過(guò)測(cè)量陀螺儀和加速器的交流有效值的平方來(lái)得到它們的初始值，

和

。在保持IMU和羅盤(pán)處于靜止?fàn)顟B(tài)的同時(shí)，我們?cè)O(shè)置

根據(jù)這個(gè)定義，我們的卡爾曼濾波器將通過(guò)以下五個(gè)步驟完成：

步驟1：使用公式3計(jì)算卡爾曼增益 K ：

步驟2：計(jì)算誤差協(xié)方差矩陣， P ：

步驟3：輸出估計(jì)狀態(tài)， x ：

步驟4：預(yù)測(cè)狀態(tài)，< em> x - ：

步驟5：投影誤差協(xié)方差矩陣 P - ：

該過(guò)程可以簡(jiǎn)單地描述為圖4中的框圖。

基于MSE的傳感器融合

在上一節(jié)中，觀察變量是

，其中沒(méi)有來(lái)自指南針的信息。由于ω是角速率，我們只能使用四元數(shù)來(lái)導(dǎo)入羅盤(pán)數(shù)據(jù) q 。我們使用MSE方法得到 q ，即觀察變量中的組件。

我們將變量定義如下：

m b 和 a b ：車(chē)身框架中的羅盤(pán)磁性值和加速度值。

m n 和 a n ：導(dǎo)航框中的羅盤(pán)磁性值和加速度值。

m n0 和 a n0 ：導(dǎo)航框架中的初始靜態(tài)羅盤(pán)磁性值和加速度值。

是從身體框架到導(dǎo)航框架的姿態(tài)轉(zhuǎn)換矩陣，用四元數(shù)表示，可以寫(xiě)成

，它給出了錯(cuò)誤ε，導(dǎo)航框架中的初始值和實(shí)時(shí)從主體框架映射到導(dǎo)航框架的值。

根據(jù)之前的定義，MSE方法可用于獲得最佳

通過(guò)最小化公式8：

通過(guò)推導(dǎo) f（q）并使其等于零，

< img src>

我們將獲得方差意義上的最佳 q 。我們使用Gauss-Newton方法用一階梯度收斂來(lái)求解上面的非線性方程。

通過(guò)組合角速率，我們將得到觀測(cè)變量

，它將羅盤(pán)數(shù)據(jù)和IMU數(shù)據(jù)融合在卡爾曼濾波器中。

過(guò)程可以是簡(jiǎn)單地用圖5中的方框圖描述。

松散耦合

如前所述，我們經(jīng)常遇到無(wú)法使用羅盤(pán)傳感器的情況。如果磁數(shù)據(jù)受到干擾，則解決的姿態(tài)精度將比僅使用IMU時(shí)更差。因此，我們使用松耦合，判斷磁性傳感器是否可用。當(dāng)磁力傳感器不可用時(shí)，我們將僅使用IMU來(lái)找到姿態(tài)，當(dāng)磁力傳感器可用時(shí)，我們將使用融合算法找到姿態(tài)，如圖6所示。

在獲得新數(shù)據(jù)或新的姿態(tài)求解周期后（在某些系統(tǒng)中，采樣周期與姿態(tài)解析周期不同，但我們?cè)诖颂庍M(jìn)行單個(gè)采樣周期解析），我們計(jì)算加速度的大小。如果它不等于1 g ，我們將不會(huì)使用加速器的輸出進(jìn)行姿態(tài)計(jì)算。然后我們計(jì)算羅盤(pán)輸出的大小并將其與初始值進(jìn)行比較。如果它們彼此不相等，我們將不會(huì)在此周期中使用地磁傳感器的數(shù)據(jù)。當(dāng)兩個(gè)條件都滿足時(shí)，我們將使用卡爾曼濾波器并執(zhí)行MSE融合。

航位推算（DR）使用ADIS16470

在導(dǎo)航中，航位推算是計(jì)算當(dāng)前電流的過(guò)程通過(guò)使用先前確定的位置來(lái)定位，并基于解析周期內(nèi)的已知或估計(jì)的速度或加速度推進(jìn)該位置。這里將使用ADIS16470加速器。基于上一節(jié)中解決的態(tài)度，我們得到捷聯(lián)系統(tǒng)的移動(dòng)方向，然后我們需要計(jì)算方向上的距離，最終確定位置。

航位推算方法簡(jiǎn)介

捷聯(lián)航位推算需要使用特定的力方程來(lái)跟蹤INS的位置，該方程基于加速度測(cè)量。比力方程可以簡(jiǎn)單地描述為方程10，方程11和方程12：

其中 a e 是地球框架中的加速度， a b 是車(chē)身框架中的加速度， v e 是地球框架中的速度， s e 是地球框架中的距離， g e 是地球框架中的重力加速度，以 g 為單位為[0 0 1]。我們需要強(qiáng)調(diào)的是，地球框架與導(dǎo)航框架不同 - 地球框架是面向NED的。這個(gè)δ t 是解析周期。

第一個(gè)等式找到從IMU體框到地球框的加速度投影，如格式所示。

第二個(gè)方程將加速度積分或累加到速度中;然而，由于測(cè)量的加速度涉及重力分量，因此需要減去重力。

與等式11類(lèi)似，等式12將速度積分到距離中。

傳統(tǒng)方法存在一些問(wèn)題。

加速器輸出總是有偏差，與重力相結(jié)合，使其難以在公式10中減去，因此更準(zhǔn)確的表達(dá)應(yīng)該是：
除非使用一些專業(yè)設(shè)備，例如作為分割頭。

數(shù)值積分方法，傳統(tǒng)方法，通常使用零階持有者方法（前一個(gè)值）進(jìn)行積分。但是，對(duì)于連續(xù)移動(dòng)，這將引入重大錯(cuò)誤。例如，讓我們比較以下方法：

方法1：

（Zeroth-order holder）

方法2：

（線性插值）

在5秒內(nèi)加速度為0.5 m / s 2 時(shí)，位移將相差4 m 。仿真結(jié)果如圖7所示。

基于前面的討論，我們修改了傳統(tǒng)特定力方程的兩個(gè)點(diǎn)用于我們的應(yīng)用：

我們不要將地球坐標(biāo)用作導(dǎo)航框架。相反，正如我們?cè)趯ふ蚁惹皯B(tài)度時(shí)所做的那樣，我們使用初始態(tài)度

作為導(dǎo)航框架。通過(guò)這種方式，偏差和重力都可以輕松取消，如公式14所示：

雖然偏差和重力分量包含在初始姿態(tài)中，但我們這樣做不需要將它們分開(kāi)來(lái)獲取每個(gè)組件，而是我們可以直接減去它們。

比較零階保持器和一階插值，我們使用一階來(lái)獲得更準(zhǔn)確的積分結(jié)果。

運(yùn)動(dòng)學(xué)模式和零速度更新技術(shù)（ZUPT）

通過(guò)使用IMU的初始值作為導(dǎo)航框架，我們可以部分取消加速器的初始偏差影響。然而，即使我們?cè)谑褂迷O(shè)備之前使用分割頭可以準(zhǔn)確地測(cè)量偏差，仍然很難取消，除非我們使用另一個(gè)精確的傳感器來(lái)定期校準(zhǔn)它。這主要是由兩部分引起的：一部分是偏差不穩(wěn)定，這意味著我們之前測(cè)量的偏差現(xiàn)在不是實(shí)際偏差。另一種是速度隨機(jī)游走，它是加速度的組成部分。前面提到的不希望的特性將使我們計(jì)算的距離顯著漂移。即使我們停止移動(dòng)并保持靜止，加速度積分的速度仍然存在，距離仍然會(huì)增加。

要解決這個(gè)問(wèn)題，我們需要找到一種方法來(lái)使用ZUPT重置速度技術(shù)。 ZUPT技術(shù)緊密依賴于應(yīng)用，因此我們需要獲得系統(tǒng)和應(yīng)用的運(yùn)動(dòng)學(xué)特征，然后給出我們算法的一些規(guī)則。我們找到的運(yùn)動(dòng)學(xué)模式越多，我們的結(jié)果就越準(zhǔn)確。

我們通過(guò)移動(dòng)帶有SINS系統(tǒng)的轉(zhuǎn)椅來(lái)應(yīng)用我們的實(shí)驗(yàn)。由于我們的研究不僅限于特定應(yīng)用，我們使用以下運(yùn)動(dòng)學(xué)假設(shè)：

對(duì)于航位推算，導(dǎo)航框架中沒(méi)有z軸移動(dòng)。此限制僅適用于航位推算，不用于態(tài)度解決。顯然，我們正在2D空間中移動(dòng)系統(tǒng)。這有助于消除z軸誤差。

停止后發(fā)生所有轉(zhuǎn)彎。如果在移動(dòng)時(shí)發(fā)生轉(zhuǎn)彎，則會(huì)影響姿態(tài)分辨，因?yàn)閷⑸婕邦~外的加速度。

如果系統(tǒng)正在移動(dòng)，加速度不能保持不變超過(guò)500毫秒。速度不能保持不變超過(guò)2秒。由于我們正在推動(dòng)或拉動(dòng)轉(zhuǎn)椅，因此難以手動(dòng)地將力精確地保持不變超過(guò)500毫秒，并且人們難以以均勻的速度持續(xù)推動(dòng)轉(zhuǎn)椅超過(guò)2秒。事實(shí)上，我們正在使用此規(guī)則來(lái)執(zhí)行ZUPT。

加速度不能大于±1 m / s 2 。這個(gè)規(guī)則用于一些噪音過(guò)濾，這是基于我們?cè)谝巫由系睦蛲屏Γ粫?huì)很大。

如圖8所示，當(dāng)系統(tǒng)在X方向上移動(dòng)時(shí)（投影到導(dǎo)航框后），Y方向也會(huì)產(chǎn)生加速度，在積分后，Y方向速度不會(huì)為零，這意味著即使我們只是在X方向上移動(dòng)，航位推算系統(tǒng)仍會(huì)給我們Y分量。

基于第三個(gè)運(yùn)動(dòng)學(xué)假設(shè)，我們可以使用ZUPT來(lái)取消此錯(cuò)誤。 ZUPT之后的積分速度如圖9所示。

雖然我們使用了第三個(gè)假設(shè)，如前所示，但錯(cuò)誤仍然無(wú)法完全取消。誤差消除取決于設(shè)定的零加速度和零速度的閾值。但是，大多數(shù)錯(cuò)誤已得到糾正。

基線移位取消

雖然使用了ZUPT，但零加速有時(shí)仍可能無(wú)法到達(dá)。這導(dǎo)致兩個(gè)因素：

我們不能完全取消使用ZUPT的偏差不穩(wěn)定性誤差和速度隨機(jī)游走。

我們解決的態(tài)度有一些誤差，將導(dǎo)致投影（從車(chē)身框架到導(dǎo)航框架）加速度誤差。

以圖10為例。圖10中的左圖是ADIS16470的原始數(shù)據(jù)（主體框架），圖10中的右圖是導(dǎo)航框架中投影的加速度。可以看出，當(dāng)它停止移動(dòng)時(shí)，預(yù)計(jì)的加速度不為零。由于它總是在變化，我們稱之為基線變化。

為了取消基線偏移，我們需要實(shí)時(shí)連續(xù)獲得偏移偏差并從投影加速度中減去偏差。結(jié)果如圖11所示。

上圖是基線偏移取消前的加速度，下圖中的綠色跡線是我們計(jì)算的基線偏移，紅色跡線是基線偏移消除后的加速度。

可以使用圖12中的框圖簡(jiǎn)要描述航位推算過(guò)程。我們輸入車(chē)身框架加速度 a b 和姿態(tài)轉(zhuǎn)換矩陣（來(lái)自AHRS）

到DR系統(tǒng)。完成后，我們將獲得導(dǎo)航框架中的位置。

實(shí)驗(yàn)結(jié)果和結(jié)論

實(shí)驗(yàn)結(jié)果

我們構(gòu)建系統(tǒng)，如圖13所示，使用SPI端口將ADIS16470評(píng)估板和RM3100羅盤(pán)評(píng)估板連接到ADI公司的ADuCM4050電路板。 ADuCM4050調(diào)整數(shù)據(jù)格式并進(jìn)行時(shí)間同步（因?yàn)镮MU和指南針的數(shù)據(jù)速率不同）。然后使用UART將捕獲的數(shù)據(jù)傳輸?shù)接?jì)算機(jī)。所有計(jì)算，包括校準(zhǔn)，AHRS和DR，都在MATLAB ?中進(jìn)行。

通過(guò)將電路板和計(jì)算機(jī)放在轉(zhuǎn)椅上實(shí)現(xiàn)實(shí)驗(yàn)在我們的實(shí)驗(yàn)室里把轉(zhuǎn)椅推到一個(gè)圓圈里。

AHRS輸出：態(tài)度以四元數(shù)格式和DCM格式顯示，如圖14所示。

DR輸出：航位推測(cè)結(jié)果XYZ位置和3D繪圖如圖15所示。

結(jié)論

本文介紹了使用ADI的IMU構(gòu)建導(dǎo)航系統(tǒng)的基本過(guò)程ADIS16470和地磁傳感器RM3100引入了我們使用的校準(zhǔn)，AHRS和DR方法。在平臺(tái)和實(shí)驗(yàn)環(huán)境等條件有限的情況下，我們很難進(jìn)一步測(cè)試平臺(tái)和算法。

有很多方法可用于改善結(jié)果，例如：

使用里程表或UWB距離測(cè)量將加速器與IMU融合，以在DR中獲得更好的距離。

使用更復(fù)雜的運(yùn)動(dòng)學(xué)模型，該模型涉及更多特征。 AHRS和DR中的傳感器級(jí)別和系統(tǒng)級(jí)別，例如系統(tǒng)的振動(dòng)，加速度和減速度模型，地面平整度等。這意味著為計(jì)算提供更多的邊界條件，以獲得更準(zhǔn)確的結(jié)果。

使用更精確的數(shù)值計(jì)算方法，例如使用Simpson規(guī)則或三次樣條插值在DR中進(jìn)行積分，或者使用牛頓法代替Gauss-Newton方法來(lái)求解非線性MSE方程等。

最后，但最重要的是，我們f在實(shí)驗(yàn)中，INS與應(yīng)用或運(yùn)動(dòng)學(xué)模式密切相關(guān)。例如，我們?cè)趦蓚€(gè)地方進(jìn)行了實(shí)驗(yàn)：一個(gè)沒(méi)有鋪地毯的實(shí)驗(yàn)室和一個(gè)鋪有地毯的辦公室。如果我們使用相同的參數(shù)集，DR結(jié)果會(huì)顯示出巨大的差異。因此，無(wú)論哪種應(yīng)用，例如患者跟蹤，AGV導(dǎo)航或停車(chē)定位，或同一應(yīng)用中的不同條件，我們都需要全面了解其運(yùn)動(dòng)學(xué)模型。