在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

隨著物聯網應用越來越廣泛，涌現各種各樣的傳感器，如溫度、氣壓、重力、陀螺儀、光照傳感器等等，這類傳感器接口形式、控制方式、數據精度，因為不同廠商而存在一定差異。另一方面，用戶在實時調整傳感器功耗、靈敏度、數據速率等會因為傳感器差異導致大量重復編碼工作，降低開發效率。因此將傳感器進行集成化不僅會節省硬件電路的需求，減少了開發人員的工作難度。本項目則是進行GY-91的傳感器開發，它集成了三軸陀螺儀＋三軸加速度+三軸磁場+氣壓，不僅可以測量各個軸的角度，還可以測量外界環境的溫度、氣壓，從而彌補因環境產生的的誤差。此外，該傳感器模塊采用極其緊湊的封裝。得益于小尺寸和低功耗特性，這種器件可應用于多個場景。例如：GPS的導航、室內導航、戶外步態分析等等。最后通過實驗，成功讀取到9軸數據和大氣壓以及溫度，并通過卡爾曼濾波解析出俯仰角度。

本項目核心模塊時GY-91，它是由BMP280和MPU9250集成而來。其中BMP280 是博世公司開發的一款環境傳感器，支持氣壓和溫度測量。bmp180是一款上市比較久的傳感器，很多功能并未支持，如電源模式、數據輸出速率等不支持。

MPU9250可以通過集成電路總線接口和單片機進行數據交互，傳輸速率可達 400 kHz /s。陀螺儀的角速度測量范圍最高達±2000（° /s），具有良好的動態響應特性。加速度計的測量范圍最大為±16g( g 為重力加速度)，靜態測量精度高。磁力計采用高靈度霍爾型傳感器進行數據采集，磁感應強度測量范圍為±4800μT，可用于對偏航角的輔助測量

兩種傳感器都可以使用IIC進行驅動，按照標準的IIC協議進行驅動即可。

RT-Thread使用情況概述：

本項目使用到了非常多方面的知識，其中包含但不僅限于RT-Thread操作系統，sensor框架，RT-Thread-studio，硬件選型，,TFT屏幕的驅動原理,GY-91的驅動

內核部分：主要使用了多線程

組件部分：使用了Sensor

軟件包：主要使用了sensor框架下的BMP280和MPU9250軟件包

設備驅動：GPIO/II/SP/UART/MSH等

系統框圖如下所示：

 

總體方案邏輯明確，通過開啟傳感器線程進行20hz頻率的數據采集，通過主函數來不斷刷新傳感器采集的數據以供顯示，其中再開發過程中用到了UART1和MSH指令進行調試。使用組件包I2C可以快速的配置所需要的I2C引腳號以及初始化，給開發人員帶來了極大的便利。

流程圖如下所示：

主要代碼如下：

    while(1)

    {

 

        mpu6xxx_get_gyro(i2c_bus, &gyro);

        mpu6xxx_get_accel(i2c_bus, &accel);

        mpu6xxx_get_mag(i2c_bus,&magn);

 

        rt_device_read(baro_dev, 0, &baro_data, 1);

        rt_device_read(temp_dev, 0, &temp_data, 1);

 

        Pitch = atan2(accel.x,accel.z)*180/PI;

        gyro.y = gyro.y/16.4;

        Pitch = Kalman_Filter(Pitch ,gyro.y);

 

}

 

 

float Kalman_Filter(float newAngle, float newGyro)//angleAx 和 gyroGy

{

                //1 Update xhat

        gyro_Ka = newGyro - bias;

        angle +=  gyro_Ka*dt;

 

        //2 Update estimation error covariance

                P[0][0] += dt * (dt*P[1][1] - P[0][1] - P[1][0] + Q_angle);

                P[0][1] -= dt * P[1][1];

                P[1][0] -= dt * P[1][1];

                P[1][1] += Q_bias * dt;

 

        //3 Calculate Kalman gain - Compute the Kalman gain

        float S = P[0][0] + R_measure; // Estimate error

                float K[2]; // Kalman gain - This is a 2x1 vector

                K[0] = P[0][0] / S;

                K[1] = P[1][0] / S;

 

                // Calculate angle and bias

                float y = newAngle - angle;

 

                angle += K[0] * y;

                bias += K[1] * y;

 

                // Calculate estimation error covariance - Update the error covariance

                /* Step 7 */

                float P00_temp = P[0][0];

                float P01_temp = P[0][1];

 

                P[0][0] -= K[0] * P00_temp;

                P[0][1] -= K[0] * P01_temp;

                P[1][0] -= K[1] * P00_temp;

                P[1][1] -= K[1] * P01_temp;

 

       return angle;

}

代碼地址：https://gitee.com/zhangzhe-2021/rt-thread

正因為這個比賽，使我從一開始的對RT-Thread一無所知，慢慢的喜歡上它。在完成項目的過程中，學習到了很多的關于RT-Thread的知識，再次鍛煉了自己的動手實踐能力，在比賽中和志同道合的朋友相互交流，相互請教，相互學習是一件非?？鞓返氖虑?。非常感謝各位金主提供的這次機會，也非常感謝幕后每位工作人員的付出，耐心的幫助我們解答問題！