簡介

 

隨著服務機器人市場和技術的發展，導航已成為研究和應用中的一個熱點。與車輛、船chuan舶bo或huo飛fei機ji相xiang比bi
，服fu務wu機ji器qi人ren體ti積ji小xiao，成cheng本ben低di，因yin此ci它ta們men的de導dao航hang係xi統tong應ying該gai具ju有you捷jie聯lian和he低di成cheng本ben的de特te點dian。傳chuan統tong的de穩wen定ding平ping台tai導dao航hang係xi統tong通tong常chang要yao采cai用yong獨du立li的de加jia速su度du計ji和he光guang纖xian或huo激ji光guang陀tuo螺luo儀yi，所suo有you傳chuan感gan器qi都dou機ji械xie且qie剛gang性xing地di安an裝zhuang在zai與yu正zheng在zai移yi動dong的de車che輛liang隔ge離li的de穩wen定ding平ping台tai上shang。這zhe導dao致zhi了le尺chi寸cun大da
、可靠性差
、成(cheng)本(ben)高(gao)的(de)缺(que)點(dian)。相(xiang)反(fan)，在(zai)捷(jie)聯(lian)慣(guan)導(dao)係(xi)統(tong)中(zhong)
，慣(guan)性(xing)傳(chuan)感(gan)器(qi)直(zhi)接(jie)固(gu)定(ding)在(zai)車(che)輛(liang)本(ben)體(ti)上(shang)
，這(zhe)意(yi)味(wei)著(zhe)傳(chuan)感(gan)器(qi)會(hui)與(yu)車(che)輛(liang)一(yi)起(qi)旋(xuan)轉(zhuan)。這(zhe)種(zhong)捷(jie)聯(lian)方(fang)法(fa)消(xiao)除(chu)了(le)穩(wen)定(ding)平(ping)台(tai)慣(guan)導(dao)的(de)缺(que)點(dian)。然(ran)而(er)，平(ping)台(tai)慣(guan)導(dao)的(de)準(zhun)確(que)性(xing)通(tong)常(chang)高(gao)於(yu)SINS。平台慣導往往可以達到戰略級（0.0001°/時的陀螺儀偏置，1μg的加速器偏置）或軍用級（0.005°/時的陀螺儀偏置

，30μg的加速器偏置），而多數SINS隻能到達導航級（0.01°/時的陀螺儀偏置，50μg的加速器偏置）或戰術級（10°/時的陀螺儀偏置
，1mg的加速器偏置）。對於大多數服務機器人或AGV導航應用
，這一精度足夠了。

 

導航方法很多，包括機器視覺、GPS、UWB、SLAM型激光雷達等。基於IMU的慣性導航始終是導航的重要組成部分。然而

，由於這種傳感器的限製——例如偏置誤差、軸間誤差、噪聲，特別是零偏不穩定性——慣性導航通常需要采用一個夥伴傳感器
，定期為它提供參考或校準，本文將這種情況稱為傳感器融合。許多傳感器都可以與IMU融合
，例如攝像頭和裏程表，但在這些傳感器中，地磁傳感器是一種低成本的方案

，可與IMU配合獲得姿態信息。

 

在本文中，我們使用ADI的IMU ADIS16470和(he)地(di)磁(ci)傳(chuan)感(gan)器(qi)來(lai)開(kai)發(fa)平(ping)台(tai)和(he)算(suan)法(fa)，實(shi)現(xian)捷(jie)聯(lian)慣(guan)性(xing)導(dao)航(hang)係(xi)統(tong)。但(dan)是(shi)，地(di)磁(ci)傳(chuan)感(gan)器(qi)隻(zhi)能(neng)提(ti)供(gong)姿(zi)態(tai)信(xin)息(xi)。對(dui)於(yu)航(hang)位(wei)推(tui)算(suan)或(huo)距(ju)離(li)測(ce)量(liang)，我(wo)們(men)隻(zhi)能(neng)使(shi)用(yong)IMU中的 加速度傳感器。

 

ADIS16470 IMU簡介

 

ADI公司的ADIS16470是一款微型MEMS IMU，集成了3軸陀螺儀和3軸加速度計。其陀螺儀零偏穩定性為8°/時，加速計零偏穩定性為13μg 其關鍵參數都經過出廠校準。此外，ADIS16470的 低價格在同級產品中具有吸引力
，得到了許多客戶的廣泛使用。在本文中，我們使用微控製器與ADIS16470通過SPI接口進行通信。

 

地磁傳感器介紹

 

地磁傳感器是用於測量羅盤體坐標（即坐標係）中的地磁場的傳感器，可為航向提供絕對參考。其x、y和z分量值由本地地磁場投影而來。這種傳感器有兩個主要缺點——一是精度和分辨 率不高——例如


，常用的霍尼韋爾羅盤傳感器HMC5883L的分辨率僅為12位。另一個缺點是傳感器容易受到周圍環境的幹擾，因為地磁場非常弱
，強度範圍為毫高斯到8高斯。

 

盡管有這些缺點，仍然可以在許多情況下使用，例如戶外

、低EMI環境等。將地磁傳感器與IMU進行鬆耦合，就可以在大多數環境中使用這類傳感器。

 

在本文中，我們使用PNI傳感器公司的高性能電子羅盤傳感器RM3100
，它提供了24位分辨率。PNI使用主動激勵法來提高抗噪聲能力。

 

羅盤傳感器的校準

 

在zai使shi用yong羅luo盤pan傳chuan感gan器qi之zhi前qian，需xu要yao對dui其qi進jin行xing校xiao準zhun以yi消xiao除chu兩liang個ge主zhu要yao誤wu差cha。一yi個ge是shi失shi調tiao誤wu差cha，這zhe原yuan本ben是shi由you傳chuan感gan器qi和he電dian路lu的de失shi調tiao誤wu差cha引yin起qi的de。另ling一yi個ge是shi標biao度du誤wu差cha。這zhe兩liang種zhong誤wu差cha都dou容rong易yi受shou到dao周zhou圍wei磁ci環huan境jing的de幹gan擾rao。例li如ru，如ru果guo有you一yi個gex軸向的外部磁場施加到傳感器上，就會給出外部x軸失調誤差。同時，x軸標度也將與y軸和z軸不同。

 

通常用於校準磁傳感器的方法是在xy平麵上轉動傳感器繞圈，然後抽取數據。一個地點的地磁場強度是一個常數值，因此繪製的數據應該是一個圓；然而，事實上
，我們將看到一個橢圓形
，這意味著我們需要移動橢圓並重新縮放到以零為中心的圓。

 

上述2D校準方法有一些缺點，並且需要用加速器來測量其傾斜度。我們使用3D球麵擬合方法來校準羅盤傳感器。首先，我們需要將傳感器旋轉到x-y-z空間中的每個方向
，並在3D坐標中繪製其值。然後我們需要使用最小平方誤差(MSE)方法將數據擬合為橢球麵。

 

橢球方程可以表示為

 

 

其中

，X、Y和Z是羅盤輸出在三個方向上的地磁分量。將這些值擬合為橢球麵意味著，我們需要得到一組最優係數解。我們將係數定義為：

 

 

在擬合時
，我們定義向量：

 

 

所以我們需要計算最優σ，並使用公式2來找出最小值：

 

 

這樣我們就可以得到圖1所示的擬合結果。

 

圖1. 原始羅盤數據分布（左）和使用橢球擬合後的羅盤數據（右）。

 

為了校準傳感器，我們需要拉伸或壓縮擬合的橢球麵並將其移至以零為中心的球麵上。我們使用矩陣奇異值分解(SVD)方法來進行這種校準。校準後的球體如圖2所示。1,2

 

圖2. 用SVD方法進行球體校準後的羅盤數據。

 

校準後
，我們可以看到，測得的磁場強度（球半徑）幾乎恒定不變，如圖3所示。

 

圖3. 校準前和校準後的磁場比較。

 

使用ADIS16470和羅盤的姿態和航向參考係統

 

AHRS由三個軸上的傳感器組成，提供姿態信息，包括橫滾角
、俯仰角和偏航角。AHRS是一個來自飛機導航的概念。我們用它來描述方向，即姿態。

 

在介紹我們的方法之前

，有必要首先解釋為什麼確定姿態需要進行融合。事實上，我們的係統現在有三種傳感器：陀螺儀、加速器和羅盤（地磁傳感器）。

 

tuoluoyitigongweiraogezhoudexuanzhuanjiaosudu。tongguojiaosulvjifenjisuan
，womenkeyidedaoxuanzhuanjiaodu。ruguowomenzhidaochushihangxiang，tongguojiaodujiushizhongnenggoudedaohangxiangzitai。jifenjiangleijituoluoyidebuwendinglingpian
，zhejiangdaozhijiaoduwucha。ciwai，laizituoluoyidegaosifenbuzaoshengjiangjifenchengyigebulangyundongguocheng
，bingdaozhisuijiyouzouwucha。yinci
，womenhennanchangshi 間使用陀螺儀，陀螺儀需要定期校準。

 

jiasudujitigongmeigezhoufangxiangdeyidongjiasudu。zaijingtaizhuangtaixia，womenkeyidedaomeigezhouyuzhonglijiasuduzhijiandejiaodu。youyuzhonglijiasuduzaifangxianghezhishanghengdingbubian，womenkeyihuodexiangduiyuzhonglifangxiangdehangxiangzitai。raner
，gaifangfashiyongzhonglijiasuduzuoweicankao
，yincibunengjiechuweiraozhonglijiasuduxuanzhuandejiaodu。

 

羅(luo)盤(pan)提(ti)供(gong)從(cong)地(di)磁(ci)場(chang)投(tou)影(ying)的(de)每(mei)個(ge)軸(zhou)的(de)值(zhi)。我(wo)們(men)可(ke)以(yi)從(cong)每(mei)個(ge)軸(zhou)與(yu)恒(heng)為(wei)常(chang)數(shu)向(xiang)量(liang)的(de)地(di)磁(ci)場(chang)方(fang)向(xiang)之(zhi)間(jian)的(de)關(guan)係(xi)推(tui)導(dao)出(chu)角(jiao)度(du)值(zhi)。如(ru)前(qian)一(yi)節(jie)所(suo)述(shu)，由(you)於(yu)對(dui)外(wai)部(bu)磁(ci)場(chang)的(de)抗(kang)擾(rao)性(xing)較(jiao)差(cha)，羅(luo)盤(pan)需(xu)要(yao)一(yi)個(ge)低(di)幹(gan)擾(rao)的(de)環(huan)境(jing)。

 

從cong這zhe一yi解jie釋shi中zhong，我wo們men可ke以yi看kan到dao，很hen難nan靠kao一yi個ge傳chuan感gan器qi來lai找zhao到dao姿zi態tai
，我wo們men需xu要yao組zu合he使shi用yong兩liang個ge或huo三san個ge傳chuan感gan器qi並bing把ba信xin息xi融rong合he起qi來lai。本ben文wen用yong加jia速su度du計ji
、陀螺儀和地磁羅盤查找姿態。這種融合也被稱為磁、角速率和重力(MARG)係統。

 

擴展卡爾曼濾波器的設計與傳感器融合

 

有多種方法可以將IMU和羅盤數據融合起來
，例如互補濾波器、統計學ARMA濾波器
，卡爾曼濾波器等。我們在本文中使用的是擴展卡爾曼濾波器。

 

首先，我們需要介紹本文中使用的一些定義。

 

坐標定義

 

T航向或方向是兩個坐標（即坐標係）之間的關係。一個坐標總在變化，另一個坐標保持不變。對於坐標定義方法，我們使用導航坐標和體坐標。與東北地(NED)坐標係或地理方法相反，我們將測量的初始體坐標值定義為導航坐標係，此後該坐標為恒定坐標。從體坐標到導航坐標的映射（投影）矩陣定義為

 

 

姿態定義

 

與歐拉角或方向餘弦矩陣(DCM)不同，我們在這裏使用四元數，定義為

 

 

常用於導航以避免奇異性。

 

用卡爾曼濾波器更新姿態

 

我們在本文中使用的運動學方程（即狀態轉移方程）是非線性微分方程，因此需要使用一個EKF，用於對該微分方程進行一階近似。對於EKF設計，我們定義

 

 

一個1×7向量作為狀態變量


，其中

 

 

為角速率
；

 

 

為姿態四元數。

 

 

一個1×7向量作為觀測變量，與狀態變量具有相同的分量。

 

 

一個7×7矩陣作為狀態轉移矩陣
，其中
，A的第一部分是角速率的數字化微分方程
，第二部分是數字化四元數更新方程，後者從運動學方程推導而來。

 

 

一個7×7矩陣作為觀察矩陣。

 

 

為誤差協方差矩陣，這是一個7×7矩陣，其中

 

 

估計向量 x̂真實值xx之間的誤差我們在測試中將初始誤差設為相對較小的值。該值會自動收斂到一個小值。

 

 

被設為狀態轉移噪聲和觀測噪聲的協方差矩陣。我們得到它們的初始值，

 

 

在保持IMU和羅盤處於靜止狀態的同時，通過測量陀螺儀和加速器的交流均方根值的平方得到。我們設

 

 

根據以上定義
，卡爾曼濾波器將通過以下五個步驟完成：

 

步驟1：使用公式3計算卡爾曼增益K

 

 

步驟2：計算誤差協方差矩陣，P:

 

 

步驟3：輸出估算狀態x̂:

 

 

步驟4：更新狀態x̂–:

 

 

步驟5：更新誤差協方差矩陣P–:

 

 

該過程可以簡單地描述為圖4中的框圖。

 

圖4. 用於更新姿態的卡爾曼濾波器流程圖。

 

基於MSE的傳感器融合

 

在上一節中，觀測變量是

 

 

其中沒有來自羅盤的信息。由於ω是角速率
，我們隻能使用四 元數來導入羅盤數據q. 我們使用MSE方法獲得q, 即觀測變量 中的組分。

 

我們將各變量定義如下：

 

m_b和a_b: 體坐標係裏的羅盤磁值和加速度值。

 

m_n和a_n: 導航坐標係裏的羅盤磁值和加速度值。

 

m_n0和a_n0: 導航坐標係裏的初始靜態羅盤磁值和加速度值。

 

 

為從體坐標係到導航坐標係的姿態轉換矩陣，用四元數表示
，可以寫成

 

 

其給出了導航坐標係中初始值與實時從體坐標係映射到導航坐標係的值之間的誤差ε。

 

根據之前的定義，MSE方法可用於求取最優值。

 

 

通過求方程8的最小值：

 

 

對f(q)求導並使其等於零，

 

 

我們將獲得方差意義上的最優q。我們使用高斯-牛頓方法，用一階梯度收斂來求解以上非線性方程。

 

通過組合角速率，我們將得到觀測變量

 

 

其中融合了卡爾曼濾波器中的羅盤數據和IMU數據。

 

該過程可以簡單地描述為圖5中的框圖。

 

圖5. 使用MSE方法的傳感器融合框圖。

 

鬆耦合

 

如前所述，我們經常遇到無法使用羅盤傳感器的情況。如果磁數據受到幹擾，則求解的姿態精度將比僅使用IMU時更差。因此，我們使用鬆耦合來判斷磁傳感器是否可用。當磁傳感器不可用時
，我們隻用IMU來求解姿態；當磁傳感器可用時
，我們將使用融合算法找到姿態，如圖6所示。

 

圖6. 姿態計算流程圖。

 

在獲得新數據之後或者在求解新的姿態時（在某些係統中
，采樣周期與姿態解算周期不同，但我們在此處進行的是單采樣周期解算）
，我們計算加速度的大小，如果結果不等於1g, 我們 就(jiu)不(bu)會(hui)使(shi)用(yong)加(jia)速(su)器(qi)的(de)輸(shu)出(chu)進(jin)行(xing)姿(zi)態(tai)計(ji)算(suan)。然(ran)後(hou)我(wo)們(men)計(ji)算(suan)羅(luo)盤(pan)輸(shu)出(chu)的(de)大(da)小(xiao)並(bing)將(jiang)其(qi)與(yu)初(chu)始(shi)值(zhi)進(jin)行(xing)比(bi)較(jiao)。如(ru)果(guo)它(ta)們(men)彼(bi)此(ci)不(bu)相(xiang)等(deng)，我(wo)們(men)就(jiu)不(bu)會(hui)在(zai)此(ci)周(zhou)期(qi)中(zhong)使(shi)用(yong)地(di)磁(ci)傳(chuan)感(gan)器(qi)的(de)數(shu)據(ju)。當(dang)滿(man)足(zu)兩(liang)個(ge)條(tiao)件(jian)時(shi)
，我(wo)們(men)會(hui)使(shi)用(yong)卡(ka)爾(er)曼(man)濾(lv)波(bo)器(qi)並(bing)執(zhi)行(xing)MSE融合。

 

使用ADIS16470進行航位推算(DR)

 

在(zai)導(dao)航(hang)中(zhong)，航(hang)位(wei)推(tui)算(suan)是(shi)計(ji)算(suan)當(dang)前(qian)位(wei)置(zhi)的(de)過(guo)程(cheng)，先(xian)使(shi)用(yong)先(xian)前(qian)確(que)定(ding)的(de)位(wei)置(zhi)

，然(ran)後(hou)在(zai)解(jie)算(suan)周(zhou)期(qi)中(zhong)基(ji)於(yu)已(yi)知(zhi)或(huo)估(gu)計(ji)的(de)速(su)度(du)或(huo)加(jia)速(su)度(du)更(geng)新(xin)該(gai)位(wei)置(zhi)。這(zhe)裏(li)將(jiang)使(shi)用(yong)ADIS16470裏的加速度計。基於上一節解出的姿態

，我們可以得到捷聯係統的移動方向
，然後需要計算該方向上的距離，最後確定位置。

 

捷聯航位推算需要使用基於加速度測量的比力方程來跟蹤INS的位置。比力方程可以簡單描述為等式10、等式11和等式12：

 

 

其中a_e是地球坐標係裏的加速度，a_b 是體坐標係裏的加速度
，v_e是地球坐標係裏的速度，s_e是地球坐標係裏的距離
，g_e 是 地球坐標係裏的重力加速為[0 0 1]，單位為 g。需要強調的是，地球坐標係與導航坐標係不同——地球坐標係是基於NED的。該 δtt是解算周期。

 

用第一個等式可以得到從IMU體坐標係到地球坐標係的加速度映射，如格式

 

 

第二個等式將加速度積分或累加為速度；然而，由於測量的加速度包含了重力分量，所以需要減去重力。

 

與等式11類似，等式12將速度積分成距離。

 

傳統方法存在幾個問題。

 

● 加速度計輸出總是有偏置，與重力相結合後，難以從公式10中減去，因此更準確的表達式應為：

 

 

除非是用一些專業設備來測量該偏置，例如分度頭。

 

● 基於數值積分的實現方式，通常使用零階保持器方法（前一個值）進行積分。但是


，對於連續移動
，這將帶來重大的誤差。例如
，我們來比較以下方法：

 

方法1：

 

 

（零階保持器）

 

方法2：

 

 

（線性插值）

 

在5秒內加速度為為0.5 m/s²時，位移最高將相差4m。仿真結果如圖7所示。

 

圖7. 速度計算中的零階保持與一階積分方法比較。

 

基於前麵的討論，基於應用，我們修改了傳統比例方程中的兩個地方：

 

X 我們不使用地球坐標作為導航坐標係。相反，正如我們在計算先前姿態時所做的那樣
，我們用初始姿態

 

 

作為導航坐標係。通過這種方式，偏置和重力都可以輕鬆取消
，如公式14所示：

 

 

雖然姿態中同時包含了偏置和重力分量，但這樣我們就不需要將它們分開成單獨的分量
，而是直接一起減去它們。

基於零階保持器與一階插值之間的比較
，我們使用一階方法來獲得更準確的積分結果。

運動學模式和零速更新技術(ZUPT)

 

通過使用IMUdechushizhizuoweidaohangzuobiaoxi
，womenkeyixiaochuyibufenjiasududepianzhiyingxiang。raner，jishiwomenzaishiyongshebeizhiqiannengyongfendutouzhunqueceliangpianzhi，rengranhennanquxiao，chufeishiyonglingyigejingquedechuanganqilaidingqixiaozhunta。zhezhuyaoshiyoulianggeyuanyinyinqide：yishipianzhibuwending
，zheyiweizhewomenzhiqianceliangdepianzhibushixianzaideshijipianzhi。ershisudusuijiyouzou，youjiasuduzaoshengjifenerlai。qianmiantidaodebuliangtexinghuishiwomenjisuandejulixianzhupiaoyi。jishiwomentingzhiyidongbingbaochijingzhi，congjiasudujifenerlaidesudurengrancunzai
，julirenghuizengjia。

 

要解決這個問題，我們需要找到一種通過使用ZUPT技術重置速度的方法。ZUPTjishuyujutideyingyongmiqiexiangguan，yinciwomenxuyaohuodexitongheyingyongdeyundongxuetezheng，ranhougeichuyixiesuanfaguize。womenfaxiandeyundongxuemoshiyueduo，jieguojiuyuezhunque。

 

我們通過移動帶有SINS係統的轉椅來進行實驗。由於我們的研究不限於特定應用
，我們使用以下運動學假設：

 

● 對於航位推算，導航坐標係中沒有z軸移動。此限製僅適用於航位推算，不適用於姿態求解。顯然，我們是在二維空間中移動係統。這有助於消除z軸誤差。

 

● 所有轉彎都發生在停止後。如果在移動時發生轉彎，則會因為引入額外加速而幹擾姿態求解。

 

● 如果係統正在移動，加速度不能保持不變超過500毫秒。速度不能保持不變超過2秒。由於我們在推動或拉動轉椅，因此很難手動使力精確地保持不變超過500毫秒
，並且個人很難以勻速持續推動轉椅2秒以上。事實上
，我們正是運用這一規則來實施ZUPT。

 

● 加速度不能大於±1 m/s2。該規則用於一些噪音過濾，後者基於我們施加於椅子上
、不會很大的拉力或推力。

 

如圖8所示
，當係統在X方向上移動時（投影到導航坐標係後），Y方向也會產生加速度；積分後，Y方向速度不會為零
，這意味著即使我們隻是在X方向上移動
，航位推算係統仍然會給我們帶來Y分量。

 

圖8. 導航坐標係中三個方向的加速度。

 

基於第三條運動學假設，我們可以使用ZUPT來消除此誤差。經ZUPT處理之後的積分速度如圖9所示。

 

圖9. 導航坐標係中三個方向的速度。

 

雖sui然ran我wo們men使shi用yong了le第di三san條tiao假jia設she
，如ru前qian所suo示shi
，誤wu差cha仍reng然ran無wu法fa完wan全quan取qu消xiao。誤wu差cha消xiao除chu取qu決jue於yu設she定ding的de零ling加jia速su度du和he零ling速su度du的de判pan斷duan閾yu值zhi。但dan是shi，大da多duo數shu誤wu差cha已yi得de到dao修xiu正zheng。

 

雖然使用了ZUPT，但有時仍然無法達到零速。這由兩個因素導致：

 

● 我們無法用ZUPT完全消除偏置不穩定誤差和速度隨機遊走。

● 我們求出的姿態有一些誤差，結果將導致投影（從體坐標係到導航坐標係）後的加速度誤差。

 

以圖10為例。圖10中的左圖是ADIS16470的原始數據（體坐標係）
，圖10中的右圖是投影到導航坐標係的加速度。可以看出，停止移動時
，投影加速度不為零。由於它總是在變化
，我們此處稱之為基線漂移。

 

圖10. 體坐標係（左）和導航坐標係（右）的加速度。

 

為了消除基線漂移，我們需要實時連續獲得偏移偏置並從投影加速度中減去該值。結果如圖11所示

 

Figure圖11. 基線漂移消除之前（上）和之後（下）的加速度。

 

上圖是基線漂移消除前的加速度
，下圖中的綠色軌跡是我們計算的基線偏移
，紅色軌跡是基線偏移消除後的加速度。

 

可以使用圖12中的框圖簡要描述航位推算過程。我們將體坐標係加速度ab和姿態轉移矩陣（來自AHRS）輸入

 

 

到DR係統。完成後

，我們將獲得導航坐標係中的位置。

 

圖12. 航位推算流程圖

 

實驗結果與結論

 

實驗結果

 

使用SPI端口，我們將ADIS16470評估板和RM3100羅盤評估板連接到ADI公司的ADuCM4050電路板，構建出我們的係統
，如圖13所示。ADuCM4050 調整數據格式並進行時間同步（因為IMU和羅盤的數據速率不同）。然後使用UART將捕獲的數據傳輸到計算機。所有計算（包括校準
、AHRS和DR在MATLAB）均在MATLAB®中執行。

 

圖13. 實驗平台設置。

 

將評估板和計算機放在轉椅上，並在實驗室中推著轉椅繞圈。

 

● AHRS輸出：姿態以四元數格式和DCM格式表示
，如圖14所示。

 

圖14. 四元數格式（左）和DCM格式（右）的姿態。

 

● DR輸出：帶XYZ位置的航位推算結果和三維圖如圖15所示。

 

圖15. 位置計算結果。

 

結論

 

本文介紹了使用ADI公司的IMU ADIS16470和地磁傳感器RM3100構建捷聯慣導係統的基本過程
，介紹了我們使用的校準、AHRS和DR方法。在平台和實驗環境等條件有限的情況下，很難進一步測試平台和算法。

 

有很多方法可用於改善結果
，例如：

 

● 使用裏程表或UWB距離測量方法與IMU中的加速度計融合，以在DR中獲得更準確的距離值。

 

● 使用更複雜的運動學模型，從而在AHRS和DR中在傳感器和係統層次引入更多特性，例如係統的振動、加速和減速模型
、地麵平整度等。這意味著為了提高導航結果的準確性

，需要給出更多的邊界條件。

 

● X 使用更精確的數值計算方法，比如用辛普森規則或三次樣條插值在DR中進行積分，或者使用牛頓方法而非高斯-牛頓方法求解非線性MSE方程等。

 

最後但也是最重要的一點，我們在試驗中發現INS與應用或運動學模型緊密相關。例如
，我們在兩個地方進行了實驗：未鋪地毯的實驗室和鋪有地毯的辦公室。如果我們使用相同的參數集
，DR結果會顯示出巨大的差異。因此，無論哪種應用，例如患者跟蹤
、AGV導航或停車定位，或者對於同一應用中的不同條 件，我們都需要全麵了解其運動學模型。

 

參考電路

 

1 Long Li和Zhang He，“Automatic and Adaptive Calibration Method of Tri-axial Magnetometer”（三軸磁力計的自動和自適應校準方法），《中國儀器儀表學報》，2013。

 

2 Timothy Sauer，Numerical Analysis（數值分析（第2版）），Pearson，2011。

 

3 David H. Titterton，Strapdown Inertial Navigation Technology（捷聯慣性導航技術（第2版）），電氣工程師學會，2004。

 

Gongmin, Yan
，“Research on Vehicle Autonomous Positioning and Orientation System”（車輛自主定位定向係統研究），博士論文
，中國西北工業大學，2006。

 

Marins, João Luís
，“An Extended Kalman Filter for Quaternion-Based Orientation Estimation Using MARG Sensors”（麵向基於MARG傳感器的四元數方向估算應用的擴展卡爾曼濾波器），IEEE，2001。

 

Prikhodko、Igor P.和Brock Bearss

，“Towards Self-Navigating Cars Using MEMS IMU：Challenges and Opportunities”（使用MEMS IMU邁向自動駕駛汽車：挑戰與機遇）
，IEEE
，2018。

 

RM3100.PNI傳感器公司，2018。

 

Woodman, Oliver J. “An Introduction to Inertial Navigation.” （慣性 導航簡介）
，劍橋大學
，2007年8月。

 

 

推薦閱讀：