CN104296745A - 一种基于9-dof传感器组的姿态检测数据融合方法 - Google Patents
一种基于9-dof传感器组的姿态检测数据融合方法 Download PDFInfo
- Publication number
- CN104296745A CN104296745A CN201410513253.9A CN201410513253A CN104296745A CN 104296745 A CN104296745 A CN 104296745A CN 201410513253 A CN201410513253 A CN 201410513253A CN 104296745 A CN104296745 A CN 104296745A
- Authority
- CN
- China
- Prior art keywords
- matrix
- value
- equation
- dof
- represent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Gyroscopes (AREA)
Abstract
本发明涉及一种基于9-dof传感器组的姿态检测数据融合方法。本发明首先根据陀螺仪的输出估计四元数的值,然后利用高斯-牛顿迭代法将加速度计和磁力计的输出变量转换为观测值,最后计算出四元数输出值。本发明使得卡尔曼滤波过程中的估计值与观测值呈线性关系,简化了滤波器的设计,使得其可以运行在硬件资源紧缺的嵌入式系统中。
Description
技术领域
本发明属于惯性导航技术领域,尤其涉及通过组合MEMS传感器进行载体姿态检测的数据融合方法。
背景技术
姿态检测是惯性导航技术的核心内容。其应用范围已由原来的航空航天和军事领域,扩展到机器人、海洋探测乃至汽车、消费类电子产品等多个方面。我国在这一技术领域的起步相对较晚,但近年来已经取得较快发展。西安电子科技大学采用加速度计及陀螺仪组成新型的垂直陀螺,并结合磁通门传感器组成航姿参考系统;中国航空工业第一集团公司研制了一种组合航向姿态系统。上述成果已在航空航天等高端技术领域得到了初步应用,但因其硬件平台成本高,结构复杂等原因,尚难以在民用领域取得应用。目前在低端市场,普遍采用的是基于MEMS芯片级的加速度计、陀螺仪、磁强计结合的9-DOF传感器平台,因其低成本、低功耗、小体积而得以在手机、掌上电脑等手持式设备上应用。
在基于MEMS传感器组姿态检测模块的设计中,最重要的环节是传感器数据的融合。目前,在数据融合算法方面国内外学者已经做了大量的研究,主要有:基于互补滤波的数据融合方式、基于梯度下降互补滤波的数据融合方式、基于卡尔曼滤波的数据融合方式等。实践证明卡尔曼滤波确实为一种在精确度、实时性以及有效性上都有突出表现的滤波方法。但是传统的卡尔曼滤波算法实现相对复杂,对处理器有较高的性能要求。因此,在传统的卡尔曼滤波算法上改进,使之能有效的搭载在中低端嵌入式硬件平台上,实现兼顾成本与精度的姿态检测模块,具有重要的实用价值。
发明内容
本发明的目的是解决姿态检测的数据融合问题,提供了一种基于9-DOF传感器组的扩展卡尔曼滤波方法。此方法可用计算机语言在嵌入式9-DOF姿态检测系统中实现,能有效的融合各传感器数据计算出系统姿态四元数。
为了实现上述目的,本发明采用如下的技术解决方案:
本发明包括以下步骤:
一、计算先验值。四元数预测方程如下所示:
(1)
其中qn代表当前状态下的旋转四元数,F为状态更新矩阵,qn-1代表上一个状态下的旋转四元数,B代表输入系数矩阵,un-1为当前系统输入,代表系统噪声矩阵。本系统的卡尔曼滤波输入值un-1为零。因此,方程(1)可以被简化为方程(2),其中代表四元数微分值,δ代表采样周期。
(2)
等式(2)可以用状态转换矩阵来表示,如下所示
(3)
其中,和分别表示来自三轴陀螺仪的x,y和z轴的角速度分量。采样周期由嵌入在微控制器中的计时器计算得出。除此之外还需要通过以下等式估算系统的过程噪声协方差矩阵Q
(4)
假设 和 并简化等式,得到
(5)
其中,和分别为x,y和z轴的角速度噪声方差。最后,利用等式(6)和(7),可以计算出本状态的旋转四元数先验值和协方差矩阵先验值,其中为上一状态的协方差矩阵
(6)
(7)
二、计算观测值。利用加速度和磁力计数据,根据以下公式,可以计算出姿态四元数观测值
(8)
其中C 是增益矩阵,是测量噪声。在本文中C等同于单位矩阵H。通过高斯-牛顿迭代法计算。首先,定义如下的旋转矩阵和误差函数
(9)
(10)
其中d为姿态四元数q的实数部分,a、b、c为虚数部分。为误差矩阵, 是地球坐标系下由三轴加速度分量和三轴磁力分量组成的矩阵,M为系数矩阵,是传感器坐标系下由三轴加速度分量和三轴磁力分量组成的矩阵。可以通过以下等式得到雅克比矩阵
(11)
其中
(12)
于是可以得到如下所示的迭代方程
(13)
最后得到观测值
(14)
三、计算后验值。首先计算如试(15)所示的差值,或者可以称作新息
(15)
与此同时计算出卡尔曼增益矩阵,其中R为观测噪声协方差矩阵
(16)
最终,根据以下两个等式,可以得到此状态的姿态四元数后验值与协方差矩阵后验值,其中I为单位矩阵
(17)
(18)
本发明方法针对卡尔曼滤波算法在嵌入式系统实际应用中出现的采样率不足,状态迭代较慢的问题,提出了一种扩展卡尔曼滤波算法。此方法首先根据陀螺仪的输出估计四元数的值,然后利用高斯-牛顿迭代法将加速度计和磁力计的输出变量转换为观测值,最后计算出四元数输出值。本发明与传统姿态检测数据融合方法相比,具有以下优点:
1.本发明方法使得卡尔曼滤波过程中的估计值与观测值呈线性关系,简化了滤波器的设计,使得其可以运行在硬件资源紧缺的嵌入式系统中。
2.本发明方法适用于所有由三轴陀螺仪、三轴加速度计、三轴磁力计组合而成的9-DOF姿态检测系统,与传感器的种类、型号、结构等硬件无关,与生产厂家无关。
附图说明
图1为数据融合方法的程序流程图。
具体实施方式
本发明的目的是解决姿态检测的数据融合问题,提供了一种基于9-DOF传感器组的扩展卡尔曼滤波方法。此方法可用计算机语言在嵌入式9-DOF姿态检测系统中实现,能有效的融合各传感器数据计算出系统姿态四元数。
为了实现上述目的,本发明采用如下的技术解决方案:
如图1所示,一种基于9-dof传感器组的姿态检测数据融合算法,包括以下步骤:
一、计算先验值。在此阶段,首先需要确定系统的过程噪声协方差矩阵Q。范例:将9-DOF姿态模块放置于准静态环境中60分钟以上,采集陀螺仪输出角速度,采样率为1次/秒,则至少可以获得3600组数据。将采集到的n组数据
代入下式
求出平均值,代入下式
计算出、、,代入下式
得到Q。四元数预测方程如下所示:
(1)
其中qn代表当前状态下的旋转四元数,qn-1代表上一个状态下的旋转四元数,Wn-1代表系统噪声矩阵。本系统的卡尔曼滤波输入值un-1为零。因此,方程(1)可以被简化为方程(2),其中代表四元数微分值,δ代表采样周期。
(2)
等式(2)可以用状态转换矩阵来表示,如下所示
(3)
其中,和分别表示来自三轴陀螺仪的x,y和z轴的角速度分量。采样周期由嵌入在微控制器中的计时器计算得出。可以计算出本状态的旋转四元数先验值和协方差矩阵先验值
(4)
(5)
二、计算观测值。利用加速度和磁力计数据,根据以下公式,可以计算出姿态四元数观测值。
(6)
其中C是增益矩阵,是测量噪声。在本文中C等同于单位矩阵H。通过高斯-牛顿迭代法计算。首先,定义如下的旋转矩阵和误差函数
(7)
(8)
其中是地球坐标系下由三轴加速度分量和三轴磁力分量组成的矩阵,是传感器坐标系下由三轴加速度分量和三轴磁力分量组成的矩阵。可以通过以下等式得到雅克比矩阵
(9)
其中
(10)
于是可以得到如下所示的迭代方程
(11)
最后得到观测值
(12)
三、计算后验值。首先计算如式(15)所示的差值,或者可以称作新息
(13)
与此同时计算出卡尔曼增益矩阵
(14)
其中测量噪声协方差矩阵R一般取值为。
最终,根据以下两个等式,可以得到此状态的姿态四元数后验值与协方差矩阵后验值
(15)
(16)
求出的为姿态四元数输出值。
Claims (1)
1.一种基于9-dof传感器组的姿态检测数据融合方法,其特征在于该方法包括以下步骤:
步骤一、计算先验值;
四元数预测方程如下所示:
(1)
其中qn代表当前状态下的旋转四元数,F为状态更新矩阵,qn-1代表上一个状态下的旋转四元数,B代表输入系数矩阵,un-1为当前系统输入, 代表系统噪声矩阵;本系统的卡尔曼滤波输入值un-1为零;因此,方程(1)可以被简化为方程(2),其中代表四元数微分值,δ代表采样周期;
(2)
等式(2)可以用状态转换矩阵来表示,如下所示
(3)
其中,和分别表示来自三轴陀螺仪的x,y和z轴的角速度分量;采样周期由嵌入在微控制器中的计时器计算得出;除此之外还需要通过以下等式估算系统的过程噪声协方差矩阵Q
(4)
假设和并简化等式,得到
(5)
其中,和分别为x,y和z轴的角速度噪声方差;最后,利用等式(6)和(7),计算出本状态的旋转四元数先验值和协方差矩阵先验值,其中为上一状态的协方差矩阵
(6)
(7)
步骤二、计算观测值;
利用加速度和磁力计数据,根据以下公式,计算出姿态四元数观测值
(8)
其中C 是增益矩阵,是测量噪声;C 等同于单位矩阵 H;通过高斯-牛顿迭代法计算;
首先,定义如下的旋转矩阵和误差函数
(9)
(10)
其中d为姿态四元数q的实数部分,a、b、c为虚数部分;为误差矩阵, 是地球坐标系下由三轴加速度分量和三轴磁力分量组成的矩阵,M为系数矩阵,是传感器坐标系下由三轴加速度分量和三轴磁力分量组成的矩阵;通过以下等式得到雅克比矩阵
(11)
其中
(12)
于是可以得到如下所示的迭代方程
(13)
最后得到观测值
(14)
步骤三、计算后验值;首先计算如试(15)所示的差值,或者可以称作新息
(15)
与此同时计算出卡尔曼增益矩阵,其中R为观测噪声协方差矩阵
(16)
最终,根据以下两个等式,可以得到此状态的姿态四元数后验值与协方差矩阵后验值,其中I为单位矩阵
(17)
(18)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410513253.9A CN104296745A (zh) | 2014-09-29 | 2014-09-29 | 一种基于9-dof传感器组的姿态检测数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410513253.9A CN104296745A (zh) | 2014-09-29 | 2014-09-29 | 一种基于9-dof传感器组的姿态检测数据融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104296745A true CN104296745A (zh) | 2015-01-21 |
Family
ID=52316581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410513253.9A Pending CN104296745A (zh) | 2014-09-29 | 2014-09-29 | 一种基于9-dof传感器组的姿态检测数据融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104296745A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105258671A (zh) * | 2015-11-06 | 2016-01-20 | 哈尔滨工业大学 | 一种提高磁通门测角精度的方法 |
CN105606096A (zh) * | 2016-01-28 | 2016-05-25 | 北京航空航天大学 | 一种载体运动状态信息辅助的姿态和航向计算方法和系统 |
CN108225370A (zh) * | 2017-12-15 | 2018-06-29 | 路军 | 一种运动姿态传感器的数据融合与解算方法 |
CN108318027A (zh) * | 2017-01-18 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 载体的姿态数据的确定方法和装置 |
CN109211230A (zh) * | 2018-09-07 | 2019-01-15 | 东南大学 | 一种基于牛顿迭代法的炮弹姿态和加速度计常值误差估计方法 |
CN109211231A (zh) * | 2018-09-07 | 2019-01-15 | 东南大学 | 一种基于牛顿迭代法的炮弹姿态估计方法 |
CN111966120A (zh) * | 2020-07-28 | 2020-11-20 | 西安类脑感知科技发展有限公司 | 一种机器人足端多维度信息采集系统 |
CN114279426A (zh) * | 2021-12-30 | 2022-04-05 | 杭州电子科技大学 | 一种六轴优化的磁力计在线校准方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658354B2 (en) * | 2002-03-15 | 2003-12-02 | American Gnc Corporation | Interruption free navigator |
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
CN101949703A (zh) * | 2010-09-08 | 2011-01-19 | 北京航空航天大学 | 一种捷联惯性/卫星组合导航滤波方法 |
CN102654404A (zh) * | 2011-03-02 | 2012-09-05 | 浙江中科无线授时与定位研发中心 | 一种提高航姿参考系统解算精度和系统抗干扰能力的方法 |
CN103791903A (zh) * | 2014-02-11 | 2014-05-14 | 哈尔滨工程大学 | 一种针对船舶长航大机动性的星敏感器动态补偿方法 |
US8757548B2 (en) * | 2007-04-30 | 2014-06-24 | The Boeing Company | Apparatus for an automated aerial refueling boom using multiple types of sensors |
-
2014
- 2014-09-29 CN CN201410513253.9A patent/CN104296745A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6658354B2 (en) * | 2002-03-15 | 2003-12-02 | American Gnc Corporation | Interruption free navigator |
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
US8757548B2 (en) * | 2007-04-30 | 2014-06-24 | The Boeing Company | Apparatus for an automated aerial refueling boom using multiple types of sensors |
CN101949703A (zh) * | 2010-09-08 | 2011-01-19 | 北京航空航天大学 | 一种捷联惯性/卫星组合导航滤波方法 |
CN102654404A (zh) * | 2011-03-02 | 2012-09-05 | 浙江中科无线授时与定位研发中心 | 一种提高航姿参考系统解算精度和系统抗干扰能力的方法 |
CN103791903A (zh) * | 2014-02-11 | 2014-05-14 | 哈尔滨工程大学 | 一种针对船舶长航大机动性的星敏感器动态补偿方法 |
Non-Patent Citations (1)
Title |
---|
GAO Y.ET AL: "Design of data fusion algorithm of 10-DOF AHRS for underwater vehicles", 《2013 OCEANS-SAN DIEGO》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105258671B (zh) * | 2015-11-06 | 2018-01-30 | 哈尔滨工业大学 | 一种提高磁通门测角精度的方法 |
CN105258671A (zh) * | 2015-11-06 | 2016-01-20 | 哈尔滨工业大学 | 一种提高磁通门测角精度的方法 |
CN105606096A (zh) * | 2016-01-28 | 2016-05-25 | 北京航空航天大学 | 一种载体运动状态信息辅助的姿态和航向计算方法和系统 |
CN105606096B (zh) * | 2016-01-28 | 2018-03-30 | 北京航空航天大学 | 一种载体运动状态信息辅助的姿态和航向计算方法和系统 |
CN108318027B (zh) * | 2017-01-18 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 载体的姿态数据的确定方法和装置 |
CN108318027A (zh) * | 2017-01-18 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 载体的姿态数据的确定方法和装置 |
CN108225370A (zh) * | 2017-12-15 | 2018-06-29 | 路军 | 一种运动姿态传感器的数据融合与解算方法 |
CN108225370B (zh) * | 2017-12-15 | 2024-01-30 | 路军 | 一种运动姿态传感器的数据融合与解算方法 |
CN109211230A (zh) * | 2018-09-07 | 2019-01-15 | 东南大学 | 一种基于牛顿迭代法的炮弹姿态和加速度计常值误差估计方法 |
CN109211231B (zh) * | 2018-09-07 | 2022-02-15 | 东南大学 | 一种基于牛顿迭代法的炮弹姿态估计方法 |
CN109211230B (zh) * | 2018-09-07 | 2022-02-15 | 东南大学 | 一种基于牛顿迭代法的炮弹姿态和加速度计常值误差估计方法 |
CN109211231A (zh) * | 2018-09-07 | 2019-01-15 | 东南大学 | 一种基于牛顿迭代法的炮弹姿态估计方法 |
CN111966120A (zh) * | 2020-07-28 | 2020-11-20 | 西安类脑感知科技发展有限公司 | 一种机器人足端多维度信息采集系统 |
CN114279426A (zh) * | 2021-12-30 | 2022-04-05 | 杭州电子科技大学 | 一种六轴优化的磁力计在线校准方法 |
CN114279426B (zh) * | 2021-12-30 | 2023-12-15 | 杭州电子科技大学 | 一种六轴优化的磁力计在线校准方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104296745A (zh) | 一种基于9-dof传感器组的姿态检测数据融合方法 | |
Wu et al. | Generalized linear quaternion complementary filter for attitude estimation from multisensor observations: An optimization approach | |
Ludwig et al. | Comparison of Euler estimate using extended Kalman filter, Madgwick and Mahony on quadcopter flight data | |
Wu et al. | Fast complementary filter for attitude estimation using low-cost MARG sensors | |
CN104898681B (zh) | 一种采用三阶近似毕卡四元数的四旋翼飞行器姿态获取方法 | |
Chang et al. | Indirect Kalman filtering based attitude estimation for low-cost attitude and heading reference systems | |
CN106052685B (zh) | 一种两级分离融合的姿态和航向估计方法 | |
CN104698485B (zh) | 基于bd、gps及mems的组合导航系统及导航方法 | |
CN107063262A (zh) | 一种用于无人机姿态解算的互补滤波方法 | |
CN108731676B (zh) | 一种基于惯性导航技术的姿态融合增强测量方法及系统 | |
CN103822633A (zh) | 一种基于二阶量测更新的低成本姿态估计方法 | |
CN108225370A (zh) | 一种运动姿态传感器的数据融合与解算方法 | |
CN110017837A (zh) | 一种姿态抗磁干扰的组合导航方法 | |
CN109764870B (zh) | 基于变换估计量建模方案的载体初始航向估算方法 | |
Allibert et al. | Velocity aided attitude estimation for aerial robotic vehicles using latent rotation scaling | |
CN103776449A (zh) | 一种提高鲁棒性的动基座初始对准方法 | |
CN103557866A (zh) | 一种基于地磁技术的虚拟陀螺仪及算法 | |
CN112665574A (zh) | 基于动量梯度下降法的水下机器人姿态采集方法 | |
Guan et al. | Sensor fusion of gyroscope and accelerometer for low-cost attitude determination system | |
CN111649747A (zh) | 一种基于imu的自适应ekf姿态测量改进方法 | |
Pourtakdoust et al. | An adaptive unscented Kalman filter for quaternion‐based orientation estimation in low‐cost AHRS | |
Zhao et al. | A time‐controllable Allan variance method for MEMS IMU | |
CN110375773B (zh) | Mems惯导系统姿态初始化方法 | |
Zhe et al. | Adaptive complementary filtering algorithm for imu based on mems | |
Shan et al. | Linear Kalman filter for attitude estimation from angular rate and a single vector measurement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150121 |
|
WD01 | Invention patent application deemed withdrawn after publication |