連続線形加速度下のAHRSアルゴリズム

私はいくつかのアルゴリズムを試して、連続的な線形加速度と振動（0.4g未満、周波数が10HZ未満）でピッチ、ロール、ヨーを取得しました。読み取り値がドリフトするか、線形加速度の影響を大きく受けるため、どちらも良い結果をもたらしません。私が達成したいのは、外部加速度が+ -0.4g未満の場合、ピッチとロールの誤差は+ -1deg未満でなければなりません。

私はこれらのアルゴリズムを試しました：

1. マジウィックのアルゴリズム。ベータゲインを非常に高く設定すると、収束は速くなりますが、角度は線形加速度の影響を受けやすくなります。私はそれを調整し、線形加速度の下での誤差を+ -0.5degに減らしました。ただし、振動が連続的である場合、測定値はドリフトし、真の値に収束するのに永遠にかかります。線形加速度の下では、ジャイロがより信頼され、計算された角度がジャイロ積分がドリフトするにつれてドリフトするため、それは理にかなっています。

2. マホニーのアルゴリズム。マジウィックとは異なり、KiとKpにどの値を使用しても、ドリフトしません。ただし、常に線形加速度の影響を受けます。（+ -6degより大きいエラー）

3. 従来のカルマンフィルター。これらの巨大なRおよびQベクトルの調整には、多くの時間が費やされています。これまでのところ、それはマホニーのと同じパフォーマンスを持っています。

カミソリIMUを使用しています。安価なセンサーでは、これと同じ結果を達成することは不可能です。

UKFのようないくつかのオプションがありますが、理解したり実装したりするのは面倒です。

どんな提案も歓迎します。

まず、ここで2つの重要なポイントを理解していることを確認してください。

1. IMUデータのみからの姿勢決定は、線形加速度の存在下では本質的にあいまいです。加速の性質についての追加の知識がなければ、達成できる精度には常に上限があります。

2. 精度は、統合されたジャイロスコープ測定のドリフトによって制限されます。完璧なジャイロデータと統合により、加速度計データはまったく必要ありません。完璧に近づくほど、加速度を無視できます。

ここでは、配向アルゴリズムの選択はほとんど関係ありません。それらはすべて同じ原理で動作します。重力加速度の方向を使用して、統合されたジャイロデータをドリフト補正します。2つのデータ間の重み付けの量は可変です。パラメータの調整を試みても、希望する結果が得られない場合は、別のアルゴリズムを使用した方がうまくいくとは限りません。

したがって、できることは基本的に2つあります。

1. ジャイロ統合の精度を向上させます。
2. 線形加速度の性質をどうにかしてモデル化します。

2番目のオプションは、学習しているモーションの詳細に依存するため、説明するのが困難です。特定の範囲外の加速度の破棄や重み付け解除など、いくつかの単純なトリックがあります。基本的に、これらは線形加速度を短時間の発生としてモデル化することに帰着します。システムが継続的に動いている場合は、あまり役に立ちません。

ただし、ジャイロの統合を改善するためにできることはいくつかあります。

1. ジャイロバイアスの最適な推定値を取得します。使用直前に数秒間静的ジャイロ測定値を取得し、これらを平均してオフセット値を取得します。1回限りの事前キャリブレーションに依存しないでください。
2. 温度によるドリフトを最小限に抑えるようにしてください。校正/使用の前に、IMUを定常状態の動作温度までウォームアップさせます。運転中は一定温度に保つようにしてください。
3. キャリブレーションモデルを改善します。スケールとオフセットだけでなく、軸間効果と非線形性を含めることを検討してください。
4. より良い統合方法を使用してください。質問のコメントにはすでにいくつかのアイデアがあります。
5. ジャイロドリフトを追跡できるかどうかを確認してください。配向アルゴリズムが特定の方向のドリフトを一貫して修正する必要がある場合、これを検出して、バイアス値を穏やかに調整するために使用できます。

あなたが使用しているセンサーが利用可能な最高のグレードのものではないことは正しいです。ただし、十分に特性化および校正されていれば、消費者向けセンサーから非常に良い結果を得ることができます。