imu数据融合 一阶滤波 卡尔曼滤波

首先要明确,MPU6050 是一款姿态传感器,使用它就是为了得到待测物体(如四轴、平衡小车) x、y、z 轴的倾角(俯仰角 Pitch、滚转角 Roll、偏航角 Yaw) 。我们通过 I2C 读取到 MPU6050 的六个数据(三轴加速度 AD 值、三轴角速度 AD 值)经过姿态融合后就可以得到 Pitch、Roll、Yaw 角。

本帖主要介绍三种姿态融合算法:四元数法 、一阶互补算法和卡尔曼滤波算法。

一、四元数法

关于四元数的一些概念和计算就不写上来了,我也不懂。我能告诉你的是:通过下面的算法,可以把六个数据转化成四元数(q0、q1、q2、q3),然后四元数转化成欧拉角(P、R、Y 角)。

虽然 MPU6050 自带的 DMP库可以直接输出四元数,减轻 STM32 的运算负担, 这里在此没有使用,因为我是用 STM32 的硬件 I2C 读取 MPU6050 数据的(http://bbs.elecfans.com/forum.ph … 4&page=1#pid3625735),DMP库需要对 I2C 函数进行修改,如 DMP 库中的 I2C 写:i2c_write(st.hw->addr, st.reg->pwr_mgmt_1, 1, &(data[0]));有4个输入变量,而 STM32 硬件 I2C 的 I2C 写为:void MPU6050_I2C_ByteWrite(u8 slaveAddr, u8 pBuffer, u8 writeAddr),只有 3 个输入量(这之间的差异好像是由于 MPU6050 的 DMP 库是针对 MSP430 单片机写的),所以必须进行修改,但是改固件库是一件很痛苦的事,你们应该都懂。当然,如果你用模拟 I2C 的话,是容易实现的,网上的 DMP 移植几乎都是基于模拟 I2C 的。

复制代码

#include

#include “stm32f10x.h”

//---------------------------------------------------------------------------------------------------

// 变量定义

#define Kp 100.0f // 比例增益支配率收敛到加速度计/磁强计

#define Ki 0.002f // 积分增益支配率的陀螺仪偏见的衔接

#define halfT 0.001f // 采样周期的一半

float q0 = 1, q1 = 0, q2 = 0, q3 = 0; // 四元数的元素,代表估计方向

float exInt = 0, eyInt = 0, ezInt = 0; // 按比例缩小积分误差

float Yaw,Pitch,Roll; //偏航角,俯仰角,翻滚角

void IMUupdate(float gx, float gy, float gz, float ax, float ay, float az)

{

    float norm;

    float vx, vy, vz;

    float ex, ey, ez;  

    // 测量正常化

    norm = sqrt(ax*ax + ay*ay + az*az);      

    ax = ax / norm;                   //单位化

    ay = ay / norm;

    az = az / norm;      

    // 估计方向的重力

    vx = 2*(q1*q3 - q0*q2);

    vy = 2*(q0*q1 + q2*q3);

    vz = q0*q0 - q1*q1 - q2*q2 + q3*q3;

    // 错误的领域和方向传感器测量参考方向之间的交叉乘积的总和

    ex = (ay*vz - az*vy);

    ey = (az*vx - ax*vz);

    ez = (ax*vy - ay*vx);

    // 积分误差比例积分增益

    exInt = exInt + ex*Ki;

    eyInt = eyInt + ey*Ki;

    ezInt = ezInt + ez*Ki;

    // 调整后的陀螺仪测量

    gx = gx + Kp*ex + exInt;

    gy = gy + Kp*ey + eyInt;

    gz = gz + Kp*ez + ezInt;

    // 整合四元数率和正常化

    q0 = q0 + (-q1*gx - q2*gy - q3*gz)*halfT;

    q1 = q1 + (q0*gx + q2*gz - q3*gy)*halfT;

    q2 = q2 + (q0*gy - q1*gz + q3*gx)*halfT;

    q3 = q3 + (q0*gz + q1*gy - q2*gx)*halfT;  

    // 正常化四元

    norm = sqrt(q0*q0 + q1*q1 + q2*q2 + q3*q3);

    q0 = q0 / norm;

    q1 = q1 / norm;

    q2 = q2 / norm;

    q3 = q3 / norm;

    Pitch  = asin(-2 * q1 * q3 + 2 * q0* q2)* 57.3; // pitch ,转换为度数

    Roll = atan2(2 * q2 * q3 + 2 * q0 * q1, -2 * q1 * q1 - 2 * q2* q2 + 1)* 57.3; // rollv

    //Yaw = atan2(2*(q1*q2 + q0*q3),q0*q0+q1*q1-q2*q2-q3*q3) * 57.3;                //此处没有价值,注掉

}

要注意的的是,四元数算法输出的是三个量 Pitch、Roll 和 Yaw,运算量很大。而像平衡小车这样的例子只需要一个角(Pitch 或 Roll )就可以满足工作要求,个人觉得做平衡小车最好不用四元数法。

二、一阶互补算法

MPU6050 可以输出三轴的加速度和角速度。通过加速度和角速度都可以得到 Pitch 和 Roll 角(加速度不能得到 Yaw 角),就是说有两组 Pitch、Roll 角,到底应该选哪组呢?别急,先分析一下。MPU6050 的加速度计和陀螺仪各有优缺点,三轴的加速度值没有累积误差,且通过算 tan() 可以得到倾角,但是它包含的噪声太多(因为待测物运动时会产生加速度,电机运行时振动会产生加速度等),不能直接使用;陀螺仪对外界振动影响小,精度高,通过对角速度积分可以得到倾角,但是会产生累积误差。所以,不能单独使用 MPU6050 的加速度计或陀螺仪来得到倾角,需要互补。一阶互补算法的思想就是给加速度和陀螺仪不同的权值,把它们结合到一起,进行修正。得到 Pitch 角的程序如下:

复制代码

//一阶互补滤波

float K1 =0.1; // 对加速度计取值的权重

float dt=0.001;//注意:dt的取值为滤波器采样时间

float angle;

angle_ax=atan(ax/az)*57.3; //加速度得到的角度

gy=(float)gyo[1]/7510.0; //陀螺仪得到的角速度

Pitch = yijiehubu(angle_ax,gy);

float yijiehubu(float angle_m, float gyro_m)//采集后计算的角度和角加速度

{

 angle = K1 * angle_m + (1-K1) * (angle + gyro_m * dt);

 return angle;

}

互补算法只能得到一个倾角,这在平衡车项目中够用了,而在四轴飞行器设计中还需要 Roll 和 Yaw,就需要两个 互补算法,我是这样写的,注意变量不要搞混:

复制代码

//一阶互补滤波

float K1 =0.1; // 对加速度计取值的权重

float dt=0.001;//注意:dt的取值为滤波器采样时间

float angle_P,angle_R;

float yijiehubu_P(float angle_m, float gyro_m)//采集后计算的角度和角加速度

{

 angle_P = K1 * angle_m + (1-K1) * (angle_P + gyro_m * dt);

     return angle_P;

}

float yijiehubu_R(float angle_m, float gyro_m)//采集后计算的角度和角加速度

{

 angle_R = K1 * angle_m + (1-K1) * (angle_R + gyro_m * dt);

     return angle_R;

}

单靠 MPU6050 无法准确得到 Yaw 角,需要和地磁传感器结合使用。

三、卡尔曼滤波

其实卡尔曼滤波和一阶互补有些相似,输入也是一样的。卡尔曼原理以及什么5个公式等等的,我也不太懂,就不写了,感兴趣的话可以上网查。在此给出具体程序,和一阶互补算法一样,每次卡尔曼滤波只能得到一个方向的角度。

复制代码

#include

#include “stm32f10x.h”

#include “Kalman_Filter.h”

//卡尔曼滤波参数与函数

float dt=0.001;//注意:dt的取值为kalman滤波器采样时间

float angle, angle_dot;//角度和角速度

float P[2][2] = {{ 1, 0 },

             { 0, 1 }};

float Pdot[4] ={ 0,0,0,0};

float Q_angle=0.001, Q_gyro=0.005; //角度数据置信度,角速度数据置信度

float R_angle=0.5 ,C_0 = 1;

float q_bias, angle_err, PCt_0, PCt_1, E, K_0, K_1, t_0, t_1;

//卡尔曼滤波

float Kalman_Filter(float angle_m, float gyro_m)//angleAx 和 gyroGy

{

    angle+=(gyro_m-q_bias) * dt;

    angle_err = angle_m - angle;

    Pdot[0]=Q_angle - P[0][1] - P[1][0];

    Pdot[1]=- P[1][1];

    Pdot[2]=- P[1][1];

    Pdot[3]=Q_gyro;

    P[0][0] += Pdot[0] * dt;

    P[0][1] += Pdot[1] * dt;

    P[1][0] += Pdot[2] * dt;

    P[1][1] += Pdot[3] * dt;

    PCt_0 = C_0 * P[0][0];

    PCt_1 = C_0 * P[1][0];

    E = R_angle + C_0 * PCt_0;

    K_0 = PCt_0 / E;

    K_1 = PCt_1 / E;

    t_0 = PCt_0;

    t_1 = C_0 * P[0][1];

    P[0][0] -= K_0 * t_0;

    P[0][1] -= K_0 * t_1;

    P[1][0] -= K_1 * t_0;

    P[1][1] -= K_1 * t_1;

    angle += K_0 * angle_err; //最优角度

    q_bias += K_1 * angle_err;

    angle_dot = gyro_m-q_bias;//最优角速度

    return angle;

}

作个总结:三种融合算法都能够输出姿态角(Pitch 和 Roll ),一次四元数法可以输出 P、R、Y 三个倾角,计算量比较大。一阶互补和卡尔曼滤波每次只能输出一个轴的姿态角。

转自于:https://blog.csdn.net/zsn15702422216/article/details/52223799

你可能感兴趣的:(imu数据融合 一阶滤波 卡尔曼滤波)