mpu6050惯性导航学习记录
mpu6050惯性导航学习记录
文章目录
- mpu6050惯性导航学习记录
- 一、学习目的
- 二、原理
- 1、mpu6050简介:
- 2、mpu6050原理分析
- 3、数字运动处理器( DMP )
- 三、惯性导航初步了解
- 1、坐标系
- 2、旋转矩阵
- 四、初步设想
- 五、更新补充
- 姿态更新
一、学习目的
- 了解加速度传感器和角速度传感器原理。
- 初步了解二维惯性导航的原理。
- mpu6050 的驱动移植及原始数据获取
- 初步方案设想
二、原理
1、mpu6050简介:
MPU6050 内部整合了 3 轴陀螺仪和 3 轴加速度传感器,并且含有一个第二 IIC 接口,可用于连接外部磁力传感器,并利用自带的数字运动处理器( DMP: Digital Motion Processor )硬件加速引擎,通过主 IIC 接口,向应用端输出完整的 9 轴融合演算数据。有了 DMP,我们可以使用 InvenSense 公司提供的运动处理资料库,非常方便的实现姿态解算,降低运动处理运算对操作系统的负荷,同时大大降低开发难度。
2、mpu6050原理分析
加速度传感器是一种能够测量加速度的传感器。对于加速度传感器,我们可以把加速度传感器想象为一个装有小球的盒子模型,假设小球在真空环境下,一切东西都处于无重力状态(失重),这时,小球也不例外,将悬浮在盒子的中间,如果每一面盒壁受到冲击都会返回压力信号,那么通过转换就能测得该方向上的加速度,注意加速度传感器检测到力的方向与它自身运动加速度的方向是相反的,这种力通常被称为惯性力。
陀螺仪传感器的作用是检测三个轴(x、y、z)的旋转,其原理就是,一个旋转物体的旋转轴所指的方向在不受外力影响时,是不会改变的。人们根据这个道理,用它来保持方向。然后用多种方法读取轴所指示的方向,并自动将数据信号传给控制系统。
mpu6050 物理模型可以想象成下图:
mpu6050 对陀螺仪和加速度计分别用了三个 16 位的 ADC,将其测量的模拟量转化 为可输出的数字量。
3、数字运动处理器( DMP )
要通过6050得到四元数和欧拉角,这个过程有两种办法,一种是用原始数据( 三轴加速度、三轴角速度 ),通过卡尔曼滤波、积分运算、减少误差零点漂移等姿态融合运算转化等一系列复杂运算得出。第二种是直接用MPU6050 内部的自带的数字运动处理器(即 DMP )。
DMP 就是MPU6050 内部的运动引擎,直接输出四元数,可以减轻外围微处理器的工作负担且避免了繁琐的滤波和数据融合。Invensense 公司有提供了一个 MPU6050 的嵌入式运动驱动库,这个库是基于MSP430的,不过只需要简单修改就可以移植到大部分芯片上。
输出结果:
I0、I1、I2 为处理后的欧拉角;
I3、I4、I5 为加速度计原始值;
传送门:
官方原始库:http://drivers.softpedia.com/get/Other-DRIVERS-TOOLS/Others/InvenSense-Embedded-Motion-Tracker-Driver-51.shtml
移植教程参考:https://blog.csdn.net/haha1fan/article/details/72440574
rtt下移植教程:https://blog.csdn.net/qq_16519885/article/details/121574865
三、惯性导航初步了解
1、坐标系
坐标系可大致分为两种:固定坐标系和载体坐标系。
固定坐标系指固定的坐标系,不管怎么运动,该坐标系都固定不变,如:惯性系( i 系)、世界系( w 系)、导航系( n 系)等;
载体坐标系指随着载体的运动而运动的坐标系,也就是固联在在载体上的坐标系,如:载体系( b 系)、传感器坐标系( s 系)、机器坐标系( r 系)等;
我们从传感器芯片上读取的加速度,角速度等数据,都是载体系上的数据。而真正导航说需要的数据,一般都是固定坐标系上的,所以惯性导航的任务中很大一部分,就是将载体系的数据转换到固定坐标系上,这一点需要旋转矩阵的相关知识来实现。
2、旋转矩阵
二维旋转矩阵可具象化为:原坐标系有一点 P( XaX_aXa,YbY_bYb) ,现在将坐标系由逆时针方向旋转一个角度 θ\thetaθ ,P 点不动,求现在P点的坐标。
推导过程如下图:
如果我们把转之前的坐标系定义为导航系(n),把转之后的坐标系定义为载体系(b), 那么矩阵 M ( θ\thetaθ )正好是载体系(b)到导航系(n)的坐标变换矩阵。
那么有载体系到导航系的坐标变换矩阵:
Mbn=[cosθ−sinθsinθcosθ]M^n_b= \left[ \begin{matrix} cos \theta & -sin\theta \\ sin\theta & cos\theta \\ \end{matrix} \right] Mbn=[cosθsinθ−sinθcosθ]
matlab仿真结果:
附矩阵计算公式:
四、初步设想
将GPS获取的定位信息看作固定不变的坐标系,即导航系( n 系),将固联在小车质心处的mpu6050看作一个载体系( b 系),之后将定点数据通过惯性导航公式在两个坐标系间互相转换,再通过算法可计算角度进行导航。
五、更新补充
姿态更新
航向角( yaw ):
yaw = yaw + ∫\int∫ yaw_rad dtd_tdt ;
( yaw_rad 为 z 轴角速度,注:航向角也可通过 mpu6050 直接获取)
旋转矩阵:
Mbn=[cos(yaw)−sin(yaw)sin(yaw)cos(yaw)]M^n_b= \left[ \begin{matrix} cos ( yaw ) & -sin (yaw ) \\ sin ( yaw) & cos ( yaw ) \\ \end{matrix} \right] Mbn=[cos(yaw)sin(yaw)−sin(yaw)cos(yaw)]
将加速度旋转到导航系:
acc_n = acc_b * MbnM_b^nMbn;
( n为导航系,b为载体系)
速度更新:
V = V + ∫\int∫ acc_n dtd_tdt;
(原速度加上加速度的积分)
互补融合(与编码器速度进行互补滤波融合):
v_mini * cos(yaw) * (trust) + vx * (1 - trust) = Vx;
v_mini * sin(yaw) * (trust) + vy * (1 - trust) = Vy;
( trust 代表信任程度,小于等于1,大于等于0;v_mini 为编码器测得速度)
位置更新:
P = P + ∫\int∫ V * dtd_tdt;
(原位置加上对速度积分)
mpu6050惯性导航学习记录相关推荐
- Pytorch学习记录-torchtext和Pytorch的实例( 使用神经网络训练Seq2Seq代码)
Pytorch学习记录-torchtext和Pytorch的实例1 0. PyTorch Seq2Seq项目介绍 1. 使用神经网络训练Seq2Seq 1.1 简介,对论文中公式的解读 1.2 数据预 ...
- HTML5与CSS3权威指南之CSS3学习记录
title: HTML5与CSS3权威指南之CSS3学习记录 toc: true date: 2018-10-14 00:06:09 学习资料--<HTML5与CSS3权威指南>(第3版) ...
- springboot @cacheable不起作用_Springboot学习记录13 使用缓存:整合redis
本学习记录的代码,部分参考自gitee码云的如下工程.这个工程有详尽的Spingboot1.x教程.鸣谢! https://gitee.com/didispace/SpringBoot-Learnin ...
- 【Cmake】Cmake学习记录
Cmake学习记录 1.1 常例 add_library(gen_reference_infogen_reference_info/gen_reference_info.hgen_reference_ ...
- ASP.NETCore学习记录(一)
ASP.NETCore学习记录(一) asp.net core介绍 Startup.cs ConfigureServices Configure 0. ASP.NETCore 介绍 ASP.N ...
- Android开发技术周报176学习记录
Android开发技术周报176学习记录 教程 当 OkHttp 遇上 Http 2.0 http://fucknmb.com/2018/04/16/%E5%BD%93OkHttp%E9%81%87% ...
- add函数 pytorch_Pytorch学习记录-Pytorch可视化使用tensorboardX
Pytorch学习记录-Pytorch可视化使用tensorboardX 在很早很早以前(至少一个半月),我做过几节关于tensorboard的学习记录. https://www.jianshu.co ...
- java之字符串学习记录
java之字符串学习记录 public class StringDemo { public static void main(String[] args) { //静态初始化字符串 String s1 ...
- Redis的学习记录
Redis的学习记录 1.先导了解 1.1 NOSQL概述 1.1.1 为什么要用NoSql? 1.1.2 NoSql了解 1.1.3 NoSql特点 1.1.4 NoSQL的四大分类 2. Redi ...
- Django学习记录-1
2019独角兽企业重金招聘Python工程师标准>>> 作为Django的初学者,记录下我的学习历程,加深一下记忆(工作中用java,所以很容易忘记),如果有写的不对的地方,还望大家 ...
最新文章
- lemp-------3多站点访问,,访问控制,,虚拟目录
- vue中进行判断不同字段的判断,主要是区分于微信小程序和网页版之间写法
- 011_html标题
- win2012每次启动显示服务器管理器,win2012r2服务器管理器打开角色.功能出错
- 【学习笔记】吴恩达机器学习 WEEK1
- 『设计模式』设计模式--原型模式
- 技术管理者怎样跳出“泥潭”
- oracle opatch那个回退,下面是我在打OPatch时使用的一般步骤,供大家参考
- python 函数例子_Python3函数之例子
- 怪兽级性能,用代码玩转Excel!葡萄城强势发布Spread表格组件
- 如何从初级程序员变成高级程序员?赶紧看一看
- BZOJ1050 [HAOI2006]旅行comf
- ONNX系列二 --- 使用ONNX使Keras模型可移植
- FFMpeg写MP4文件例子分析
- hibernate......1、2级缓存
- iOS POST 上传图片
- minecraftjava版光追_我的世界:网易版终于更新狐狸生物?Java版光追技术已开始测试...
- ios视频播放器-1
- 欧瑞变频器800参数设置_(完整版)ACS800变频器参数设定
- 网络编程中同步与异步,IO阻塞与非阻塞总结
热门文章
- cnn风格迁移_图像风格迁移详解
- 链栈(入栈,出栈,遍历)
- 迅雷软件测试报告总结范文,软件测试-实验三
- mt4接入python_mt4 调用 api
- 有机农业产品宣传介绍PPT模板
- STM32L0系列单片机低功耗(STOP)使用+RTC唤醒+LPUART(DMA方式)唤醒+LPTIM唤醒
- Sentaurus training 笔记
- URL编码与解码原理
- 【字体分享】这么Q萌的字母设计你肯定没见过
- 郑州大学“战疫杯”大学生程序设计在线邀请赛(6)(C++题解+详细思路)2022年5月14日