An efficient orientation filter for inertial and inertial/magnetic sensor arrays
این مقاله یک فیلتر کارآمد برای تخمین جهت (Orientation) از دادههای IMU (شتابسنج و ژیروسکوپ) و مغناطیسسنج ارائه میدهد که بهویژه برای کاربردهای بلادرنگ در رباتیک مناسب است.
نویسندگان یک فیلتر مبتنی بر بهینهسازی (Gradient Descent) ارائه میدهند که با کمینهسازی خطای بین اندازهگیریها و مدل، زاویههای اویلر (یا کواترنیون) را تخمین میزند. این روش نسبت به فیلتر کالمن محاسبات کمتری دارد.
فیلتر Madgwick میتواند با نرخ نمونهبرداری بالا (بیش از ۵۰۰ هرتز) و با خطای کم، جهت را تخمین بزند و در کاربردهای واقعی عملکردی قابل مقایسه با فیلتر کالمن توسعهیافته دارد.
این فیلتر برای کاربردهای با شتابهای خطی زیاد (مانند حرکات سریع) دقت کمتری دارد و همچنین به کالیبراسیون دقیق مغناطیسسنج نیاز دارد.
این فیلتر در بسیاری از پهپادها، رباتهای متحرک و سیستمهای واقعیت مجازی استفاده میشود. در پروژهی ربات انساننمای خدماتی، این روش میتواند بهعنوان یک راهکار سبک و سریع برای تخمین وضعیت بدن ربات در حین راهرفتن و تعامل با محیط بهکار رود.
📇 فلشکارت خلاصه — 13 فیلد تحلیلی برای این مقاله
خلاصه
این مقاله یک فیلتر کارآمد بر اساس گرادیان کاهشی برای تخمین جهت از دادههای IMU معرفی میکند که دقت بالا و نیاز محاسباتی کم دارد.
نمای سریع
فیلتر سریع و دقیق برای تخمین وضعیت با IMU.
یافتههای کلیدی
فیلتر Madgwick میتواند با نرخ نمونهبرداری بالا (بیش از ۵۰۰ هرتز) و با خطای کم، جهت را تخمین بزند و در کاربردهای واقعی عملکردی قابل مقایسه با فیلتر کالمن توسعهیافته دارد.
هدف
طراحی یک فیلتر سبکوزن و دقیق برای تخمین جهت در کاربردهای بلادرنگ.
روش
نویسندگان یک فیلتر مبتنی بر بهینهسازی (Gradient Descent) ارائه میدهند که با کمینهسازی خطای بین اندازهگیریها و مدل، زاویههای اویلر (یا کواترنیون) را تخمین میزند. این روش نسبت به فیلتر کالمن محاسبات کمتری دارد.
نتایج
فیلتر Madgwick با خطای کمتر از ۱ درجه در شرایط ساکن و دینامیکهای ملایم عمل میکند.
نتیجهگیری
این فیلتر جایگزین مناسبی برای فیلتر کالمن در سیستمهای با توان پردازشی محدود است.
مفاهیم کلیدی
IMU، فیلتر جهتیابی، کواترنیون، رباتیک
مطالعهی بیشتر
http://www.x-io.co.uk/res/doc/madgwick_internal_report.pdf
تحلیل
این مقاله بهدلیل سادگی و کارایی بالا، بسیار محبوب شده و در بسیاری از پروژههای منبعباز (مانند Arduino و ROS) استفاده میشود.
محدودیتها
این فیلتر برای کاربردهای با شتابهای خطی زیاد (مانند حرکات سریع) دقت کمتری دارد و همچنین به کالیبراسیون دقیق مغناطیسسنج نیاز دارد.
کارهای آینده
نویسنده پیشنهاد کرد که میتوان فیلتر را برای ترکیب با حسگرهای دیگر (مانند GPS و دوربین) توسعه داد و برای محیطهای با میدان مغناطیسی متغیر بهبود بخشید.
کاربرد عملی
این فیلتر در بسیاری از پهپادها، رباتهای متحرک و سیستمهای واقعیت مجازی استفاده میشود. در پروژهی ربات انساننمای خدماتی، این روش میتواند بهعنوان یک راهکار سبک و سریع برای تخمین وضعیت بدن ربات در حین راهرفتن و تعامل با محیط بهکار رود.
◀ ارجاعات (این مقاله از اینها استفاده کرده) (0)
ارجاعی ثبت نشده است.
ارجاعشده توسط (0) ▶
هنوز مقالهای به این ارجاع نداده است.
مسیر یادگیری پیشنیاز این مقاله