IMU自动校准论文与代码实现A Robust and Easy to Implement Method for IMU Calibration without External Equipments

VIPIMU自动校准论文与代码实现A Robust and Easy to Implement Method for IMU Calibration without External Equipments
PART1 摘要低成本的惯性测量单元会受到系统误差的影响,系统误差由标度因子和轴偏差造成,这会降低位置和姿态估计的精度。 本文提出了一种无需任何外部设备的,鲁棒性强,易于实现的IMU校准方法。 该程序基于多放置方案,再估计传感器偏差的同时,为加速度和陀螺仪三轴的尺度和偏差系数。我们的方法只需要用手移动传感器,并将其放置在一组不同的静态位置(姿态)。 论文描述了一个鲁棒的快速校准协议,...
开通可读全文 ·5.3k 人阅读
最低0.47元/天 解锁文章

PART1 摘要

  • 低成本的惯性测量单元会受到系统误差的影响,系统误差由标度因子和轴偏差造成,这会降低位置和姿态估计的精度。
  • 本文提出了一种无需任何外部设备的,鲁棒性强,易于实现的IMU校准方法。
  • 该程序基于多放置方案,再估计传感器偏差的同时,为加速度和陀螺仪三轴的尺度和偏差系数。我们的方法只需要用手移动传感器,并将其放置在一组不同的静态位置(姿态)。
  • 论文描述了一个鲁棒的快速校准协议,该协议利用有效的无参数静态滤波器来可靠的检测传感器中的静态间隔,其中假设重力大小和稳定温度的局部稳定性。
  • 首先在静态时间间隔内对加速度计进行校准,然后利用这些结果校准陀螺仪,采用稳定的数值积分技术。
  • 通过大量的仿真和实际的实验,以一个具有校准证书的商用IMU为参考数据,评价了该校准技术的性能。

PART2 导言

 

  • 商业IMU是工厂校准的,每个传感器都有自己的校准参数集,提供现成的精确测控。低成本的IMU校准不良,导致不可忽略的系统误差。
  • 本文提出了一种有效且易于实现的校准方案,该方案只需要按照图1所示的流程图中的简单步骤收集IMU数据。在没有运动的初始化周期之后,操作员应该将IMU移动到不同的位置,以便生成一组不同的,暂时稳定的旋转。
  • 收集的数据用于校准加速度计和陀螺仪。
  • 和其他技术一样,忽略了交叉轴灵敏度的影响,因为对于小偏差和小交叉轴灵敏度误差,很难区分。
  • 程序中利用了[7]中提出的加速度校准的多位置的基本思想:在静态位置,测量加速度的标准值等于重力的大小加上多源误差因子(即,它包括偏差、偏差、噪声等)。所有这些量都可以通过一组静态姿态上的最小化来估计。
  • 加速度计三轴标定后,可以利用加速度计测得的重力矢量位置作为参考来标定陀螺仪三轴。将两个连续静态位置之间的角速度积分,可以估计出新方向上的重力位置。最后将这些估计值与标定加速度计给出的重力参考值之间的误差降到最小。
  • 在这个过程中,陀螺仪的校准精度在很大程度上取决于加速度计的校准精度,作为参考。
  • 信号噪声和偏差会对校准精度和用于检测校准中实际静态间隔的算法的可靠性产生负面影响。
  • 最后,一个一致的数值积分过程是必要的,以减轻信号离散化的影响,通常在100赫兹采样。
  • 如[8]所述,我们用Allan方差估计了一段时间内陀螺仪的偏置漂移
  • 我们采用龙格-库塔数值积分法来提高陀螺仪校准的精度
  • 传统上,IMU的校准是通过使用特殊的机械平台(如机械手)来完成的,在一组精确控制的方向上以已知的转速移动IMU[9]、[10]、[11]。在每个方向上,加速度计的输出与预先计算的重力矢量相比较,而在旋转过程中,陀螺仪的输出与预先计算的转速相比较。然而,用于校准的机械平台通常非常昂贵,导致校准成本常常超过IMU硬件的成本。
  • Lotters等人首次提出了多位置法。[7] :他们建议使用静态加速度的大小必须等于重力的大小这一事实来校准加速度计的偏差和比例因数。
  • 这项技术在[14]和[15]中得到了扩展,以包括加速度计轴未对准。他们提出的陀螺仪的误差模型与加速度计的误差模型相似,但这种情况下的标定过程需要单轴转台提供强转速信号,提供高的标定精度。不幸的是,这些方法不仅需要一个机械设备,而且这两个三元组是独立校准的,它们之间的偏差无法检测。
  • 在[8]和[16]中,作者提出了两种不需要任何外部机械设备的校准方案。与我们的方法类似,在第一项工作中,作者利用重力矢量量级的高局部稳定性对加速度计进行校准,然后将校准后的加速度计所感测的重力矢量与积分角速度所得的重力矢量进行比较,获得陀螺仪校准。在第二项工作中,作者还研究了磁场的局部稳定性。

PART3 传感器误差模型

在第二项工作中,作者还研究

  • 在实际的imu中,由于装配的不精确性,这两个三元组形成两个不同的(即未对准的)非正交帧。
  • 同样,单个传感器也不是完美的:通常用于转换传感器实际物理量数字输出的比例因子对于同一传感器的不同实例是不同的,而制造商仅提供默认的标称比例因子。此外,输出信号几乎总是受到非零、可变偏差的影响。
  • 如上所述,加速度计框架(AF)和陀螺仪框架(GF)通常都是非正交的。我们可以通过以下方式定义两个相关的正交理想帧(分别为AOF和GOF):
  • 在所提出的校准方法中,我们假设车身框架BF与加速计正交框架AOF一致:在这种情况下,角度变为零,因此在加速计情况下
  • 非正交AF(GF)到正交AOF的变换
  • s^{^{B}}=Ts^{S},T=\begin{bmatrix} 1 & -\beta_{yz} &\beta _{zy} \\ \beta _{xz}&1 &-\beta_{zx} \\ -\beta _{xy} &\beta _{yx} &1 \end{bmatrix}
  • 本文的校准方法假设BF和AOF一致,那么上面角度xz,xy,yz项变成0,所以在加速度中上面格式变为
  • a^{O}=T^{a}a^{S},T=\begin{bmatrix} 1&-\alpha _{yz} &\alpha _{zy} \\ 0& 1&-\alpha _{zx} \\ 0 & 0 &1 \end{bmatrix}
  • 同理陀螺仪的三轴角速度变换
  • \omega ^{O}=T^{g}\omega ^{S},T=\begin{bmatrix} 1& -\gamma _{yz}&\gamma _{zy} \\ \gamma _{xz} & 1&-\gamma _{zx} \\ -\gamma _{xy}&\gamma _{yx} &1 \end{bmatrix}
  • 尺度偏差
VIP A robust and easy to implement method for IMU calibration without external equipments(IMU标定) A robust and easy to implement method for IMU calibration without external equipments 1 标定原理1 亲试可用,还有动态演示效果不错。相比商用产品的简易标定流程,该标定方法有以下几点不同: 给出了加速度计和陀螺仪更复杂的模型。 利用Allan方差的定义,标定陀螺仪的偏置。 大量冗余数据,保证最优化收敛。利用数十... 开通可读全文·3.9k 阅读·3 点赞·21 收藏 阅读全文

相关推荐

IMU自动校准框架IMUCalibration-Gesture测试,结果与rikirobot校正进行对比分析

本文分两个部分介绍IMU自动校准框架IMUCalibration-Gesture的测试。第一部分是IMUCalibration-Gesture的校准,第二部分则是校准结果与rikirobot的对比。校准分三个阶段,IMU硬件配置,IMUCalibration-Gesture数据采样,校准参数及结果展示。 part1 MPU9250的IMUCalibration-Gesture校准 1.1 MPU9250硬件参数设置 源码中MPU9250的原始数据采样的加速度和陀螺仪量程分别为16g,200.

qq_29313679的博客 2828

IMU校正标定Calibration

Intel Realsense D435i 官方标定 https://www.intel.com/content/www/us/en/support/articles/000032303/emerging-technologies/intel-realsense-technology.html 一些相关博客 https://blog.csdn.net/weixin_40628128/arti...

hjwang1的专栏 2650

无外部设备的IMU内参校准方法:椭球拟合与多位置标定实践

在机器人导航与自动驾驶中,传感器融合依赖高精度惯性测量单元(IMU)提供连续位姿信息。然而MEMS器件的零偏、尺度因子与轴间非正交误差会严重削弱姿态解算的准确性,导致LiDAR-IMU外参标定和视觉惯性融合出现累计漂移。本文介绍一种无需转台等外部设备的IMU校准方法,利用重力作为天然参考基准,通过多位置静置采集数据,基于椭球拟合与线性最小二乘解算12参数误差模型,同时覆盖加速度计与陀螺仪零偏修正。该技术将标定转化为常规维护流程,能在十分钟内完成高精度内参估计,为后续多传感器融合提供可靠前提。文中还给出了完整

weixin_34267123的博客 371

lidar-imu calibration---lidar_align+运行liosam算法测试标定效果

本文lidar-imu标定方法为瑞士苏黎世理工大学-自动驾驶实验室开源的一种校准 3D 激光雷达和 6 自由度位姿传感器外参的方法。 该方法需要大量非平面的运动,因此不适合校准安装在汽车上的传感器标定 代码地址:https://github.com/ethz-sl/lidar_align 测试环境:nvidia agx xavier +ubuntu18.04+ROS Melodic lidar_align工程代码实现了以下功能: 1、读取lidar和位姿传感器的数据 2、通过时间戳匹配lidar每帧里面的每

weixin_42469289的博客 9866

IMU参数详解

1.加速度计 1.1Full-Scale Range (1)指加速度计能测量到的正反方向最大加速度的额定值范围。常见有(±2g,±4g,±8g,±16g, up to ±400g) (2)地球重力加速度为1g=9.8m/s^2. 16g=9.8*16=156.8m/s^2 (3)一般可以根据具体应用配置量程,如测试静止应用,用2g就行.人和车运动8g以上. 1.2Nonlinearity(1)非线性,靠近量程最大值,非线性就越差. 1.3Cross-Axis Sensitivity (1)指的是...

伊伊_f 9644

IMUCalibration-Gesture:校准Imu并显示手势

IMUCalibration-Gesture calibration for Imu and show gesture 0.相关博客: 1.读入数据 load('caldata.mat') 2.运行校正算法 [Ta,Ka,Ba,Tg,Kg,Bg,Tm2a,Bm,Vm,mag_strength]=ImuCalibration_Gesture(cal_data) 3.校正部分 加速度、角速度 conference A Robust and Easy to implement method for imu calibration without External Equipments 磁力计 算法mag2acc_matrix假设重力与磁向量的夹角不变,算法Cal_mag4acc_frame利用不同姿态下传感器感受的磁通向量的变化与姿态变化的相关性,计算参数。 4.参数部分 cal_acc=Ta

计算蛋白质结构中氨基酸之间的方向和方位

方向 (Direction):通过相邻氨基酸的 CαCα​ 原子坐标差值,得到方向向量,描述两个氨基酸之间的几何方向。方位 (Orientation):可以通过二面角(如 Psi)来表示相邻氨基酸之间的旋转关系,或者通过局部坐标系(基于 NN、CαCα​、CC 原子)描述残基的空间取向。这些计算是研究蛋白质结构动力学、折叠过程、以及相互作用的基础,尤其是在使用机器学习和深度学习模型进行蛋白质结构预测时,这些几何信息有助于更好地捕捉残基之间的空间关系。

qq_27390023的博客 1683

从D3 00到FF FF:手把手解析RTCM3.2协议帧结构(附Python解析代码)

本文深入解析RTCM3.2协议帧结构,从同步头标识到CRC校验算法,详细讲解如何通过Python代码实现二进制数据解析。文章包含完整的RTCM3.2解析器实现,涵盖消息类型解码、CRC校验等关键步骤,并附赠特定消息类型(如1005型基准站坐标)的解析示例,帮助开发者快速掌握GNSS差分数据传输协议的核心技术。

weixin_42550052的博客 355

二、频率调制光谱(FMS)技术——error信号的数学模型及其他推论

一些推论。

qq_41111336的博客 1607

大数据领域数据采集的人工智能辅助技术

在大数据时代,“数据是石油”的隐喻早已深入人心,但采集高质量数据的过程却像“在大海里捞针”——数据源分散如繁星、格式杂乱如碎片、质量参差不齐如泥沙,传统采集方法(写死的脚本、固定的ETL流程)早已力不从心。这篇文章将带你走进AI辅助数据采集的世界:我们会用“智能捕鱼船”的比喻拆解AI如何解决传统采集的痛点,深入解析“数据源自动发现”“自适应数据解析”“实时质量管控”等核心技术的原理,用代码示例还原AI采集的真实流程,最后探讨多模态采集、联邦学习等未来趋势。

小程序开发 2357

《四》:LBE,VR 大空间系列——Pico的空间扫描方式

(这里有个选项叫高精度扫描模式,这个功能在下方详细补充)系统会根据绘制的顶点,将区域分割成若干个4X4米的小方格,我们只需要根据提示,首先进入一个方格子空间内部,然后依次凝视每个区域上下左右前后六个面的小方格组,每一面4个,直至全部消失, 消失后地面会出现一个方形行走路径,我们沿着边缘正或反走一圈即可,完成后此块区域即自动消失。不过由于pico有一个高精度扫描圈,如图加粗的圆环,这个圆环的意思是在在内部的区域扫描精度较高,越远离原点的区域误差越大,所以为了更有效的利用,建议原点设置在场地中心区域。

unitygroup的博客 2901

RH850从0搭建Autosar开发环境【3X】- Davinci Configurator之Port模块配置详解(MCAL配置)

RH850从0搭建Autosar开发环境【3X】- Davinci Configurator之Port模块配置详解(MCAL配置)

weixin_42412049的博客 2281

【AI 编程工具】Codex配置部署指南

目录一、环境准备与基础安装1. 系统兼容性检查2. 前置依赖安装3. 安装方式选择二、API密钥配置与认证1. 获取API密钥2. 配置文件设置3. 临时配置方式三、沙盒环境配置与安全策略1. 沙盒模式选择2. 安全最佳实践四、高级功能配置1. 模型上下文协议(MCP)配置2. 模型版本切换3. 自定义网关配置五、常见问题排查1. 安装失败2. API调用失败3. 处理速度慢4. 配置文件不生效六、生产环境部署建议macOS/Linux:官方提供稳定支持,推荐使用原生环境Windows:官方标注为实验性支持

以实战经验介绍行业知识 2912

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

上一篇: robot_localization多传感器定位-IMU数据的校准与融合
下一篇: IMU自动校准框架IMUCalibration-Gesture测试,结果与rikirobot校正进行对比分析
夏天的一叶
博客等级 码龄11年 48粉丝 13原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址