IMU数据卡尔曼滤波简介与应用.pdfVIP

IMU数据的卡尔曼滤波

介绍

对我们许多人来说，卡尔曼滤波就像是圣杯。确实，它般地解决了一些其他方法难以

处理的问题。但请注意，卡尔曼滤波并不是万能药，并不能解决你所有的问题！

本文将解释卡尔曼滤波是如何工作的。采用更实用的方法来避免枯燥的理论，因为

这些理论本来就很难理解。由于大多数读者只会将其用于MAV/UAV应用，我将尝试使其

看起来更加具体，而不是令人困惑的通用方法。

请确保你从之前的文章中了解了如何使用“加速度计”和“陀螺仪”的数据。一些基本的

代数知识也会有所帮助:‑)

基本操作

卡尔曼滤波是一种迭代滤波器，需要两个条件。

首先，您需要某种输入（来自一个或多个源），您可以仅使用线性计算将其转换为所需的

输出预测。换句话说，我们需要我们问题的线性模型。

其次，您需要另一个输入。这可以是预测值的世界值，或者是其良好的近似值。

每次迭代时，卡尔曼滤波器都会稍微改变我们线性模型中的变量，使线性模型的输出更接近第

二个输入。

我们的简单模型

显然，我们的两个输入将包括陀螺仪和加速度计数据。使用陀螺仪数据的模型如下所示：

第一个表示线性模型的一般形式。我们需要“填写”A和B矩阵，并选择一个状态x。

变量u表示输入。在我们的情况下，这将是陀螺仪的数据。还记得我们是如何积分的吗？

我们只是将归一化的测量值累加起来：

alphaalpha+(_u_–bias)

kk-1k

__

我们需要包括两次测量之间的时间（dt），因为我们处理的是速率（度/秒）：

alphaalpha+(_u_–bias)*dt

kk-1k

我们重写它：

KalmanfilteringofIMUdata

Introduction

Tomanyofus,kalmanfilteringissomethingliketheholygrail.Indeed,itmiraculouslysolvessome

problemswhichareotherwisehardtogetaholdon.Butbeware,kalmanfilteringisnotasilver

bulletandwon’tsolveallofyourproblems!

ThisarticlewillexinhowKalmanfilteringworks.We’lluseamorepracticalapproachtoavoid

theboringtheory,whichishardtounderstandanyway.Sincemostofyouwillonlyuseitfor

MAV/UAVapplications,I’lltrytomakeitlookmoreconcreteinsteadofpuzzlinggeneralized

approach.

Makesureyouknowfromthepreviousartichowthedatafrom“accelerometers”and

“gyroscopes”areused.Somebasicknowledgeofalgebramayalsocomeinhandy:-)

Basicoperation

Kalmanfilteringisaniterativefi